A Gemini 4 Argon lett az Ultralytics autoannotációs tesztjének győztese
A Gemini 4 Argon elérhetővé vált az Ultralytics Platform automatikus képcímkézésében. Az Ultralytics 26 modellt vizsgáló tesztjén a Google modellje 0,565 mAP50 értéket ért el, megelőzve többek között a GPT-6.1 Solt és a Claude Opus 5.5-öt.
- A Gemini 4 Argon elérhető az Ultralytics Platform autoannotációs szerkesztőjében.
- A modell 0,565 mAP50 eredménnyel végzett az Ultralytics 26 modellből álló tesztjén.
- A vizsgálat 36, különböző területet lefedő objektumfelismerési adathalmazt használt.
- A bevezetési árazás körülbelül 7,60 dollár 1000 képenként 2026. november 30-ig.
- Az Ultralytics emberi ellenőrzést javasol az automatikusan létrehozott címkéknél.
Automatikus határolódobozok a képcímkézéshez
A Gemini 4 Argon csatlakozott az Ultralytics Platform osztályprompt-alapú látásnyelvi modelljeihez. A rendszer objektumfelismerési adathalmazokon működik, amelyek 1 és 200 közötti számú osztályt tartalmazhatnak. A modell képenként megkeresi az adathalmaz osztályaihoz tartozó objektumokat, majd határolódobozokat készít hozzájuk.
Az eredményeket a felhasználó ugyanúgy ellenőrizheti és mentheti, mint bármely más előrejelzést. Egyetlen kép címkézéséhez az annotációszerkesztőben a Smart módot kell kiválasztani, majd a Google alatt a gemini-4-argon modellt. Nagyobb adathalmaz esetén a Batch Annotation funkció egyetlen futtatással címkézheti a még fel nem dolgozott képeket.
A Gemini 4 Argon mellett az Ultralytics Platform többek között SAM 3.1 pontpromptokat, valamint előre betanított vagy saját finomhangolt Ultralytics YOLO-modelleket is kínál autoannotációra.
36 adathalmazon vizsgálták a modelleket
Az Ultralytics a UL37 értékelési gyűjtemény 36 objektumfelismerési adathalmazát használta a méréshez. Ezek között szerepeltek orvosi képek, légi és műholdfelvételek, nyomtatott áramköri lapok vizsgálatai, biztonsági röntgenképek, üzletek polcai, közlekedési, sport-, víz alatti és hőkamerás felvételek.
Minden modell 108 címkézett képet kapott, adathalmazonként hármat, az adott adathalmaz teljes osztálylistájával. A visszaadott határolódobozokat a valódi címkékkel vetették össze, mAP50 mérőszámmal. Az egyes szolgáltatók alapértelmezett gondolkodási beállításait használták, az ismételt futtatások pedig körülbelül 0,005 mAP50 értékkel változtatták az eredményeket.
A Gemini 4 Argon 0,565 mAP50 eredményt ért el. A GPT-6.1 Sol 0,491, a Gemini 3.8 Flash 0,489, a Claude Opus 5.5 0,476, a GPT-6 Astra pedig 0,470 értéket kapott. A modell minden kérést teljesített, képenként körülbelül öt másodperces mediánidővel. Az Ultralytics szerint az előnye nem abból fakad, hogy hosszabb válaszokat generál: képenként körülbelül 150 kimeneti tokent használt.
Árazás és korlátok
A fizetős modellek használatához a felhasználó saját szolgáltatói API-kulcsát kell megadnia, a számlázást pedig közvetlenül a szolgáltató végzi. A Google bevezetési árazása mellett a Gemini 4 Argon használata az Ultralytics tesztjében körülbelül 7,60 dollárba került 1000 képenként 2026. november 30-ig. Ezt követően ugyanilyen használat mellett az ár körülbelül 15 dollárra emelkedik.
A Batch Annotation ezen felül 1 dolláros Ultralytics Platform-feldolgozási díjat számít fel 1000 képenként. Az Ultralytics szerint az ipari nyomtatott áramköri lapok és a biztonsági röntgenképek továbbra is nehéz feladatot jelentenek, ezeken a Gemini 4 Argon mAP50 értéke is 0,2 alatt maradt. A vállalat ezért a létrehozott dobozokat ember által ellenőrzendő első vázlatként kezeli, és azt javasolja, hogy a teljes adathalmaz feldolgozása előtt a felhasználók saját képeiken is ellenőrizzék az eredményeket.
Az Ultralytics Platformon a Google API-kulcsa a munkaterület beállításaiban adható meg. A címkézés után a vállalat szerint ugyanabban a munkaterületben Ultralytics YOLO26 modell is betanítható az elkészült adathalmazon. A szolgáltatás minden futtatás előtt új adathalmazverziót ment, így a változtatások visszaállíthatók.
Ultralytics: Gemini 4 Argon is now available for auto-annotation in Ultralytics Platform
