DeepMindのCEOであるデミス・ハサビスは、汎用人工知能（AGI）が5年以内に実現する可能性があると予測している。彼は、現在のAIは短期的には過度に宣伝され、長期的には深刻に見下されている段階であると指摘し、AI革命の影響は産業革命の10倍であり、10倍のスピードで進展すると強調している。
OpenAIがロンドン・キングスクロスに初の恒久オフィスを開設。Google DeepMindやMetaに隣接し、約8.85万平方フィートのスペースで500名以上を収容可能。英国の人材層の厚さを評価。....
グーグルDeepMindはAI競争で先頭に立つため、会社全体の計算力と人材を統合し、内部の壁を取り除き、追従者からリーダーへと変貌させ、運用効率はスタートアップ企業と同様となった。CEOのハサビス氏は、計算力がAI研究における最大の課題であり、資源の統合により競争力を再構築したと強調した。
DeepMindが新オープンソースモデルGemma4を発表。性能が世代を超えて向上し、Apache2.0ライセンスに変更され、商用利用や二次開発が容易に。4種類のモデルで、モバイルからワークステーションまで幅広いニーズに対応。....
Google DeepMindの旗艦的なマルチモーダルAIで、100万トークンのコンテキストを持ち、博士レベルの推論能力と高度なコーディング能力を備えています。
Nano Banana 2 は Google DeepMind が開発したプロフェッショナルな AI 画像編集ツールです。
Google DeepMindが開発した、最先端のAI天気予報技術です。
Gemini Proは、Google DeepMindが開発した高性能AIモデルであり、複雑なタスク処理とプログラミング性能に特化しています。
Google
-
入力トークン/百万
出力トークン/百万
コンテキスト長
$0.14
$0.28
131
$1
$17.5
$70
2.1k
brittlewis12
Gemma 3 4B IT GGUFはGoogle DeepMindが開発した軽量オープンソース言語モデルで、Geminiモデルと同じ研究と技術に基づいて構築されています。このモデルは128Kの大きなコンテキストウィンドウを持ち、140種類以上の言語をサポートし、GGUF形式を採用しているため、さまざまなデバイスでの展開と実行が容易です。
Gemma 3 1B IT GGUFは、Google DeepMindが開発した軽量オープンソース言語モデルのGGUF形式のバージョンです。このモデルは、Gemma 3 1B IT（命令微調整）モデルを基に変換され、128Kの大きなコンテキストウィンドウを持ち、140種類以上の言語をサポートし、リソースが限られた環境でのデプロイに適しています。
Crystalcareai
GemMoEは、Deepmindのジェンマアーキテクチャに基づく専門家混合（MoE）モデルであり、8つの個別に微調整されたジェンマモデルを融合し、各トークンに2人の専門家を備えており、強力でトレーニングと推論が容易です。
HuggingFaceM4
IDEFICSはDeepmindが開発したクローズドソースの視覚言語モデルFlamingoのオープンソース再現版で、マルチモーダル入力（画像+テキスト）をサポートし、テキスト出力を生成します。
IDEFICSはDeepmindが開発したクローズドソースの視覚言語モデルFlamingoのオープンソース再現版で、任意のシーケンスの画像とテキスト入力を受け取り、テキスト出力を生成できるマルチモーダルモデルです。
IDEFICSはオープンソースのマルチモーダルモデルで、画像とテキスト入力を処理しテキスト出力を生成できます。Deepmind Flamingoモデルのオープンソース再現版です。
IDEFICS-9Bは90億パラメータのマルチモーダルモデルで、画像とテキスト入力を処理しテキスト出力を生成できます。DeepmindのFlamingoモデルのオープンソース再現版です。
oandreae
このモデルはdeepmind/language-perceiverをfinancial_phrasebankデータセットでファインチューニングした金融テキスト感情分類モデルです。
deepmind
ImageNetで事前学習された汎用ビジュアルパーサーバーモデルで、学習型位置埋め込みを用いて画像入力を処理します。
BERTに基づくマスク言語モデリングタスクで事前学習され、UTF - 8バイト入力をサポートするマルチモーダルTransformerモデル
ImageNetで事前学習された汎用視覚パーシバーモデルで、畳み込み前処理とトランスフォーマーアーキテクチャを採用し、画像分類タスクをサポート
Perceiver IOは、複数のモーダルデータを処理できる汎用Transformerアーキテクチャです。このモデルは画像分類タスク用に設計され、ImageNetデータセットで事前学習されています。
Gguf英語%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)
