谷歌深夜祭出Gemini 2.0 “硬剛”O(jiān)penAI，還讓開發(fā)者免費(fèi)試用！Agent時(shí)代最強(qiáng)模型登場(chǎng)了？

作者｜冬梅就在 OpenAI“12 天連續(xù)轟炸”的第五天，谷歌終于坐不住了。剛剛，谷歌正式發(fā)布了 Gemini 2.0 系列人工智能模型的首個(gè)版本，該模型名為 Gemini 2.0 Flash，提供版本供全球用戶使用，同時(shí)還有一個(gè)實(shí)驗(yàn)版的模型可供開發(fā)人員免費(fèi)使用，該版本具有文本轉(zhuǎn)語(yǔ)音和圖像生成功能。據(jù)谷歌稱，這是Agent 時(shí)代迄今為止為最強(qiáng)大的 AI 模型，相比上一代 Gemini 模型，2.0 在速度上快兩倍，并且比更大的“專業(yè)”版 Gemini 1.5 更加強(qiáng)大。此外，該版本帶來(lái)了增強(qiáng)的性能、更多的多模態(tài)性和新的原生工具。
相比上一代模型，Gemini 2.0 增加了什么？
谷歌首席執(zhí)行官 Sundar Pichai 在一份聲明中表示：“如果 Gemini 1.0 致力于組織和理解信息，那么 Gemini 2.0 則致力于讓信息變得更加有用。”谷歌最新的大語(yǔ)言模型在大多數(shù)用戶請(qǐng)求領(lǐng)域都比其前代產(chǎn)品表現(xiàn)更好，例如代碼生成和根據(jù)用戶請(qǐng)求提供事實(shí)正確響應(yīng)的能力。在谷歌 DeepMind CEO Demis Hassabis 和谷歌 DeepMind CTO Koray Kavukcuoglu 代表 Gemini 團(tuán)隊(duì)撰寫的博文中，詳細(xì)介紹了 Gemini 2.0 版本的具體特性。據(jù)他們稱，Gemini 2.0 Flash 以 1.5 Flash 的成功為基礎(chǔ)，是谷歌目前最受開發(fā)者歡迎的版本，在同樣快速的響應(yīng)時(shí)間下具有增強(qiáng)的性能。值得注意的是，2.0 Flash 在關(guān)鍵基準(zhǔn)測(cè)試中甚至比 1.5 Pro 更快，速度是 1.5 Pro 的兩倍。2.0 Flash 還具有新功能。除了支持圖像、視頻和音頻等多模式輸入外，2.0 Flash 現(xiàn)在還支持多模式輸出，例如與文本混合的原生生成的圖像和可操縱的文本轉(zhuǎn)語(yǔ)音 (TTS) 多語(yǔ)言音頻。它還可以原生調(diào)用 Google 搜索、代碼執(zhí)行以及第三方用戶定義函數(shù)等工具。過(guò)去一個(gè)月，Gemini 團(tuán)隊(duì)一直在分享 Gemini 2.0 的早期實(shí)驗(yàn)版本，并得到了開發(fā)人員的積極反饋。Gemini 2.0 Flash 現(xiàn)已作為實(shí)驗(yàn)?zāi)Ｐ屯ㄟ^(guò) Google AI Studio 和 Vertex AI 中的 Gemini API 向開發(fā)者提供，所有開發(fā)者均可使用多模式輸入和文本輸出，早期合作伙伴可使用文本轉(zhuǎn)語(yǔ)音和原生圖像生成功能。1 月份將全面上市，同時(shí)將推出更多模型尺寸。為了幫助開發(fā)人員構(gòu)建動(dòng)態(tài)和交互式應(yīng)用程序，谷歌還發(fā)布了新的 Multimodal Live API，它具有實(shí)時(shí)音頻、視頻流輸入以及使用多個(gè)組合工具的能力。要訪問(wèn)實(shí)驗(yàn)版本 Flash 2.0 的優(yōu)化版本，Gemini 用戶可以在桌面和移動(dòng)網(wǎng)絡(luò)上的模型下拉菜單中選擇它。該公司表示，它將很快在 Gemini 移動(dòng)應(yīng)用程序上提供。Gemini Flash 2.0 的多模版本將通過(guò) Google 的 AI Studio 和 Vertex AI 開發(fā)者平臺(tái)提供。該公司還表示，計(jì)劃在 2025 年初將 Gemini 2.0 擴(kuò)展到更多谷歌產(chǎn)品。
