Bước đột phá khi ra mắt Gemini 2.0

Trước đây, LLM chỉ có thể có khả năng sáng tạo văn bản. Với sự ra mắt của Gemini, nó là mô hình LLM đầu tiên tự tạo và chỉnh sửa hình ảnh. Đặc biệt là Gemini 2.0 chẳng cần nhờ đến bất kỳ API bên ngoài nào để tạo ảnh. Chỉ với vài dòng text, AI của Google sẽ tự thực hiện tạo hình ảnh khiến bạn bất ngờ đấy!

Khi Google ra mắt, các đối thủ như OpenAI đã hoàn toàn bị bỏ xa. Điều đó có nghĩa là bạn đang được trải nghiệm một thứ mà không đâu khác có! Từ việc tạo hoạt ảnh, tô màu ảnh cũ, đến thay đổi bối cảnh thành một hành tinh xa lạ – tất cả đều nằm trong tầm tay bạn, chỉ với vài câu lệnh đơn giản.

Khả năng tạo ảnh kinh ngạc của Gemini 2.0 Flash Experimental

Tạo ảnh động GIF

Một tài khoản X có tên là Cristian Penas đã sử dụng Gemini để tạo ảnh động GIF một bông hoa nảy mầm. Và kết quả thật kinh ngạc. Bông hoa rất giống, nó chuyển động từ lúc là một hạt mầm cho tới khi nở hoa. Đáng chú ý là tất cả được tạo ra bởi 1 dòng text ra lệnh.

Thay đổi nền ảnh

Nếu bạn gửi cho Gemini 2.0 một bức ảnh, nó hoàn toàn có thể thay đổi nền mà vẫn vẫn giữ nguyên chủ thể. Ví dụ như hình dưới đây, tôi đã gửi 1 chiếc ảnh và nhờ Gemini thay đổi background ở trạm không gian. Kết quả tương đối thú vị mặc dù nhìn có vẻ chưa thật lắm!

Không chỉ thay đổi phông nền, Gemini còn có thể thay đổi hoàn toàn bức ảnh. Như bức ảnh dưới đây, Gemini đã tạo ra một bức ảnh giúp bạn có thể báo cáo với sếp để xin đi muộn. Đáng chú ý là các bức ảnh có tính nhất quán, nhân vật gần chính dường như không bị thay đổi.

Bạn cũng có thể hoàn toàn thay đổi trang phục, màu tóc, thậm chỉ cả là thay đổi góc mặt của bức ảnh như ở dưới đây. Việc thay đổi mang lại kết quả thật tốt mà không cần dùng đến công cụ chỉnh ảnh nào.

Thậm chí, bạn cũng có thể ngồi lên chiếc xe mà bạn đang thầm mơ ước như cách tôi làm ở dưới đây. Thử thách đặt ra là ra lệnh cho AI để Tôn Ngộ Không ngồi lên chiếc Porsche 911 và kết quả tương đối thú vị!

Một tài khoản trong cộng J2Team Community có tên Hương Nguyễn đã sử dụng Gemini để tạo ra ảnh mẫu. Đây quả thực là tin vui đối với những người kinh doanh TMĐT hay bán hàng online. Chỉ với 5s, prompt đơn giản không cầu kì cho ra những mẫu ảnh rất thật mà không cần phải mất tiền thuê mẫu.

Xóa watermark

Mô hình này có thể loại bỏ các dấu watermark từ ảnh stock của các nền tảng như Getty Images hay Shutterstock như ví dụ ảnh dưới đây.

Dù được gắn nhãn “thử nghiệm”, khả năng này đã làm dấy lên nhiều tranh cãi về vấn đề bản quyền, khi nó vượt xa các công cụ AI khác như GPT-4o hay Claude, vốn từ chối thực hiện thao tác tương tự.

Tuy nhiên, Gemini không hoàn hảo. Nó gặp khó khăn với watermark trong suốt hoặc phủ diện tích lớn. Bên cạnh đó sau khi xóa, nó sẽ thêm một watermark nhỏ của riêng mình, đánh dấu ảnh đã được chỉnh sửa.

Tạo văn bản trên ảnh

Dường như việc thêm text lên ảnh chưa khó đối với Gemini 2.0. Youtuber MattVidPro AI đã ra lệnh Gemini xóa background rồi thêm dòng chữ “Testing Gemini Native Image Gen”. Kết quả trả về đúng như yêu cầu. Thậm chí, chúng ta hoàn toàn có thể sai AI này tạo ra chiếc thumbnail từ chức năng trên.

