Gemini Diffusion: 8 Pratik Örnekle Rehber

Bu şunları mümkün kılar:

• Daha hızlı metin üretimi (saniyede 1479 token'a kadar)
• Daha tutarlı metin blokları
• Daha iyi gerçek zamanlı düzenleme iş akışları

Artık tek tek kelimeleri beklemek yerine, tamamlanmış ve rafine edilmiş sonucu anında görüyorsunuz. Bu da Gemini Diffusion'ı, Google'ın gerçek zamanlı üretim görevleri için yayımladığı örnekleme hızı en yüksek modellerden biri yapıyor. Modelin böylesine etkileyici sonuçlar ürettiği bazı kıyaslamalar şöyle.

Gemini Diffusion'a Nasıl Erişilir?

Bu yazı yazılırken, Gemini Diffusion yalnızca davetli kullanıcılara yönelik deneysel bir demo olarak sunulmaktadır. Tamamen tarayıcı içinde çalışır ve metin, kod, tuval (canvas) ve ses etkileşimlerini (yerleşik MIDI ses üretimi aracılığıyla) destekler.

Başlamak için:

1. Şuraya gidin: Gemini Diffusion Bekleme Listesi Formu
2. Google hesabınızla oturum açın
3. Erişim onayını bekleyin
4. Erişim verildiğinde, doğrudan DeepMind arayüzü üzerinden deney yapabilirsiniz.

SDK veya API gerekmez!

Şimdi Gemini Diffusion'ın oyun geliştirme ve çizimden kod düzenleme ve hatta sese kadar birden fazla alanda neler yapabildiğine bakalım.

Örnek 1: Metin Üretimi

Oyun alanında, modelin uzun biçimli içerik üretme yeteneğini aşağıdaki istemle test ettim.

İstem: Hegel üslubunda kızarmış ekmeğin erdemlerini açıklayın. Ardından, makaleyi 10 farklı dile çevirin.

Model, 9 saniyeden kısa sürede 7000'in üzerinde token üretti; net başlıklar, yorumlar ve 10 dilde metinle birlikte.

Yukarıdaki videoda üretim hızının saniyede 892 token olduğunu fark edin. Buna karşılık, Gemini 2.0 Flash-Lite çoğu gerçek zamanlı senaryoda tipik olarak saniyede yaklaşık 250–400 token üretir.

Örnek 2: Gerçek Zamanlı Etkileşimlerle Oyun Geliştirme

Taş Kağıt Makas Kertenkele Spock hayranları için, bu oyun simülasyonunu Gemini Diffusion modeliyle üretmeyi test ettim.

İstem: Taş, Kağıt, Makas, Kertenkele, Spock oynamak için bir HTML+JavaScript web uygulaması oluşturun. Her seçenek için emoji kullanın (🪨📄✂️🦎🖖), arayüzü neon/parlak ve fütüristik yapın. Oyuncunun birine tıklamasına izin verin ve bilgisayar rastgele seçim yapsın. Sonucu animasyon ve skor takibiyle gösterin. 'Oyunu Yeniden Başlat' düğmesi ekleyin. Oyunu duyarlı (responsive) yapın.

Bu, pürüzsüz klavye kontrolleriyle eksiksiz oynanabilir ve etkileşimli bir oyun üretti; oyun döngülerini prototiplemek veya animasyon temellerini öğretmek için ideal.

Örnek 3: Gerçek Zamanlı Simülasyon

Gemini Diffusion modelinin en iyi yanı gerçek zamanlı simülasyonlar. İstemleri hayata geçiriyorlar. Burada iki örneği test ettim: zıplayan parçacıklar ve sinüzoidal ile kosinüs dalga boyu simülasyonları.

Örnek 3.1: Zıplayan parçacık sistemi simülasyonu

İstem: JavaScript kullanarak bir kutu içinde rastgele yönlerde hareket eden 100 parçacığı simüle edin.

