--- title: "Gemini (Google) (CS)" source: "https://systems-analysis.info/int/Gemini_(Google)_(CS)" wiki: "systems-analysis.info/int" article: "Gemini_(Google)_(CS)" language: "cs" categories: - "Category:Czech" - "Category:Google" - "Category:Large language models" - "Category:LLM families" - "Category:Machine learning" revision_id: 2524 wiki_created_at: 2026-09-06T23:05:32Z wiki_modified_at: 2026-09-06T23:05:32Z downloaded_at: 2026-09-07T22:51:51Z --- # Gemini (Google) (CS) **Google Gemini** — je rodina multimodálních velkých jazykových modelů (LLM), vyvíjená výzkumnou divizí Google DeepMind. Modely Gemini, poprvé představené v prosinci 2023, jsou postaveny na architektuře neuronových sítí transformer s nativní podporou zpracování a generování dat různých modalit, včetně textu, obrázků, zvuku, videa a programového kódu. K únoru 2026 je aktuální generací řada **Gemini 3.x**. Vývoj architektury je zaměřen na integraci mechanismů škálovatelného logického odvozování během inference (inference-time scaling) a na optimalizaci modelů pro použití v autonomních agentních systémech (Agentic AI). Aplikace Gemini má více než 750 milionů aktivních uživatelů měsíčně. ## Název a filozofie Název **"Gemini"** (z lat. — *Blíženci*) symbolizuje spojení dvou předních výzkumných skupin Google — Google Brain a DeepMind — za účelem vytvoření tohoto projektu. Jeff Dean, spolútechnický ředitel Google DeepMind, to potvrdil v oficiálním blogu (květen 2024): „The twins here are the folks in the legacy Brain team and the legacy DeepMind team". Projekt měl původně kódové označení „Titan"; název „Gemini" navrhl Dean v dubnu 2023 — ve stejném měsíci, kdy došlo k formálnímu sloučení Google Brain a DeepMind. Název odkazuje také na kosmický program NASA „Gemini" (1965–1968), jehož role v přípravě programu Apollo nalezla ohlas u vývojového týmu. Klíčovým rysem a filozofickým základem Gemini je **nativní multimodalita**. Na rozdíl od mnoha předchozích modelů, kde byly multimodální schopnosti přidávány nad stávající textový základ, byl Gemini navržen od základu pro současné chápání, operování a kombinování různých typů informací. Technická zpráva Gemini 1.0 (arXiv:2312.11805) potvrzuje, že model byl „trained jointly across image, audio, video, and text data". To umožňuje modelu nejen překládat data mezi modalitami, ale formovat jejich hlubší, holistické porozumění. ## Architektura a klíčové technologie Úspěch a možnosti modelů Gemini jsou určovány řadou zásadních architektonických rozhodnutí. Google nezveřejňuje kompletní nízkoúrovňový návrh všech interních komponent Gemini, avšak otevřené zdroje umožňují stanovit třídu architektury: všechny modely rodiny 1.5 a vyšší jsou **sparse mixture-of-experts transformer-based models** s nativní multimodální podporou (potvrzeno model card Gemini 2.5 Flash). ### Nativní multimodální architektura Architektura Gemini vychází z konceptu **raného slučování** (early fusion). Pixelové patche obrázků, časové snímky videa, audiogramy a textové tokeny jsou promítány do jednotného latentního prostoru. Technická zpráva k Gemini 2.5 popisuje tento přístup jako „Unified Multimodal Token Interleaving". Protože jsou všechny tokeny různých modalit zpracovávány ve společné sekvenci, standardní mechanismy self-attention přirozeně zajišťují křížovou integraci dat z různých modalit na každé vrstvě. Zvukové signály jsou zpracovávány specializovanými kodéry přímo z audio vlny (waveform), čímž jsou zachovány akustické charakteristiky (intonace, témbr, zvuky pozadí), které se ztrácejí při použití mezilehlých systémů přepisu Speech-to-Text. Pro třídu transformerů slouží jako základní operace mechanismus pozornosti: $$ {Attention}(Q,K,V) = {softmax}\!