Nếu như chưa đủ khó, cùng đến với thử thách lớn hơn. Lần này là yêu cầu thêm chữ D vào trong chiếc áo. Kết quả là Gemini làm đến độ hoàn hảo. Chữ D được thêm vào gần như không phân biết sự khác nhau.

Tô màu ảnh đen trắng

Điều này cũng không thể làm khó được AI này. Mất khoảng 10s, Gemini hoàn thiện bức tranh đường phố Rome. Tổng quan, kết quả đưa ra tương đối ổn khi nhìn lướt qua.

Một người dùng khác có tên Denis Shiryaev đã thử thách Gemini bằng một cách thực tế. Yêu cầu đặt ra là khôi phục ảnh cũ và tô màu đen trắng. Kết quả lại làm chúng ta phải bất ngờ mặc dù có nhiều hạn chế. Dẫu vậy, với một con AI đang cần cải thiện thì kết quả thực sự làm ta phải ngạc nhiên.

Tuy nhiên, Shiryaev không ngần ngại vạch trần khuyết điểm của Gemini 2.0 Flash Experimental. Khi đối mặt với những nhiệm vụ đòi hỏi độ sắc nét cao như xử lý ảnh phân giải lớn hay tỉ mỉ chỉnh sửa chữ trên hình, công cụ này vẫn còn lúng túng. Thậm chí, vài vết “rạn nứt” nho nhỏ như hiệu ứng artifact lởn vởn lúc tô màu ảnh cũng bị phát hiện.

Gemini 2.0 Flash có miễn phí không?

Hiện tại Gemini 2.0 Flash Experimental vẫn đang miễn phí với số lượng Tokens nhất định. Tuy nhiên, trong giai đoạn thử nghiệm, cả input và output token của Gemini 2.0, bao gồm cả tạo ảnh, đều miễn phí, với giá 0 USD cho mỗi triệu token. Khi mô hình chuyển sang giai đoạn chính thức, có thể sẽ có chi phí. 

Một điểm bất ngờ là mặc dù tạo ảnh được liệt kê là trong giai đoạn “private preview,” nó vẫn miễn phí cho những người dùng có quyền truy cập, và không có giá được công bố công khai cho tính năng này trên trang giá của Vertex AI

Hướng dẫn trải nghiệm Gemini 2.0 Flash Experimental

Để sử dụng Gemini 2.0 Flash Experimental, truy cập Google AI Studio và đăng nhập bằng tài khoản Google. Chọn mô hình “Gemini 2.0 Flash (Image Generation) Experimental” từ menu thả xuống, sau đó nhập yêu cầu tạo ảnh và trải nghiệm AI thú vị này.

Kết luận

Gemini 2.0 Flash Experimental đánh dấu bước đột phá của Google trong lĩnh vực AI. Nó đã làm sôi động cộng đồng mạng với khả năng tạo và chỉnh sửa ảnh vượt trội. Dù vẫn tồn tại một số hạn chế, phiên bản thử nghiệm miễn phí này vẫn là một công cụ thú vị cho những ai đam mê sáng tạo. Hãy truy cập Google AI Studio ngay hôm nay để tự mình khám phá sức mạnh của AI tương lai cùng Tenten.vn!

Bài viết AI tạo và chỉnh sửa ảnh đang khuấy đảo cộng đồng mạng – Gemini 2.0 vượt mặt GPT-4o đã xuất hiện đầu tiên vào ngày Tenten AI.

Giới thiệu về mô hình 3 mô hình AI 

Claude 3.7 Sonnet

Claude 3.7 Sonnet là phiên bản mới nhất từ Anthropic, được tối ưu để xử lý văn bản dài lên đến 100,000 token. Đây là AI “lý luận lai” đầu tiên kết hợp mô hình phản hồi và mô hình suy luận. Nó vượt trội trong phân tích tài liệu phức tạp như báo cáo khoa học hoặc hợp đồng pháp lý. Claude 3.7 cũng được đánh giá cao ở tốc độ phản hồi nhanh và khả năng tóm tắt đa ngôn ngữ.

ChatGPT-4o

ChatGPT-4o là bản nâng cấp mạnh mẽ của OpenAI, tập trung vào tốc độ xử lý và độ chính xác vượt trội nhờ lượng dữ liệu huấn luyện khổng lồ. Mô hình này tích hợp plugin mở rộng, cho phép tương tác với các công cụ bên ngoài như Wolfram Alpha hoặc trình duyệt web, mở ra khả năng ứng dụng đa dạng từ lập trình đến nghiên cứu. 