Yukarıdaki istemi uyguladığımda, Gemini Diffusion DOM güncellemeleri ve temel fizik içeren, tamamen işlevsel bir zıplayan parçacık simülasyonu üretti. Animasyon akıcı ve duyarlıydı; parçacık sayısı, hız ve renk gibi parametreleri kolayca ayarlayabildim.

Bir adım daha ileri gitmek için, modelden daire boyutlarını gerçek zamanlı ayarlamak üzere bir kaydırıcı eklemesini istedim ve bunu kusursuz şekilde uyguladı. Ancak dairelerin yerine kelebek simgeleri koymasını istediğimde, istemi istenen şekilde yerine getiremedi.

Örnek 3.2: Etkileşimli dalga formu simülasyonu

Bir sonraki örneğim için etkileşimli bir dalga formu simülasyonu üretmeyi denedim:

İstem: Sinüzoidal bir dalgayı görselleştiren etkileşimli bir dalga formu simülatörü oluşturun. Kullanıcıların dalga boyunu, genliği ve frekansı kaydırıcılarla ayarlamasına izin verin. Görselleştirme, dalga boyunu değiştirmenin dalgayı nasıl uzattığını veya sıkıştırdığını açıkça göstermelidir. Her parametreyi ve gerçek dünyadaki önemini açıklayan araç ipuçları (tooltip) ekleyin.

İstemi çalıştırdığımda, Gemini dalga boyu (λ), genlik (A) ve frekans (f) ayarı için kaydırıcılara sahip, duyarlı bir dalga formu simülatörü oluşturdu; eğitim amaçlı demolar için ideal.

Başta yalnızca sinüs dalgalarını destekliyordu. Kosinüs dalgalarını da desteklemesini istediğimde, Gemini dalga tipleri arasında geçiş için hızla bir açılır menü ekledi ve UI bileşenlerinde yinelenerek geliştirme yeteneğini gösterdi. Ancak sinüs ve kosinüs dalgalarını birleştirip birleşik bir dalga formu oluşturmasını istediğimde, model bunu başaramadı.

Örnek 4: Kod Üretimi ve Çalıştırma

Bir MAK uzmanı olarak, Gemini Diffusion'ın Python tabanlı makine öğrenimi kodu üretme ve çalıştırma yeteneğini test etmek istedim. Bu nedenle ona şunu sordum:

İstem: NumPy kullanarak basit bir sinir ağı yaz ve çalıştır.

Gemini, yalnızca NumPy kullanan, aktivasyon fonksiyonu, ağırlık başlatma, geri yayılım mantığı ve eğitim döngüsünü içeren, eksiksiz ve iyi yapılandırılmış bir ileri beslemeli sinir ağı uygulaması döndürdü. Her adım için açıklamalar da eklemişti.

Çalışma zamanı yeteneklerini test etmek için şu şekilde devam ettim:

İstem: Bunu benim için çalıştırabilir misin?

Gemini, tümleşik bir çalışma zamanı ortamı olmadığı için Python kodunu yerel olarak çalıştıramadığını belirtti. Ancak, kaybı çeşitli eğitim aralıklarında tahmin ederek beklenen çıktıyı simüle etti ve bunun Jupyter Notebook gibi yerel bir ortamda çalıştırılsaydı tipik çıktının nasıl görüneceğini gösterdi.

Gemini Diffusion henüz kodu tarayıcı içinde çalıştıramasa da, çıktı davranışını simüle edebilmesi ve beklenen sonuçları sağlaması, prototipleme için oldukça değerli. Gelecekte çalışma zamanı entegrasyonu eklenirse, aracı makine öğrenimi modellerini öğrenmek ve denemek için tamamen kendi kendine yeterli bir oyun alanına dönüştürebilir.

Örnek 5: Gerçek Zamanlı Çizim Uygulaması

Sonraki adımda, fırçalar, renkler ve şekiller içeren daha eğlenceli bir şey, yani etkileşimli bir çizim uygulamasıyla denemeler yaptım. Temel bir istemle başladım:

İstem: Birden fazla fırça ve renge sahip bir çizim uygulaması yap.