推出 Deep Search 新功能
谷歌此次發(fā)布的還不僅僅是大模型。谷歌宣布將推出一項(xiàng)名為 Deep Research 的新功能，它使用高級(jí)推理和長(zhǎng)上下文功能充當(dāng)研究助手，探索復(fù)雜主題并代表用戶編寫報(bào)告。它今日起已經(jīng) Gemini Advanced 中可用。據(jù)谷歌方面稱，Search 無(wú)疑是受到人工智能影響最深遠(yuǎn)、變革最顯著的產(chǎn)品。如今，AI Overviews 已觸達(dá) 10 億用戶，該功能使用戶能夠提出全新的問(wèn)題類型，迅速成為 Search 有史以來(lái)最受歡迎的功能之一。接下來(lái)，谷歌會(huì)將 Gemini 2.0 的高級(jí)推理能力融入 AI Overviews，以攻克更復(fù)雜的主題和多步驟問(wèn)題，包括高等數(shù)學(xué)方程、多模態(tài)查詢和編碼。同時(shí)，谷歌還計(jì)劃明年將 AI Overviews 功能面向更多國(guó)家開放，適配更多語(yǔ)言。2.0 基于谷歌定制的硬件第六代 TPU Trillium 構(gòu)建而成。TPU 為 Gemini 2.0 的訓(xùn)練和推理提供 100% 算力支持，今天 Trillium 也全面向用戶開放，以便他們能夠基于此進(jìn)行開發(fā)。
通過(guò) Gemini 2.0 解鎖 Agent 體驗(yàn)
Gemini 2.0 Flash 已經(jīng)進(jìn)行了原生用戶界面操作能力的改進(jìn)，其他改進(jìn)還包括多模式推理、長(zhǎng)上下文理解、復(fù)雜指令跟蹤和規(guī)劃、組合函數(shù)調(diào)用、原生工具使用和改進(jìn)的延遲等。自大模型誕生以來(lái)，AI Agent 的實(shí)際應(yīng)用是一個(gè)非常火爆的研究領(lǐng)域。谷歌正在通過(guò)一系列原型探索這一新領(lǐng)域，這些原型可以幫助人們完成任務(wù)并完成工作。其中包括對(duì) Project Astra 的更新，這是谷歌的研究原型，旨在探索通用人工智能助手的未來(lái)功能；新 Project Mariner，它從瀏覽器開始探索人機(jī)交互的未來(lái)；以及 Jules，一個(gè)可以幫助開發(fā)人員的 AI 代碼 Agent。Gemini API 集團(tuán)產(chǎn)品經(jīng)理 Shrestha Basu Mallick 和谷歌實(shí)驗(yàn)室產(chǎn)品總監(jiān) Kathy Korevec 表示：“從今天開始（對(duì)于受信任的測(cè)試人員），你可以將 Python 和 JavaScript 編碼任務(wù)轉(zhuǎn)移給 Jules。Jules 可以異步工作并與你的 GitHub 工作流程集成，處理錯(cuò)誤修復(fù)和其他耗時(shí)任務(wù)，而你則專注于你真正想要構(gòu)建的內(nèi)容。谷歌也表示，即便技術(shù)持續(xù)迭代，但 Gemini 系列模型仍處于開發(fā)的早期階段，他們很高興看到那些值得信賴的測(cè)試人員如何使用這些新功能以及他們可以從中學(xué)到什么經(jīng)驗(yàn)，這樣就可以在未來(lái)的產(chǎn)品中更廣泛地使用它們。
硬剛一眾 AI 獨(dú)角獸，谷歌更勝一籌？
