2.5 Flashは、AIが本当に自分にとって役立つと感じた初めての時だ。以前はAIが大嫌いだったけど、今はGoogle検索の代わりにGeminiアプリを使ってる。全ての面で優れていて、広告もないし。提供される情報は大体正しいし、アプリ内でインターネットの一般的で正確な知識が手のひらにあるような感覚。もっと親密で、気が散らない。ママブロガーやボット、SEOスパムじゃなくて、Geminiアプリと二人三脚でケールの理想的な発芽温度について話してる感じ。これをGoogleがどれだけ続けられるか、そして彼らの収益モデルを食い潰すのがどうなるかは別の問題だけど…。

「非AI要約」ってのが流行りそうだね。誰かが内容を考えてくれたって知ってるから、読むのが楽しいんだよね。

「出力トークン効率」って何を指してるのか分かる？ジェミニフラッシュは入力/出力トークンの数で課金されるんだけど、同じ出力に対しては固定だと思うから、どうしてコストが下がるのか理解に苦しんでる。もちろん、新しいバージョンでトークン化が変わったなら別だけど。

これありがとう、段階的な改善みたいだね。

それはモデル自体ではなく、システムプロンプトの違いだね。

同じモデルからの応答が異なる理由はいくつかあるよ：

• 「温度」 - 次のトークンの中で最も可能性の高いものから意図的にランダムサンプリングして「創造性」を高め、繰り返しを避けるため
• 量子化 - 数値精度を下げてモデルを動かすことで、メモリと計算を節約しつつ、精度にあまり影響を与えない
• システムプロンプトの違い、特にQwen Chatのようなエンドユーザー向けのものを使うとき
• ちょっと決定論的でないGPU加速 ベンチマークは通常、温度ゼロ（常に最も可能性の高い次のトークンを取る）で、フル精度の重みを使い、必要なフォーマットやターン終了トークン以外の追加はしない。通常、選択肢形式か、非常に短い応答を期待するから、実行ごとの変動が少なくなるんだ。もちろん、ベンチマークだけではすべてを教えてくれないけど、実際のパフォーマンスはかなり違うことがあるよ。

qwenについてはわからないけど、Deepseekの面白いところは、公式APIがほとんどパラメータをサポートしてないのに、openrouterのvllmホストはサポートしてるってこと。再ホスティングの体験は全然違うよ、サンプラーが使えるからね。

2.5 Flashのアップデートで名前をそのまま残した理由も同じかも。最新の名前を指摘するのが面倒な人が多いから。

Grokがこんなに人気なのはなぜだろう？

うちの会社では、誰もアップグレードしようとしない古いモデルでたくさんのワークロードがあるのは知ってる。

Gemini 2.0 Flashは、かなりの差で最も優れた高速非推論モデルだよ。多くのことは推論を必要としないからね。

価格について言うと、2.0 Flashは2.5 Flashより安いけど、それでもかなり良いモデルだよ。

安くて早いじゃん。何が分からないの？

OpenRouterに関しての私の大きな問題は、彼らが各モデルを使っている会社の数を全く示していないことだね。私が知る限り、そこには巨大な企業がいくつかいて、もし彼らがモデルを切り替えたら、その全体の評価にすぐ影響が出ると思う。ボリュームについてもう少し透明性があれば、そういうことが起きているかどうか分かるんだけど。

