Gemini AI: пошаговая инструкция для пользователей из России

Большие языковые модели (LLM) сегодня набирают популярность. Они способны генерировать не только текст, но и множество других видов контента: код, изображения, видео, аудио.

Крупные компании, имея большие ресурсы, обучают свои модели на текстовых данных, собранных человечеством за всю свою историю. Разумеется, международный IT-гигант Google — не исключение: он не просто создал собственную модель Gemini, но и интегрировал ее в свою экосистему сервисов.

В этой статье пойдет речь о большой языковой модели Gemini, ее функциях и возможностях. В частности, будет рассмотрено несколько способов того, как зайти в Gemini и начать использование нейросети без территориальных ограничений, накладываемых компанией-разработчиком.

Обзор Gemini

Gemini — это семейство мультимодальных больших языковых моделей (LLM), запущенных компанией Google DeepMind в декабре 2023 года. До этого компания использовала другие модели — PaLM и LaMDA.

На сегодняшний день Gemini является одной из самых мощных и гибких LLM-нейросетей, способной вести сложные диалоги, планировать многозадачные сценарии и работать с любыми типами данных — от текста до видео.

cloud

Возможности Gemini

Модель Gemini не просто генерирует контент, а предоставляет множество дополнительных функций и широкие возможности по работе с контентом разного типа:

• Мульти­модальность. За счет взаимодействия со вспомогательными моделями (Imagen и Veo) Gemini может работать с контентом разных типов: текстом, кодом, документами, изображениями, аудио и видео.
• Большое окно контекста. На платных тарифах Gemini способна анализировать данные объемом до 1 миллиона токенов за одну сессию. Это примерно час видео или 30 тысяч страниц текста.
• ИИ-агенты. С помощью некоторых встроенных функций Gemini может самостоятельно выполнять различные цепочки действий по поиску информации во внешних источниках — сторонних сайтах или документах в Google Drive.
• Интеграция с сервисами. На платных тарифных планах Gemini интегрируется с сервисами из экосистемы Google: Gmail, Docs, Search и многими другими.
• Специальное API. С помощью API, предоставляемого облачной платформой Google Cloud, можно интегрировать Gemini с приложениями от сторонних разработчиков.

С таким набором возможностей можно использовать Gemini без ограничений — он выступает универсальной платформой как для конечных пользователей, которым требуется генерация контента или специфическая информация, так и для разработчиков, которые желают интегрировать мощный мультимодальный ИИ в свои приложения.

Как пользоваться Gemini в России

Являясь частью экосистемы Google, модель Gemini имеет множество точек соприкосновения с пользователем — она доступна сразу в нескольких местах: от поисковой выдачи в браузере до офисных приложений на мобильных устройствах.

Говоря проще, большая языковая модель Gemini является своего рода ядром — центральным элементом всей системы. Взаимодействие же с моделью возможно через различные интерфейсы — все они являются лишь «окнами» доступа к центральному ядру.

Поисковая выдача Google

Увидеть результат работы Gemini можно в поисковой выдаче Google — система дополняет список найденных сайтов дополнительной справочной информацией, сгенерированной Gemini. Правда, это происходит не всегда.

В Google эта функция называется Generative AI Snippet — Gemini анализирует запрос, собирает информацию и показывает краткий ответ под полем поиска.

Зачастую такая справка оказывается весьма полезной — она представляет собой краткую выжимку по интересующему вопросу. Таким образом, поисковая выдача Google позволяет получать информацию по определенной теме без перехода на сайты.

Веб‑приложение

Самый распространенный и наиболее профессиональный инструмент взаимодействия с Gemini — отдельный сайт с чат-ботом, предназначенный для ведения прямых диалогов с моделью. Именно он предоставляет все основные функции Gemini.

С помощью таких диалогов можно вести общение, придумывать текст, писать код, генерировать изображения и видео.

Веб-приложение Gemini имеет типичный для большинства LLM-сервисов интерфейс: по центру расположен чат с моделью, внизу — текстовое поле для ввода сообщения и прикрепления файлов, а слева — список начатых диалогов.

