AI Dev 25 | Paige Bailey: A Beginner's Guide to Multimodal AI with Gemini 2 Veo 2 and Imagen 3

Vielen Dank, ich freue mich sehr, hier zu sein. Ich treffe Sie heute und erfahre auch mehr über die coolen Sachen, die aus replet, Google Cloud und so weiter kommen. Wenn Sie sich einfach einloggen können, werden Sie einiges auf dem Bildschirm sehen und jeder sollte Zugriff auf alles haben, was ich heute zeige. Also holt unbedingt eure Laptops oder zumindest eure Handys raus, um Screenshots zu machen. Wie bereits erwähnt, mein Name ist Paige. Ich leite unser Developer Relations Team bei Google DeepMind. Es ist neu gegründet und wir haben sicherlich viel zu besprechen. Wie bereits erwähnt, verändert Generative Key alles, was wir bei Google tun und wir haben eine lange und erfolgreiche Geschichte in der Entwicklung von Modellen bis hin zu Open Source Frameworks für maschinelles Lernen und auch einige der Einzelteile und Komponenten, die zusammengefügt werden können, um diese Gesamtsysteme und Erlebnisse für KI zu schaffen, einschließlich unseres neuesten Modells Gemini. Wir haben gerade Gemini Flash veröffentlicht. Es ist kostenlos nutzbar und kann kostenlos ausprobiert werden. Wir integrieren es in all unsere zahlreichen Produkte. Es ist aus mehreren Gründen Erstens ist es multimodal, was die Eingabemöglichkeiten angeht. Das ist doch nichts Neues, oder? Es kann Videos, Bilder, Audio, Text, Code und ganze Codebasen gleichzeitig verarbeiten. Aber noch Es kann auch multimodale Inhalte ausgeben. Neben der Ausgabe von Text und Code kann es auch Bilder erstellen, bearbeiten und Audio generieren. Wenn Sie mit Gemini sprechen, klingt es, als würden Sie mit einem Freund sprechen. Das ist ein Beispiel für etwas, das Sie heute mit Gemini ausprobieren können. Wir werden später noch etwas mehr dazu erfahren, einfach als praktische Erfahrung. Man kann ein Bild hochladen und es dann neu gestalten lassen, wobei pixelgenaue Änderungen am Bild selbst vorgesehen werden. Hier gebe ich ihm also ein Autobild und bitte ihn, es in ein Cabrio zu verwandeln. Gemini Dieses eine Modell versteht diese Aufgaben. Wir haben Gemini auch in Roboter integriert. Anfang dieser Woche haben wir unsere Gemini Komponenten für visuelle Sprachaktionen für einige der Roboter angekündigt, die wir bei Google DeepMind vorgestellt haben. Damit kann man dem Roboter Fragen in natürlicher Sprache stellen, einfach per Stimme. Anschließend generiert Gemini im Hintergrund den Code und führt die erforderlichen Aktionen aus, um den Roboter zu steuern. Sie können es heute in einigen unserer Google Büros ausprobieren. Leider hatte ich nicht genug Platz in meinem Rucksack, um heute einen Roboter mitzunehmen. Man kann ihm aber Fragen stellen Bitte hol mir einen Apfel, bitte wisch die verschüttete Flüssigkeit auf oder bitte fege den Boden und es ist lernfähig. Unsere Modelle gibt es in vielen verschiedenen Größen. Pro Unser größtes Modell ist auch unser vielseitigstes Flash, das in der Produktion am häufigsten eingesetzt wird. Flashlight, eine kleine Flash Version, die superschnell, leicht, gewichtig und kostengünstig ist. Und dann ist da noch Gemini Nano klein genug für ein Pixelgerät. Es kann auch im Chrome Browser integriert werden. Wenn Sie unsere neueste Chrome Canary Version