鱼羊 西风 发自 凹非寺
量子位 | 公众号 QbitAI
继量子芯片之后,谷歌又来抢“OpenAI双12直播”的流量了!
就在刚刚,谷歌新一代大模型Gemini 2.0突然登场,再次由谷歌CEO皮猜亲自官宣。
“面向智能体时代的新AI模型”
在谷歌CEO皮猜、Google DeepMind CEO哈萨比斯,以及Google DeepMind CTO科雷(Koray Kavukcuoglu)三人共同撰写的博客文章中,官方给Gemini 2.0的定位是:
面向智能体时代的AI模型。
在多模态方面的新进展,以及原生工具的使用,使我们能够构建新的AI智能体,以更接近实现通用助手的愿景。
具体如何体现?在Gemini 2.0 Flash实验版第一时间上线的同时,谷歌还在Gemini Advanced中推出了一项名为深度研究(Deep Research)的智能体新功能。
你可以把它当成以研究助理,围绕一个复杂主题生成研究报告。有点像是个科研版AI搜索。
另外一个Gemini 2.0的重点关键词是:多模态。
2.0 Flash实验版除了支持图像、视频、音频多模态输入,还支持多模态输出。
不单单是简单的图文混排,可控的多语种文本到语音(TTS)输出也行,还能直接本地调用工具,比如谷歌搜索、代码工具、第三方用户定义的功能。
有ChatGPT插件那味儿了。
不过,作为实验模型,其文本到语音和原生图像生成功能目前仅提供给早期访问合作伙伴。谷歌透露2.0 Flash将在1月份正式推出,会提供更多不同大小的模型。
而根据谷歌发布的基准测试结果,不论是在多模态的图片、视频能力上,还是编码、数学等能力上,仅是Flash实验版的Gemini 2.0表现就已几乎全面超越Gemini 1.5 Pro 002。
而且它的速度是1.5 Pro的两倍。
那么,你觉得这够Agent吗?
参考链接:
[1]https://x.com/GoogleDeepMind/status/1866869343570608557
[2]https://blog.google/technology/google-deepmind/google-gemini-ai-update-december-2024/#ai-game-agents