\left( \frac{QK^{o}p}{\sqrt{d_{k}}} \right)V $$ kde $Q$ — matice dotazů, $K$ — klíčů, $V$ — hodnot a $d_{k}$ — dimenze klíčů. ### Řídká směs expertů (Sparse MoE) Počínaje verzí 1.5 používají modely Gemini architekturu **Sparse Mixture-of-Experts (MoE)**. Gemini 1.0 používal plný (dense) transformer; přechod na MoE je přímo popsán v technické zprávě 1.5: „This is our first release from Gemini 1.5, a new family… which incorporates a novel mixture-of-experts architecture". V architektuře MoE jsou standardní plně propojené vrstvy (Feed-Forward Networks) nahrazeny sadou specializovaných podsítí — „expertů". Pro vstupní token $x \in {\mathbb{R}}^{d}$ je výstup $y$ tvořen jako vážený součet výstupů $k$ aktivních expertů ($k \ll E$, kde $E$ — celkový počet expertů): $$ y = \sum\limits_{i \in \mathcal{T}_{k}(x)}g_{i}(x)\, E_{i}(x) $$ kde $E_{i}(x)$ — nelineární funkce $i$-tého experta, $\mathcal{T}_{k}(x)$ — množina indexů $k$ vybraných podsítí a váha směrování $g_{i}(x)$ je vypočítána naučenou funkcí směrování (learned routing function) s aplikací funkce Softmax přes $k$ největších hodnot. Tento přístup umožňuje výrazně zvýšit celkovou parametrickou kapacitu modelu při zachování nízkých výpočetních nákladů (FLOPs), protože pro každý token je aktivována pouze podmnožina parametrů. Google nezveřejnil skutečný počet parametrů modelů Gemini. ### Dlouhý kontext a „učení v kontextu" Gemini 1.5 dosáhl průlomu zvětšením kontextového okna na **1 milion tokenů** v produkčním režimu (s experimentálním testováním až na 10 milionů tokenů). To je o řád více než u předchozích modelů (například GPT-4 Turbo se 128 tis. tokeny). Google uváděl výsledek 99 % v testu Needle In A Haystack při délce kontextu 1 mil. tokenů. Pro následující generace se dlouhý kontext ustálil jako jeden z klíčových rysů řady. Takový rozsáhlý kontext umožňuje modelu: - Analyzovat celé knihy, vícehodinová videa (až 3 hodiny) nebo velké kódové základny v rámci jednoho dotazu. - Provádět „učení v kontextu" (in-context learning) na obrovských objemech dat poskytnutých v promptu, což umožňuje získávat vysoce přizpůsobené odpovědi bez nutnosti dolaďování (fine-tuning). ### „Myslící modely" a škálování výpočtů při inferenci Počínaje Gemini 2.5 Google vyčleňuje **thinking** jako samostatný režim práce modelů. Oficiální dokumentace jej definuje jako interní výpočetní proces zlepšující vícekrokové plánování a uvažování. Modely verze 2.5 (popsané jako „thinking models") jsou schopny interně generovat a vyhodnocovat mezilehlé kroky uvažování předtím, než poskytnou finální odpověď. To výrazně zvyšuje přesnost u složitých logických a matematických úloh. Je důležité rozlišovat dva mechanismy: - **Vestavěné myšlení (Thinking)**: Základní režim pro modely řady 2.5 a 3, generující skrytý řetězec uvažování (Chain-of-Thought). API může vracet **thought summaries** — stručné přehledy interního uvažování, nikoli úplný proud „surových myšlenek". Počínaje modelem 3.1 Pro je rozpočet myšlení řízen parametrem `thinking_level` s hodnotami od Low do Max. - **Deep Think**: Samostatný **experimentální rozšířený režim uvažování**, využívající paralelní generování hypotéz a vyžadující výrazně větší výpočetní zdroje. Byl oznámen na Google I/O 20. května 2025 a zpřístupněn předplatitelům AI Ultra 1. srpna 2025. Deep Think by neměl být ztotožňován se základním mechanismem thinking. ### Agentní schopnosti (Agentic Capabilities) Počínaje verzí 2.0 může Gemini interagovat s vnějším světem: volat nástroje, provádět vyhledávání v Google, spouštět kód a ovládat prvky uživatelského rozhraní (UI). Google výslovně prezentoval Gemini 2.0 jako model pro „novou agentní éru" (agentic era) s nativní podporou tool use. K únoru 2026 zahrnuje Gemini API formálně zakotvenou vrstvu agentních schopností s podporou nástrojů: **Google Search**, **Google Maps**, **Code Execution**, **URL Context**, **Computer Use**, **File Search**, jakož i **Live API** pro obousměrnou interakci v reálném čase. ## Evoluce modelů Gemini Rodina Gemini se vyvíjí mimořádně rychlým tempem: v období od prosince 2023 do února 2026 byly vydány čtyři hlavní generace modelů. ### Gemini 1.0 (prosinec 2023) První generace, která položila základ nativní multimodality. Veřejně představena 6. prosince 2023. - **Verze:** **Ultra** (vlajkový model pro nejnáročnější úlohy), **Pro** (univerzální model) a **Nano** (kompaktní pro mobilní zařízení; dělila se na Nano-1 s 1,8 mld parametry a Nano-2 s 3,25 mld). - **Kontextové okno:** **32 768 tokenů** pro všechny verze. - **Úspěchy:** Gemini 1.0 Ultra se stal prvním modelem, který dosáhl a překročil úroveň lidského experta