herunterladen, ist Gemini Nano lokal verfügbar und kann für Inferenzen, Fragen und Codegenerierung verwendet werden. Und schon kann es losgehen. Wie bereits erwähnt, bieten wir verschiedene Modelle an, darunter Gemini Thinking. Sie sind alle unter istudio Google Com verfügbar. Sie können mit Ihrem Gmail Konto darauf zugreifen und ich empfehle Ihnen, das heute und später zu testen. Diese Modelle schneiden in der Bestenliste recht gut ab. Dies ist ein Screenshot der LMS-Bestenliste von vor ein. Paar Wochen. Wir haben viel in Dinge wie langen Kontext investiert. Langer Kontext ist ziemlich wichtig. Ich glaube aber nicht, dass wir das gut erklären können. In einigen unserer Forschungsexperimente konnten wir im Kontextfenster bis zu 10 Millionen Token erreichen, im Vergleich zu einigen unserer Konkurrenten. Das bedeutet, dass Sie beim Prototyping nicht so viel in Dinge wie die Feinabstimmung von Modellen oder den Aufbau einer Vektordatenbank investieren müssen. Sie können Gemini einfach alle Informationen direkt zum Zeitpunkt der Inferenz geben und es bitten, sie zu interpretieren. Man kann Hier ist ein Video, hier sind ein paar E Mails, was immer man möchte, und eine Million Tokens ergeben eine Menge Informationen. Es sind all die E Mails, die man im letzten Jahr verschickt hat, all die Textnachrichten, die man in seinem Leben verschicken könnte, stundenlange Podcasts ohne Werbung ist es die gesamte erste Staffel der Fernsehserie. Silicon Valley, Alles Mögliche, was man dem Modell geben kann. Ich bin etwas allergisch gegen Folien. Ich mag sie nicht. Ich finde es viel interessanter, Dinge in Aktion zu zeigen. Also zoome ich jetzt zu iStudio. Dort können wir einige der Dinge testen, über die ich gesprochen habe. IStudio ist also der beste Ort, um auf die neuesten Gemini Modelle zuzugreifen, sobald sie erscheinen. Wenn Sie hier rechts klicken, sehen Sie eine Reihe von Die verschiedenen Modellnamen, darunter Flash, flashlight Pro Experimental und Flash Thinking Experimental stehen zur Verfügung. Sie können auch unsere multimodalen Live Funktionen nutzen, die wir uns gleich ansehen werden. Sie können API Schlüssel generieren, wenn Sie sich den Aufwand sparen möchten, nur zum Erstellen eines API Schlüssels eine Cloud Konsole aufzurufen, können Sie ihn hier erstellen und an ein Cloud Projekt anhängen. Sie können auch mit allen Funktionen unserer Modell API experimentieren. Dazu gehören strukturierte Ausgaben, Code Ausführung, die Gemini ermöglicht, Code zu schreiben, auszuführen und rekursiv zu korrigieren, Funktionsaufrufe, die Google Suche, die wir uns gleich ansehen werden, und einige Sicherheitseinstellungen. Sie können die Sicherheitseinstellungen nach Belieben bearbeiten. Normalerweise deaktiviere ich sie alle, weil das das Experimentieren erleichtert und alles, was Sie im Kontext dieser Benutzeroberfläche tun. Wenn Sie auf Code abrufen klicken, wird Ihnen der Code angezeigt, der zum Replizieren Ihres Experiments benötigt wird. Super. Sehen wir uns also an, wie Sie Gemini für eine der multimodalen Aufgaben verwenden können, über die wir heute alle gesprochen haben. Ich wähle ein Video aus. Dies ist ein Video des American Museum of Natural History. Ich liebe Dinosaurier, deshalb möchte ich Sie bitten, eine Tabelle mit Zeitstempeln für