Разумеется, компания Google позаботилась о локализации своего сервиса на множество языков. Поэтому можно спокойно использовать Gemini на русском языке.

Диалог с чат-ботом Gemini.

Алгоритм взаимодействия с моделью прост — пользователь вводит запрос, а модель в течение нескольких секунд генерирует ответ. Тип ответа может быть любым: история, рецепт, стих, справка, код, изображение, видео.

Да, Gemini может генерировать изображения и видео с помощью других моделей, разработанных Google:

• Imagen. Диффузионная модель для генерации фотореалистичных изображений на основе текстовых описаний (text-to-image), которая отличается высочайшим уровнем детализации и реализма.
• Veo. Передовая модель для генерации кинематографичных видеороликов на основе текстовых описаний (text-to-video) или других изображений (image-to-video), которая отличается высочайшим уровнем согласованности и динамики.

Благодаря такой интеграции текстовые запросы для генерации изображений и видео можно писать сразу внутри чат-бота. Быстро и удобно!

Веб-версия содержит широкий набор инструментов для профессиональной генерации контента и сбора информации:

• Deep Research. Специализированный режим для проведения глубоких, многоступенчатых исследований с использованием информации из общедоступных источников в интернете. С помощью интеллектуальных агентов Gemini автономно ищет, читает, анализирует и синтезирует информацию из сотен или даже тысяч источников, по итогу выдавая полноценный отчет по интересующему вопросу. В отличие от обычного поиска, который предоставляет краткие ответы и ссылки, режим глубокого исследования генерирует подробные отчеты, анализируя и обобщая информацию. Однако нужно понимать, что такой глубокий анализ требует времени — в среднем от 5 до 15 минут.
• Canvas. Интерактивное рабочее пространство, позволяющее пользователям создавать, редактировать и совершенствовать документы, код и другие материалы в режиме реального времени. По сути, это своего рода виртуальная «белая доска», с помощью которой выстраивается более динамичное взаимодействие с языковой моделью.

Таким образом Canvas ориентирован на интерактивное создание, редактирование и взаимодействие с контентом в режиме реального времени, а Deep Research сосредоточен на сборе и синтезе информации для предоставления исчерпывающих отчетов.

К пользовательским сообщениям можно прикреплять различные файлы — от документов до изображений.

Наряду с текстом запроса, помимо обычного текста, Gemini может анализировать медиафайлы, формируя описывать их содержимое.

Таким образом, пользователь может формировать мультимодальные запросы, состоящие из текста и медиафайлов одновременно. Такой подход повышает точность ответов и формирует более широкий канал коммуникации человека с ИИ.

Короче говоря, браузерная версия — самый основной способ пользоваться нейросетью Gemini. 

Также стоит немного рассказать о том, как зарегистрироваться в Gemini и что вообще для этого нужно.

В большинстве LLM-сервисов необходима авторизация. Gemini не исключение — для запуска чат-бота необходимо авторизоваться с помощью аккаунта Google, который является универсальным способом входа на сервисы компании — например Google Mail или Google Drive.

Если пользователь имеет email от другого провайдера (например, Яндекс), то с ее помощью авторизоваться не выйдет — потребуется регистрация в Google с получением Email-адреса, оканчивающегося на «@gmail.com».

Процесс регистрации стандартный — нужно указать имя, фамилию, номер телефона и желаемый никнейм. После этого можно использовать не только Gemini, но и остальные приложения экосистемы Google.

Стандартная страница авторизации в сервисах Google, в том числе и Gemini.

Мобильное приложение на Android и iOS

Официальное мобильное приложение Gemini можно скачать в Google Play на Android и в App Store на iOS. По функционалу оно мало чем отличается от веб-версии, доступной из браузера, однако обладает более глубокими функциями для взаимодействия с пользователем и интеграции со смартфоном. Более того, на многих Android-устройствах приложение предустановлено заранее.