na benchmarku MMLU s výsledkem **90,04 %** (při použití techniky CoT@32 — řetězce uvažování s 32 vzorky a hlasováním většinou; při standardním 5-shot promptingu byl výsledek přibližně 83,7 %). Dosáhl SOTA výsledků na 30 z 32 akademických benchmarků. - **Ukončení podpory:** Gemini 1.0 Pro byl prohlášen za zastaralý 18. února 2025. ### Gemini 1.5 (únor — květen 2024) Průlom v délce kontextu a efektivitě. - **Architektura:** Přechod od plného transformeru k Mixture-of-Experts (MoE). - **Kontextové okno:** Až **1 milion tokenů** v produkci (2 miliony — na čekací listině pro 1.5 Pro, oznámeno v květnu 2024 na Google I/O). - **Verze:** **1.5 Pro** (oznámen v únoru 2024; s kvalitou na úrovni 1.0 Ultra při výrazně nižších nákladech) a **1.5 Flash** (odlehčená a rychlá verze, přidána v květnu 2024). - **Ukončení podpory:** Všechny modely Gemini 1.5 (Pro, Flash, Flash-8B) byly vyřazeny z provozu **29. září 2025**. ### Gemini 2.0 (prosinec 2024 — únor 2025) Přechod do „agentní éry". - **Časový přehled:** 11. prosince 2024 — oznámení **2.0 Flash Experimental** (multimodální vstup, textový výstup); 5. února 2025 — obecná dostupnost (GA) 2.0 Flash, vydání **2.0 Pro Experimental** a **2.0 Flash-Lite**. - **Klíčové inovace:** Vestavěné agentní schopnosti (tool use), nativní generování obrázků a zvuku (původně v omezeném režimu pro partnery s předčasným přístupem), orientace na agentní scénáře. - **Kontextové okno:** Až 2 mil. tokenů (2.0 Pro); až 1 mil. tokenů (2.0 Flash-Lite). - **Ukončení podpory:** Modely 2.0 Flash a Flash-Lite jsou plánovány k vyřazení z provozu **1. června 2026**. ### Gemini 2.5 (březen — červen 2025) První „myslící model" (thinking model) s nastavitelným rozpočtem uvažování. - **Časový přehled:** 25. března 2025 — oznámení **2.5 Pro Experimental**; 17. dubna — **2.5 Flash** (první plně hybridní reasoning model s přepínatelným režimem myšlení); 20. května (Google I/O) — aktualizace 2.5 Pro a Flash, oznámení Deep Think; **17. června 2025** — simultánní GA pro 2.5 Pro a 2.5 Flash; ve stejný den — preview **2.5 Flash-Lite** (GA 22. července). 1. srpna — Deep Think zpřístupněn předplatitelům AI Ultra. - **Klíčové inovace:** Vestavěný mechanismus „myšlení" (thinking) s nastavitelnými rozpočty; Deep Think jako samostatný rozšířený režim. SOTA výsledky na náročných matematických, logických a programovacích benchmarcích (AIME 2025 — 86,7 %, GPQA Diamond — 84,0 %, Humanity's Last Exam — 18,8 % bez nástrojů). - **Kontextové okno:** **1 milion tokenů** na vstupu, až 64 000 tokenů na výstupu. Přislíbené rozšíření na 2 mil. tokenů pro 2.5 Pro nebylo potvrzeno jako realizované v průběhu životního cyklu modelu. - **Specializované varianty:** **Gemini 2.5 Flash Image** (kódové označení „Nano Banana", anonymně se objevil na Arena 12. srpna, oficiálně vydán 26. srpna 2025 — stal se virálním díky fotorealistickým „3D figurkám", přilákal 10 mil. nových uživatelů); **Computer Use Preview** (7. října 2025, na základě 2.5 Pro); modely Text-to-Speech (2.5 Flash TTS, 2.5 Pro TTS). - **Technická zpráva:** Společná zpráva **Gemini 2.X** zveřejněna na arXiv 7. července 2025 (arXiv:2507.06261), obsahuje více než 3 300 autorů a zahrnuje modely 2.5 Pro, 2.5 Flash, 2.0 Flash, 2.0 Flash-Lite. ### Gemini 3.x (listopad 2025 — únor 2026) Třetí generace znamenala přechod od základní generace k dlouhodobým agentním procesům (agentic workflows) a řešení mezioborových vědeckých úloh. - **Gemini 3 Pro (18. listopadu 2025):** Oznámen generálním ředitelem Alphabet Sundarem Pichaiem a vedoucím DeepMind Demisem Hassabisem jako „nejinteligentnější model Google". První model Gemini nasazený ve vyhledávači Google v den spuštění. Stal se prvním modelem, který překročil hranici **1500 Elo na LMArena** (1501 v okamžiku spuštění). Výsledky: GPQA Diamond — 91,9 %; SWE-bench Verified — 76,2 %; Humanity's Last Exam — 37,5 % (bez nástrojů); SimpleQA — 72,1 %. - **Gemini 3 Flash (17. prosince 2025):** Stal se výchozím modelem v aplikaci Gemini. Při ceně 0,50 \$ / 1M vstupních tokenů překonal 3 Pro na SWE-bench Verified (78 %) při spotřebě o 30 % méně tokenů na úlohy uvažování. GPQA Diamond — 90,4 %; HLE — 33,7 %. - **Gemini 3.1 