alle Dinosaurier zu erstellen, die Sie in diesem Video sehen. Stellen Sie sicher, dass Sie zu jedem Dinosaurier eine interessante Information hinzufügen. Ich wähle unser Taschenlampenmodell aus, das wiederum das kleinste verfügbare Modell ist. Es kostet 0,75 Cent pro Million Token. Dann klicke ich auf Ausführen. Hier rechts sehen Sie, wie die Tokenanzahl aktualisiert wird. Es sind also etwa Token für dieses Video. Sie sehen, dass es hier seitlich läuft, wenn ich auf Code abrufen klicke und eine Sprache auswähle. Aktuell habe ich Python, aber ich könnte auch JavaScript oder etwas ähnliches auswählen. Sie sehen alle integrierten Dateiverwaltungskomponenten. Außerdem sieht es so aus, als hätte Gemini die Tabelle mit den Zeitstempeln und dem D-Store Namen für dieses Video. Bereits erstellt, was ziemlich cool ist. Ich möchte auch noch einmal darauf hinweisen. 0,75 Cent pro Million Token. Das sind etwa Token. Das bedeutet, dass Sie mit Modellen wie Flashlight B und so weiter alles, was Sie auf ihrem Laptop tun, 365 Tage im Jahr, 24 Stunden am Tag aufzeichnen und wöchentlich analysieren können. Mit dieser struktur diesem Format oder mit Markierungen für weniger als den Preis einer Tasse Kaffee pro Woche. Ich denke also, wir bewegen uns wirklich in eine Welt, in der KI in alles, was wir tun, integriert wird und das zu sehr geringen oder gar keinen Kosten, oder? Aus Google Sicht ist das sehr wichtig, denn wir haben Milliarden von Nutzern weltweit. Sie nutzen alles, von Docs über Tabellen und Gmail bis hin zu YouTube für die Suche. Wir müssen Ihnen schnellstmöglich die bestmöglichen Modelle bereitstellen, ohne dabei Ihr Budget zu sprengen. Dafür müssen wir kreativ mit den Modellgrößen und Funktionen umgehen, um die integrierten Rechenressourcen so weit wie möglich zu nutzen und gleichzeitig kostengünstige Modelle zu entwickeln. Das ist ein Beispiel für Videoverständnis. Wir haben außerdem verschiedene Agenten in unsere Gemini Modelle integriert. Was meine ich damit? Wenn Sie heute ein Modell fragen, sagen Sie mir etwas. Erzählen Sie mir Bitte etwas über Gemma 3 Googles neuestes offenes Modell und drücken Sie ausführen. Ich Gehe jetzt zu Gemini 2 Flash. Das Modell verwendet einen Trainingsdaten Cut Off von etwa 20,23 Es weiß nicht, dass das Modell veröffentlicht wurde. Es liegen keine aktuellen Informationen dazu vor. Wenn Sie hier auf Grounding with Google Search klicken und es erneut ausführen, sehen Sie ein deutlich besseres Beispiel für GEMA 3 Googles Familie der neuesten Open Weight Modelle. Es ist in vier Größen verfü 1 Milliarde, 4 Milliarden, 12 Milliarden und so weiter. Es ist recht effizient, einschließlich der Milliarden Parameter Version auf einem einzigen H und die Leistung ist vergleichbar mit einigen anderen Modellen, die Sie vielleicht von deepseek kennen. Außerdem werden Quellen zitiert. Um diese Grundlage mit den aktuellsten Informationen und zitierten Quellen zu integrieren, müssen Sie lediglich diese eine Zeile hier als Tool Aufruf hinzufügen. Tools Google Suche innerhalb Ihres Modells. Es ist also ziemlich leistungsfähig, das tun zu können. Ich möchte auch etwas erwähnen, das wir Codeausführung nennen. Codeausführung ermöglicht es Ihnen, wenn ich es hier aktiviere, eine Frage zu stellen, etwa Erstellen Sie bitte