Gemini, temel bir renk paleti, fırça boyutu seçicileri (küçük, orta, büyük) ve temizleme düğmesi içeren tuval tabanlı bir karalama defteri yanıtı verdi.

Bunun üzerine, modelden palete “pembe” bir renk seçeneği eklemesini istedim ve bunu sorunsuzca entegre etti. Ardından ek çizim araçları—dikdörtgen, kare ve daire—talep ettim ve Gemini Diffusion bunları seçilebilir şekil seçenekleri olarak sundu.

Nihai çıktı tüm istemlerime uydu ve yaratıcı bir araç olarak iyi çalıştı. Tek belirgin dezavantaj, çizim etkileşimleri sırasında biraz gecikme ve akıcılıkta azalma olmasıydı; bu muhtemelen önizleme modunda çalışmanın sınırlamalarından kaynaklanıyor. Ancak genel olarak, tarayıcı içi gerçek zamanlı bir prototip için etkileyici derecede işlevseldi.

Örnek 6: Kodla Anında Düzenleme

Playground'ın ötesinde, Gemini Diffusion, metin veya kodu en az yönlendirmeyle gerçek zamanlı olarak değiştirmenizi sağlayan güçlü bir özellik sunar: Instant Edit.

Bunu test etmek için içerik metin kutusuna bir Python fonksiyonu verdim:

def find_median(nums):
    if not nums:
        return None
    nums.sort()
    n = len(nums)
    mid = n // 2
    if n % 2 == 1:
        return nums[mid]
    else:
        return (nums[mid - 1] + nums[mid]) / 2

İstem: Bu kodu C++'a dönüştür

Gemini, fonksiyonu temiz bir C++ sözdizimine başarıyla çevirdi. Ardından ondan iki ek fonksiyon eklemesini istedim: biri aritmetik ortalama, diğeri tepe değer (mod) hesaplamak için. Bunları kod bloğuna doğru şekilde ekledi.

Son adım olarak, üç fonksiyonun tümünü doğrulamak için test durumları eklemesini istedim ve bunu da tamamladı. Ancak “bu kodu çalıştır” şeklinde istemde bulunduğumda Gemini yanıt vermedi; bu da kod üretiminde mükemmel olsa da derlenen kodun çalıştırılması veya simülasyonunun bu ortamda şu anda desteklenmediğini gösteriyor.

Örnek 7: Metinle Anında Düzenleme

Bu araç, hikâye yazma ve düzenleme için de harika. Instant Edit kullanarak modele tek satırlık bir hikâye verdim ve onu genişletmesini istedim. 

İçerik metin kutusu: Treewood'da yaşayan ve ünlü bir film yıldızı olmayı hayal eden Sprig adlı mutlu bir ağaç hakkında bir hikâye yazın.

Anlatıyı derinleştirmek için daha sonra modelden, onaylamayan bir baba figürü ekleyerek dramatik bir gerilim katmasını istedim.

İstem: Bu hikâyeye, Sprig'in kariyer seçimini onaylamayan bir baba karakteri ekleyerek dram katın.

Model, hikâyeyi satır içinde genişleterek Sprig'in tiyatral hayallerini onaylamayan, bilge ama sert bir meşe ağacı babayı ustaca hikâyeye ördü. Düzenlemeler, orijinal ve güncellenmiş içeriği karşılaştırmama olanak tanıyan görsel anahtarlamalarla vurgulanmıştı.

Bu örnek, Instant Edit'in artımlı hikâye anlatımını ve kontrollü yaratıcı iyileştirmeyi, kullanıcıyı her adımda sürecin içinde tutarak nasıl destekleyebileceğini gösterdi.

