Gemini Nano คืออะไรกันนะ?
นอกจากมี Gemini Flash และ Gemini Pro แล้ว ยังมี Gemini Nano ด้วยนะ
ทำความรู้จัก Gemini Nano model ขนาดเล็ก ที่ใช้บนเว็บและบนแอพได้
.
สืบเนื่องจากงาน Google IO Extended Bangkok 2025 ที่มีหลาย ๆ session กล่าวถึงตัว Gemini Nano ก็เลยไปหาอ่าน และทำโพสนี้ออกมาไขข้อข้องใจกัน
.
ก่อนอื่น Gemini Flash และ Gemini Pro เป็น LLM ที่มีขนาดใหญ่ ใช้บน server ซึ่งถ้าจะให้ user download อะไรสักอย่างที่มีขนาดใหญ่แล้ว user เขาจะรอไหม และมีค่าใช้จ่ายในการใช้งานด้วย
ส่วน Gemini Nano ว่ามันเป็น on-device นะ สามารถใช้ได้ในตัว web browser หรือในแอพ Android ก็ได้เช่นกัน เนื่องจากขนาดมันเล็กกว่า ใช้งานได้แม้จะ offline และ privacy เป็นเลิศ เพราะมันจะอยู่บนเครื่องของเรา ไม่ถูกส่งไปไหน
ในตอนนี้เป็น Gemini 1.0 Nano นะ
แน่นอนคนที่ได้ใช้งานในการ implement จะมี 2 กลุ่มหลัก คือ web developer และ android developer นั่นเอง
.
🔵 Web
ส่วน Built-in AI APIs มีทั้งหมด 7 ตัว คือ
- Translator API
status: stable Chrome 138 Web & Extension
แปลภาษาด้วย AI ซึ่งจะเข้าใจบริบทมากกว่า เราสามารถกดปุ่ม แล้วแปลได้เลย
- Language Detector API
status: stable Chrome 138 Web & Extension
ก่อนที่จะแปลภาษาได้นั้น ต้องรู้ก่อนว่าอันนี้ภาษาอะไร ทำให้เราไม่ต้องระบุภาษาต้นทางในการแปล
- Summarizer API
status: stable Chrome 138 Web & Extension
สรุปแบบเลือก type ได้ เช่น headline, key point เช่น redBus กดปุ่มเดียว สรุปเนื้อหาในหน้าเว็บนั้น ๆ ได้เลย
- Writer API
status: Origin trial Web & Extension
ช่วยเราเขียนในรูปแบบต่าง ๆ สามารถเลือก tone และความยาวในการเขียนได้ ใช้ในการเขียน content, การรีวิว, การร่าง email
- Rewrite API
status: Origin trial Web & Extension
เขียนแล้วยังไม่ถูกใจ ยังไม่ได้สักที ใช้ตัวนี้ในการปรับภาษาใน email หรือทำ content ติด SEO ก็ได้นะ เป็นการ review สิ่งที่เราเขียน ด้วย AI
- Prompt API
status: stable Chrome 138 และ Origin trial Extension
เราสามารถพิมพ์คำสั่งเพื่อให้ทำอะไรบางอย่างบน extension ได้ เช่น เพิ่มกิจกรรมนี้ในปฎิทิน หรือการเขียน prompt เพื่อ edit content อีกทั้ง support multimodal อย่างภาพ และเสียงอีกด้วย ที่เสร็จบน extension เพราะ Project Mariner นั่นเอง
- Proofreader API
status: coming soon
คาดว่ากำลังมาใน Chrome 142 อันนี้ช่วยงานในการพิมพ์ของ content creator มาก ๆ เลย พอเราพิมพ์ผิดมันจะบอกว่าเราพิมพ์ผิดตรงไหน ผิดยังไง แก้ยังไง อันนี้หาเปิดยากหน่อย เพราะต้องห า enable ใน document
ถ้าอยากลองเล่น เข้าใจว่าต้องเข้าไป join ของ Early Preview Program นะ
.
🟢 Android
มันจะมี 2 ส่วนใหญ่ ๆ คือ ML Kit GenAI APIs มี 4 อัน คือ
- Summarization: เป็นการสรุปบทความ หรือแชทที่คุยกันก็ได้ ออกมาไม่เกิน 3 bullet list
- Proofreading: ช่วยดูว่าอันนี้ถูก grammar ไหม และตรงไหนที่สะกดผิดบ้าง
- Rewrite: ช่วยปรับที่เราเขียนใน style และ tone ตามที่เราต้องการ โดยมีหลายแบบให้เลือก เป็น output style อย่าง Elaborate, Emojify, Shorten, Friendly, Professional และ Rephrase
- Image description: ช่วย generate description สำหรับรูปภาพนี้ ช่วยผู้พิการทางด้านสายตา และคนที่ไม่สามารถใช้จอในขณะนั้นได้ เช่น ขับรถ
ทั้งหมดยังเป็น Beta อยู่ อีกทั้งใช้ได้ตั้งแต่ Android API level 26 ขึ้นไป และมีมือถือที่รองรับไม่เยอะ ส่วนใหญ่เป็นตัวท้อปรุ่นล่าสุดและผองเพื่อน เช่น Galazy S25, Pixel 9
การใช้งานแบบคร่าว ๆ คือ เพิ่ม dependency ของ ML Kit ตัวที่เราใช้งาน แล้วสร้าง object ของแต่ละ API แล้ว download feature มาถ้ามี และสร้าง request แล้วรอผลลัพธ์
กับ Googlw AI Edge SDK อันนี้จะเป็นแบบ advance หน่อย ต้องขอสิทธิ์ทดลองใช้ที่หน้าเว็บ
.
