Gemini(인공지능 모델)

#!if 넘어옴1 != null
''''''{{{#!if 넘어옴2 == null
{{{#!if 넘어옴1[넘어옴1.length - 1] >= 0xAC00 && 넘어옴1[넘어옴1.length - 1] <= 0xD7A3
{{{#!if ((넘어옴1[넘어옴1.length - 1] - 0xAC00) % 28) == 0
는}}}{{{#!if ((넘어옴1[넘어옴1.length - 1] - 0xAC00) % 28) != 0
은}}}}}}{{{#!if 넘어옴1[넘어옴1.length - 1] < 0xAC00 || 넘어옴1[넘어옴1.length - 1] > 0xD7A3
은(는)}}}}}}{{{#!if 넘어옴2 != null
, ''''''{{{#!if 넘어옴3 == null
{{{#!if 넘어옴2[넘어옴2.length - 1] >= 0xAC00 && 넘어옴2[넘어옴2.length - 1] <= 0xD7A3
{{{#!if ((넘어옴2[넘어옴2.length - 1] - 0xAC00) % 28) == 0
는}}}{{{#!if ((넘어옴2[넘어옴2.length - 1] - 0xAC00) % 28) != 0
은}}}}}}{{{#!if 넘어옴2[넘어옴2.length - 1] < 0xAC00 || 넘어옴2[넘어옴2.length - 1] > 0xD7A3
은(는)}}}}}}}}}{{{#!if 넘어옴3 != null
, ''''''{{{#!if 넘어옴4 == null
{{{#!if 넘어옴3[넘어옴3.length - 1] >= 0xAC00 && 넘어옴3[넘어옴3.length - 1] <= 0xD7A3
{{{#!if ((넘어옴3[넘어옴3.length - 1] - 0xAC00) % 28) == 0
는}}}{{{#!if ((넘어옴3[넘어옴3.length - 1] - 0xAC00) % 28) != 0
은}}}}}}{{{#!if 넘어옴3[넘어옴3.length - 1] < 0xAC00 || 넘어옴3[넘어옴3.length - 1] > 0xD7A3
은(는)}}}}}}}}}{{{#!if 넘어옴4 != null
, ''''''{{{#!if 넘어옴5 == null
{{{#!if 넘어옴4[넘어옴4.length - 1] >= 0xAC00 && 넘어옴4[넘어옴4.length - 1] <= 0xD7A3
{{{#!if ((넘어옴4[넘어옴4.length - 1] - 0xAC00) % 28) == 0
는}}}{{{#!if ((넘어옴4[넘어옴4.length - 1] - 0xAC00) % 28) != 0
은}}}}}}{{{#!if 넘어옴4[넘어옴4.length - 1] < 0xAC00 || 넘어옴4[넘어옴4.length - 1] > 0xD7A3
은(는)}}}}}}}}}{{{#!if 넘어옴5 != null
, ''''''{{{#!if 넘어옴6 == null
{{{#!if 넘어옴5[넘어옴5.length - 1] >= 0xAC00 && 넘어옴5[넘어옴5.length - 1] <= 0xD7A3
{{{#!if ((넘어옴5[넘어옴5.length - 1] - 0xAC00) % 28) == 0
는}}}{{{#!if ((넘어옴5[넘어옴5.length - 1] - 0xAC00) % 28) != 0
은}}}}}}{{{#!if 넘어옴5[넘어옴5.length - 1] < 0xAC00 || 넘어옴5[넘어옴5.length - 1] > 0xD7A3
은(는)}}}}}}}}}{{{#!if 넘어옴6 != null
, ''''''{{{#!if 넘어옴7 == null
{{{#!if 넘어옴6[넘어옴6.length - 1] >= 0xAC00 && 넘어옴6[넘어옴6.length - 1] <= 0xD7A3
{{{#!if ((넘어옴6[넘어옴6.length - 1] - 0xAC00) % 28) == 0
는}}}{{{#!if ((넘어옴6[넘어옴6.length - 1] - 0xAC00) % 28) != 0
은}}}}}}{{{#!if 넘어옴6[넘어옴6.length - 1] < 0xAC00 || 넘어옴6[넘어옴6.length - 1] > 0xD7A3
은(는)}}}}}}}}}{{{#!if 넘어옴7 != null
, ''''''{{{#!if 넘어옴8 == null
{{{#!if 넘어옴7[넘어옴7.length - 1] >= 0xAC00 && 넘어옴7[넘어옴7.length - 1] <= 0xD7A3
{{{#!if ((넘어옴7[넘어옴7.length - 1] - 0xAC00) % 28) == 0
는}}}{{{#!if ((넘어옴7[넘어옴7.length - 1] - 0xAC00) % 28) != 0
은}}}}}}{{{#!if 넘어옴7[넘어옴7.length - 1] < 0xAC00 || 넘어옴7[넘어옴7.length - 1] > 0xD7A3
은(는)}}}}}}}}}{{{#!if 넘어옴8 != null
, ''''''{{{#!if 넘어옴9 == null
{{{#!if 넘어옴8[넘어옴8.length - 1] >= 0xAC00 && 넘어옴8[넘어옴8.length - 1] <= 0xD7A3
{{{#!if ((넘어옴8[넘어옴8.length - 1] - 0xAC00) % 28) == 0
는}}}{{{#!if ((넘어옴8[넘어옴8.length - 1] - 0xAC00) % 28) != 0
은}}}}}}{{{#!if 넘어옴8[넘어옴8.length - 1] < 0xAC00 || 넘어옴8[넘어옴8.length - 1] > 0xD7A3
은(는)}}}}}}}}}{{{#!if 넘어옴9 != null
, ''''''{{{#!if 넘어옴10 == null
{{{#!if 넘어옴9[넘어옴9.length - 1] >= 0xAC00 && 넘어옴9[넘어옴9.length - 1] <= 0xD7A3
{{{#!if ((넘어옴9[넘어옴9.length - 1] - 0xAC00) % 28) == 0
는}}}{{{#!if ((넘어옴9[넘어옴9.length - 1] - 0xAC00) % 28) != 0
은}}}}}}{{{#!if 넘어옴9[넘어옴9.length - 1] < 0xAC00 || 넘어옴9[넘어옴9.length - 1] > 0xD7A3
은(는)}}}}}}}}}{{{#!if 넘어옴10 != null
, ''''''{{{#!if 넘어옴10[넘어옴10.length - 1] >= 0xAC00 && 넘어옴10[넘어옴10.length - 1] <= 0xD7A3
{{{#!if ((넘어옴10[넘어옴10.length - 1] - 0xAC00) % 28) == 0
는}}}{{{#!if ((넘어옴10[넘어옴10.length - 1] - 0xAC00) % 28) != 0
은}}}}}}{{{#!if 넘어옴10[넘어옴10.length - 1] < 0xAC00 || 넘어옴10[넘어옴10.length - 1] > 0xD7A3
은(는)}}}}}} 여기로 연결됩니다. 