Pro (19. února 2026):** Vlajkový model k datu publikace. První „inkrementální" vydání (.1 místo dřívějšího .5). Klíčový výsledek — **ARC-AGI-2: 77,1 %** (více než dvojnásobek oproti 31,1 % u 3 Pro). AIME 2025 — 91,2 %; GPQA Diamond — 94,3 %; SWE-bench Verified — 80,6 %. Zavedena nová úroveň myšlení MEDIUM prostřednictvím parametru `thinking_level`. Specializovaný endpoint `gemini-3.1-pro-preview-customtools` pro práci s bash terminálem a uživatelskými funkcemi. Odstraněn problém zkracování výstupu při dlouhých generacích. Kanály: Gemini App, Vertex AI, AI Studio, Gemini API, NotebookLM. - **Gemini 3 Deep Think (aktualizace 12. února 2026):** Zásadní aktualizace specializovaného „myslícího" režimu. Přesáhl rámec matematiky a programování: výsledky na úrovni zlatých medailí na mezinárodních olympiádách z fyziky (IPhO) a chemie (IChO) 2025; **ARC-AGI-2 — 84,6 %**; **Humanity's Last Exam — 48,4 %**; CMT-Benchmark (teoretická fyzika kondenzované hmoty) — 50,5 %; Codeforces Elo — 3455. Na základě Deep Think byl vytvořen výzkumný agent **Aletheia**, který autonomně vyřešil několik otevřených úloh z Erdősovy databáze (včetně problému Erdős-1051). ## Souhrnná tabulka generací Gemini | Generace | Rok vydání | Klíčové verze | Max. kontextové okno | Klíčové architektonické inovace a vylepšení | |----------------|------------|---------------------------------------|---------------------------------------------|--------------------------------------------------------------------------------------------------------------------------| | **Gemini 1.0** | 2023 | Ultra, Pro, Nano | 32 768 tokenů | Nativní multimodalita od základu; plný transformer; překonání člověka na MMLU (90,04 % CoT@32). | | **Gemini 1.5** | 2024 | Pro, Flash | 1 000 000 tokenů (2 mil. na čekací listině) | Architektura Mixture-of-Experts (MoE); revoluční zvětšení kontextu; 99 % Needle In A Haystack. | | **Gemini 2.0** | 2024–2025 | Pro, Flash, Flash-Lite | 1 000 000 — 2 000 000 tokenů | Éra „agentic AI": nativní integrace nástrojů, generování obrázků a zvuku, Live API. | | **Gemini 2.5** | 2025 | Pro, Flash, Flash-Lite | 1 000 000 tokenů (vstup), 64 000 (výstup) | „Myslící model" (thinking); nastavitelné rozpočty uvažování; Deep Think; generování obrázků (Nano Banana); Computer Use. | | **Gemini 3.x** | 2025–2026 | 3 Pro, 3 Flash, 3.1 Pro, 3 Deep Think | 1 000 000 tokenů | Agentní workflows; parametr thinking_level; průlom na ARC-AGI-2 a vědeckých olympiádách; Aletheia. | Evoluce klíčových charakteristik modelů Gemini ## Klíčové výsledky a benchmarky V souvislosti s nasycením klasických benchmarků (jako je MMLU) se hodnocení výkonu modelů Gemini přesunulo k úlohám abstraktního uvažování, vědeckého modelování a autonomního programování. Výsledky jsou uváděny podle oficiálních údajů Google (self-reported); jejich srovnání je korektní pouze při shodě režimu inference, přítomnosti/nepřítomnosti tool use, metody vzorkování (single-attempt vs. majority voting) a konkrétního model-id. | Benchmark | Popis úlohy | Gemini 2.5 Pro (červen 2025) | Gemini 3 Pro (lis. 2025) | Gemini 3.1 Pro (únor 2026) | Gemini 3 Deep Think (únor 2026) | |--------------------------|---------------------------------------------|------------------------------|--------------------------|----------------------------|---------------------------------| | **MMLU** | Multioborové porozumění jazyku | — | — | — | — | | **GPQA Diamond** | Vědecké otázky na úrovni PhD | 84,0 % | 91,9 % | **94,3 %** | N/A | | **Humanity's Last Exam** | Hraniční oborové znalosti | 18,8 % | 37,5 % | 44,4 % | **48,4 %** | | **ARC-AGI-2** | Abstraktní logické hádanky | 4,9 % | 31,1 % | 77,1 % | **84,6 %** | | **SWE-bench Verified** | Autonomní řešení úloh v repozitářích GitHub | 63,8 %\* | 76,2 % | **80,6 %** | N/A | | **AIME 2025** | Matematické úlohy olympijské úrovně | 86,7 % | — | **91,2 %** | — | | **Codeforces (Elo)** | Hodnocení v soutěžním programování | — | — | 2887 | **3455** | Výsledky modelů Gemini na klíčových benchmarcích (data k únoru 2026) \* Výsledek 2.5 Pro na SWE-bench byl získán s custom agent setup. ### Pozice na LMArena (průřez koncem února 2026) LMArena (dříve Chatbot