ein Clusterdiagramm für die Iris Daten in ScikitLearn. Hoffentlich kennt jeder im Publikum ScikitLearn. Falls nicht, verspreche ich Ihnen, dass es echt funktioniert. Und der Iris Datensatz ist sehr wichtig. Ich bitte Gemini, ein Clusterdiagramm für den Iris Datensatz zu erstellen. Stellen Sie sicher, dass Sie grundlegende Statistiken zum Datensatz hinzufügen und stellen Sie sicher, dass das Diagramm maplot Lib oder etwas Ähnliches verwendet. Ich drücke Ausführen. Gemini erstellt einen Plan. Er konzentriert sich darauf, meine Frage zu lösen. Dieser verwendet das Gemini Pro Modell. Bisher haben wir Rund Token. Die Implementierung erfolgt in Form von ausführbarem Code. Sie sehen hier alle üblichen Verdächtigen. Es gibt Codeausführungen, die sich auf die Erweiterung konzentrieren. Sie sehen, dass die Codeausführung fehlschlägt. Also wird der Code zurückgeführt, erneut ausgeführt und anschließend ein endgültiges Diagramm anhand des Datensatzes erstellt. Was bedeutet das? Ich habe Gemini die Möglichkeit gegeben, Code zu schreiben und auszuführen. Bei Fehlern übernimmt es den Fehler im ursprünglichen Code, führt ihn zurück und behebt ihn, bis das richtige Ergebnis und die richtige Ausgabe erzielt werden. Dieser in die API integrierte Code Ausführungsagent ist. Klicken Sie auf die Schaltfläche Code abrufen mit vielen Ausgaben. Es ist so Einfach wie ein OneLiner Staining Tool zur Codeausführung und so weiter. Sie können dies also in Ihre Experimente und API Aufrufe integrieren. Es ist ganz einfach. Sie müssen dafür keine eigene Infrastruktur einrichten. Cool. Gemini versteht auch Audio. Sie können also Nicht nur Videos, Langformat Videos, PDFs und praktisch alle Datentypen bearbeiten, sondern auch Audio transkribieren lassen. Wenn ich also auf die Schaltfläche Audio aufnehmen klicke, denke ich mir etwas Interessantes zum Vorlesen aus. Ich lese das Deep Learning AI IDEV die KI Entwicklerkonferenz Ein Tag voller Programmierkenntnisse und Vernetzung. Und dann gibt es da hinten diese ganzen kleinen Kacheln, die sich anfühlen wie SimCity 2000. Ich erwarte fast ein archäologisches Gebäude ganz unten. Ich beende die Aufnahme und füge es der Eingabeaufforderung hinzu. Ich rufe einfach unser Flash Modell auf und bitte Transkribieren Sie alles, was Sie in diesem Audioclip hören, mit Zeitstempeln. Dann drücken Sie Ausführen. Ja, KI Entwicklerkonferenz Ein Tag voller Programmieren, Lernen und Netzwerken. Und dann diese ganzen kleinen Kacheln im Hintergrund. Sehr, sehr ähnliches Ähnliches M Rauschen also ausgezeichnet. Ä Und wenn ich es noch einmal mit unserem Taschenlampenmodell versuche, sehen Sie es und das Taschenlampenmodell konnte das Rauschen sozusagen extrahieren. Sehr cool. Ausgezeichnet. Ich habe erwähnt, dass Sie einige dieser Beispiele direkt in iStudio testen können, das ebenfalls kostenlos nutzbar ist. Wissen Sie, Das ist etwas, das Sie vielleicht zuerst in Angriff nehmen möchten, bevor Sie zu einer IDE wechseln, in die wir Gemini, Cursor, GitHub, Copilot und Continue DE integriert haben. Es gibt eine Erweiterung namens RÜ Code, mit der Sie auch die Gemini Modelle nutzen können. Sie können sich iStudio aber auch als eine Art Stimmungscheck für jedes Experiment vorstellen, das Sie durchführen möchten, bevor Sie den Code in Ihre