Gemini 系（Google DeepMind）

Google DeepMind の Gemini 系は Bard (PaLM 2、2023-03) を前身に 1.0 (2023-12-06) から 2.5 Pro Thinking (2025-03-25) まで decoder-only Transformer を骨格に、(1) ネイティブマルチモーダル (事前学習段階から 4 モダリティ joint 訓練、GPT-4V/Claude 3 後付けと差別化)、(2) 1M+ 長文脈リーダーシップ (1.5 Pro 業界初 1M、2024-09 頃 2M、GPT-4 Turbo 128K / Claude 2.1 200K に対し約 1 桁の跳躍)、(3) Google 独自 TPU (v4/v5e/v5p/Trillium v6e) + Pathways + JAX/XLA (NVIDIA ゼロの自社 ASIC、主要家族中唯一)、(4) Ultra/Pro/Flash/Nano 4 層 (Nano は家族中唯一の第一級 on-device)、(5) API + Vertex + アプリ + Workspace + Search + Pixel/Android フルスタック配布 (Workspace + Search 数十億ユーザ規模)、(6) 本体完全クローズド + Gemma オープン姉妹 (OSI 非該当)、の 6 軸で展開 (日付類は要確認)。1.5 Pro は MoE を tech report (arXiv:2403.05530) で初明示、Mixtral 8×7B (tech-54)・DeepSeek (tech-55) と並ぶ MoE フロンティア (エキスパート数・パラメータ非公開)。

モデル系譜

日付・契約細部はいずれも要確認。Bard → Gemini リブランドは 2024-02 頃。

ネイティブマルチモーダル

1.0 (2023-12) は 事前学習段階からテキスト・画像・音声・動画 4 モダリティを joint 訓練した最初の主要 LLM 家族で、GPT-4V (GPT-4 + 視覚アダプタ後付け)・Claude 3 (tech-58) の後付け視覚と構造的に異なる。tech report (arXiv:2312.11805、要確認) によればトークナイズは SentencePiece + ビジョントークナイザ、音声は USM 由来。1.5 Pro 以降 Video understanding が実用化、1M context での 1 時間超動画解析デモが広く報告され GPT-4V/Claude 3 (画像のみ) に対する明確な先行。2.0 以降の native audio output / 画像生成が単一モデル内か Imagen/別 TTS 連携かは要確認。

長文脈リーダーシップ

1.5 Pro (2024-02-15) の 1M tokens は LLM 業界の文脈長概念を刷新した。GPT-4 Turbo 128K・Claude 2.1 200K (2023-11)・LLaMA 2 4〜32K に対しほぼ 1 桁の跳躍 (英単語約 75 万・動画 1 時間超相当)。2024-09 頃 2M 拡張 が Pro tier で実現 (要確認)。ring-attention/sequence parallelism + MoE のメモリ効率改善寄与が指摘されるが因果関係は公式言明なし。Google は needle-in-a-haystack で高 recall を vendor-reported。Claude Sonnet 4 1M (tech-58) は約 2 年遅れで追随、LLaMA 4 Scout 10M (tech-53) は実運用精度評価未定着。

アーキテクチャ — Dense / MoE / TPU

1.0 は decoder-only Transformer の Ultra/Pro/Nano 3 サイズで MoE 採否非公開 (一般に dense 推測)。1.5 Pro は tech report (arXiv:2403.05530) で MoE を初明示、Mixtral 8×7B (tech-54)・DeepSeek-MoE (tech-55) と同方向の効率化だがエキスパート数・top-k routing・shared expert・total/active パラメータすべて非公開。訓練ハードは Google 独自 TPU (v4/v5e/v5p、Trillium=v6e 2024) + Pathways + JAX/XLA。NVIDIA H100/Trainium/Azure に依存する他主要家族 (tech-52/53/56/58) と異なる 自社 ASIC 一本化路線で、クラウドプロバイダ依存なく訓練できる唯一の主要家族。2.5 Pro MoE 詳細・Trillium 訓練シェアは要確認。