Мобильное приложение Gemini (источник: Cashys Blog).

По сути, это мобильный клиент, который расширяет кроссплатформенный доступ к языковой модели Gemini. Основные различия в оптимизации под конкретные платформы:

• Управление контентом. В браузерной версии, доступной с компьютера, намного удобнее работать с текстом, кодом, таблицами, графиками, диаграммами, изображениями и видео. Напротив, интерфейс мобильного приложения, разработанный для взаимодействия с помощью касаний и жестов, упрощает работу на смартфонах и планшетах, но не дает такой же эффективности, как клавиатура и мышь.
• Голосовой ввод и взаимодействие. Мобильное приложение имеет более развитые функции голосового ввода и живого взаимодействия (Gemini Live), позволяя общаться с моделью в режиме реального времени, используя камеру для демонстрации объектов, микрофон для прямого общения и захват экрана для показа изображения. В браузерной версии такого функционала нет.
• Специфичные функции устройства. Мобильное приложение Gemini тесно интегрируется с функциями смартфона (часы, будильник, календарь, документы) для более персонализированного взаимодействия. Браузерная версия существует в подобии вакуума и практически ничего не знает о компьютере пользователя — кроме обращения к другим сайтам у нее нет никакого «окна» во внешний мир. В очень редких случаях она способна извлекать данные из других сервисов Google, таких как Gmail и Google Docs.
• Удобство многозадачности. На большом экране компьютера удобнее работать с несколькими окнами, копировать и вставлять информацию, что способствует более эффективному взаимодействию с Gemini. Напротив, портативность мобильного приложения позволяет работать с моделью «на ходу», что упрощает быстрые запросы в поездках.

Тем не менее, Google регулярно выпускает обновления, и функциональность Gemini постоянно развивается. Поэтому различия между веб-версией и мобильным приложением со временем меняются.

Ассистент Gemini

На многих смартфонах под управлением операционной системы Android модель Gemini постепенно заменяет классического ассистента Google.

То есть при долгом нажатии центральной кнопки или при произнесении фразы «Hey Google» запускается Gemini — он воспринимает те же голосовые команды, но генерирует более точные ответы с расширенными объяснениями и консолидированной информацией из разных приложений. Сюда же могут быть добавлены функции управления сообщениями, фотографиями, будильниками, таймерами, умным домом и многим другим.

Некоторые производители смартфонов специально добавляют кнопку быстрого доступа к Gemini прямо на экран блокировки, позволяя мгновенно продолжить беседу или задать вопрос без разблокировки телефона.

Таким образом Gemini постепенно собирает в себе множество функций, превращаясь в единый умный центр управления телефоном. И, вероятнее всего, этот тренд только продолжится.

Браузер Chrome

В новых версиях браузера Chrome от Google нейросеть Gemini встроена по умолчанию и доступна с помощью значка в панели инструментов или по нажатию горячей клавиши.

Таким образом, на любой странице можно выполнять запросы для анализа текста, создания конспекта или предоставления кратких пояснений по контенту открытого сайта.

Ну и не стоит забывать про расширения от сторонних разработчиков, которые позволяют интегрировать модель Gemini в браузер, расширяя его базовый функционал.

Сервисы экосистемы Google

На платных тарифах Gemini доступен во многих сервисах Google Workflow — он добавляет интерактивности во взаимодействие с рабочими объектами:

• Gmail. Помогает формулировать и редактировать письма на основе тезисов или существующего текста.
• Docs. Генерирует черновики статей, а также корректирует текст и стилистику предложений.
• Slides. Мгновенно создает множественные варианты иллюстраций и графики на основе описания требуемых визуалов.
• Drive. Суммирует содержимое документов, извлекает ключевые метрики и формирует информационные карточки прямо в интерфейсе сервиса.

Это лишь небольшой список приложений из экосистемы Google, где можно использовать Gemini. Основной смысл интеграции модели с сервисами в том, чтобы автоматизировать рутинные действия и снизить нагрузку с пользователя.