bevorzugte IDE exportieren. Spaß. Zurück zum Foliensatz. Ich versuche es noch einmal, mal sehen, wie weit wir mit der Präsentation kommen und vielleicht habe ich noch Zeit für ein paar Demos. Wie bereits erwähnt, gibt es viel Material, das Sie Gemini präsentieren und sich von ihm helfen lassen können, es zu verstehen. Wir haben außerdem stark in Project Marina investiert. Bitte um Handzeichen im Publikum. Wie viele Leute haben schon von Project Marina gehört? Wenige. Super. Wie viele Leute hatten vor heute schon von Eye Studio gehört? Super, Super. Also mehrere Ausgezeichnet. Project Marina ist unser Agenten Framework, mit dem Sie Experimente in Google Chrome durchführen können. Wir haben Gemini in Google Chrome integriert. Sie können ihm Fragen in natürlicher Sprache stellen. In diesem Fall bitte ich es mir, bei der Suche nach einem Welpen zu helfen, denn süße Tiere sind immer eine Bereicherung für jede Präsentation. Zuerst sucht es bei Google nach einem Welpen. Es findet einen. Anschließend wählt es eine Website aus, die mein Haustierproblem lösen könnte. Es durchsucht alle Welpen, da ich kein Interesse angegeben habe. Anhand meines bisherigen Suchverlaufs weiß es jedoch, welcher Welpe mich am meisten interessieren könnte. Es hat Jerry gefunden, der süß ist. Anschließend geht es alles durch und fragt mich, ob ich Interesse an einem Welpen hätte. Diese eingebettete Erfahrung kann Tools nutzen. Sie ermöglicht das Browsen und Navigieren auf der Website und fragt mich außerdem in jedem Zeitraum nach Nutzerfeedback zu den Aktivitäten. Ein weiteres verfügbares Modell, mit dem wir, wie ich nicht sicher bin, ob es schon ausprobiert wurde, heißt Flash Thinking Experimental. Man kann es auch für hochkomplexe Aufgaben verwenden. Erstellen Sie dazu einen Frogger Klon mit HTML oder HTML, JavaScript und CSS. Und klicken Sie dann auf Ausführen. In der Mitte des Bildschirms sehen Sie ein kleines Kästchen. Wenn Sie es vergrößern, sehen Sie alle Hintergrundinformationen, die Gemini für diese Aufgabe benötigt. Sie sehen also, dass es meine Aufgabe versteht. Es entscheidet quasi über die Kernmechanik des Spiels. Es analysiert die Technologieauswahl und die gesamte Logik und sodass Sie die Gedanken des Modells hinter den Kulissen verfolgen können, bevor die endgültigen Ergebnisse in HTML, JavaScript und CSS vorliegen. Es ist heute wieder verfügbar, damit Sie es ausprobieren und für Ihre Projekte testen können. Super. Und jetzt geht's weiter. Wir haben außerdem angekündigt, dass wir unseren Google DeepMind Co Scientist noch nicht veröffentlicht. Haben. Dieses Tool nutzen wir intern, um die Arbeit unserer Wissenschaftler im rahmen von Google DeepMind und auch extern. Zu beschleunigen. Man kann es sich wie eine Flotte von Gemini Agenten vorstellen, die Forschungsaufgaben ausführen können, nachdem sie sie erteilt haben. Ein Forscher geht mit einer Hypothese zu diesem Agenten. Der Agent hilft bei der Ideenfindung über mögliche Experimente. Sobald der Forscher Ja sagt, geht es weiter. Er legt die Experimente fest, er generiert den Code und führt die Datenanalyse durch, um jedes einzelne Experiment auszuführen. Er erfasst alle Ergebnisse, iteriert sie gegebenenfalls und übermittelt sie dann an den Wissenschaftler, damit dieser seine Arbeit fortsetzen