Google DeepMind od Gemini po generowanie obrazu i muzyki
Pod marką Google spotykają się zadania, które wymagają zupełnie innych danych wejściowych.

👁 111 przeczytań
- Google DeepMind skupia modele o różnych zadaniach: Gemini przetwarza tekst i dokumenty, modele obrazu edytują zdjęcia, a Lyria generuje muzykę.
- W rankingach z 17 listopada 2026 r. Gemini Omni 1.2 Flash zajął 1. miejsce w arenie wideo z opisu z wynikiem 1540 Elo.
- Gemini 4 Carbon (High) prowadzi w zestawieniu kodu w czacie z wynikiem 1568 punktów, a w arenie tekstowej osiągnął 1526 pkt.
Pod marką Google spotykają się zadania, które wymagają zupełnie innych danych wejściowych. Gemini może pracować na opisie i dokumencie, model obrazu dostaje instrukcję oraz zdjęcie do poprawy, a Lyria ma ułożyć utwór. Katalog DeepMind pomaga odnaleźć rodzinę, zanim w ogóle otworzę cennik.
Gdy buduję aplikację, sięgam dalej do wykazu modeli Gemini API. Przy wyborze liczy się dokładny identyfikator, obsługiwany typ wejścia i format odpowiedzi. W przypadku edycji zdjęcia szczególnie interesuje mnie jedna rzecz: czy produkt pozwala podać oryginał razem z poleceniem zmiany. Wygenerowanie drugiej ilustracji z opisu rozwiązuje inne zadanie.
Nie przepłacaj za subskrypcje AI
Prowadzę sklep z rocznymi dostępami do narzędzi AI, taniej niż w cenniku producenta. Sprawdź, co jest teraz na stanie.
Modele w rankingach
Wybrane wyniki z 17 listopada 2026 r. Miejsce dotyczy wskazanego wariantu w danym zestawieniu.
| Model i zestawienie | Miejsce i wynik |
|---|---|
| Gemini Omni 1.2 Flash (Arena: wideo z opisu) | 1. / 1540 Elo |
| Gemini Omni 1.2 Flash (Arena: wideo z obrazu) | 1. / 1503 Elo |
| Gemini 4 Carbon (High) (Arena: tekst) | 1. / 1526 pkt |
| Gemini 4 Carbon (High) (Arena: kod w czacie) | 1. / 1568 pkt |
| Gemini 3.1 Flash Live Minimal (AA: rozmowa głosowa) | 2. / 1089 Elo |
01Gemini 4 Carbon: dostępny w Polsce, cena API, jak zacząć i moje testyWszystko o Gemini 4 Carbon: benchmarki z dokumentu Google, cyberbezpieczeństwo, uczciwość modelu, cena API, kto ma dostęp i co to zmienia dla użytkowników w Polsce.Czytaj →
02Nano Banana 2.1: Google tnie cenę o połowę. Mój test w dniu premieryNano Banana 2.1 od 6 października: połowa ceny poprzednika, panoramy 8:1 i edycja z maską. Mój test w dniu premiery.Czytaj →
03Google Flow: co to jest, ile kosztuje i jak zacząćStudio wideo Google z Veo 3.1 i Nano Banana: 50 darmowych kredytów dziennie, plany od 23,99 zł i mój test polskiego dialogu w Veo 3.1 Lite.Czytaj →Pytania czytelników
Gdzie sprawdzić modele dostępne przez Gemini API? Google prowadzi osobny katalog Gemini API z nazwami modeli i ich możliwościami. Karty badawcze DeepMind opisują szerszą rodzinę.
Co odróżnia tabelę wokalną od instrumentalnej? Jedna dotyczy piosenek ze śpiewem, druga muzyki bez wokalu. Słuchacze porównują nagrania w obrębie wybranej kategorii.
Dalej na Promptowym
- Gemini 4 Carbon: dostęp, cena API i wyniki testów
- Nano Banana 2.1: premiera, cena i mój test
- Google Flow: pierwszy film AI i rozliczanie kredytów
- Nano Banana 2 (Gemini 3.1 Flash Image): cena, kontekst i możliwości
Źródła
- Models - Google DeepMind - odczyt 17.11.2026
- aistudio.google.com - odczyt 17.11.2026
- Arena: wideo z opisu - odczyt 17.11.2026
- Arena: wideo z obrazu - odczyt 17.11.2026
- Arena: tekst - odczyt 17.11.2026
- Arena: kod w czacie - odczyt 17.11.2026
- AA: rozmowa głosowa - odczyt 17.11.2026
- Metoda porównania i FAQ - odczyt 17.11.2026
Najczęstsze pytania
Jakie modele Google DeepMind są dostępne przez Gemini API?
Google prowadzi osobny katalog Gemini API z nazwami modeli i ich możliwościami. Karty badawcze DeepMind opisują szerszą rodzinę modeli.
Czym różni się edycja zdjęcia od generowania ilustracji z opisu w modelach Google?
Edycja zdjęcia wymaga podania oryginału razem z poleceniem zmiany. Generowanie ilustracji z opisu to osobne zadanie, które nie potrzebuje zdjęcia wejściowego.
Jakie miejsce zajął Gemini 3.1 Flash Live Minimal w rankingu rozmowy głosowej?
Gemini 3.1 Flash Live Minimal zajął 2. miejsce w zestawieniu AA dotyczącym rozmowy głosowej z wynikiem 1089 Elo. Dane pochodzą z odczytu z 17 listopada 2026 r.
Czym różni się tabela wokalna od instrumentalnej w rankingach muzycznych?
Tabela wokalna dotyczy piosenek ze śpiewem, a instrumentalna muzyki bez wokalu. Słuchacze porównują nagrania w obrębie wybranej kategorii.

Autor
Twórca i autor Promptowego, polskiego serwisu o sztucznej inteligencji. Codziennie śledzi premiery modeli, narzędzia i regulacje AI, i tłumaczy je prostym, konkretnym językiem.
Czytaj dalej
Newsy · Gemini 4 Carbon: nowy model Google DeepMind z rekordowymi wynikami w cyberbezpieczeństwieGoogle DeepMind ogłosiło Gemini 4 Carbon - swój najsilniejszy model, który zajął pierwsze miejsce w Artificial Analysis Intelligence Index v5.0 z...
Newsy · Google DeepMind prezentuje Gemini 4 Argon - model AI do robotyki z wynikiem 87% na kluczowym benchmarkuGoogle DeepMind opublikował Gemini 4 Argon - wyspecjalizowany model do robotyki, który na benchmarku ERQA osiągnął 87%, wyprzedzając wszystkie inne...
Newsy · Google DeepMind wprowadza Gemini 3.8 TTS - modele zamieniające tekst w ekspresywne głosyGoogle DeepMind zaprezentowało dwa nowe modele zamieniające tekst na mowę - Gemini 3.8 Flash TTS i Gemini 3.8 Flash-Lite TTS - które pozwalają...