Плагины и расширения для сторонних приложений

Для приложений от сторонних разработчиков существуют отдельные плагины для интеграции с Gemini. Самыми распространенными можно считать расширения для IDE-редакторов, мессенджеров и CRM-систем.

Например, существует официальное расширение Gemini Code Assist, которое встраивает Gemini в интегрированные среды разработки Visual Studio Code и  JetBrains IDE. Оно отвечает за автодополнение, генерацию и трансформацию кода, а также поддерживает встроенный чат и ссылки на исходную документацию.

Есть и неофициальные плагины для CRM-систем Salesforce и HubSpot, а также мессенджеров Slack и Teams. В них Gemini помогает генерировать тексты объявлений и ответы технической поддержки, а также автоматизировать рабочие процессы через API.

Версии и тарифные планы Gemini

Во-первых, Google предоставляет бесплатный и платный тарифные планы для личного использования:

Free. Базовый тарифный план с ограниченным функционалом. Подходит для большинства стандартных задач. Бесплатный.

• Доступ к базовым моделям — Gemini Flash и Gemini Pro. Первая оптимизирована для быстрых и простых задач, вторая предлагает более продвинутые возможности, но с ограничениями.
• Ограниченный размер контекстного окна до 32 000 токенов (эквивалентно примерно 50 страницам текста).
• Отсутствие интеграции с приложениями Google Workspace (Gmail, Docs и другими).
• Отсутствие функций генерации видео.
• Данные могут использоваться для улучшения моделей (это можно отключить в настройках, но по умолчанию это включено).
• Ограниченные лимиты использования для более продвинутых моделей и функций.

Advanced. Продвинутый тарифный план с расширенным функционалом. Подходит для сложных задач, требующих глубокого анализа данных. Стоимость от 20 долларов в месяц.

• Доступ к продвинутым и экспериментальным моделям без ограничений.
• Увеличенный размер контекстного окна — до 1 миллиона токенов (эквивалентно примерно 1500 страницам текста или 30 000 строк кода).
• Глубокая интеграция с приложениями Google Workspace.
• Функции генерации видео и изображений.
• Данные не используются для улучшения моделей.
• Расширенные возможности голосового взаимодействия через Gemini Live, включая возможность демонстрации объектов через камеру.
• Приоритетный доступ к будущим функциям и обновлениям ИИ.

Во-вторых, существуют расширенные тарифные планы для коммерческих (бизнес) и некоммерческих (образовательные учреждения) организаций, предлагающие дополнительные функции для совместной работы и управления:

• Business. Предлагает расширенный функционал тарифа Advanced с дополнительными инструментами для командного использования. Предназначен для малого и среднего бизнеса. Стоимость от 24 долларов в месяц.
• Enterprise. Предлагает расширенный функционал тарифа Business с дополнительными инструментами для ИИ-конспектирования встреч, улучшения качества звука и видео, защиты конфиденциальности и безопасности данных. Помимо этого, имеет более высокие лимиты и повышенный приоритет доступа. Предназначен для крупных международных компаний с высокими требованиями к безопасности и масштабируемости. Стоимость от 36 долларов в месяц.
• Education. Предлагает полный доступ к генеративным возможностям Gemini для образовательных учреждений, включая множество дополнительных функций, адаптированных для образовательной среды. Индивидуальный расчет стоимости.

Разумеется, для покупки платных подписок потребуется либо банковская карта зарубежного банка, либо использование сервиса-посредника, специализирующегося на выполнении оплат за рубежом.

API Gemini для разработчиков

Специально для разработчиков, занимающихся машинным обучением и созданием сервисов на базе больших языков моделей, Google предоставляет полноценное API для взаимодействия с Gemini без графического пользовательского интерфейса.