kann. Wir haben dies als Blogbeitrag veröffentlicht, der das System lediglich beschreibt. Wir haben bereits festgestellt, dass es bis zu einem Jahrzehnt Arbeit spart, um einige dieser komplexeren Aufgaben, insbesondere in den Biowissenschaften, den Physikwissenschaften und der Chemie wirklich schnell zu erledigen. Cool. Wir haben auch Imagine für die Bildgenerierung. Aber erst kürzlich, diesen Mittwoch, haben wir Gemini die Möglichkeit gegeben, selbst Bilder zu generieren. Wenn ich also auf Erstellen gehe, gehe ich zu unserem neuesten experimentellen Flash Modell und wähle Bilder und Text aus. Außerdem wähle ich eine Datei aus. Ich wähle jetzt eine aus. Ich wähle Colossals Wollmaus. Hoffentlich sieht man sie auf dem Bildschirm. Dieser süße kleine Kerl hier. Und die Maus tut mir wirklich leid, weil sie so künstlich aussieht. Und es muss, wissen Sie, sehr traurig sein, durchs Leben zu gehen und dass alle denken, man sähe ein bisschen aus wie etwas, das von einem großen Sprachmodell generiert wurde. Aber ich möchte Sie bitten, das Fell dieser Maus rosa zu färben und Gemini um Hilfe zu bitten. Sie nehmen also das Eingabebild und geben es an Gemini weiter. Das Programm kann das Bild segmentieren und bearbeiten, um die Aufgabe zu erfüllen. Wenn Sie möchten, können Sie auch etwas sagen. Bitte entfernen Sie den Hintergrund des Bildes und setzen Sie die Maus an einen sonnigen Strand in Cancun. Ich habe das nicht getestet und weiß nicht, ob die Maus. Also da haben Sie es. Die Maus mit dem rosa Fell macht also Urlaub, was ziemlich cool ist. Es wurde auch schon verwendet, um 8 Bit Pixel Kunst zu erstellen, um Storyboards für Comics oder Filme zu erstellen, die einen interessierten. Man kann auch ein anderes unserer Modelle namens WO verwenden, um das Bild zu animieren. Mit WO kann man entweder in natürlicher Sprache das Video beschreiben, das man erstellen möchte, oder man beginnt mit einem Zedernbild und sobald das erledigt ist, kann man hyperrealistische 8s Clips generieren, um sie in seine Projekte zu integrieren. Ausgezeichnet. Noch etwas möchte ich Falls jemand im Publikum an einem Start up arbeitet oder darüber nachdenkt. Wir haben ein sehr großzügiges Cloud Startup Programm bis zu, ich glaube, Dollar über einen Zeitraum von zwei Jahren für institutionell finanzierte Start ups der Serie A. Damit können Sie Cloud Credits im Wert von bis zu Dollar oder Dollar für Key Startups erhalten. Außerdem gibt es viele Möglichkeiten für Co Marketing oder frühen Zugriff auf einige unserer Gemini RPs. Ausgezeichnet. Und auf der letzten Folie möchte ich mich bedanken. Falls Sie sich noch an etwas erinnern, besuchen Sie Astudio Google Com. Ich habe außerdem einen Link zu einem Gemini Hackathon Leitfaden hinzugefügt, falls jemand darüber nachdenkt, ihn für seine kommenden Hackathons oder seine Arbeit zu verwenden. Probieren Sie auch die Modelle aus, die nativ in Ideen, Cursor, Copilot, RÜ, Code und Klein eingebettet sind. Egal welches Tool Sie bevorzugen, Sie können jederzeit Feedback senden. Ich habe es nicht auf die Folie geschrieben, aber meine E Mail Adresse lautet Webpage, aber Page wird wie mein Name geschrieben. Ich gebe gerne Tipps und ich glaube, wir haben auch mindestens ein paar Minuten Zeit für Fragen, falls jemand Fragen hat. Ja.