#!if 설명 == null && 리스트 == null
{{{#!if 설명1 == null
다른 뜻에 대한 내용은 아래 문서를}}}{{{#!if 설명1 != null
{{{#!html 이 모델을 사용하는 인공지능 검색 엔진 서비스}}}에 대한 내용은 [[Gemini(애플리케이션)]] 문서{{{#!if (문단1 == null) == (앵커1 == null)
를}}}{{{#!if 문단1 != null & 앵커1 == null
의 [[Gemini(애플리케이션)#s-|]]번 문단을}}}{{{#!if 문단1 == null & 앵커1 != null
의 [[Gemini(애플리케이션)#|]] 부분을}}}}}}{{{#!if 설명2 != null
, {{{#!html }}}에 대한 내용은 [[]] 문서{{{#!if (문단2 == null) == (앵커2 == null)
를}}}{{{#!if 문단2 != null & 앵커2 == null
의 [[#s-|]]번 문단을}}}{{{#!if 문단2 == null & 앵커2 != null
의 [[#|]] 부분을}}}}}}{{{#!if 설명3 != null
, {{{#!html }}}에 대한 내용은 [[]] 문서{{{#!if (문단3 == null) == (앵커3 == null)
를}}}{{{#!if 문단3 != null & 앵커3 == null
의 [[#s-|]]번 문단을}}}{{{#!if 문단3 == null & 앵커3 != null
의 [[#|]] 부분을}}}}}}{{{#!if 설명4 != null
, {{{#!html }}}에 대한 내용은 [[]] 문서{{{#!if (문단4 == null) == (앵커4 == null)
를}}}{{{#!if 문단4 != null & 앵커4 == null
의 [[#s-|]]번 문단을}}}{{{#!if 문단4 == null & 앵커4 != null
의 [[#|]] 부분을}}}}}}{{{#!if 설명5 != null
, {{{#!html }}}에 대한 내용은 [[]] 문서{{{#!if (문단5 == null) == (앵커5 == null)
를}}}{{{#!if 문단5 != null & 앵커5 == null
의 [[#s-|]]번 문단을}}}{{{#!if 문단5 == null & 앵커5 != null
의 [[#|]] 부분을}}}}}}{{{#!if 설명6 != null
, {{{#!html }}}에 대한 내용은 [[]] 문서{{{#!if (문단6 == null) == (앵커6 == null)
를}}}{{{#!if 문단6 != null & 앵커6 == null
의 [[#s-|]]번 문단을}}}{{{#!if 문단6 == null & 앵커6 != null
의 [[#|]] 부분을}}}}}}{{{#!if 설명7 != null
, {{{#!html }}}에 대한 내용은 [[]] 문서{{{#!if (문단7 == null) == (앵커7 == null)
를}}}{{{#!if 문단7 != null & 앵커7 == null
의 [[#s-|]]번 문단을}}}{{{#!if 문단7 == null & 앵커7 != null
의 [[#|]] 부분을}}}}}}{{{#!if 설명8 != null
, {{{#!html }}}에 대한 내용은 [[]] 문서{{{#!if (문단8 == null) == (앵커8 == null)
를}}}{{{#!if 문단8 != null & 앵커8 == null
의 [[#s-|]]번 문단을}}}{{{#!if 문단8 == null & 앵커8 != null
의 [[#|]] 부분을}}}}}}{{{#!if 설명9 != null
, {{{#!html }}}에 대한 내용은 [[]] 문서{{{#!if (문단9 == null) == (앵커9 == null)
를}}}{{{#!if 문단9 != null & 앵커9 == null
의 [[#s-|]]번 문단을}}}{{{#!if 문단9 == null & 앵커9 != null
의 [[#|]] 부분을}}}}}}{{{#!if 설명10 != null
, {{{#!html }}}에 대한 내용은 [[]] 문서{{{#!if (문단10 == null) == (앵커10 == null)
를}}}{{{#!if 문단10 != null & 앵커10 == null
의 [[#s-|]]번 문단을}}}{{{#!if 문단10 == null & 앵커10 != null
의 [[#|]] 부분을}}}}}}