Örnek 8: Sesli Ksilofon

Son testim için, Gemini Diffusion'dan etkileşimli bir ksilofon uygulaması oluşturmasını istedim. Model, karşılık gelen ses eşlemeleri, olay dinleyicileri ve hover efektleriyle renkli, iyi düzenlenmiş bir tuş takımı üretti ve etkileşimli ses arayüzlerini ele alma becerisini gösterdi.

İstem: Kullanıcının tuşlara basıp ses üretebildiği bir ksilofon uygulaması oluşturun. Her nota basıldıktan sonra makul bir süre devam etsin. Harici varlık kullanmayın. Yerleşik MIDI ses üretimini kullanın. Tuşları gerçek bir ksilofondaki gibi yerleştirin.

Not: Gemini Diffusion ses veya video üretimini desteklemese de, tarayıcı önizlemesi içinde MIDI tarzı ton sentezi kullanarak gerçekçi ses davranışını simüle edebildi.

Bu, modelin herhangi bir harici varlık veya kütüphane gerektirmeden işlevsel ses arayüzleri oluşturma becerisini vurgular.

Aşağıdaki video için sesi açmanızı öneririm:

Gemini Diffusion Neden Önemli?

Gemini Diffusion, BDM'lerle etkileşim biçimimizde bir paradigma değişimini temsil ediyor. İşte neden önemli olduğu:

• Gerçek zamanlı üretim: Bugüne kadarki en hızlı Google metin modelidir.
• Daha akıllı düzenleme: Üretirken çıktıyı rafine eder ve düzeltir.
• Zengin etkileşim: Tarayıcı içinde simülasyonlar, oyunlar ve ses tabanlı uygulamalar oluşturur.
• Kıyaslama performansı: İnsanEval (%%89,6) ve MBPP (%%76) gibi birçok kodlama kıyaslamasında karşılaştırılabilir performansa sahipken hâlâ belirgin şekilde daha hızlıdır.

Gemini Diffusion'ı hem üretim hızı hem de tutarlılık ve çıktı kalitesi açısından oldukça etkileyici buldum. İster hikâye genişletme, ister fizik simülasyonu, ister etkileşimli araçlar oluşturma olsun; model, en az yönlendirmeyle sürekli hızlı ve kullanılabilir sonuçlar sundu.

Elbette geliştirilmesi gereken alanlar var. Örneğin, şu anda sohbet geçmişini tutmuyor ve çok adımlı değişikliklerde zaman zaman hedefi ıskalıyor. Ayrıca, tüm görevlerde optimize otoregresif modellere kadar iyi performans göstermeyebilir ve kullanıcı başına günde 200 istekle sınırlıdır; ancak beta aşaması umut veriyor.

Sonuç

Gemini Diffusion, bu yıl keşfettiğim en heyecan verici araçlardan biri. Metin için difüzyon yaklaşımını benimseyerek Google, önceki küçük-orta ölçekli modellere kıyasla daha hızlı ve daha etkileşimli bir model oluşturdu; ancak henüz Gemini 2.5 Pro kadar genel amaçlı değil.

Bu uygulamalı anlatımda, Gemini Diffusion'ın iş akışınızı nasıl yükseltebileceğini—UI bileşenlerini prototiplemekten eğitim demoları oluşturmaya ve yaratıcı konseptlerde hızla yinelemeye kadar—vurguladım.

Gemini Diffusion geliştikçe, geliştirici araçları, yaratıcı kodlama ortamları ve tarayıcı tabanlı IDE'lerle daha derin entegrasyonlar bekliyorum; bu da onu tasarımcılar, mühendisler ve eğitimciler için çok yönlü bir çalışma arkadaşı yapacak.

Google I/O 2025'te duyurulan en yeni araçlar hakkında daha fazla bilgi edinmek için şu eğitimleri öneririm:

• Google Jules: 3 Pratik Örnekle Rehber
• Google'ın Veo 3'ü: Pratik Örneklerle Rehber
• Gemma 3n: Demo Projeyle Rehber (VLM Android Uygulaması)