Gemini 2.0 是谷歌在科技行業(yè)日益激烈的人工智能競(jìng)賽中的最新成果。谷歌正在與科技巨頭微軟、Meta 以及一眾 AI 明星獨(dú)角獸如 OpenAI、Perplexity 和 Anthropic 等初創(chuàng)公司展開激烈戰(zhàn)爭(zhēng)。谷歌這一波出手在技術(shù)社區(qū)引發(fā)了熱議，一名 Reddit 用戶對(duì) Gemini 2.0 的發(fā)布表示震驚，他評(píng)論道：“我不知道我現(xiàn)在的感受是什么。興奮、擔(dān)憂、不安、好奇以及對(duì) AI 的絕對(duì)敬畏交織在一起。超現(xiàn)實(shí)的是，我們正在經(jīng)歷這種改進(jìn)，并且每次發(fā)布的迭代都給我們留下了深刻的印象。我甚至都不敢想象 10 年后的情況。看看 2004 年到 2014 年的科技各個(gè)方面都取得了巨大進(jìn)展，但與這兩年 AI 勢(shì)頭相比還有很大差距。”有用戶調(diào)侃，谷歌甚至都等不及 OpenAI 把“瘋狂發(fā)布周”過(guò)完再來(lái)炸場(chǎng)，結(jié)合前兩日 Sora 潦草發(fā)布，有不少網(wǎng)友直接站隊(duì)谷歌：“谷歌的 Gemini 絕對(duì)是是 GPT-5 級(jí)別的威脅，我從未見過(guò)一家公司發(fā)布如此強(qiáng)大的模型讓開發(fā)者免費(fèi)試用。”隨著新 Flash 模型的發(fā)布，這場(chǎng) AI 軍備競(jìng)賽已經(jīng)進(jìn)入白熱化階段。據(jù)谷歌公司稱，Agent 模型“可以更好地了解你周圍的世界，提前思考多個(gè)步驟，并在你的監(jiān)督下代表你采取行動(dòng)。”上周，在《紐約時(shí)報(bào)》 DealBook 峰會(huì)上與安德魯·羅斯·索爾金 (Andrew Ross Sorkin) 的對(duì)話中，谷歌 CEO 皮查伊對(duì)微軟的人工智能進(jìn)步提出了質(zhì)疑，表示他“很樂(lè)意在任何時(shí)候”對(duì)兩家公司的模型進(jìn)行并排比較。安德魯·羅斯·索爾金問(wèn)皮查伊：“相對(duì)于其他參與者，你認(rèn)為自己處于什么位置？”皮查伊表示他很想進(jìn)行并排比較，隨后他補(bǔ)充道：“他們使用了別人的模型。”“你這是在向我發(fā)起挑戰(zhàn)。”索金回答道。皮查伊笑著搖了搖頭，補(bǔ)充道：“我只是——我非常尊重他們和他們的團(tuán)隊(duì)。”微軟當(dāng)家人納德拉對(duì)于谷歌技術(shù)實(shí)力也給予了很高的肯定。早在今年 3 月份，微軟 CEO 納德拉在挪威銀行投資管理播客上表示：“谷歌本應(yīng)就是大型科技公司 AI 競(jìng)賽的默認(rèn)贏家。谷歌是一家非常有能力的公司，他們既有人才，又有計(jì)算能力。他們是這個(gè)領(lǐng)域的垂直整合參與者。他們擁有從數(shù)據(jù)到芯片到模型到產(chǎn)品和分銷的一切。”會(huì)議推薦12 月 13 日至 14 日（周五至周六），AICon 全球人工智能開發(fā)與應(yīng)用大會(huì)將在北京盛大開幕！本次大會(huì)匯聚 70+ 位 AI 及技術(shù)領(lǐng)域的頂尖專家，深入探討大模型與推理、AI Agent、多模態(tài)、具身智能等前沿話題。此外還有豐富的圓桌論壇、以及展區(qū)活動(dòng)，帶你深入探索大模型的最新實(shí)踐與未來(lái)趨勢(shì)。年度最后一次 AI 盛宴，讓我們一起見證 AI 未來(lái)。今日薦文ChatGPT Canvas免費(fèi)啦！集成Python仿真器，支持在線修Bug，生產(chǎn)力飆升Sora 剛正式登場(chǎng)就把OpenAI系統(tǒng)干廢了！Altman緊急暫停新用戶注冊(cè)阿里合伙人為“爹味發(fā)言”道歉：自罰三個(gè)月工資；美圖出售加密貨幣獲利5.7億；虧損11億、上市對(duì)賭失敗，公司啟動(dòng)全員降薪 | AI周報(bào)OpenAI深夜炸場(chǎng)！一口氣放出o1模型全家桶，月費(fèi)200美元的ChatGPT Pro被狂槽：Altman只想躺在上數(shù)錢谷歌最強(qiáng)世界模型“硬控”O(jiān)penAI 一分鐘：智能體交互、替你玩游戲！等等，智能體們?cè)缭谟螒蚶?cosplay、交友了！你也「在看」嗎？??