Google AIInfrastruktúra6 réteg

Gemini mint Google-natív AI infrastruktúra

A Gemini nem egyszerűen egy chatbot. Egy hat rétegű, Google-natív AI-rendszer, amelyben külön réteget alkotnak a modellek, a fogyasztói alkalmazások, a Workspace-integráció, a forrásalapú kutatás, a munkafolyamatok és a vállalati felhőplatform. Ezek nem ugyanazt csinálják, ezért érdemes külön kezelni őket.

A Gemini API hivatalos modellkatalógusa · Utoljára ellenőrizve: 2026. október 30.

Gemini chat oldal →Workspace réteg →Gemini Enterprise Agent Platform →

Mi a Gemini valójában?

A Gemini márkanév mögött legalább hat különböző termékréteg él. Az App layer a legkézenfekvőbb belépési pont — chat, fájlelemzés, Deep Research, Gems, Live. A Workspace layer beépülő AI réteg Gmailben, Docsban, Sheetsben, Slidesban, Drive-ban és Meetben — nem külön app, hanem a napi munka fölé épülő segítőréteg.

A Gemini Notebook (korábban NotebookLM) más terméklogika: nem általános chat, hanem saját forrásokra épülő kutatási és tanulási rendszer. A Gemini Enterprise Agent Platform (korábban Vertex AI) pedig vállalati platform — modellek, API-hozzáférés, agentfejlesztés és üzemeltetés.

Az a kérdés, hogy „jobb-e a Gemini, mint más AI?", rosszul van feltéve. A helyes kérdés: melyik Gemini-réteg illik az adott munkafolyamathoz? Ez workflow-fit kérdés, nem márkavibe kérdés.

A hat réteg

Minden réteg eltérő kontextushoz, adatkezeléshez, jogosultsághoz és workflow-hoz kötődik.

01
1. Model layer
A Gemini API jelenlegi kínálatában stabil Gemini 4 és Gemini 3 modellek, valamint előnézeti modellek szerepelnek. A modellválasztás a feladattól, a hozzáféréstől és az elvárt sebességtől függ.
02
2. App interface layer
Gemini Apps: chat, fájlelemzés, Deep Research, Gems, Canvas, Live. Ez a legtöbb ember számára az elsődleges belépési pont a Google AI-ba.
03
3. Connected Google products layer
Workspace: Gmail, Docs, Sheets, Slides, Drive, Meet, Chat. A Gemini itt nem külön app, hanem a napi munkakörnyezet fölé épülő AI-réteg.
04
4. Source & context layer
Gemini Notebook (korábban NotebookLM) és Deep Research: saját forrásokra, illetve webes feltárásra épülő kutatási módok. A Gemini Notebook csomagszintjei: Standard, Plus, Pro és Ultra.
05
5. Workflow layer
Email draft, thread-summary, fájlszintézis, formula, slide-struktúra, megbeszélésjegyzetek. Ez az a réteg, ahol a Gemini nem csak válaszol, hanem munkafolyamatot gyorsít.
06
6. Enterprise & cloud layer
Gemini Enterprise Agent Platform: API-hozzáférés, Agent Studio, Agent Runtime, Model Garden, kiértékelés és üzemeltetés. A Gemini mint programozható AI-komponens és vállalati infrastruktúra.

A Gemini modellcsalád

A Gemini API stabil és előnézeti modelleket kínál eltérő feladatokra. A Gemini appban a Gemini 4 Argon a Google AI Pro és Ultra előfizetők számára érhető el; a helyes döntés a feladathoz illő modell kiválasztása.

Gemini 4 Argon — érvelés és összetett feladatok

A Gemini API stabil, zászlóshajó érvelőmodellje összetett feladatokra. Egységes, 1 048 576 tokenes kontextusablaka és akár egymillió tokenes kimenete van.

•Az egységes kontextusablak 1 048 576 token; a hosszú kimenet legfeljebb egymillió token lehet.
•A Gemini API-ban a modell nem érhető el ingyenes szinten.
•A Gemini appban Gemini 4 Argon globálisan elérhető a Google AI Pro és Ultra előfizetőknek.
•Összetett kódolási, matematikai és több lépéses feladatokra készült.

Gyakorlati felhasználási esetek

Hogyan néz ki a Gemini stack a valóságban, ha rétegekben gondolkodunk?

Kutatás és briefing

A Gemini app és a Deep Research segít a webes feltárásban, majd a Gemini Notebook a saját dokumentumokra épülő kutatásban. A két termék más típusú forrásokkal dolgozik.

Napi Workspace-munka

Gmailben draftolsz, Docsban szerkesztesz, Sheetsben insightot kérsz, Meetben note-ot készítsz. A Gemini a meglévő munkakörnyezet fölé épülő AI-réteg — nem külön app.