Arena) — nezávislá platforma slepého párového hlasování. Hodnocení jsou přepočítávána dynamicky; hodnoty v okamžiku spuštění modelu se mohou lišit od aktuálních. | Model | Hodnocení | Místo | Hlasy | Poznámka | |----------------------------|-----------|-------|--------|-------------| | **Gemini 3.1 Pro Preview** | 1500 ± 9 | \#3 | 4 060 | Preliminary | | **Gemini 3 Pro** | 1486 ± 4 | \#5 | 37 854 | | | **Gemini 3 Flash** | 1473 ± 5 | \#7 | 28 847 | | | **Gemini 2.5 Pro** | 1464 ± 3 | \#9 | 97 296 | | | **Gemini 2.5 Flash** | 1411 ± 3 | \#64 | 96 163 | | Overall (průřez 24. února 2026) Při spuštění 18. listopadu 2025 dosáhl Gemini 3 Pro hodnocení 1501 Elo, čímž se stal prvním modelem, který překročil hranici 1500 na LMArena. ## Specializované a agentní systémy Ekosystém Gemini je rozšířen o modely a platformy schopné provádět vícekrokové akce v digitálním i fyzickém prostředí. ### Autonomní agenti - **Jules** — autonomní agent pro kódování, pracující asynchronně v zabezpečených cloudových virtuálních strojích. Vytváří větve a pull requesty na GitHubu. Uvedl do otevřené beta verze na Google I/O 20. května 2025 (více než 140 000 vylepšení kódu za dobu beta testování), GA — 6. srpna 2025. Koncem roku 2025 se stal jedním z největších přispěvatelů do interních repozitářů Google. - **Project Mariner** — výzkumný prototyp prohlížečového agenta pro vícekrokové webové úlohy. Přenesen na cloudové virtuální stroje s podporou až 10 paralelních úloh a funkcí „Teach & Repeat". Dosáhl 83,5 % na benchmarku WebVoyager. Schopnosti Computer Use přeneseny do Gemini API. - **Google Antigravity** — integrované vývojové prostředí (IDE) pro správu AI agentů, představené v listopadu 2025. Agenti autonomně modifikují kód, interagují s terminálem a vestavěným prohlížečem a vracejí ověřitelné artefakty (diffy kódu) ke schválení vývojářem. - **Agent Aletheia** — specializovaný matematický výzkumný agent na základě Gemini 3 Deep Think. Je vybaven verifikátorem v přirozeném jazyce a nástroji pro webové vyhledávání ke kontrole literatury. Na začátku roku 2026 autonomně vyřešil několik otevřených matematických úloh z Erdősovy databáze a vystupoval jako spoluautor vědeckých publikací. ### Spotřebitelští AI agenti - **Phone Automations** — integrace autonomního agenta na úroveň operačního systému Android (beta verze pro Pixel 10 a Samsung Galaxy S26). Funguje v zabezpečeném izolovaném prostředí (secure sandbox), dokáže navigovat v aplikacích třetích stran na základě vizuální analýzy GUI. - **Gemini in Chrome (Auto Browse)** — prohlížečový agent pro automatizaci vícekrokových webových úloh, dostupný všem uživatelům Chrome od září 2025 (aktualizován na Gemini 3 v lednu 2026). ### Computer Use Modely **Gemini 2.5 Computer Use** jsou optimalizovány pro ovládání grafických uživatelských rozhraní (UI). Systém přijímá na vstupu snímky obrazovky a historii akcí a generuje souřadnice $(x,y)$ pro programovou simulaci kurzoru a příkazy klávesnicového vstupu. ### Gemini Robotics Modely třídy Vision-Language-Action (VLA) a Embodied Reasoning (ER) představené v březnu 2025. Tyto architektury zpracovávají prostorově-časové informace a predikují 3D trajektorie pohybu robotických manipulátorů jako nativní výstupní modalitu (arXiv:2503.20020). ### Specializované generativní modely (začátek roku 2026) - **Nano Banana 2 (Gemini 3.1 Flash Image)** — vydán 26. února 2026, vizuální model kombinující rychlost architektury Flash s kvalitou Pro. Zajišťuje přísné zachování identity postav (character consistency), nativní generování typografie uvnitř obrázků a integraci kryptografických vodoznaků SynthID s metadaty C2PA. - **Lyria 3** — hudební model integrovaný do aplikace Gemini 18. února 2026. Generuje 30sekundové hudební kompozice (včetně zpěvu a instrumentálu) na základě textových promptů, fotografií nebo videa. - **Veo 3.1** — model pro generování videa. Podporuje tvorbu klipů s využitím až tří referenčních obrázků („Ingredients to Video"), generování přechodů mezi zadaným prvním a posledním snímkem, nativní renderování vertikálních videí (9:16) a upscaling na rozlišení 4K. - **Med-Gemini** — doménově specifický model pro medicínské