Gemini ของ Google: จากจุดเริ่มต้นสู่โมเดล AI ที่ทรงพลังที่สุด

Gemini คือตระกูลโมเดลปัญญาประดิษฐ์ของ Google ที่พัฒนาโดยทีม Google DeepMind ซึ่งเข้ามาแทนที่ทั้ง LaMDA และ PaLM 2 ที่ใช้ขับเคลื่อน Bard ในยุคแรก นับตั้งแต่เปิดตัวปลายปี 2023 Gemini ได้ผ่านการอัปเดตครั้งใหญ่มาแล้วหลายรุ่น แต่ละรุ่นเพิ่มความสามารถใหม่ทั้งด้านการให้เหตุผล บริบทข้อความที่ยาวขึ้น การประมวลผลหลายรูปแบบ (มัลติโมดัล) และการทำงานแบบเอเจนต์ บทความนี้จะพาไล่เรียงไทม์ไลน์ตั้งแต่จุดเริ่มต้นจนถึงรุ่นล่าสุด พร้อมสรุปฟีเจอร์เด่นของแต่ละยุค

จุดเริ่มต้น: Bard (มีนาคม 2023)

ก่อนจะมี Gemini, Google เปิดตัวแชทบอท Bard ในเดือนมีนาคม 2023 โดยขับเคลื่อนด้วยโมเดล LaMDA ในช่วงแรก ถือเป็นคำตอบของ Google ต่อกระแส ChatGPT ที่กำลังมาแรง ก่อนที่ภายหลังจะเปลี่ยนไปใช้โมเดล PaLM 2

Gemini 1.0 (ธันวาคม 2023)

Google เปิดตัว Gemini อย่างเป็นทางการเมื่อวันที่ 6 ธันวาคม 2023 โดยวางตำแหน่งเป็นโมเดล AI มัลติโมดัลที่ทรงพลังที่สุดของบริษัทในเวลานั้น แบ่งออกเป็น 3 ขนาดตามการใช้งาน:

• Gemini Ultra — รุ่นใหญ่สุด เน้นงานซับซ้อน เช่น คณิตศาสตร์ วิทยาศาสตร์ และการเขียนโค้ด
• Gemini Pro — รุ่นสมดุลสำหรับงานทั่วไป ใช้ขับเคลื่อน Bard ในตอนนั้น
• Gemini Nano — รุ่นเล็กสำหรับรันบนอุปกรณ์โดยตรง (on-device) เช่นสมาร์ตโฟน

ต้นเดือนกุมภาพันธ์ 2024 Google เปลี่ยนชื่อแอป Bard เป็น Gemini อย่างเป็นทางการ พร้อมเปิดตัว Gemini Advanced ที่ให้ผู้ใช้เข้าถึงรุ่น Ultra ผ่านแอปมือถือ

Gemini 1.5 (กุมภาพันธ์ 2024)

จุดเด่นของรุ่นนี้คือ หน้าต่างบริบท (context window) ขนาดสูงสุดถึง 1 ล้านโทเคน ทำให้โมเดลสามารถอ่านและวิเคราะห์เอกสารยาวทั้งเล่ม วิดีโอความยาวหลายชั่วโมง หรือโค้ดเบสขนาดใหญ่ได้ในครั้งเดียว ต่อมาในเดือนพฤษภาคม 2024 Google เปิดตัว Gemini Flash รุ่นที่เน้นความเร็วสูงและต้นทุนต่ำ เหมาะกับงานที่ต้องตอบสนองแบบเรียลไทม์ พร้อมนำ Gemini ไปฝังอยู่ในผลิตภัณฑ์อย่าง Gmail, Docs และ Search (ในรูปแบบ AI Overviews)

Gemini 2.0 (ธันวาคม 2024)