Более того, у Google есть отдельные облачные платформы для более эффективной разработки и тестирования приложений, построенных с использованием API Gemini:

• Google AI Studio. Легкая и доступная платформа, разработанная для разработчиков, студентов и исследователей, желающих быстро экспериментировать с генеративными моделями — в частности, с семейством моделей Gemini от Google. Инструмент ориентирован на работу с большими языковыми моделями (LLM): позволяет быстро создавать и тестировать промты, настраивать параметры моделей и получать сгенерированный контент. Платформа предлагает интуитивно понятный интерфейс без необходимости глубокого погружения в инфраструктуру машинного обучения. Говоря проще, это полноценная песочница для быстрого старта в отрасли ИИ.
• Vertex AI. Комплексная платформа искусственного интеллекта и машинного обучения в Google Cloud, разработанная для упрощения разработки, развертывания и масштабирования моделей. Она объединяет различные инструменты и сервисы в единый и согласованный рабочий процесс. По сути, это унифицированный набор API для всего жизненного цикла работы с ИИ — от подготовки данных до обучения, оценки, развертывания и мониторинга моделей. В общем, целая специализированная экосистема.
• Gemini Gems. Набор функций в Google Gemini, предназначенных для автоматизации повторяющихся задач и тонкой настройки поведения модели. Позволяет создавать мини‑модели, заточенные под конкретные узкоспециализированные задачи: создание рецептов, написание кода, генерацию идей, перевод текста, помощь в обучении и многое другое. Помимо ручной настройки, есть множество готовых шаблонов.

Разумеется, Google предоставляет API в качестве отдельного канала взаимодействия с Gemini. С его помощью разработчики могут интегрировать возможности генерации текста, написания кода, обработки изображений, аудио и видео прямо в свои приложения.

Доступ к API возможен через платформу облачных вычислений — Google Cloud. Работа с Gemini без графического пользовательского интерфейса — отдельная тема, выходящая за пределы этой статьи. Более подробно ознакомиться с API Gemini можно в официальной документации Google Cloud.

Тем не менее, можно однозначно сказать, что работа с API Gemini ничем не отличается от работы с API любого другого сервиса. Например, вот простой код на Python, выполняющий несколько запросов на генерацию текста:

from google import genai

# инициализация клиента

client = genai.Client(api_key="АВТОРИЗАЦИОННЫЙ_ТОКЕН")

# одноразовая генерация текста

response = client.models.generate_content(
	model="gemini-2.0-flash",
	contents="Расскажи простыми словами, как работает генеративный ИИ",
)

print(response.text)

# пошаговая генерация текста

for chunk in client.models.stream_generate_content(
	model="gemini-2.0-pro",
	contents="Напиши стихотворение о весне",
):
	print(chunk.text, end="", flush=True)

При этом Google предоставляет множество справочных материалов, помогающих в освоении облачной генерации с помощью ИИ:

• Документация. Официальная справка по всем возможностям и функциям API Gemini.
• GitHub Examples. Многочисленные примеры использования API Gemini на языках Go, JavaScript, Python и Java.
• GitHub Cookbook. Практические материалы, объясняющие использование API Gemini на примерах готовых скриптов.

Таким образом, Gemini предлагает разработчикам особые условия и инструменты для интеграции модели в логику других приложений. Это неудивительно, ведь компания Google обладает одной из самых крупных облачных инфраструктур в мире.

Подготовили для вас выгодные тарифы на облачные серверы

Заключение

Модель Gemini выгодно отличается от множества других LLM-нейросетей — она поддерживает работу с мультимодальными данными: текстом, кодом, изображениями и видео.

Компания Google, отличающаяся богатой экосистемой, стремится интегрировать Gemini во все свои сервисы, добавив гибкости к классическому пользовательскому опыту.

Тем не менее, Gemini имеет территориальные ограничения на использование во множестве стран, в том числе и в России. Поэтому в качестве альтернативы можно рассмотреть другие модели, доступные в России без дополнительных обходных инструментов.

Это могут быть отечественные YandexGPT от компании Яндекс или GigaChat от компании Сбер. Тоже самое касается китайской нейросети DeepSeek. Все они умеют создавать тексты, писать код, генерить картинки и поддерживать общение с пользователем.