MarkTechPost · 12.06.2026 ·Модели и текст-в-СQL

Google представил Gemini-SQL2 с точностью 80.04% на BIRD leaderboard

Google Research анонсировал Gemini-SQL2 — модель для преобразования текста в SQL-запросы, основанную на Gemini 3.1 Pro. Она показала 80.04% точность выполнения на BIRD single-model leaderboard, что делает её одной из лучших в своей категории. Этот показатель измеряет способность модели генерировать SQL-запросы, которые корректно выполняются на базе данных, и соответствует лучшим результатам в отрасли.

BIRD leaderboard оценивает модели по их способности работать с разнообразными базами данных и сложными запросами. Gemini-SQL2 обогнала многих конкурентов, включая предыдущие версии моделей Google, что демонстрирует значительный прогресс в обработке естественного языка для работы с базами данных. Однако Google пока не раскрыл детали обучения модели или её архитектуры, что оставляет вопросы о её масштабируемости и возможностях.

Основные применения Gemini-SQL2 включают автоматизацию аналитики, создание интерактивных интерфейсов для работы с данными и интеграцию с системами управления базами данных. Модель может быть полезна в разработке ИИ-агентов, которые требуют доступа к структурированным данным. Например, агенты, работающие с аналитическими отчётами или бизнес-данными, смогут использовать Gemini-SQL2 для генерации запросов на основе естественного языка.

Важным аспектом является schema-grounded implementation pattern, который позволяет модели учитывать структуру базы данных при генерации запросов. Это повышает точность и снижает риск ошибок, что критично для производственных систем. В будущем Gemini-SQL2 может стать ключевым инструментом для разработчиков, работающих с данными, и расширить возможности ИИ-агентов в аналитике и автоматизации.

Источник: MarkTechPost

Похожие материалы

Google DeepMind News · Выход новых моделей Gemini 3.1 Pro от DeepMind для сложных задач DeepMind представила новую модель Gemini 3.1 Pro, ориентированную на решение сложных задач, где требуется не просто ответ, а глубокий анализ и понимание контекста. Модель демонстрирует улучшенные способности в обработке сложных запросов, что делает её перспективной для применения в различных областях, включая разработку ИИ-агентов. Hacker News · Вычислительные мощности и модели ИИ Gemini 3.5 Flash демонстрирует высокую скорость и качество Google представила новую версию своей модели Gemini — Gemini 3.5 Flash. Эта модель отличается не только высокой скоростью работы, но и качеством вывода, что делает её конкурентоспособной на рынке ИИ-решений. Gemini 3.5 Flash оптимизирована для работы на устройствах с ограниченными вычислительными ресурсами, что позволяет использовать её в мобильных и встраиваемых системах. Google DeepMind News · ИИ в науке Gemini for Science: инструменты для научных открытий DeepMind представила Gemini for Science — набор инструментов и экспериментов, направленных на расширение масштабов и точности научных исследований. Этот проект включает в себя модели, способные обрабатывать и анализировать большие объемы научных данных, а также инструменты для автоматизации экспериментов и моделирования. Google DeepMind News · Новые модели ИИ Gemini 3.5 от DeepMind: интеллект с возможностью действия DeepMind представила новую модель Gemini 3.5, которая отличается от предыдущих версий способностью выполнять сложные, агентские рабочие процессы. Это значительный шаг вперёд, так как модель не только понимает контекст, но и может активно взаимодействовать с окружающей средой для достижения целей. Gemini 3.5 построена на архитектуре, которая позволяет ей интегрироваться с различными инструментами и системами, что делает её полезной для автоматизации сложных задач. The latest research from Google · ИИ и анализ данных Groundsource: как Gemini превращает новости в структурированные данные Google представил новый инструмент Groundsource, который использует возможности модели Gemini для преобразования новостных репортажей в структурированные данные. Это решение направлено на улучшение анализа информации в области климата и устойчивого развития. The latest research from Google · RAG и агентные платформы Как Gemini Enterprise Agent Platform улучшает RAG для ИИ-агентов Google представил Agentic RAG — подход к Retrieval-Augmented Generation (RAG) в рамках своей платформы Gemini Enterprise Agent. Этот метод направлен на повышение надёжности и точности ответов ИИ-агентов за счёт улучшенного извлечения и использования контекста из внешних источников. Google DeepMind News · Новые модели для агентов Gemma 4: открытые модели для сложных агентских сценариев DeepMind представила Gemma 4 — новую версию своих открытых моделей, позиционируемых как самые мощные на сегодняшний день. Эти модели специально оптимизированы для сложных задач, включая рассуждения и агентские workflows. Gemma 4 предлагает улучшенные возможности в обработке естественного языка, что делает её перспективной для интеграции в ИИ-агентов, требующих высокого уровня интеллектуальных способностей. Google DeepMind News · Новые модели ИИ DeepMind представила Gemini Omni DeepMind анонсировала новую модель Gemini Omni, которая позиционируется как универсальное решение для широкого спектра задач. Gemini Omni отличается улучшенной производительностью и способностью работать с мультимодальными данными, включая текст, изображения и видео. Это важный шаг в развитии ИИ, так как модель демонстрирует высокий уровень адаптивности и точности в различных сценариях. Google DeepMind News · Выход новых моделей Gemini 3.1 Flash-Lite от DeepMind: скорость и эффективность DeepMind представила новую модель Gemini 3.1 Flash-Lite, которая позиционируется как самая быстрая и экономически выгодная в серии Gemini 3. Эта модель разработана для работы в условиях масштабируемой интеллектуальной обработки, что делает её особенно привлекательной для разработчиков ИИ-агентов и сервисов. Google DeepMind News · Развитие голосовых моделей Gemini 3.1 Flash Live улучшает голосовые взаимодействия DeepMind представила новую версию своей голосовой модели Gemini 3.1 Flash Live, которая обещает более естественные и точные голосовые взаимодействия. Новая модель фокусируется на снижении задержек и повышении точности, что делает её более подходящей для реального времени. Это важно для разработчиков ИИ-агентов, так как голосовые интерфейсы становятся всё более популярными в различных приложениях, от виртуальных ассистентов до клиентских сервисов.

← Все материалы