Google hat das neue KI-Modell Gemini 2.0 angekündigt, das nach Angaben des Unternehmens neben Text auch Bilder und Audio generieren kann. Gemini 2.0 befindet sich noch in der "experimentellen Preview", wie der Konzern es nennt. Es wird erst die kleinere, preiswertere Version des Modells namens "Flash" publiziert.

Entwickler können über die Gemini-API damit arbeiten. Demis Hassabis, CEO von Google Deepmind, betont gegenüber 'The Verge' die Geschwindigkeit des neuen Modells. Die Leistung sei "eine ganze Spur besser", bei gleichen Kosten, fügt er an.

Die Multimodalität soll auch Grundlage sein, um KI-Agenten zu erstellen. "Wir sehen das Jahr 2025 als den wahren Beginn der agentenbasierten Ära", sagt Hassabis, "und Gemini 2.0 ist die Grundlage dafür."

Mit Jules zeigt der Konzern einen Agenten, der Software-Entwicklerinnen und -Entwicklern bei der Verbesserung von Code helfen soll. "Projekt Mariner" ist der Agent für den Chrome-Browser. Mariner würde sich genau so verhalten, wie es menschliche Nutzer in einem Browser tun würden, sagte Google-Managerin Tulsee Doshi. "Er kann klicken, tippen und scrollen, genau wie Sie als Anwenderin oder Anwender."

Jaclyn Konzelmann, Leiterin von Google Labs, zeigte 'Techcrunch', wie der Agent Warenkörbe auf Basis von Einkaufslisten füllen kann. Das System verband sich selbstständig mit einem Onlinehändler, brauchte aber zum Aussuchen eines einzelnen Postens im Warenkorb etwa fünf Sekunden. Für Mariner gibt es aber Einschränkungen. Etwa darf er keine Einkäufe abschliessen, ohne vorher zu fragen, und keine Cookies akzeptieren.