Gemini 2.0

Gemini 2.0 là mô hình đa phương thức của Google, có thể xử lý đồng thời văn bản, hình ảnh, âm thanh và video. Mô hình này được tối ưu cho hệ sinh thái Google, giúp người dùng dễ dàng tích hợp vào quy trình làm việc. Gemini 2.0 gây ấn tượng với khả năng hiểu ngữ cảnh phức tạp và hỗ trợ hơn 100 ngôn ngữ

So sánh chi tiết Claude 3.7, ChatGPT-4o và Gemini 2.0

Tốc độ phản hồi

Tốc độ xử lý, đo bằng token mỗi giây hoặc độ trễ, không được công bố rộng rãi. Hầu như sẽ không có sự khác nhau về tốc độ. Tuy nhiên:

• Claude 3.7: Được tối ưu hóa cho hiệu quả, nhanh trong xử lý văn bản.
• ChatGPT-4o: OpenAI tuyên bố cải thiện tốc độ, đặc biệt với đầu vào đa phương thức.
• Gemini 2.0: Google cũng tối ưu hóa, nhưng không có số liệu cụ thể

Bên cạnh đấy, cần có sự trải nghiệm cụ thể để có thể so sánh liệu AI nào có tốc độ nhanh nhất.

Hỗ trợ đa phương tiện

Là khả năng xử lý nhiều loại dữ liệu (text, hình ảnh, âm thanh, video). Đây là yếu tố quan trọng trong các trí tuệ nhân tạo. 

• Claude 3.7: Hiện tại, Claude 3.7 chỉ hỗ trợ text, không có khả năng đa phương thức.
• ChatGPT-4o: Hỗ trợ text, hình ảnh và âm thanh, đặc biệt mạnh trong xử lý âm thanh.
• Gemini 2.0: Hỗ trợ text, hình ảnh và video, tích hợp sâu với Google Photos và YouTube.

ChatGPT-4o và Gemini 2.0 vượt trội trong lĩnh vực đa phương thức, phù hợp cho các ứng dụng như trợ lý ảo hoặc phân tích hình ảnh.

Trò chuyện giao tiếp

Khả năng trò chuyện và giao tiếp tự nhiên là yếu tố quan trọng, giúp bạn cảm thấy như đang nói chuyện với một người bạn.

• Claude 3.7: Trả lời chính xác và cẩn thận, phù hợp cho các câu hỏi cần sự chi tiết. Nó giống như một giáo viên giải thích rõ ràng, nhưng có thể hơi trang trọng.
• ChatGPT-4o: Giao tiếp tự nhiên, nhanh chóng và thân thiện, phù hợp cho các cuộc trò chuyện hàng ngày. Nó như một người bạn luôn sẵn sàng giúp đỡ.
• Gemini 2.0: Xử lý tốt trong tương tác thời gian thực, phản hồi nhanh, đặc biệt khi bạn cần trả lời ngay. Nó phù hợp cho các ứng dụng như chatbot hỗ trợ khách hàng.

Lập trình, giải quyết vấn đề

Lập trình và giải quyết vấn đề là những tác vụ quan trọng, đặc biệt cho lập trình viên hoặc nhà nghiên cứu.

• Claude 3.7: Rất mạnh trong lập trình và toán học, có thể giúp bạn viết code hoặc giải quyết các bài toán phức tạp. Nó như một chuyên gia lập trình, hỗ trợ bạn trong các dự án khó.
• ChatGPT-4o: Cũng có khả năng lập trình, nhưng không mạnh bằng Claude 3.7 trong các tác vụ phức tạp. Nó phù hợp cho các đoạn code đơn giản hoặc sửa lỗi nhanh.
• Gemini 2.0: Tốt trong xử lý đa phương tiện, nhưng lập trình không phải thế mạnh chính. Nó có thể hỗ trợ, nhưng không sánh ngang với Claude 3.7.

Ở vấn đề lập trình và biên tập web, Claude 3.7 được chính nhà phát hành nhấn mạnh về khả năng này.

Viết và sáng tạo nội dung

Viết bài, sáng tác thơ hoặc tạo nội dung là những gì nhiều người dùng AI để làm.