Können Sie bitte kurz erläutern, wie groß das ist?

Ja, so, jetzt geht's noch nicht.

Gemmas Kontextfenster Erweiterung ist wirklich beeindruckend und meiner Meinung nach sehr funktional. Können Sie kurz darüber sprechen, wie Sie größere Codebasen angehen würden? Die aktuellen Einschränkungen betreffen uns, da wir.

An Datei oder funktionsbasierten Aktivitäten arbeiten müssen. Ich würde gerne an etwas Größerem arbeiten. Absolut. Die Frage für alle, die es vielleicht nicht mitbekommen, das Kontextfenster von Gemini ist ziemlich wichtig. Wie würden Sie große Codebasen in etwas wie Gemini integrieren? Wie Sie sehen, können Sie hier in iStudio auf ganze Ordner und ganze Repos in Drive zugreifen. Sie können auch so etwas wie Repotext verwenden, um ein Dateiverzeichnis in eine einzige Textdatei umzuwandeln. Oder Sie geben einfach das komplette Repository frei. Sie könnten beispielsweise Klonen Sie das GitHub Repository, ziehen Sie das Verzeichnis hinein und fügen Sie es dann einfach als Dateien zu Gemini hinzu. Ja.

Sie haben eine Funktion namens gerundet in der Google Suche. Ja, eine Funktion zum Runden von Unternehmensdaten.

Ja, es gibt also eine Funktion in Vertex, mit der Sie Ihre eigenen Unternehmensdaten quasi kostenlos nutzen können. Wenn Sie also auf der Google Suche, aber auch auf internen Quellen basieren möchten, müssen Sie im Grunde nur Ja, zeigen Sie auf die Standorte in GCS, wo auch immer diese Informationen sein könnten. Und die Ergebnisse von Gemini sind maßgeschneidert für Ihr Unternehmen. Ja.

Bisher hat Gemini Folgendes geschrieben. Die zweite Frage Anstatt es mit Bildern zu versuchen, ist die erste Verfügt Ihr Google Modell über die entsprechende Schlussfolgerungsfunktion? Ja. Die zweite Frage Kann ich Anstatt iStudio auszuprobieren, die API nutzen, um ein Bild hochzuladen und als Ergebnis ein bearbeitetes Bild zu erhalten?

Ja. Die erste Wir haben uns vorab kurz die schrittweise Vorgehensweise des Gemini Modells angesehen. Ich glaube, das Frogger Clone Setup ermöglicht es Ihnen, die Denk und Argumentationsfähigkeiten des Modells zu sehen, bevor Sie die Ergebnisse sehen. Gemini verfügt also über Argumentationstools, die eine Art integrierte Logik für die Bildbearbeitung verwenden. Ich glaube nicht, dass wir das bereits in G über die API veröffentlicht haben. Sie sollten es aber mit der experimentellen Version nutzen können. Und was den API Schlüssel Alles, was ich heute gezeigt habe, können Sie auch mit dem API Schlüssel tun. Sie müssen lediglich zu iStudio gehen, um den API Schlüssel zu generieren. Und der Code, den Sie dafür benötigen, ist einfach dieser Kopier und einfügbare Codeblock hier, den Sie in Ihre Projekte integrieren können.

Super, danke für Ihre Zeit. Was ist mit externen Tools, insbesondere MCP?

Wenn ich Ihre Frage richtig verstehe, fragen Sie nach MCP Server Unterstützung. Ja. Da MCP ein offener Standard ist, erstellen wir Beispiele für die Verwendung der Gemini APIs mit Dingen wie MCP. Wir unterstützen auch LangChain, Langgraph und großartige Open Source Tools, ähnlich wie Cruae oder Composio. Mit all diesen Tools können Sie Gemini Modelle verwenden.

Ja, ich verwende es für einige Entwicklungsaufgaben. Es generiert zwar Code, aber es dauert sehr lange, den Code zu überprüfen, ob er korrekt ausgeführt wurde. Stellen Sie Tools zur Verfügung, mit denen Sie überprüfen können, ob die angeforderte Ausführung effizient durchgeführt wurde.

Sie können Gemini also bitten, Umfrageanfragen für Sie zu überprüfen. Wir haben es auch in unsere Google Code Assist Plattform integriert und Sie können es als GitHub Aktion implementieren. Dies ist ein Beispiel dafür, wie Gemini automatisch auf ein Repo antwortet, wenn jemand einen Pull Request stellt und okay, hier ist eine Zusammenfassung der Änderungen. Hier sind die Highlights, hier ist das Änderungsprotokoll und hier sind die Code Review Kommentare. Dies fügt ein Collab Notebook hinzu. Es verfügt über Merge Readiness und es gibt einige Beispiele oder ein Mensch gibt Beispiele für Änderungen, die vorgenommen werden sollten. Es kann also auch beim Code Review helfen, nicht nur bei der Codegenerierung. Yep, und ich glaube, das ist alles, was wir haben. Ausgezeichnet. Vielen Dank für Ihre Zeit und Aufmerksamkeit. In Ordnung.