Gemini 2.0 Flash เปิดตัวรุ่นทดลองในวันที่ 11 ธันวาคม 2024 และกลายเป็นรุ่นที่ใช้งานได้เต็มรูปแบบ (GA) ในเดือนกุมภาพันธ์ 2025 จุดเปลี่ยนสำคัญของรุ่นนี้คือทิศทางสู่ "ยุคของเอเจนต์" — โมเดลเริ่มมีความสามารถในการวางแผนหลายขั้นตอน เรียกใช้เครื่องมือ (tool use) และทำงานอัตโนมัติแทนผู้ใช้ได้มากขึ้น นอกจากนี้ยังขยายไปสู่ Wear OS และโปรเจกต์ทดลองใน Google Labs

Gemini 2.5: ยุคของโมเดล "คิดก่อนตอบ" (มีนาคม–กรกฎาคม 2025)

Gemini 2.5 Pro เปิดตัวเป็นรุ่นทดลองเมื่อ 25 มีนาคม 2025 ในฐานะโมเดล "thinking model" รุ่นแรกของตระกูล Gemini คือมันจะให้เหตุผลเป็นขั้นตอนก่อนสร้างคำตอบสุดท้าย ช่วยเพิ่มความแม่นยำในงานที่ซับซ้อน ตามมาด้วย Gemini 2.5 Flash ในเดือนเมษายน และทั้งคู่เข้าสู่สถานะ GA อย่างเป็นทางการวันที่ 17 มิถุนายน 2025 ส่วน Gemini 2.5 Flash-Lite ตามมาในเดือนกรกฎาคม 2025 นอกจากนี้ Google ยังเปิดตัวโหมด Gemini 2.5 Deep Think สำหรับผู้ใช้ Google AI Ultra ซึ่งเน้นการให้เหตุผลเชิงลึกในโจทย์ที่ยากมาก

Gemini 3 (พฤศจิกายน–ธันวาคม 2025)

วันที่ 18 พฤศจิกายน 2025 Google เปิดตัว Gemini 3 Pro ซึ่งถูกวางตำแหน่งเป็นโมเดลมัลติโมดัลที่ดีที่สุดในโลก ณ เวลานั้น โดยทำคะแนนอันดับ 1 บน LMArena Leaderboard และรองรับอินพุตแบบผสมทั้งข้อความ รูปภาพ วิดีโอ เสียง และเอกสาร PDF ในคำขอเดียว ด้วยหน้าต่างบริบทสูงสุดกว่า 1 ล้านโทเคน จุดเด่นสำคัญของรุ่นนี้ ได้แก่:

• Generative UI — ความสามารถสร้างอินเทอร์เฟซแบบโต้ตอบได้ (เช่น เครื่องมือคำนวณ หรือแผนภาพ) แทนที่จะตอบเป็นข้อความอย่างเดียว
• Gemini 3 Deep Think — โหมดให้เหตุผลระดับสูงสุด ที่เคยใช้คว้าเหรียญทองระดับโลกจากการแข่งขันคณิตศาสตร์ IMO และเขียนโปรแกรม ICPC
• Google Antigravity — แพลตฟอร์มพัฒนาซอฟต์แวร์แบบ agentic coding/vibe coding ตัวใหม่ที่ขับเคลื่อนด้วย Gemini 3
• การผนวกเข้ากับ Search, Gemini App, AI Studio, Vertex AI, Gemini CLI และ Android Studio ตั้งแต่วันแรก

ต่อมาวันที่ 17 ธันวาคม 2025 Gemini 3 Flash ตามมา และกลายเป็นโมเดลค่าเริ่มต้น (default) ในแอป Gemini เนื่องจากให้ความสมดุลระหว่างความเร็วและความสามารถ

Gemini 3.1 และ 3.5 (ต้นถึงกลางปี 2026)

ต้นปี 2026 Google เดินหน้าปรับปรุงตระกูล Gemini 3 อย่างต่อเนื่อง:

