Gemini の思考モデルの違い（画像解釈編）
公開日：
:
パソコン
歌川広景の『江戸名所道戯尽 八 隅田堤の弥生』という版画をご紹介。
春（弥生）、隅田川の土手（隅田堤）で桜の花見を楽しんでいた人々が、水茶屋の縁台に腰掛けたところ、縁台の足が折れてひっくり返ってしまう滑稽なハプニングが描かれています。
- このファイルを Gemini に読ませてプロンプトを作ってもらいます。
- そのプロンプトをもとに chatGPT に画像を作ってもらいます。
元の画像をどのくらい再現できるか、あるいはまったく違う趣の画像ができるか などを見てみましょう。
＊
今回はプロンプトをつくるほうの Gemini の思考モデルを切り替えて比べてみます。
現在 Gemini の思考モデルは 3.1 Pro、3.5 Flash-Lite、3.8 Flash、4 Argon と選べます。
3.5 Flash-Lite、3.8 Flash、4 Argon で比べてみましょう。
横長にする設定は後で私が加えています。
＊
3.5 Flash-Lite
3.8 Flash
4 Argon
4 Argon が絵の主旨を正しく表現しています。
縁台というか木で組んだお座敷が崩壊したようでスケールアップしているのと、なぜかみんな嬉しそうなのが気になりますが。
しかもどういう画像であるかちゃんと調べて、正しく題字をつけてくれています。
3.5 Flash-Lite は投扇という遊びに変わっていますし、縁台も壊れていません。そもそも風のある野外で投扇はしないと思うのですが・・・
3.8 Flash は縁台が壊れたのではなく、滑り台をみんなで楽しむことに変わっています。
じつは 3.1 Pro でもやってみましたが、3.5 Flash-Lite と同じでした。
＊
浮世絵の意味を読み取るのは現代の人間でも難しいところがあるので、3.5 Flash-Lite や3.8 Flash が間違えるのはまあ理解できます。
いつものハルシネーションです。
4 Argon はさすがですね。時間はかかりましたが、まずどういう絵なのか探しにいったみたいで、それを解釈してプロンプトに入れ込んだようです。
自分で絵を理解したのか、誰かの意見を検索で見つけて入れ込んだだけなのかわかりませんが。
＊
結論は、意味を正しく表現したい場合は 4 Argon を使い、変わった絵ができるのを期待したい場合はそれ以前のモデルを採用するのがいいってことでしょう。
###
関連記事
-
-
Vostro3800 光ドライブ換装
前回の記事「Vostro3800スリムタワー到着 」の続きです。 Blu-ray 焼きマシンに
-
-
複合語の登録の工夫：品詞を適切に設定する
パソコン辞書の登録単語（複合語）の品詞について パソコンの日本語変換システムの辞書の話ですが、
-
-
Core i3-8100 について
昨日うちにやってきた第8世代 Core i プロセッサーの i3-8100 くんですが、彼には特筆す
-
-
Windows8 が売れない理由
＊ Windows 8 が売れていないのは知っていたが、あの Windows Vista 以下
-
-
こんなの焼いています ブルーレイ
＊ 通常（民生用ブルーレイレコーダー）なら 180分しか録画できない BD-R の片面2
-
-
Windows10 でファイルマネージャー「反応なし」
自宅のメインPC はふるさと納税でもらった Windows10 マシンでメモリは 8GB ありますが
-
-
【AI】ノイズレスリサーチ
ノイズレスリサーチという AI での検索方法があるというお話。 https://www.you
-
-
iiyama モニター ProLite XUB2493HS-B6
iiyama（飯山）の PC用モニター（ディスプレイ）の ProLite XUB2493HS-B
-
-
Catchy（キャッチー）について
「Catchy（キャッチー）」を薦めている人（ライターさん）がいました。 国内最大級の AIライテ
-
-
USB3.0用 外付けSSD 128GB SSD-PE128U3-RD
BUFFALO ターボPC EX対応 USB3.0用 外付けSSD 128G
- PREV
- Google AI Pro で制限くらう