それには同意できないな。ジェミニは価格/性能だけじゃないんだよね。皮肉なことに、最近まではあまり人気がなかったけど、ほとんどの時間で「ノーマル」モデルとしては一番なんだ。エージェント的なこと、特にコーディングには弱いけど、クロードや今のGPT-5と比べると比べ物にならないくらい。ランダムなことを聞くのには向いてるし、特に長い会話を続けるのが得意なんだよね。非技術系のユーザーはそういう傾向があるから、ジェミニが勝つ。長いコンテキストを扱うのが一番得意で、昔の発言もちゃんと気づくし。今週の初めにデバッグをしてたんだけど、特にデバッグの時は、同じプロンプト/会話でソネットやGPT-5、2.5プロを並行して使うのが好きなんだ。ジェミニだけが、4メッセージくらいのところで、ログの中の非常に関連性のあることを最初のメッセージで指摘してくれた。GPTとソネットはそれに気づかず、間違ったサンプルコードを出してきたから、ジェミニを使ってなかったらもっと時間を無駄にしてたと思う。低リソース言語でもまだ一番得意だし、あまりボーッとしない（ソネットやChatGPT）けど、頑固すぎることもない（生のGPT-5 API）。OCRや画像認識に関しては圧倒的に一番で、普通のユーザーがかなり使ってる。GoogleはマーケティングとAIのUXがひどいけど、いつかは改善するだろうね。もう「コスパ」だけのプレイヤーじゃないし。ちなみに、上で挙げた3つは毎日いろんなタスクで使ってて、パフォーマンスを比較するために並行して使うことも多いよ。

私の意見では、レイテンシ/TPS/コストの競争は完全にグロックとジェミニフラッシュの間だけだね。どのモデルも彼らには敵わない（特に画像からテキスト関連のタスクでは）。OpenAIやアンスロピックはこの競争に全く興味がないみたい。

あなたが描いているこの二項対立が、ちゃんとした検証に耐えるとは思えないな。私の理解では、ジェミニは「知性」に関してはあまり遅れていないし、次のモデルサイクルでは少なくともギャップを縮め続けると思うんだけど。もし違うことを示すベンチマークがあれば教えてほしいな。ちなみに、Googleがやっていることの一つで、あなたの「レイテンシー/TPS/コストの次元」に関するポイントにも関係しているかもしれないのは、チャット以外の面白い製品に彼らのモデルを統合していることだね。これには、LLMトレンドに「遅い」と批判されていた割には驚くべきスピードで進んでいるように見える。Google WorkspaceやGoogle検索の表面は今や明らかだけど、ジェミニが出てくる他の面白い場所もあるよ。例えば、https://jules.google/とか、クリエイティブな分野での実験やベータ版についても言及しないわけにはいかないね。今日気づいたもう一つは、https://www.google.com/finance/beta こんなファイナンスダッシュボードにジェミニを載せるのは、いろんな規制（やその他の）監視を招くと思ったんだけど…「遅い」既存企業には合わないよね。でも、今の状況を考えると、Googleは他のどの企業とも同じように突き進んでいるみたいで、リソースや表面積もはるかに多い。YouTubeにジェミニが統合されたらどうなるんだろう。今のところ、日数を数えているだけのように感じるね…

でも、価格が変わったかはちょっと分からないな。 :/

ジェミニ2.5フラッシュは、私の多くのタスクでChatGPT 5を圧倒していて、もっと人気が出てもいいと思うんだけど。

それが現在のモデルを超えると思う。だから最終的には2.5フラッシュが新しくて改善された2.5フラッシュになるんじゃないかな、2.6じゃなくて。OpenAIが4-oモデルを更新したのと同じように、みんなに影響を与えるようなことがあったから、戻さなきゃいけなくなったんだよね（それはチャットだけでAPIじゃなかったかも）。

これが私の不満なんだよね… アンスロピックも似たようなことをしたけど、最近「ナーフ」って叫ばれて逆効果になった。私たちはこれらのトークンを買うけど、限られたティアでやるのはすごく難しいし、1年で期限切れになるし、バックグラウンドでどれくらいレスポンスが変わってるかも分からない。1%の改善や減少でも、開示してほしいな。基盤となるAI企業が構築しているものは本当に怖いと思う。透明性とアクセスは重要だよね。 [1] https://status.claude.com/incidents/h26lykctfnsz

それを細かいことだとは思わないよ、かなりイライラする。そんなポリシーだとバージョン番号が役に立たなくなる。

ChatGPTにも信頼性の問題がたくさんあるよね。

それ、ChatGPTでもよくあったよね。

その問題に関する最新のコメントは、試せる修正があるって言ってる人だよ。

残念ながら、Geminiだけが原因じゃないんだよね。自分もChatGPTの信頼性に大きな問題を抱えてる。

最終的に勝つのは誰？カエル？アヒル？それともペリカン？