Ultra / Pro / Flash / Nano

Ultra (1.0 のみ) = Gemini Advanced $19.99/月、1.5 以降 Pro 統合。Pro = バランス主力、1.5 → 2.0 exp → 2.5 Thinking。Flash = 高速低コスト、1.5 (2024-05) → 2.0 (2024-12) → 2.5 (2025-05 頃)、1M context 維持で大量 API 向け。Nano = on-device、Pixel 8 Pro 同梱 Nano-1/Nano-2 (約 1.8B/3.25B、要確認)、Android AICore 経由サードパーティ利用、Gboard・音声認識・要約のシステム機能にも活用。Claude Opus/Sonnet/Haiku (tech-58) の安定三層と比べ Ultra 廃止 + Thinking クロスカット + 世代番号で命名がやや複雑化。Nano は主要フロンティア家族中唯一の第一級 on-device バリアントで Apple Foundation Models や LLaMA 3 1B/3B (tech-53) と異なるポジショニング。

Thinking / Deep Think

2.0 Flash Thinking Experimental が 2024-12-11 頃 AI Studio で公開 (要確認) し中間ステップ生成・可視化を提供。OpenAI o1 (2024-09-12、別系統 + 隠し reasoning、tech-52) と異なり 同一モデル内モード切替で、Claude 3.7 Extended Thinking (tech-58)・DeepSeek-R1 (MIT、tech-55) の CoT 可視化と同方向。2.5 Pro (2025-03-25、要確認) は Thinking 搭載最初の “stable experimental” 世代で AIME 2024・GPQA Diamond・SWE-bench で当時 SOTA 相当を vendor-reported で主張。Deep Think は 2.5 Pro 搭載の高コスト・高精度推論オプション。ポジションは「可視化 reasoning + closed weights」で o-series (隠し + 別枠課金)・DeepSeek-R1 (MIT + GRPO 全公開) の中間。budget_tokens 相当 API・課金方式要確認。

配布チャネル — Workspace / Search / Vertex co-hosting

Gemini API (AI Studio) = 開発者向け無料ティアあり。Vertex AI = エンタープライズ向けで Anthropic Claude (tech-58)・Meta LLaMA (tech-53) も同一プラットフォームで提供する競合 co-hosting 商業設計。Gemini アプリ (旧 Bard) = 2024-02 リブランド、Advanced $19.99/月。**Workspace (Duet AI → Gemini for Workspace)** = Gmail/Docs/Sheets/Slides/Meet 統合、$30/ユーザ/月 (2024)、企業ユーザ数十億人規模配布面。Search AI Overviews (旧 SGE) = I/O 2023-05-10 発表、2024-05 米国 GA、Search 月次数十億ユーザへの直接 LLM 出力配信で ChatGPT/Claude を大幅に超える純粋露出規模。Pixel/Android Nano = AICore 経由 API。GPT Azure 一強に対し Gemini は GCP 縛りだが Workspace + Search の独占的配布面で他家族に比類のない浸透力 (価格・GA 日要確認)。

完全クローズド本体 + Gemma 姉妹

Gemini 本体は 完全クローズドウェイト (Claude tech-58・gpt-oss-120B 以前の GPT tech-52 と同様)。Gemma オープンウェイトファミリを別系統で公開：Gemma 1 (2024-02-21、2B/7B)、Gemma 2 (2024-06-27、2B/9B/27B、distillation、27B GPT-3.5 クラス vendor-reported)、Gemma 3 (2025-03-12、1B/4B/12B/27B、初マルチモーダル、128K context 一部、要確認)。Gemma Terms of Use は LLaMA Community License (tech-53) 類似の「商用可だが競合的利用禁止」条項で、Apache 2.0 (Mistral tech-54、Grok-1 tech-56、Qwen 小〜中 tech-57) のような OSI 認定 OSS には 該当しない。ポジションは LLaMA 3 (tech-53) 類似の研究補完だが Gemma 27B 最大でフロンティア (LLaMA 3 405B / Qwen2.5 72B) との性能差は大きい。