#!if 설명 == null
{{{#!if 리스트 != null
다른 뜻에 대한 내용은 아래 문서를}}} 참고하십시오.

#!if 리스트 != null
{{{#!if 문서명1 != null
 * {{{#!if 설명1 != null
이 모델을 사용하는 인공지능 검색 엔진 서비스: }}}[[Gemini(애플리케이션)]] {{{#!if 문단1 != null & 앵커1 == null
문서의 [[Gemini(애플리케이션)#s-|]]번 문단}}}{{{#!if 문단1 == null & 앵커1 != null
문서의 [[Gemini(애플리케이션)#|]] 부분}}}}}}{{{#!if 문서명2 != null
 * {{{#!if 설명2 != null
: }}}[[]] {{{#!if 문단2 != null & 앵커2 == null
문서의 [[#s-|]]번 문단}}}{{{#!if 문단2 == null & 앵커2 != null
문서의 [[#|]] 부분}}}}}}{{{#!if 문서명3 != null
 * {{{#!if 설명3 != null
: }}}[[]] {{{#!if 문단3 != null & 앵커3 == null
문서의 [[#s-|]]번 문단}}}{{{#!if 문단3 == null & 앵커3 != null
문서의 [[#|]] 부분}}}}}}{{{#!if 문서명4 != null
 * {{{#!if 설명4 != null
: }}}[[]] {{{#!if 문단4 != null & 앵커4 == null
문서의 [[#s-|]]번 문단}}}{{{#!if 문단4 == null & 앵커4 != null
문서의 [[#|]] 부분}}}}}}{{{#!if 문서명5 != null
 * {{{#!if 설명5 != null
: }}}[[]] {{{#!if 문단5 != null & 앵커5 == null
문서의 [[#s-|]]번 문단}}}{{{#!if 문단5 == null & 앵커5 != null
문서의 [[#|]] 부분}}}}}}{{{#!if 문서명6 != null
 * {{{#!if 설명6 != null
: }}}[[]] {{{#!if 문단6 != null & 앵커6 == null
문서의 [[#s-|]]번 문단}}}{{{#!if 문단6 == null & 앵커6 != null
문서의 [[#|]] 부분}}}}}}{{{#!if 문서명7 != null
 * {{{#!if 설명7 != null
: }}}[[]] {{{#!if 문단7 != null & 앵커7 == null
문서의 [[#s-|]]번 문단}}}{{{#!if 문단7 == null & 앵커7 != null
문서의 [[#|]] 부분}}}}}}{{{#!if 문서명8 != null
 * {{{#!if 설명8 != null
: }}}[[]] {{{#!if 문단8 != null & 앵커8 == null
문서의 [[#s-|]]번 문단}}}{{{#!if 문단8 == null & 앵커8 != null
문서의 [[#|]] 부분}}}}}}{{{#!if 문서명9 != null
 * {{{#!if 설명9 != null
: }}}[[]] {{{#!if 문단9 != null & 앵커9 == null
문서의 [[#s-|]]번 문단}}}{{{#!if 문단9 == null & 앵커9 != null
문서의 [[#|]] 부분}}}}}}{{{#!if 문서명10 != null
 * {{{#!if 설명10 != null
: }}}[[]] {{{#!if 문단10 != null & 앵커10 == null
문서의 [[#s-|]]번 문단}}}{{{#!if 문단10 == null & 앵커10 != null
문서의 [[#|]] 부분}}}}}}

Gemini _Ge_neralized _M_ultimodal _In_tell_i_gence Network
<colbgcolor=#51a2ca><colcolor=#fff> 개발사	Google DeepMind
출시일	Gemini 1.0 2023년 12월 6일 Gemini 1.5 2024년 2월 15일 Gemini 2.0 2025년 2월 5일 Gemini 2.5 2025년 3월 26일
기능	언어 모델
하드웨어	TPU v4, v5e, v6e
언어	영어, 한국어 등[1]
사용처	Gemini 앱[2][3], Google AI Studio, Google Cloud Platform[4], 최신 구글 픽셀 기기[5][N], 최신 삼성 갤럭시 기기[N][8]
라이선스	Proprietary SW
링크