Dokumentumalapú oktatás

Forrásanyagok hozzáadása a Gemini Notebookhoz → kérdések, összefoglalók és tanulási anyagok készítése. Itt a saját forrásokra támaszkodó munka fontosabb, mint az általános chatkényelmi funkciók.

Vállalati AI build

AI Studio-ban promptot és felhasználási esetet validálsz, majd a Gemini Enterprise Agent Platformon Agent Studio-val vagy ADK-val agentet készítesz és Agent Runtime-on futtatsz. Az eszközök és hozzáférések szervezeti szabályokkal kezelhetők.

Erősségek

Google-ökoszisztéma mélysége

A Gemini értéke nem a modellből, hanem a kontextusból jön. Gmail, Drive, Docs, Sheets, Meet — ha a napi munkád ezekben él, a Gemini natívan hozzáférhet ahhoz, amiből dolgozol.

Rétegenkénti skálázás

Elindulhatsz a Gemini chattel, és rétegről rétegre haladhatsz: Workspace-integráció, Gemini Notebook-forrásréteg és Gemini Enterprise Agent Platform. Nem kell mindent egyszerre.

Multimodális stack egy ökoszisztémában

Szöveg, kép, hang, videó, PDF, kód, tábla — mindezt ugyanazon a Google infrastruktúrán belül kezeled. Nincs váltási súrlódás.

Gemini Notebook mint önálló terméklogika

A forrásalapú, inline hivatkozásos tudásmunka nem kiegészítő funkció, hanem önálló terméklogika. Ez emeli ki a Google stacket az általános chatbot-versenytől.

Gyengeségek és hibamódok

Account- és csomagfüggőség

Amit egy bemutató megmutat, az nem feltétlenül érhető el minden fiókban. A személyes, munkahelyi és oktatási fiókok, illetve a Google AI Plus, Pro és Ultra csomagok eltérő funkciókat és limiteket adhatnak.

Rétegek összekeverése

A Gemini márkanév több termékréteget fed. A Gemini app, a Workspace-integráció, a Gemini Notebook és a Gemini Enterprise Agent Platform összekeverése gyakori félreértés.

Modell ≠ termék képesség

Amit a Gemini modell tudhat, azt nem feltétlenül teszi elérhetővé az adott felület, csomag vagy szervezeti beállítás. Mindig a termékréteg tényleges dokumentációjából kell kiindulni.

Gemini Enterprise Agent Platform belépési összetettsége

Az enterprise réteg tanulási küszöbe magas. Aki túl korán megy ide, elveszik a platformkomplexitásban. Aki túl sokáig marad az AI Studio/App rétegen, prototípussal próbál rendszert üzemeltetni.

Mikor melyik réteg?

Feladatból indulj ki, ne a márkanévből.

Feladat	Réteg	Miért?
Gyors általános AI	Gemini App	Kérdezés, ötletelés, fájlelemzés, Deep Research — belépési réteg.
Napi Workspace-munka	Google Workspace with Gemini	Gmail, Docs, Sheets, Slides, Meet — ha a feladat már itt él.
Forrásalapú kutatás	Gemini Notebook	Saját dokumentumokra épülő, forrásalapú tudásmunka.
Fejlesztői prototipizálás	Google AI Studio	API, prompt iteráció, Get code, multimodális kipróbálás.
Enterprise build és deployment	Gemini Enterprise Agent Platform	Irányítás, API, üzemeltetés, Agent Studio és Model Garden.

Amit nem szabad összekeverni

A Gemini-stackkel kapcsolatos leggyakoribb félreértések.

A Gemini egy chatbot

Nem. A Gemini egy több rétegből álló Google-natív AI-rendszer. A chat csak az egyik felszíne. A Workspace-integráció, a Gemini Notebook és a Gemini Enterprise Agent Platform más feladatra és más logikára épül.

Erősebb modell = jobb termék

A modellképesség és a termékképesség nem ugyanaz. A legjobb Gemini modell sem garantálja, hogy az adott felület, licenc vagy szervezeti beállítás ugyanezt adja neked.

A Gemini Notebook csak egy Gemini app-funkció

Nem. A Gemini Notebook önálló terméklogika: saját forrásokra épülő kutatást és írást támogat. Nem helyettesíti az általános chatet, és az általános chat sem helyettesíti a Gemini Notebookot.

A Gemini Enterprise Agent Platform bonyolult chatbot

Nem. A Gemini Enterprise Agent Platform vállalati AI-infrastruktúra: modellhozzáférés, agentfejlesztés, telepítés és üzemeltetés. Aki ezt választja, rendszert épít.

Gemini mint Google-natív AI infrastruktúra

Mi a Gemini valójában?

A hat réteg

1. Model layer

2. App interface layer

3. Connected Google products layer

4. Source & context layer

5. Workflow layer

6. Enterprise & cloud layer