Gemini 2.0 Flash
Aucune estimation
Aucun besoin matériel pour ce modèle
Les poids de ce modèle n'ont pas été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel, quelle que soit la taille. Il n'est accessible que via son fournisseur, et aucune carte graphique ne change cela.
Enregistrement terminé
Spécification complète
Tout ce qui concerne ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — contexte utile pour évaluer le travail fourni et sa comparaison avec des modèles construits à une échelle différente.
Origine
Qui a construit ce modèle, où et quand il a été publié.
- Organisation
- Google DeepMind,Google
- Type d'organisation
- Industry,Industry
- Pays
- United States of America
- Publié
- 11 December 2024
- Auteurs
- Gemini Team
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut en porter plusieurs de chacun.
- Domaine
- Language, Vision, Audio, Speech, Video, Multimodal
- Tâche
- Language modeling/generation, Question answering, Visual question answering, Speech recognition (ASR), Code generation, Quantitative reasoning, Video description, Translation, Chat, Table tasks, Search, Text summarization
Taille
Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui détermine s'il tient sur une carte graphique donnée.
- Données d'entraînement
- tokens
L'entraînement
Ce qu'il a physiquement fallu pour entraîner : quels puces, combien, pendant combien de temps, et ce que cela a tiré du mur.
- Matériel d'entraînement
- Google TPU v6e Trillium
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui décide si l'une des chiffres de carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- API access
- Code d'entraînement
- Unreleased
Availability Google AI Studio Gemini API Vertex AI Gemini App
Comment il est classé
Étiquettes que le jeu de données source applique lors du suivi des modèles notables, et à quel point il est confiant dans l'entrée.
- Probablement au-dessus de 10²³ FLOP
- Yes
- Confiance d'enregistrement
- Unknown
Sources
D'où provient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Introducing Gemini 2.0: our new AI model for the agentic era
- Dernière mise à jour
- 11 February 2026
Ce que signifient les chiffres
Background
Gemini 2.0 Flash was published by Google DeepMind,Google, in United States of America, in December 2024. It comes out of industry,Industry.
It works in Language, Vision, Audio, Speech, Video, Multimodal, and is recorded as doing language modeling/generation, Question answering, Visual question answering, Speech recognition (ASR), Code generation, Quantitative reasoning, Video description, Translation, Chat, Table tasks, Search, Text summarization.
This is a closed model: the trained values stayed with whoever produced them, and there is no local version to run.
Réponses
Gemini 2.0 Flash — Questions fréquentes
What GPU do I need to run Gemini 2.0 Flash?
None. Gemini 2.0 Flash is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is Gemini 2.0 Flash open source?
No. Gemini 2.0 Flash has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does Gemini 2.0 Flash have?
No parameter count has been published for Gemini 2.0 Flash, which is why no memory or speed figure appears on this page.
Who created Gemini 2.0 Flash?
Gemini 2.0 Flash was published by Google DeepMind,Google, based in United States of America, categorised as industry,Industry.
When was Gemini 2.0 Flash released?
Gemini 2.0 Flash was published in December 2024. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is Gemini 2.0 Flash used for?
Gemini 2.0 Flash works in Language, Vision, Audio, Speech, Video, Multimodal, and is recorded as handling language modeling/generation, Question answering, Visual question answering, Speech recognition (ASR), Code generation, Quantitative reasoning, Video description, Translation, Chat, Table tasks, Search, Text summarization. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
Dans l'autre sens
Regardez-la de l'autre côté ?
Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez connaître tout ce qu'elle pourra exécuter, commencez plutôt par le matériel.