Vào ngày 21/09/2026, Google DeepMind công bố chính thức mô hình ngôn ngữ lớn Gemini‑2, phiên bản kế tiếp của dòng Gemini. Với 10 tỷ tham số và kiến trúc đa phương tiện, Gemini‑2 không chỉ xử lý văn bản mà còn hiểu và tạo nội dung video, âm thanh và hình ảnh một cách liền mạch.
Gemini‑2 được huấn luyện trên một tập dữ liệu đa dạng hơn 5 trăm nghìn terabyte, bao gồm video YouTube, podcast, và hình ảnh siêu phân giải. Nhờ vào kiến trúc Transformer‑Fusion, mô hình có thể đồng thời phân tích các kênh thông tin và đưa ra phản hồi đa dạng, từ việc tóm tắt video dài đến tạo hình ảnh minh họa cho các đoạn văn.
DeepMind nhấn mạnh rằng Gemini‑2 đạt điểm số mới trên các benchmark như VQA‑2, MS‑COCO Caption và MultiModal QA, vượt trội hơn 15% so với đối thủ cùng cấp. Ngoài ra, mô hình còn hỗ trợ API cho các nhà phát triển, cho phép tích hợp nhanh chóng vào các ứng dụng chatbot, trợ lý ảo và nền tảng giáo dục.
Theo báo cáo, DeepMind đã tối ưu hoá chi phí tính toán bằng kỹ thuật sparsity và quantization, giúp Gemini‑2 tiêu thụ năng lượng thấp hơn 30% so với phiên bản trước, mở ra khả năng triển khai rộng rãi hơn trong môi trường doanh nghiệp.