全力狙擊OpenAI，谷歌最強大模型Gemin...

OpenAI的12天“聖誕大禮包”還沒熄火，谷歌便用一次發布，幹了比OpenAI 五天都多的事兒。

12月12日凌晨，就在OpenAI轟轟烈烈的“12天連續發布”進行到第五天時，谷歌發布了他們的重磅更新—— Gemini 2.0 Flash。

同時，谷歌今天官宣了三個通用助手Project Astra，瀏覽器助手Project Mariner，以及代碼助手Jules，旨在引領AI模型進入“Agentic 時代”。

Gemini 2.0

Gemini 2.0 Flash是該系列的首款模型，它在性能上實現了顯著提升。與前代1.5 Flash相比，2.0 Flash在保持快速響應的同時，性能進一步增強。

谷歌表示，2.0 Flash在關鍵基准測試中超越了1.5 Pro，速度是1.5 Pro的兩倍。新模型不僅支持圖像、視頻和音頻等多模態輸入，還支持多模態輸出，包括原生生成的圖像與文本混合內容，以及可控的多語言文本轉語音(TTS)音頻。

此外，2.0 Flash能夠原生調用Google Search、代碼執行以及第三方用戶定義的函數等工具。

在這個榜單中我們可以看到，它超越了ChatGPT-4o和o1 Preview，登上了第一。這足見其模型的實力。

從命名來看，Gemini 2.0 Flash很可能是新系列的最小杯，最小贏過了競爭對手最大、最先進的模型，這讓人甚至都很難想象 Gemini 2.0 Ultra 會強到什么地步。

正如谷歌DeepMind的CTO科雷·卡武克奧盧所說：

“如果把我們一年前的位置和現在相比，今天發布的Flash模型比我們一年前的任何模型都要強大得多，而且成本只是其一小部分。”

Gemini 2.0 Flash的多模態能力使其在信息理解和表達上更加接近人類，爲用戶提供了更加豐富和直觀的交互方式。這種能力的提升，不僅增強了模型的實用性，也爲AI智能體的應用提供了更多可能性。

谷歌還推出了新的多模態實時API，支持實時音頻、視頻流輸入，並能夠集成調用多種工具組合。這一API的推出，爲开發者構建動態交互式應用提供了更多支持，這在教育、娛樂和輔助閱讀等領域具有廣泛的應用前景。

谷歌計劃在明年初將Gemini 2.0擴展到更多產品中，這將進一步推動AI技術在各個領域的應用。

在AI智能體的應用方面，谷歌展示了多個研究原型，包括Project Astra、Project Mariner和Jules。

來源：AI信息Gap

Project Astra是一個通用AI助手，它利用Gemini 2.0的多模態功能，通過手機或谷歌眼鏡進行跨文本、音頻、視頻的多模態實時推理。

Astra的新功能包括支持多語言混合對話、直接調用Google Lens和地圖功能、記憶能力提升至10分鐘會話內記憶，以及接近人類對話的延遲來理解語言。谷歌正在將Project Astra移植到眼鏡等更多移動終端中，以拓展其應用範圍。

Project Mariner是一個基於Gemini 2.0構建的早期研究原型，它能夠理解和推理瀏覽器頁面中的信息，包括像素和網頁元素，然後通過Chrome擴展程序使用這些信息爲用戶完成任務。在WebVoyager基准測試中，Project Mariner作爲單個智能體設置實現了83.5%的工作效率。

Jules是谷歌專爲开發者打造的AI編程智能體，它支持直接集成到GitHub工作流中，使用自然語言描述問題，就能直接生成可以合並到GitHub項目中的代碼。