Gemini 1.0 Pro

Fiche modèle · Google · gemini-1.0-pro

Gemini 1.0 Pro is a Natural Language Processing (NLP) model designed for tasks such as multi-turn text and code chat, and code generation. It supports text input and output, making it ideal for natural language tasks. The model is optimized for handling complex conversations and generating code snippets. It offers adjustable safety settings and supports function calling, but does not support JSON mode, JSON schema, or system instructions. The latest stable version is gemini-1.0-pro-001, and it was last updated in February 2024.

Fiches modèles

Identité

Organisation	Google
Pays	—
Famille	—
Type	llm
Date de sortie	2024-02-15
Licence	proprietary
Licence commerciale	non
Licence open source	non
Poids ouverts	non
Auto-hébergement (DGX Spark)	non — poids fermés
Modalités	text
Fenêtre de contexte	—
KV cache / token (Q8)	—
Paramètres totaux	—
Paramètres actifs (session)	—
Source des paramètres actifs	—
Curation des paramètres actifs	—
Prix par session	—
Tokens / tâche (Data Players)	1.2 M
Tokens / tâche (Terminal-Bench)	83.3 M (est.)
Ratio Terminal-Bench / Data Players	69.4×
Coût / tâche (Terminal-Bench)	—
Tokens d'entraînement	—
Coupure de connaissance	2024-02-01
Créé le	2026-05-07T16:53:28.652188Z
Mis à jour le	2026-11-04T06:04:41.953188Z
Source	LLM Stats
URL	https://llm-stats.com/models/gemini-1.0-pro

Tokens/tâche

Prix par fournisseur

Prix

Toutes sources confondues : catalogue llm-stats, routeurs EUrouter/Cortecs et catalogues directs (OVHcloud, Scaleway, Infomaniak). Les prix sont convertis en USD pour la comparaison ; le prix publié et le taux BCE utilisé sont dans l'infobulle. Les prix inconnus restent indiqués « — ».

Aucune donnée.

Souveraineté qualifiée par offre (modèle × fournisseur) ; survolez le badge pour les critères.

Souveraineté

Scores par catégorie (top_scores)

Catégorie	Score
language	0.80
legal	0.70
long_context	0.60
math	0.60
multimodal	0.50
physics	0.30
reasoning	0.50
speech_to_text	0.90
finance	0.70
general	0.60
healthcare	0.60
biology	0.30
chemistry	0.30
vision	0.50

Scores par benchmark

Benchmark	Catégorie	Score	Max	Normalisé (API)	Vérifié	Auto-déclaré	Daté du
big-bench	reasoning	0.75	1.00	0.75	non	non	2026-11-04T06:04:41.963310Z
egoschema	vision	0.56	1.00	0.56	non	oui	2026-11-04T06:04:41.966900Z
fleurs	language	0.94	1.00	0.94	non	non	2026-11-04T06:04:41.973091Z
gpqa	reasoning	0.28	1.00	0.28	non	non	2026-11-04T06:04:41.982509Z
math	math	0.33	1.00	0.33	non	non	2026-11-04T06:04:41.993281Z
mathvista	math	0.47	1.00	0.47	non	non	2026-11-04T06:04:42.003684Z
mmlu	general	0.72	1.00	0.72	non	oui	2026-11-04T06:04:42.013284Z
mmmu	multimodal	0.48	1.00	0.48	non	non	2026-11-04T06:04:42.023313Z
wmt23	language	0.72	1.00	0.72	non	non	2026-11-04T06:04:42.029246Z

Classements

Aucune donnée.

Lecture : Note conservatrice = borne basse TrueSkill (niveau estimé − marge d’incertitude) ; Benchmarks évalués = nombre de benchmarks de la catégorie pris en compte. À performances égales, un modèle évalué sur moins de benchmarks obtient une note plus basse : la note ne se déduit pas d’un seul score. Provenance : rankings = top 50 de /rankings ; model_history = historique du modèle (/models/{id}/history), utilisé pour les rangs au-delà du top 50.

Données

Dates de curation (récupération depuis l'API) : models 2026-11-04 · benchmarks 2026-11-04 · scores 2026-11-04 · updates 2026-11-04 · account 2026-11-04 · model_history 2026-11-04 · rankings 2026-11-04