úlohy (arXiv:2404.18416, arXiv:2405.03162). ## Využití a ekosystém Google hluboce integruje Gemini do svých spotřebitelských a vývojářských produktů. ### Spotřebitelské produkty - **Aplikace Gemini**: Chatbot (dříve Bard, přejmenován 8. února 2024), využívající modely rodiny Gemini jako univerzální AI asistent. K únoru 2026 má více než 750 milionů aktivních uživatelů. Aktuální rollout zahrnuje model 3.1 Pro. Předplatné: **Google AI Pro** (19,99 \$/měs., nahradilo Google One AI Premium) a **Google AI Ultra** (249,99 \$/měs., s přístupem k Deep Think, Veo 3 a prioritním funkcím). - **Google Workspace**: Integrace Gemini do Gmailu, Dokumentů, Tabulek, Meet pro pomoc při psaní textů, analýzu dat a generování obsahu (přejmenování z Duet AI). - **Vyhledávač Google**: Funkce **AI Overviews** generuje souhrnné odpovědi na složité dotazy na základě specializovaného modelu Gemini. **AI Mode**, spuštěný na Google I/O 2025, zajišťuje hloubkové vyhledávání s agentními schopnostmi (rezervace, nakupování). - **Android a Pixel**: **Gemini Nano** (v3 na Pixel 10 s čipem Tensor G5, srpen 2025) běží lokálně na smartphonech a poskytuje chytré odpovědi, sumarizaci, detekci podvodných hovorů a funkce přístupnosti při zachování soukromí dat. ML Kit GenAI API pro vývojáře podporuje sumarizaci, korekturu a rozpoznávání řeči na zařízení. - **NotebookLM**: Vyvinul se z nástroje pro poznámky v plnohodnotnou kreativní platformu. Začleněn do Google Workspace v březnu 2025. Podporuje interaktivní Audio Overviews, Video Overviews, Mind Maps, snímky, infografiku. Aktualizován na Gemini 3 v prosinci 2025; plné kontextové okno 1 mil. tokenů pro chat — od února 2026. - **Gemini Live**: Funkce kamery a sdílení obrazovky z Project Astra jsou zdarma pro všechny uživatele Android a iOS. ### Platformy pro vývojáře - **Google AI Studio a Gemini API**: Hlavní rozhraní pro přístup k modelům Gemini přes API. K únoru 2026 podporují bloky schopností: Thinking, Thought signatures, Long context, Tools and agents (Google Search, Maps, Code Execution, URL Context, Computer Use, File Search, Deep Research, Live API). - **Vertex AI**: Podniková platforma s rozšířenými možnostmi zabezpečení a správy. - **Google Gen AI SDK**: Dosáhl GA pro Python, JavaScript/TypeScript, Go a Java do května 2025, poskytující jednotný přístup k Gemini Developer API a Vertex AI. Podporuje **Model Context Protocol (MCP)**. - **Gemini CLI**: Nástroj příkazového řádku pro AI kódování v terminálu (spuštěn v červnu 2025). - **Interactions API**: Jednotné rozhraní pro modely a agenty (beta od prosince 2025). ### Životní cyklus API a správa verzí Modely Gemini v API se dělí do kategorií **stable**, **preview**, **latest** a **experimental**. Konkrétní `model_id` a rodina modelů nejsou totéž; pro produkční scénáře je zásadní vazba na konkrétní verzi a termíny její podpory. V dokumentaci API je vedena evidence deprecací s uvedením dat ukončení podpory. Pro podporu dlouhodobých autonomních úloh byly zavedeny: **Session Resumption** (uchovávání stavu relace na serveru po dobu až 24 hodin) a **Context Compression** (mechanismus posuvného okna pro automatickou kompresi kontextu při překročení limitu). V prosinci 2025 Google snížil kvóty bezplatné úrovně API přibližně o 92 % (bez předchozího upozornění), což vyvolalo ostrou reakci komunity vývojářů. Zároveň se náklady na provoz modelů Gemini v průběhu roku 2025 snížily o 78 % díky optimalizacím. ## Omezení a otevřené problémy - **Halucinace a konfabulace:** Modely si zachovávají sklon ke generování fakticky nesprávných informací, zejména při vypnutých funkcích ukotvení (Search Grounding). Gemini 3.1 Pro snížil míru halucinací podle benchmarku SimpleQA ve srovnání s předchozími verzemi, avšak problém zůstává systémový pro všechny LLM. - **Nevědomý plagiát (Subconscious Plagiarism):** V experimentech s agentem Aletheia byl zjištěn problém reprodukce netriviálních důkazů z trénovací sady, prezentovaných jako autonomní objevy, což komplikuje validaci novosti AI výzkumu. - **Degradace v dlouhém kontextu:** Při zpracování kontextů o velikosti 1 milionu tokenů jsou modely náchylné k efektu „Lost in the Middle" — snížení