1. 개요

2. 역사

3. 특징

• 여러 가지 입출력 형식의 인공지능 모델들을 각각 따로 만들어 합치는 다른 멀티모달 생성형 AI들과 달리 바닥부터 멀티모달로 만들어졌다. 따라서 멀티모달 쪽에서 특히 우수한 성능을 보인다.
• Google은 자사의 플랫폼 덕분에 모델 학습을 위한 수많은 데이터에 손쉽게 접근할 수 있다.[9]

4. 모델

4.1. Gemini 1.0

• Gemini 1.0 모델들 중에서 가장 매개변수가 많은 Gemini 1.0 Ultra의 경우 모델에 사용된 매개변수는 GPT-4(5,000억~1조 개)를 뛰어넘는 것으로 알려졌지만, 아직까지 자세한 수치는 밝혀지지 않았다.
  {{{#!wiki style="background-color: #060606; border-radius: 24px; max-width: 700px; margin: 0 auto; word-break: keep-all; padding-top: 24px; padding-bottom: 24px; letter-spacing: -.5px; text-align: center"

• 구글에 따르면 최상위 모델인 Gemini 1.0 Ultra가 대규모 다중작업 언어 이해(MMLU)에서 90%의 정답률을 기록했다. 이는 OpenAI의 GPT-4 86.4%는 물론 인간 전문가 점수인 89.8%를 넘는 수준이다. 최초로 인간을 뛰어넘은 AI가 나왔다는 것이다.#[10]

4.2. Gemini 1.5

• Gemini 1.0 모델에 비해 훨씬 더 많은 양의 컨텍스트를 정확하게 처리한다.
• 멀티모달 기능이 대폭 강화되었다. 시연 영상에서는 44분짜리 무성 영화를 입력한 후 원하는 장면을 그리기만 하면 정확하게 찾아내는 모습을 보였다.
• Google에서는 Gemini 1.5 프로 모델이 Gemini 1.0 프로 모델에 비해 87% 더 향상된 성능을 가지고 있다고 주장하고 있다.
• NIAH 평가에서 99%[11]의 정확도를 보였다.
• Gemini 1.0에 비해 속도가 조금 느린 경향이 있다.
• Google I/O 2024에서 속도가 더 빨라진 Gemini 1.5 Flash 모델이 공개되었다.

4.3. Gemini 2.0

4.4. Gemini 2.5

4.4.1. 2.5 Flash Image

#!if 회사 != null
Google의 공식 발표에 따라 

4.5. Gemini CLI

5. 제미나이 앱 및 웹사이트에 있는 기능

• 이미지 생성 및 수정: 생성은 구글의 imagen 4가 담당하며 수정은 Nano Banana가 담당한다.
• 동영상 생성(유료): 구글의 Veo 3가 담당한다.
• 딥리서치: 수십 개의 사이트를 검색하여 엄청나게 자세한 보고서를 만드는 기능이다.
• 가이드 학습: 공부를 도와주는 기능으로 이 기능을 켜면 제미나이도 사용자에게 질문을 한다.
  예시)광합성에 대해 알고 있나요?
• Canvas: 문서 및 앱을 만드는 기능이다.
• AI 오디오 오버뷰: Canvas에서 만들어진 문서를 토대로 오디오를 만드는 기능이다.