Safety / DeepMind 由来

Google DeepMind は 2023-04-26 頃 Brain + DeepMind 統合により設立 (要確認)。Brain は PaLM/T5/BERT、DeepMind は AlphaGo (2016) / AlphaFold (2020/2022) / Sparrow (Glaese 2022) / Chinchilla (2022 scaling law) で著名。Frontier Safety Framework を 2024-10 頃発表し Anthropic RSP/ASL (tech-58)・OpenAI Preparedness 類似の段階的リスク評価。UK/US AISI 連携・EU AI Office 署名も報告。AlphaFold/AlphaCode/Gemini for Science とのシナジーは DeepMind 由来の独自強み。Sparrow は CAI (tech-58) と並ぶ早期整合化研究、Model Card 記述は GPT (tech-52) より透明性高 (要確認)。

持続的な家族特性

• ネイティブマルチモーダル: 4 モダリティの事前学習 joint 訓練、後付け視覚と差別化。
• 1M+ 長文脈リーダーシップ: 1.5 Pro 1M → 2M、Claude/GPT-4.1 が約 2 年遅れで追随。
• TPU + Pathways + JAX/XLA: NVIDIA ゼロの自社 ASIC、主要家族中唯一。
• MoE 採用明示初 (1.5 Pro): Mixtral/DeepSeek と並ぶ MoE フロンティア。
• Nano: 家族中唯一の第一級 on-device バリアント。
• Thinking/Deep Think 同一モデル内: Claude Extended Thinking 類似、o-series 隠し reasoning と対極。
• Workspace + Search + Vertex co-hosting: 競合 (Claude/LLaMA) を co-host、Search 数十億ユーザ規模。
• 完全クローズド本体 + Gemma 姉妹: Gemma は OSI 非該当 Terms of Use、研究補完役。
• DeepMind 由来: AlphaFold/AlphaCode/Sparrow、Anthropic/OpenAI と異なる研究系統。

未確認事項と注意点

• 日付類: Bard → Gemini リブランド (2024-02)、1.0 発表/GA (2023-12-06 / 2024-02-08)、2.0 Flash Thinking 公開 (2024-12-11)、2.5 Pro 発表 (2025-03-25)、2.5 Flash 発表 (2025-05 I/O 前後)、Gemma 1/2/3 発表 (2024-02-21 / 06-27 / 2025-03-12)、AI Overviews 米国 GA (2024-05)、Frontier Safety Framework (2024-10 頃)、Google DeepMind 統合 (2023-04-26) — いずれも公式 blog URL 一次確認未実施。
• 1.5 Pro MoE 詳細 (エキスパート数・top-k routing・total/active パラメータ非公開、arXiv:2403.05530 の記述)、2.5 Pro MoE、Trillium (v6e) の 2.x 訓練適用比率。
• context 提供形態: 1.5 Flash 1M、2M (AI Studio 限定か Vertex Pro 含むか、GA か experimental か)、2.0 Pro、1.0 Ultra (32K)。
• Thinking tokens 課金方式 (同枠か別枠か)、budget_tokens 相当 API。
• Nano パラメータ数 (1.8B/3.25B)、Ultra ティア廃止。
• Gemma Terms of Use 具体条項 (競合的利用禁止 / MAU 閾値 / 商用制限)、Gemma 3 multimodal 対応モデルと 128K context 対象範囲。

confidence: medium は情報カットオフ ~2025-08 で固定（2026-05 時点での外部再検証は未実施）。

Related

• Transformer — tech-35
• Mixture of Experts — tech-36
• GPT 系（OpenAI） — tech-52
• LLaMA 系（Meta） — tech-53
• Mistral / Mixtral 系（Mistral AI） — tech-54
• LLM Comparison — tech-55
• Grok 系（xAI） — tech-56
• Qwen 系（Alibaba Cloud / DAMO Academy） — tech-57
• Claude 系（Anthropic） — tech-58