%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)
Gemini 2.0 Flash Thinking Experimental (Dec '24)
Gemini 2.0 Flash Thinking Experimental (Dec '24)
Gemini 2.0 フラッシュシンキングは、性能と説明可能性を向上させるために思考プロセスを示すことができる強化された推論モデルです。速度と性能を兼ね備えた Gemini 2.0 フラッシュシンキングは、科学や数学の分野でも優れた性能を発揮し、複雑な問題を解決するための思考過程を示すことができます。
インテリジェンス(比較的弱い)
速度(遅い)
入力サポートモダリティ
はい
推論モデルかどうか
2,000,000
コンテキストウィンドウ
65,536
最大出力トークン
2024-08-01
知識カットオフ
価格設定
- /M tokens
入力
- /M tokens
出力
- /M tokens
混合価格
クイック簡易比較
Gemini 2.0 Flash Thinking Experimental (Dec '24)
Gemini 2.0 Pro Experimental (Feb '25)
Gemini 1.5 Pro (May '24)
￥2.5
基本パラメータ
GPT-4.1技術パラメータ
パラメータ数
未発表
コンテキスト長
2.0M tokens
トレーニングデータカットオフ
2024-08-01
オープンソースカテゴリ
Proprietary
マルチモーダルサポート
テキスト、画像
スループット
リリース日
2024-12-19
応答速度
0 tokens/s
ベンチマークスコア
以下はclaude-monetの様々な標準ベンチマークテストでのパフォーマンスです。これらのテストは、異なるタスクやドメインにおけるモデルの能力を評価します。
インテリジェンス指数
3472
大規模言語モデルインテリジェンスレベル
コーディング指数
-
コーディングタスクにおけるAIモデルのパフォーマンス指標
数学指数
-
数学的問題の解決、数学的推論、または数学関連タスクの実行における能力指標
MMLU Pro
-
大規模マルチタスクマルチモーダル理解 - テキスト、画像、音声、ビデオの理解をテスト
GPQA
74.2
大学院物理学問題評価 - ダイヤモンド科学レベルの問題で高度な物理学知識をテスト
HLE
-
Hugging Face Open LLMリーダーボードにおけるモデルの包括的な平均スコア
LiveCodeBench
-
実世界のコード作成とプログラミングコンテスト問題解決における大規模言語モデルの能力を評価する特定の評価
SciCode
-
科学計算または特定の科学分野のコード生成におけるモデルの能力
HumanEval
93.9
特定のHumanEvalベンチマークテストセットでAIモデルが達成したスコア
Math 500スコア
48
最初の500の大規模でよく知られた数学ベンチマークテストのスコア
AIMEスコア
-
高難度の数学競技問題（特にAIMEレベル）を解決するAIモデルの能力を測定する指標
おすすめAIモデル
Gemini 1.0 Pro
google
￥3.6
入力トークン/百万
￥10.8
出力トークン/百万
33k
コンテキスト長
GPT 4
openai
￥216
入力トークン/百万
￥432
出力トークン/百万
8192
コンテキスト長
Qwen2.5 Coder Instruct 32B
alibaba
￥0.65
入力トークン/百万
￥0.65
出力トークン/百万
131k
コンテキスト長
Gemini 1.5 Flash 8B
google
￥0.58
入力トークン/百万
￥2.16
出力トークン/百万
1M
コンテキスト長
Gemini 1.5 Pro (May '24)
google
￥18
入力トークン/百万
￥72
出力トークン/百万
2M
コンテキスト長
Llama 3.2 Instruct 11B (Vision)
meta
￥0.43
入力トークン/百万
￥0.43
出力トークン/百万
128k
コンテキスト長
Gemini 2.0 Flash (experimental)
google
￥0.72
入力トークン/百万
￥5.04
出力トークン/百万
1M
コンテキスト長
O1 Preview
openai
￥108
入力トークン/百万
￥432
出力トークン/百万
128k
コンテキスト長