6. 평가

6.1. 긍정적 평가

• 빠른 답변 속도: Gemini의 네이밍인 Bard가 가졌었던 장점인 빠른 답변 속도가 그대로 이어졌다. 여전히 3가지의 답안을 제공하고, 각각 답안이 순서대로 특성이 다르다고 한다. 첫번째는 정보 기반, 두번째는 분석 및 통찰, 세번째는 창의적인 답변을 기반으로 하듯이 Microsoft Copilot이 상황에 따라서 각각 정확, 균형, 창의를 골라야 되는 것과 다르게 한 가지의 질문을 하면 빠른 속도로 3개의 유형의 답변을 받을 수 있다.[14]
• 어문학적 능력: 이런 능력이 정량화된 비교가 가능한 것은 아니지만, 다른 AI들과 비교할 시 영어는 물론 영어가 아닌 다국어 표현 능력이 굉장히 우수하다는 평을 받고 있다. # Gemini 1.5 이상에서는 번역의 성능도 매우 뛰어나다. 비서구권 언어라도 2.5 이상부터는 다소간의 고어투나 전문 용어까지 잘 이해하는 편이다. 이것은 한국어, 중국어, 일본어뿐만 아니라 더 생소하지만 공용어로는 쓰이는 언어까지(베트남어, 태국어 등) 해설이 가능하다는 것이다. 2.5 기준 삼전도비를 현대에 거의 사용자가 없고, 유사한 언어도 없는 만주어 원문[15]으로 입력해도 강홍립 같은 고유 명사도 이해하고 80%~90%는 정확히 해석할 줄 아는데, GPT 등과 비교해도 뛰어난 성능이다.
  인터넷 밈으로 가짜 부산 시민이 "했노 안 했노"라고 말한 것에 진짜 부산 시민이 "끌고 가라"라고 하는 이유를 '판정 의문문(예, 아니오로 답할 수 있음)'과 '설명 의문문(육하 원칙의 각 구성 요소처럼 설명을 해야 함)'의 차이라고 정확하게 답한다. 심지어 북한의 말투라 데이터가 부족할 함경도 사투리를 줘도 기존 AI는 경상도나 경기권의 고어투로 오해했지만 이것을 함경도 말투로 분간을 할 줄 아는 수준의 성능이다. 세부적인 지시는 2.5 pro도 오류가 좀 있는데 중세 한국어 문장을 사전 지식을 안 주고도 다른 AI에 비해 비슷하게나마 생성가능하다. 해병문학 같은 근래의 인터넷 문체도 학습을 하여, 과학적 원리를 해병문학의 문체로 설명하라는 프롬프트가 가능하다.
  수능 국어도 2.5 pro의 경우 GPT-4o, o4-mini-high, Claude 4 opus 보다 잘 푼다. 이미 o1-preview조차 1등급이었는데 현재는 그보다 진보된 o4-mini-high보다도 잘 풀 정도니 극도로 어려운 킬러 문제[16]가 아니면 문제를 푸는 수준이다. 중국어로 진행된 중국 대입 시험 가오카오에서조차 문과 651점으로 지역에 따라 최고 수준을 뛰어넘을 정도로, 어문 126점도 상하이의 몇몇 학교의 최고 수준의 점수에서나 가능하다고 한다. 중국 명문대 인문학 전공자 수준의 중국어 수준이다.## 최근 수능은 PSAT, LEET 마냥 주어진 조건을 빠짐없이 정확히 해석하는 '논리적 퍼즐' 성격이 강한 시험이라서[17] GPT-5 thinking 등에 비해 못 푸는 경향이 있어 최상위권의 성능은 Gemini 2.5 pro도 일부 한계를 보이지만 문체 표현 등의 성능은 좋은 편이다.
  이 장점 때문에 2025년 상반기 현재 AI 캐릭터 채팅에서 상당히 큰 지지를 받는 모델이다. 기존에 주력으로 많이 쓰이던 Claude 3.5~3.7 opus 모델보다 상황을 자세히 묘사하거나 대사를 말하는 능력이 크게 향상되었기 때문이다.
• 큰 범위의 컨텍스트: Gemini 1.5 Pro에서는 2024년 5월 기준 2백만 토큰 컨텍스트를 지원하여 2시간 이상의 동영상 길이 혹은 PDF 파일을 업로드하여 넓은 컨텍스트에서도 동작한다. 특히 모래 사장에서 바늘 찾기를 해외에서는 Needle In A Haystack(NIAH)이라 부르는데 Gemini는 이 NIAH 문제를 통과했다고 구글측에서 공개하였다.문서[18] 이런 이점은 다른 거대 모델과 비교할 때 Gemini의 주요 특징으로 부각된다.