přesnosti extrakce faktů ze střední části dokumentu. - **Vysoké výpočetní náklady:** Inference s maximálními nastaveními Deep Think vyžaduje výrazně více času a zdrojů (TPU), což omezuje použití v synchronních aplikacích reálného času. - **Falešně pozitivní odmítnutí (Over-refusals):** V důsledku přísných algoritmů zarovnání (alignment) mají modely pro složité uvažování sklon odmítat legitimní požadavky, chybně je klasifikujíce jako potenciálně škodlivé (zejména v kontextu analýzy kódu a informační bezpečnosti). Model card zmiňují také problémy s „poučovacím" (preachy) tónem odmítnutí. - **Omezení uvažování:** Model cards řady 2.5 a 3 uvádějí omezení v kauzálním porozumění (causal understanding), složitých logických dedukcích (complex logical deduction) a kontrafaktuálním uvažování (counterfactual reasoning), jakož i neúplnou předvídatelnost dodržování rozpočtů myšlení. ## Etické aspekty a bezpečnost Nasazení modelů Gemini je doprovázeno víceúrovňovým systémem bezpečnostních opatření. ### Obecný rámec **Secure AI Framework (SAIF)** — obecný přístup Google k bezpečnosti AI systémů (oznámen v červnu 2023), formující kontext vývoje, avšak není Gemini-specifickým standardem. **Frontier Safety Framework v3** (září 2025) pokrývá domény CBRN, kybernetické bezpečnosti, ML R&D, manipulativního působení a experimentální přístup k rizikům nesprávného zarovnání (misalignment). ### Gemini-specifická opatření - **Model cards** — primární zdroje informací o omezeních a bezpečnosti konkrétních modelů. Obsahují sekce Intended Usage and Limitations, Ethics and Content Safety, Frontier Safety. Model card Gemini 3 Pro potvrdil, že model nedosáhl žádné kritické úrovně schopností (Critical Capability Level) v doménách CBRN a kybernetické bezpečnosti. - **Testování na zaujatost a toxicitu:** Analýza a zmírňování zaujatosti v trénovacích datech a generování obsahu. - **Červené týmy (Red Teaming):** Simulace útoků za účelem odhalení zranitelností a nežádoucího chování. Nezávislé testování na nesprávné zarovnání odhalilo „určité zvýšení situační uvědomělosti", ale nezjistilo kritická rizika. ### Bezpečnostní sondy (Safety Probes) Pro prevenci generování škodlivého obsahu je používána klasifikace skrytých aktivací. Pro řešení problému ztráty signálu v dlouhých kontextech je použita architektura **MultiMax**: sonda extrahuje maximální hodnotu přes všechny vrstvy $H$ pro každý token $j$ v sekvenci $n_{i}$: $$ f_{ext{MultiMax}}(S_{i}) = \sum\limits_{h = 1}^{H}\max\limits_{j \in \lbrack n_{i}\rbrack}\lbrack v_{h}^{o}py_{i,j}\rbrack $$ Sondy jsou kombinovány se základními modely do kaskádových klasifikátorů, čímž se zvyšuje přesnost filtrování při nízkých výpočetních nákladech (arXiv:2601.11516). ### Kryptografické označení (SynthID) Zvuková data generovaná prostřednictvím Live API a obrázky (od modelů Nano Banana / Flash Image) jsou označovány algoritmem **SynthID**. Neviditelný vodoznak je vkládán na úrovni pixelů nebo audio spektra, což umožňuje strojové rozpoznání generovaného obsahu. Model Nano Banana 2 (únor 2026) integruje SynthID s metadaty C2PA. ### Thinking a otázka transparentnosti Modely s režimem myšlení (řady 2.5/3) mohou vracet **thought summaries** — stručné přehledy interního uvažování, nikoli úplný proud mezilehlých tokenů. To poskytuje určitou úroveň transparentnosti, avšak je kritizováno za to, že skutečné „surové" řetězce uvažování jsou skryty za zjednodušenými přehledy. ### Regulatorní aspekty V rámci **Aktu EU o umělé inteligenci** (EU AI Act) podepsal Google Kodex postupů EU pro AI (zveřejněn 10. července 2025) spolu s OpenAI a Anthropic. Gemini je klasifikován jako model AI obecného účelu (GPAI) se systémovým rizikem, což s sebou nese dodatečné bezpečnostní povinnosti (v platnosti od 2. srpna 2025). ## Konkurenční prostředí Období listopad — prosinec 2025 se stalo nejhustším konkurenčním cyklem v historii AI: Gemini 3 Pro (18. listopadu), Claude Opus 4.5 od Anthropic (24. listopadu) a GPT-5.2 od OpenAI (11. prosince) byly vydány v průběhu 24 dní. K únoru 2026 žádný model nedominuje ve všech kategoriích: Gemini 3 Pro vede na LMArena v textu, vidění, vyhledávání a vícejazyčnosti; GPT-5.2 