Gemini 개요

이 페이지에서는 Google Distributed Cloud (GDC) 에어 갭 내의 Gemini 모델을 간략히 설명합니다. Google에서 설계한 이러한 대규모 언어 모델 (LLM)은 Distributed Cloud 조직에서 사용할 수 있으며, 에어갭 배포의 엄격한 보안 및 격리 요구사항을 준수하면서 강력한 텍스트 및 미디어 파일 처리 기능을 제공합니다. 이러한 환경은 격리되어 있으므로 외부 네트워크 연결에 의존하는 일부 Gemini 기능을 사용할 수 없거나 특정 구성이 필요합니다. Distributed Cloud 구성 및 제한사항에 대한 자세한 내용은 제품 문서를 참고하세요.

모델

GDC는 에어갭 환경에서 자연어 처리 및 콘텐츠 생성을 위한 Gemini 모델을 제공합니다. Gemini는 조직에서 사용 설정할 수 있는 API를 통해 Distributed Cloud의 Vertex AI 솔루션의 일부로 제공되는 더 큰 생성형 AI 모델 제품군의 일부입니다. GDC의 생성형 AI 기능에 대한 자세한 내용은 생성형 AI 개요를 참고하세요.

GDC에서 지원되는 Gemini 모델과 사양 목록은 사용 가능한 Gemini 모델을 참고하세요.

기능

Gemini Flash는 속도와 효율성에 최적화되어 있어 대량의 짧은 지연 시간 텍스트 처리 작업에 적합합니다. 반면 Gemini Pro는 더 복잡한 데이터 처리 작업을 위한 향상된 기능을 제공합니다.

다음 표에서는 GDC에서 사용할 수 있는 Gemini 기능을 간략하게 설명합니다.

기능 설명 Gemini Flash Gemini Pro
최적화된 추론 에어 갭 환경에서 리소스가 제한된 하드웨어의 빠른 처리를 위해 설계합니다. 예
GDC 서비스와 통합 데이터 저장, 처리, 관리를 위해 다른 서비스와 원활하게 통합됩니다. 예 예
안전한 배포 에어 갭 환경 내에서만 작동하여 데이터 보안 및 규정 준수를 보장합니다. 예 예
고급 추론 능력 깊은 이해와 추론이 필요한 복잡한 언어 작업을 처리합니다. 예
대형 컨텍스트 윈도우 컨텍스트 이해를 위해 긴 텍스트 세그먼트를 처리합니다. 예 예

사용 사례

GDC의 Gemini 모델은 동일한 사용 사례를 지원하지만 Pro는 더 크며 일반적으로 더 나은 대답을 제공할 준비가 되어 있습니다. 따라서 Gemini Flash에 비해 Gemini Pro를 사용하면 데이터에서 더 나은 통계를 얻을 수 있습니다. 하지만 대답의 품질을 유지하면서 속도와 효율성을 우선시하려면 Gemini Flash를 사용하세요.

다음 표에는 GDC에서 사용할 수 있는 Gemini 모델의 사용 사례가 간략하게 나와 있습니다.

GDC의 Gemini 모델
사용 사례 설명
텍스트 분류 스팸 감지, 감정 분석, 주제 식별과 같은 작업을 위해 텍스트를 사전 정의된 카테고리로 분류합니다. 에어갭 환경에서 맞춤 모델을 학습시키고 배포합니다.
정보 추출 데이터 마이닝, 지식 그래프 구성, 자동 데이터 입력을 위해 엔티티, 날짜, 위치와 같은 주요 정보를 식별하고 추출합니다.
요약 긴 텍스트를 간결하게 요약하여 빠르게 이해할 수 있습니다. 정보 분석 및 보고서 생성에 유용합니다.
질의 응답 제공된 컨텍스트를 기반으로 질문에 답변합니다. 에어갭 배포에서 로컬 문서 저장소 및 기술 자료를 쿼리합니다.
텍스트 생성 기사, 이야기, 코드와 같은 인간과 흡사한 수준의 텍스트를 생성합니다. 콘텐츠 제작, 보고서 작성, 코드 생성에 이 기능을 사용하세요.
번역 여러 언어 간에 텍스트를 번역합니다. Vertex AI Translation은 GDC에서 사용할 수 있지만 Gemini는 번역과 같은 자연어 처리 작업도 처리합니다.
멀티모달 이해 이미지, 동영상, 오디오, 문서 등의 파일을 분석하여 이 데이터를 기반으로 텍스트나 답변을 생성합니다. 이 기능을 사용하여 오프라인 환경의 데이터 소스에서 유용한 정보를 얻고 정보를 정리하세요.
추론 및 계획 논리 퍼즐 풀기, 계획 생성과 같은 복잡한 추론 작업을 처리합니다. 이 기능을 문제 해결 및 의사 결정 지원에 적용하세요.

사용 고려사항

GDC에서 Gemini 모델을 사용하는 경우 배포 및 API 사용에 다음 사항을 고려하세요.

  • 리소스 가용성: 오프라인 환경에는 리소스가 제한되어 있습니다. 성공적인 배포를 위해 리소스를 신중하게 계획하고 할당하세요.
  • 데이터 관리: 안전한 데이터 저장 및 액세스 제어 메커니즘이 중요합니다. 에어갭 환경 내에서 학습 및 추론을 위한 데이터를 관리합니다.
  • 모델 업데이트: 오프라인 환경에서 모델을 업데이트하려면 특정 프로세스가 필요합니다. 자세한 내용은 배포 가이드를 참고하세요.
  • 연결 제한: 외부 네트워크 연결이 필요한 기능을 사용할 수 없거나 에어 갭 환경 내에서 특정 구성이 필요합니다.

다음 단계