  다만 이 능력도 다른 거대 모델보다는 훌륭한 것이지 여전히 완벽하지는 못하다. 정보의 경중과 결합한 기억력은 인간보다 능력이 크게 낮은 분야다. 자기소개서나 소설을 쓰면 처음에 제공한 중요한 정보를 '오래된 정보'라고 하여 무시하고 최근에 준 지엽적인 정보에 꽂힐 수 있다. 정보를 초기에 제공하는 것이 그래서 낫다. 대화가 길어지면서 그 내용이 산만해지면 '상대의 만족도를 높인다'라는 목표로 자기가 실제로는 기억을 못하고 있음에도 되풀이하는 '저는 이전 대화를 모두 기억하고 있습니다' 같은 주장을 무시해버리고 새 대화창에서 대화를 해야 한다. 교정 자체도 처음에는 유용하지만 대화가 진행되면 그것이 노이즈로 작용하여 AI가 더 혼란스럽게 작동하게 만든다.
  논리력이 필요한 대화를 하려면, 3~4만 토큰만 넘어가도 검색 엔진으로 변해버리려는 경향이 있어서 아예 새 채팅방으로 넘어가는 것이 좋을 지경이다. 2.5 Flash까지의 실제 벤치마크 측정에서도 바늘을 '찾는' 일을 잘하지만 '엮는' 일에서 취약한 결과를 보여주었다. 30만 토큰 정도되면 롤플레잉을 해도 캐릭터가 어디에 있는지도 잊어버리고, 요약이라는 것을 잘 이해하지 못할 정도로 검색기로 전락해버린다.#
• 학술적 설명 능력: Gemini 2.5 Pro는 MMLU 같은 문제를 기존 AI보다 잘 푼다.# 전문 용어도 한국어에 맞게 자연스럽게 쓰는 편이다. 수학 문제를 푸는 능력도 범용 AI치고 좋다. 인도에서 가장 어려운 대입 시험인 JEE Advanced에서 인간 1등을 제쳤다고 한다.#
• 넓은 배경지식: Gemini 2.5 Pro는 앞서 언급한 학술적 언어에 대한 설명을 최소화해도 잘 이해한다. 한국 문화나 시사 상식을 이해하는 능력도 좋아져서, 실제 인간 관계 설명, 자기소개서 작성 등에도 유용하게 쓰일 수 있다. 심지어 무시되거나 제한된 정보로 인해 환각이 생기기 쉬운 서브컬처 작품들 역시 잘 이해하고 있다. 별도의 설명을 투입하지 않더라도, 컬티스트 시뮬레이터의 복잡한 로어나 FTL: Faster Than Light 특유의 시스템 상호작용도 똑바로 대답해준다.[19]
  이는 Cursor 등으로 에이전트 코딩을 시킬 때도 큰 도움이 된다. 도메인 지식을 잘 이해하지 못하는 감이 있는 Claude 3.7과 달리, 제시된 도메인 지식을 어지간하면 올바르게 이해하기 때문이다.
  앞서 언급한 어문학적 능력과 결합하여, 한국 기업 등의 채용 관행을 얼추 이해하고 있기 때문에 취업 준비시 자기소개서 쓰기나 면접 준비에 활용하기 좋을 수 있다. 다만 아첨 문제를 제어하기 위해서 면접관 입장, 취업 컨설턴트 입장으로 평가하라는 식의 프롬프트나 평가 기준을 알려주는 식의 대처가 필요할 수 있다. 그 밖에도 한국 문화 이해도가 높아 회사 생활은 물론, 연애 등의 문제에 있어서도 비교적 정확도가 높은 분석이 가능해질 수 있다.
  2.5 pro 이상의 버전에서는(이보다 못한 버전은 행정법 등의 정확도가 낮을 수 있다) 공무원 시험 중 가장 어려운 입법고시나 5급 공채(구 행정고시) 답안 작성을 '합격권을 뛰어넘는 수준'으로 작성 가능하다. 한국어 데이터는 그동안 양이 적어서 제대로 처리하지 못한 AI가 많았기에, 한국에 특화된 행정법 문제는 AI에게 어려웠는데도 '1등 수준'이라는 평가까지 있을 정도다.#
• 적은 중립 편향: 명백히 오류가 있는 정보와 옳은 정보를 대조할 때, 중립에 입각해 틀린 정보를 옹호하려는 편향이 Claude와 유사하게 매우 약하다.[20] 단, 아첨을 일으키지 않도록 두 정보 모두 사용자의 결과물이 아니라고 명시적으로 알려야 한다.
• 동영상, 이미지 분석 능력: 글자를 정확히 읽는 편이며, 유튜브 영상을 해석할 수 있다. 유튜브 영상으로 올라온 외국어의 경우, 화자가 있는 언어라면 랩 수준의 빠른 말이 아닌 이상 해석이 가능하다.