vede v čisté matematice (100 % AIME 2025 bez nástrojů) a SWE-bench Pro; Claude Opus 4.5 konkuruje na SWE-bench Verified. Z hlediska nákladů API je Gemini přibližně o 42 % levnější než GPT-5 při srovnatelných voláních. ## Obchodní ukazatele Podle výsledků hospodaření Alphabet za Q4 2025 (zveřejněno 4. února 2026): tržby Google Cloud — 17,7 mld. \$ za čtvrtletí (+48 % meziročně); provozní marže — 29,9 %; portfolio objednávek Cloud — 240 mld. \$ (zdvojnásobení za rok). Více než 120 000 podniků používá Gemini. V lednu 2026 Apple oznámil plány na integraci Gemini do Siri. Google zpracovává více než 10 miliard tokenů za minutu přes API. Interní AI agenti Google generují přibližně 50 % vlastního kódu společnosti. Kapitálové výdaje na rok 2026 jsou plánovány na úrovni 175–185 mld. \$ (téměř dvojnásobný nárůst oproti 91,45 mld. \$ v roce 2025). ## Odkazy - Index modelů Google DeepMind - Dokumentace Gemini API pro vývojáře - Katalog modelů Gemini API - Dokumentace Gemini Thinking - Evidence deprecací modelů Gemini - Index model cards Google DeepMind ## Literatura ### Primární technické zprávy Gemini - Gemini Team, Google (2023). *Gemini: A Family of Highly Capable Multimodal Models*. arXiv:2312.11805. - Gemini Team, Google (2024). *Gemini 1.5: Unlocking multimodal understanding across millions of tokens of context*. arXiv:2403.05530. - Comanici, G. et al. (2025). *Gemini 2.5: Pushing the Frontier with Advanced Reasoning, Multimodality, Long Context, and Next Generation Agentic Capabilities*. arXiv:2507.06261. ### Specializované modely a aplikace - Saab, K. et al. (2024). *Capabilities of Gemini Models in Medicine*. arXiv:2404.18416. - Yang, L. et al. (2024). *Advancing Multimodal Medical Capabilities of Gemini*. arXiv:2405.03162. - Gemini Robotics Team (2025). *Gemini Robotics: Bringing AI into the Physical World*. arXiv:2503.20020. - Feng, T., Trinh, T., Bingham, G. et al. (2026). *Semi-Autonomous Mathematics Discovery with Gemini: A Case Study on the Erdős Problems*. arXiv:2601.22401. - DeepMind Research Team (2026). *Building Production-Ready Probes For Gemini*. arXiv:2601.11516. - Fu, Y., Wang, X., Tian, Y., Zhao, J. (2025). *Deep Think with Confidence*. arXiv:2508.15260. ### Literatura (přehledy a metody) - Wei, J. et al. (2022). *Chain-of-Thought Prompting Elicits Reasoning in Large Language Models*. arXiv:2201.11903. - Zhang, Z. et al. (2022). *Automatic Chain of Thought Prompting in Large Language Models*. arXiv:2210.03493. - Zhang, Z. et al. (2023). *Multimodal Chain-of-Thought Reasoning in Language Models*. arXiv:2302.00923. - Cai, W. et al. (2024). *A Survey on Mixture of Experts in Large Language Models*. arXiv:2407.06204. - Dai, Z. et al. (2019). *Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context*. arXiv:1901.02860. - Ding, J. et al. (2023). *LongNet: Scaling Transformers to 1,000,000,000 Tokens*. arXiv:2307.02486. - Yin, S. et al. (2024). *A Survey on Multimodal Large Language Models*. arXiv:2306.13549. - Wang, X. et al. (2023). *Large-scale Multi-Modal Pre-trained Models: A Comprehensive Survey*. arXiv:2302.10035. - Chen, Q. et al. (2025). *Towards Reasoning Era: A Survey of Long Chain-of-Thought for Reasoning Large Language Models*. arXiv:2503.09567. ### Oficiální blogové příspěvky Google - Google (2023). *Introducing Gemini: Google's most capable AI model yet*. The Keyword, 06.12.2023. - Google DeepMind (2024). *Introducing Gemini 1.5*. The Keyword, 15.02.2024. - Google (2024). *Introducing Gemini 2.0: A new AI model for the agentic era*. The Keyword, 11.12.2024. - Google DeepMind (2025). *Gemini 2.0 model updates*. The Keyword, 05.02.2025. - Google DeepMind (2025). *Gemini 2.5: Our newest Gemini model with thinking*. The Keyword, 25.03.2025. - Google DeepMind (2025). *Google I/O 2025: Updates to Gemini 2.5*. The Keyword, 20.05.2025. - Google (2025). *Gemini 3: Introducing the latest Gemini AI model*. The Keyword, 18.11.2025. - The Deep Think Team (2026). *Gemini 3 Deep Think: Advancing science, research and engineering*. Google Blog, 12.02.2026. - The Gemini Team (2026). *Gemini 3.1 Pro: A smarter model for your most complex tasks*. Google Blog, 19.02.2026.