Gemini（Google）

どんなツールか

Gemini は Google が開発した大規模言語モデル（LLM）です。クローズド なモデルで、基本的に API やサービス経由で利用します（重みは公開されていません）。

「結局なに？」を一言でいえば、テキストに加えて画像なども扱える マルチモーダル な生成 AI で、Google のサービスやクラウドと統合して使える点が特徴です。

特徴・仕組み

Transformer ベースの言語モデルで、自然言語の指示に応じて対話・文章生成・要約・コーディング支援などをこなします。マルチモーダル対応により、文章だけでなく画像などの入力も扱えます。

• テキスト・画像など複数種類の入力を組み合わせて扱える。
• Google のクラウド（Vertex AI など）や各種サービスと統合しやすい。
• API 経由でアプリへ組み込める。

モデルは継続的に改良されており、世代によって性能や対応範囲は変わります。

得意・不得意

得意なのは、マルチモーダルな用途 と Google エコシステムとの連携 です。画像を含む入力を扱いたい場面や、Google Cloud 上で他サービスと組み合わせたい場面で利点が出ます。

不得意・注意点は他の LLM と共通で、事実誤り（ハルシネーション）の可能性があり、出力の確認は必要です。クローズドのため、自前環境で重みを動かすことはできません。

いつ使うか（他との違い）

「画像なども含めて扱いたい」「Google Cloud や Google のサービスと統合したい」という場面で有力です。

GPT や Claude と同じくクローズド API で、用途は大きく重なります。すでに使っているクラウドや必要なマルチモーダル対応、料金を軸に、他の LLM と使い分けるのが実務的です。自前で動かしたい場合は Llama などのオープンウェイト系が選択肢になります。