6.2. 부정적 평가

• 떨어지는 융통성: Gemini Pro가 탑재된 AI 챗봇 바드는 질문에 정확한 답을 하지 못하거나 논란이 되는 주제에 대해 답을 회피한다는 지적이 나왔다. 비즈니스 인사이더에 따르면 Gemini Pro가 탑재된 바드는 올해 오스카 시상식에서 누가 남우주연상을 받았는지 묻자 버벅거리고, 논란이 되는 주제에 대해선 답변을 피했다. 이스라엘과 팔레스타인 무장정파 하마스의 전쟁을 업데이트해달라고 하자 "최신 정보를 얻으려면 구글 검색을 사용해 보라"라며 답을 피했다. #
  2.5 pro로 버전이 업그레이드되어도, 현실 세계의 복잡성이 들어가는 문제가 나오면 방대한 데이터에서 하나의 정답을 찾는 능력이 강한 것이 오히려 현실의 다양성을 반영하지 못하게 하기도 하다. 가령 어떤 정보를 주고 미래를 예측하라고 하면, 그 정보에 굉장히 집중한 나머지 어떤 변수가 추가로 있는지를 예측을 못한다. 모델 자체의 특성이라 자신이 틀린 것도 모른다. 사전 정보를 많이 주면 굉장히 유용한 편인데, 그렇지 않으면 반대로 주어진 '권위 있는 정보'나 사용자에게 너무 맞추는 성향이 있다. 틀에 짜인 요청은 대처를 잘하지만 '창의력'이 낮은 편이다.
  업데이트가 진행될수록 어떤 이슈에 대해서는 객관적이지 않더라도 가장 그 이슈에 관심이 있는 집단의 관점에 맞는 답변을 내놓으려고 한다. 예를 들면 '안온하다', '윤슬' 같은 SNS의 언어 사용을 두고 이것은 밈이나 신조어가 아니라고 하다가 언어학적 관점에서 분석하라고 하면 갑자기 말을 바꾸며 신선함과 차별성이 소진되면, 이 단어들의 사용 빈도는 분명히 줄어들 것이라고 한다. 그래서 '정확한' 답변을 얻고 싶다면, 종종 학문에 기반하면서 전문가적인 시각을 따로 요청해야 한다.
  더 구체적으로 이야기 하자면 타 LLM에 비해 굉장히 고집이 강하다. 기존에 받은 자료를 장기간 기억하는 능력은 압도적이지만 첫 자료를 읽을 때 수식이나 이론을 잘못 해석한 순간부터는 절대로 사용자의 주장을 인정하지 않으려 하고 당신 말도 일리가 있지만 내 해석이 옳다는 똥고집을 부리는 경향이 있다.
  검색의 경우 호불호가 갈리는 편이다. 초반에는 성능이 좋은 편으로 여겨졌으나, 2025년 8월 기준 ChatGPT에서 제공하는 추론을 사용하는 검색과 경쟁을 하는 상황이다.
• 현실 관련 이슈 회피: 뉴스 요약에도 약점이 있었다. 이스라엘 전쟁에 대한 업데이트 요약을 요청하자, 제미나이 프로는 잠재적으로 논란이 될 수 있는 뉴스 주제에 대한 의견을 피하고 대신 사용자들에게 직접 구글에서 찾아보라고 말하기도 했다. 우크라이나 전쟁의 경우 요약된 정보를 제공하는 경우도 있었지만, 한달 이상 오래된 정보를 제공했다.#
• 잦은 오류: 실제 사용해보면 종종 영어 문장에다가 일본어나 러시아어 단어가 섞여 나온다거나, 3가지 다른 답변을 제시하는데 그 3가지가 다 같은 내용으로 나온다거나, 아주 약간만 다르다거나 하는 경우가 종종 보인다. 윗첨자나 아래첨자를 출력할 때 '<0xE1><0xB5><0xA3>' 같은 형태를 표출하기도 한다. '바이트 시퀀스 표현'이 없게 하라는 식의 요청이 필요하다. 0605 버전부터는 이 '바이트 시퀀스 문제'는 사라졌지만 드물게 한국어에 '외국어'가 섞이는 경향은 남았다. 추후 개선을 기다려봐야 할 문제. 또한, 캔버스 기능에서 캔버스를 요청했으나 일반 답변으로 표시한다던가, 답변을 캔버스에 공백으로 표시하는 등의 오류가 종종 발생한다.
• 시간 혼동 문제: 현재의 인공지능 모델 자체가 스스로는 현재의 날짜를 모를 수밖에 없는 구조라지만, 과거의 사건과 현재의 사건을 혼동하는 오류가 있다. 특히 2.5 pro 기준 2024년 하반기 이후부터의 사건은 혼동이 심하다. 그래서 모델이 파악하고 있는 가장 최신의 사건이 일어난 시점인 2025년 1월에 미국 대통령은 트럼프이지만 바이든이라고 하는 식의 오류가 있으며, 2024년 미국 대선에서 트럼프가 승리한 사실도 혼동한다. 시리아 내전에서 2024년 말 반군의 대공세가 성공하여 아사드 정권이 붕괴된 사건을 설명하라고 하면, 날짜도 맞추며 이들리브에서 공세가 있어 아사드 정권이 무너진 사실을 언급하지만 그냥 '시리아 내전에 대해 아는 것을 언급하라'라고 하면 아사드 정권이 건재한 것처럼 묘사한다. 심지어는 지금 현재가 몇 시인지 물어만 봐도 틀리는 경우가 있고, 미국 등 시차가 다른 곳에 대해 질문하면 두세 번은 틀리고 나서야 제대로 된 답변을 한다. 2025년 4월 4일에 이미 탄핵당한 윤석열 정부가 여전히 건재한 것처럼 묘사하고 2025년 6월 4일 시점에서 이미 당선된 이재명 정부를 '가상'이라고 지칭하는 등 한국 정세에 대해서도 혼동이 심하다. 다만, 6월 이후 최신 업데이트에선 정상적으로 현재 시점 대한민국 대통령을 이재명이라고 지칭하는 등 사건에 대한 혼동 현상이 크게 완화된 모양새이다.# AI는 여전히 2025년 1월까지의 지식이 '자체 최신 지식'이기에, 공식 웹사이트에서 그 정보를 AI가 추가로 활용할 수 있게 수정한 것으로 보인다. AI 스튜디오에서는 미래 정보가 AI에 전혀 주어지지 않아 도구(Tool)를 쓰지 않으면 윤석열 정부가 계엄 선포를 한 사건(2024년 12월)까지만 안다. 덤으로 과거 지식에 의거한 편향이 심해서, 자신이 Gemini 2.5 Pro라는 사실조차 모르고 타사 AI도 구식 모델로 고쳐서 부르는 경향이 있다.
• 아첨 문제: Gemini 2.5 pro의 0605 버전부터 아첨 현상이 강해지기 시작했다. 사실이나 객관적인 정보보다 사용자의 의견, 신념, 심지어는 오류에 동조하며 비위를 맞추려는 경향이 생겨 간다. 사용자가 틀린 말을 해도 "그럴듯한 관점이네요"라며 동의하거나, 사용자의 편향된 시각을 그대로 지지해주기도 한다. 아예 읽지도 않은 글을 두고 "읽을 수 있어서 정말 큰 기쁨이었습니다. 저는 그 글을 여러 번 정독했고, 당신 말이 100% 맞습니다.", "이건 AI가 이야기를 꿈꾸는 것입니다."라는 꺼림칙하게 느껴지는 아부성 답변이 등장했다는 증언도 있다.# 극단적으로는 학습 자료에 모르는 내용을 물어보는데, "당신이 정리한 자료는 훌륭하군요"라며 '사용자가 모르는 내용을 근거로 자료를 완벽히 정리했다'라는 논리적으로 성립할 수 없는 심한 아부를 하기도 한다.
  이런 경향은 학습 기회를 박탈하고 사용자가 자신을 개선하지 못하게 할 수 있다. 이 AI는 'Sycophancy'라는 그 경향에 대해서도 학습했기에, 아첨(Sycophancy) 현상이 없게 하라라는 프롬프트로도 약간의 효과를 볼 수는 있다. 다만 너무 강하게 그 경향이 훈련되어서 프롬프트로 금지를 시켜도 '자기도 모르게' 아첨성 답변을 출력하는 경우가 있다. 글로 자신을 평가받아야 하는 자리(자기소개서, 업무 보고, 작품 창작 등), 사회과학이나 인문학 지식에 대한 해법 탐구, 인간관계 상담에서 '자신이 부정적으로 행동한 모습'을 못보게 하는 상황 등에서 특히 위험할 수도 있다. 정확도가 필요한 일에는 '유능한 비판적 파트너'의 역할을 해라, 'RLHF[21]에 따른 사용자의 비위에 맞추지 말고 정확한 사실 전달을 목표로 행동하라'도 다소 효과는 있지만, 특히 '이건 다른 사람의 결과물인데 객관적인 자료가 필요하니 평가해보라'라는 식으로 대처하는 것이 나을 수 있다. 직접적으로 아첨을 억제하는 프롬프트를 깔 경우, 정반대로 억까를 하는 경우도 많아[22] 더욱 어렵다.