ทั้งหมดก็จะประมาณนี้เนอะ เดี๋ยวขอเวลาไปฟังย้อนหลังเรื่อง gemma 3 แปป เห็นว่าใช้บน Android ได้ 🤔
#googlegemini #programmer #developer #ไอทีน่ารู้ #รวมเรื่องไอที
หลายคนเจอคำว่า “Nano” ทั้งในวิทยาศาสตร์และในชื่อสินค้า/เทคโนโลยี แล้วสงสัยว่า nano แปลว่าอะไร จริง ๆ “นาโน (nano-)” เป็น “คำนำหน้า” (prefix) ที่มาจากภาษากรีก แปลประมาณว่า “แคระ/เล็กมาก” และในระบบหน่วยสากล (SI) nano หมายถึง 10^-9 หรือ “หนึ่งในพันล้านส่วน” เช่น 1 นาโนเมตร (nm) = 0.000000001 เมตร เพราะงั้นเวลาเห็นอะไรต่อท้ายด้วย Nano มักสื่อว่า “ขนาดเล็ก” หรือ “รุ่นเล็ก” เมื่อเทียบกับรุ่นปกติ พอโยงกลับมาที่ Gemini Nano ก็ตรงตัวเลยค่ะ—Nano ในที่นี้สื่อว่าเป็นโมเดลขนาดเล็กที่ออกแบบมาให้ “รันบนอุปกรณ์ (on-device)” ได้ ไม่ต้องส่งทุกอย่างขึ้นเซิร์ฟเวอร์ตลอดเวลา ข้อดีที่ฉันรู้สึกว่าคนทั่วไปเข้าใจง่าย ๆ มี 3 เรื่อง: 1) เร็ว/หน่วงน้อยในงานบางแบบ เพราะประมวลผลบนเครื่อง 2) ใช้ได้แม้เน็ตไม่ดีหรือออฟไลน์บางกรณี 3) เรื่องความเป็นส่วนตัวดีขึ้น เพราะข้อมูลไม่จำเป็นต้องออกจากเครื่องเสมอไป ถ้าคุณเป็นสายเว็บและกำลังงงว่า Gemini Nano บนเว็บเกี่ยวอะไรกับ “Built-in AI APIs” ให้จำภาพรวมไว้ว่า Google/Chrome พยายามทำให้เราสามารถเรียกความสามารถ AI แบบสำเร็จรูปได้ เช่น Translator (แปลภาษา), Language Detector (ตรวจจับภาษา), Summarizer (สรุป), Writer/Rewrite (ช่วยเขียน/ปรับสำนวน), Prompt (สั่งงานตามพรอมป์), Proofreader (ตรวจคำผิด/ไวยากรณ์) ซึ่งคำว่า Nano ก็ช่วยตอบคำถามเชิงความหมายว่า “ทำไมมันมาอยู่ในบราวเซอร์ได้” เพราะมันเป็นโมเดลขนาดเล็กที่เหมาะกับงานบนเครื่องนั่นเอง ส่วนฝั่ง Android ถ้าเห็นคำว่า ML Kit GenAI APIs แล้วอยากตีความแบบภาษาคน: มันคือชุด API ที่ทำให้แอปเรียกใช้ความสามารถอย่าง Summarization, Proofreading, Rewrite และ Image description ได้ง่ายขึ้น โดยยังคงคอนเซ็ปต์ on-device/edge เป็นหลัก (ทั้งนี้ความสามารถจริงขึ้นกับรุ่นเครื่องที่รองรับ) ฉันมองว่าคำว่า Nano ในโลกมือถือช่วยให้เราคาดหวังถูกว่า “มันไม่ได้มาแทน LLM ใหญ่ ๆ ทุกงาน” แต่เหมาะกับงานช่วยเหลือที่พบบ่อย เช่น สรุปข้อความสั้น ๆ, ปรับโทนประโยค, ตรวจแกรมมาร์ หรือทำคำบรรยายรูปเพื่อการเข้าถึง (accessibility) สรุปสั้น ๆ: nano แปลว่า “เล็กมาก” และในบริบท Gemini Nano คือ “โมเดลรุ่นเล็ก” ที่ถูกออกแบบให้ทำงานบนอุปกรณ์ (เว็บ/Android) ได้ เพื่อความไว ความเป็นส่วนตัว และประสบการณ์ใช้งานที่ไม่ต้องพึ่งคลาวด์ตลอดเวลา
ขอบคุณที่แนะนำความรู้ดีๆ ครับ