• Gemini 3.1 Pro — เปิดตัวรุ่นพรีวิวเมื่อ 19 กุมภาพันธ์ 2026 เน้นพัฒนาการเขียนโค้ด การให้เหตุผลเชิงวิทยาศาสตร์ การทำความเข้าใจบริบทยาว และการวางแผนแบบเอเจนต์ที่ซับซ้อนมากขึ้น
• Gemini 3.1 Flash-Lite — รุ่นประหยัดต้นทุนสุดในตระกูล 3.1 เหมาะกับงานปริมาณมาก เช่น การจัดหมวดหมู่ สรุปเนื้อหา แปลภาษา และแชตบอทระดับองค์กร
• ในงาน Google I/O วันที่ 19 พฤษภาคม 2026 Google ประกาศตระกูล Gemini 3.5 ต่อยอดความสามารถด้านการเขียนโค้ดและงานเอเจนต์ให้ก้าวหน้าขึ้นไปอีก พร้อมเปิดตัว Gemini 3.1 Flash Image โมเดลสร้าง/แก้ไขภาพความเร็วสูงที่รองรับการโต้ตอบแก้ไขภาพต่อเนื่องด้วยภาษาธรรมชาติ

รุ่นล่าสุด: Gemini 3.7 Flash (สิงหาคม 2026)

ปัจจุบัน (ณ กันยายน 2026) โมเดลแนวหน้าของ Google คือ Gemini 3.7 Flash ซึ่งเข้าสู่สถานะ GA เมื่อวันที่ 13 สิงหาคม 2026 โดยเป็นการอัปเดตต่อจาก 3.6 Flash เพียงสามสัปดาห์ และเป็นผู้นำในกลุ่มโมเดลของ Google ด้านการเขียนโค้ด งานเอเจนต์ และเวิร์กโฟลว์ระดับองค์กร ในราคาเปิดตัวที่ถูกลงครึ่งหนึ่งจากเดิม ส่วนตำแหน่งรุ่น Pro ยังคงเป็นของ Gemini 3.1 Pro ขณะที่ Gemini 3.5 Pro ที่เคยประกาศไว้ยังไม่เปิดใช้งานเต็มรูปแบบ

โมเดลแยกย่อยที่มาพร้อมตระกูล Gemini

นอกจากโมเดลแชทหลักแล้ว Google ยังพัฒนาโมเดลเฉพาะทางควบคู่กันภายใต้ร่มของ Gemini:

• Imagen (Imagen 1–4) — โมเดลสร้างภาพจากข้อความ ปัจจุบันถูกแทนที่ด้วยตระกูล Nano Banana (gemini-3-pro-image / gemini-2.5-flash-image) ที่ผนวกเข้ากับ Gemini โดยตรง
• Veo — โมเดลสร้างวิดีโอ ล่าสุดมีรุ่น Veo 3.1 ที่เน้นความคุ้มค่าและวนซ้ำงานได้เร็ว
• Lyria — โมเดลสร้างเพลง/เสียงดนตรี
• Gemini Live — โหมดสนทนาด้วยเสียงแบบสองทาง ปรับความเร็วเสียง สำเนียง และรองรับการฝึกภาษาใหม่หรือซ้อมสัมภาษณ์งาน
• Gemini Embedding — โมเดลฝังเวกเตอร์ (embedding) แบบมัลติโมดัล รองรับข้อความ ภาพ วิดีโอ เสียง และ PDF ในปริภูมิเดียวกัน

สรุปฟีเจอร์เด่นที่พัฒนาไปตามกาลเวลา

โดยรวมแล้ว เส้นทางของ Gemini แสดงให้เห็นการพัฒนาแบบเป็นขั้นบันได — จากความสามารถมัลติโมดัลพื้นฐาน สู่บริบทยาว การให้เหตุผลเชิงลึก และสุดท้ายคือการทำงานแบบเอเจนต์ที่ทำงานแทนผู้ใช้ได้อย่างเป็นอิสระมากขึ้นเรื่อยๆ ซึ่งเป็นทิศทางเดียวกับที่ผู้พัฒนา AI รายใหญ่รายอื่นกำลังมุ่งไป