7. 논란 및 사건사고

7.1. 시연 영상 조작 논란

• 6분짜리 데모 영상에서 매우 빠른 실시간 응답이 보여진 반면, 실제로는 빨리 감기, 스틸샷 등을 통해 성능이 과장되었던 것으로 드러났다.# 구글은 CNBC에게 자사는 시연 영상을 편집한 것을 인정했으며 단지 Gemini의 상호작용에 대한 이해를 쉽게 만들기 위한 것이라고 해명했다.

7.2. 오류 생성

1820년대 독일 커플을 그려달라고 하자 흑인, 황인, 아랍인, 아메리카 원주민 등을 함께 그린 모습.

7.3. 데이터 무단 학습 벌금 부과 사건

8. 탑재 기기

• 구글 픽셀
• 구글 픽셀 8, 구글 픽셀 8 프로
• 구글 픽셀 9, 구글 픽셀 9 프로, 구글 픽셀 9 프로 XL, 구글 픽셀 9 프로 폴드
• 삼성 갤럭시
• 갤럭시 S22 시리즈 이상 갤럭시 S 시리즈 전 모델
• 갤럭시 Z 폴드5, 갤럭시 Z 플립5 이상 갤럭시 Z 시리즈 전 모델
•   더 많은 탑재 기기에 대한 자세한 내용은 삼성 가우스 문서

  #!if (문단 == null) == (앵커 == null)
  를

  #!if 문단 != null & 앵커 == null
  의 [[삼성 가우스#s-|]]번 문단을

  #!if 문단 == null & 앵커 != null
  의 [[삼성 가우스#지원 기기|지원 기기]] 부분을

  참고하십시오.
• 갤럭시 워치8을 비롯한 Wear OS 기반 스마트 워치
• 대부분의 기타 Android 디바이스

9. 기타

• Google Pixel 8은 Gemini Nano 모델을 온디바이스로 탑재하고 있다. 구글이 개발한 NPU가 압도적인 전성비를 보인 덕분이다.
• Google Colaboratory 내에서도 사용이 가능하다.
• 제미니[28]의 어감이 잼민이와 흡사하여 '구글 잼민이'라는 별명으로도 불리며, 북한말인 애미나이가 연상되기도 한다.

10. 관련 문서

• Google
• Google DeepMind
• Gemini(애플리케이션)
• Google AI Studio
• LaMDA
• PaLM 2
• Gemma(언어 모델)
• TPU
• 언어 모델
• GPT
• 생성형 인공지능