• Claude 3.7: Phù hợp cho viết nội dung chi tiết, phân tích, nhưng không quá sáng tạo. Nó tập trung vào sự chính xác.
• ChatGPT-4o: Rất giỏi trong viết bài, sáng tác và các ý tưởng sáng tạo. Nó như một người bạn giúp bạn viết bài blog hoặc kể chuyện.
• Gemini 2.0: Có thể tạo nội dung đa phương tiện, như thêm hình ảnh hoặc âm thanh, làm cho nội dung phong phú hơn. Nó phù hợp cho người làm nội dung video hoặc đa phương tiện.

Hiệu suất dựa trên các mô hình đánh giá

Bảng đánh giá 3 mô hình nguồn docsbotai

Tính năng mở rộng và tích hợp

Tích hợp và mở rộng là một tính năng vô cùng hữu ích. Việc áp dụng AI vào các công cụ khác giúp ích rất nhiều trong quá trình làm việc thực tế.

• Claude 3.7: Có thể dùng qua Amazon Bedrock (Anthropic’s Claude – Models in Amazon Bedrock – AWS) hoặc API Anthropic, phù hợp cho doanh nghiệp cần tích hợp vào hệ thống lớn.
• ChatGPT-4o: Dễ tiếp cận qua website OpenAI, miễn phí với hạn chế, và có gói Plus $20/tháng 
• Gemini 2.0: Tích hợp tốt với các công cụ Google như Search và Maps (Gemini 2.0 | Generative AI | Google Cloud), rất tiện lợi cho người dùng Google, với gói Advanced $20/tháng.

Khả năng an toàn và đạo đức

Mỗi nhà phát hành đều có những chính sách về an toàn đối với AI mà họ cung cấp. Tuy nhiên, việc xác thực những điều trên là cần kiểm chứng. Với thông tin mới nhất, Claude 3.7 được nhà cung cấp phát triển dựa trên Chính sách Định cỡ Có Trách Nhiệm (Responsible Scaling Policy) của Anthropic. Chính sách này yêu cầu các mô hình AI phải được kiểm tra kỹ lưỡng về an toàn và bảo mật trước khi triển khai.

Chi phí

Bảng so sánh giá 3 mô hình dựa trên token

Nếu dựa trên tiêu chí trên, Gemini 2.0 sẽ là lựa chọn hợp lý nhất trong việc tiết kiệm chi phí. Tuy vậy, người dùng cần cân nhắc dựa trên mức giá của các phiên bản, nhu cầu, những gì AI có thể hỗ trợ.

Sự phù hợp của từng mô hình

Mỗi một AI sẽ có điểm mạnh riêng và nó sẽ phù hợp với từng công việc nhất định. Bạn hãy cân nhắc dựa trên nhu cầu sử dụng và lựa chọn chúng cho phù hợp.

• Claude 3.7: Được thiết kế để xử lý các nhiệm vụ lập trình nâng cao và phát triển web. Bao gồm phát triển phần mềm, như viết và gỡ lỗi mã nguồn, phân tích dữ liệu, tạo nội dung kỹ thuật.
• ChatGPT-4o: Tối ưu cho doanh nghiệp, xây dựng chatbot, những công việc yêu cầu sáng tạo nội dung.
• Gemini 2.0: Với khả năng lý luận nâng cao, phù hợp cho việc phát triển AI, tự động hóa, lập kế hoạch và quản lý dự án cần nhiều nguồn dữ liệu.

Kết luận

Qua bài viết so sánh Claude 3.7, ChatGPT-4o và Gemini 2.0 , có thể thấy không một AI nào vượt trội hoàn toàn trên mọi phương diện. Mỗi mô hình đều sở hữu thế mạnh riêng. Để tìm ra AI phù hợp nhất, trải nghiệm thực tế là yếu tố không thể bỏ qua. Đồng thời, hãy lắng nghe chia sẻ từ cộng đồng – những case study, đánh giá chi tiết từ người dùng khác.

AI đang tiến hóa từng ngày, và lựa chọn hôm nay có thể không còn tối ưu ngày mai. Hãy thường xuyên theo dõi và cập nhật cùng Tenten.vn Tin tức để không bị bỏ lỡ bất kì thông tin nào.

Bài viết So sánh chi tiết Claude 3.7, ChatGPT-4o và Gemini 2.0: Mô hình nào vượt trội hơn? đã xuất hiện đầu tiên vào ngày Tenten AI.

Bài viết Gemini 2.0 Flash: Mô hình AI mới cho kỷ nguyên tác nhân đã xuất hiện đầu tiên vào ngày Tenten AI.