在 DeepSeek 的強(qiáng)烈攻勢下，這次輪到谷歌坐不住了。

本周三，該公司全面發(fā)布 Gemini 2.0 Flash、 Gemini 2.0 Flash-Lite 以及新一代旗艦大模型 Gemini 2.0 Pro 實(shí)驗(yàn)版本，并且還在 Gemini App 中推出了其推理模型 Gemini 2.0 Flash Thinking。

下圖為三個(gè)模型在通用、代碼、推理、事實(shí)性、多語言、數(shù)學(xué)、長上下文、圖像、音頻和視頻等多領(lǐng)域任務(wù)中的性能指標(biāo)。

在大模型排行榜上，Gemini 2.0-Pro 在 Chatbot Arena 所有類別中排名第一。Pro 版在代碼等復(fù)雜任務(wù)上表現(xiàn)突出，Gemini Advanced 用戶目前已經(jīng)可以在 App 上進(jìn)行試用了。

與此同時(shí)，排名并列第三的 Gemini-2.0-Flash 已通過 Google AI Studio 和 Vertex AI 向開發(fā)人員廣泛開放（價(jià)格是 0.1 美元 / M token），F(xiàn)lash-lite 也以更低的成本進(jìn)入了前十。谷歌還在 Gemini 應(yīng)用程序中推出了旗下「推理」模型 Gemini 2.0 Flash Thinking。

新版本 Gemini 2.0 可以做到很多以前做不到的事。谷歌首席科學(xué)家 Jeff Dean 表示 Gemini 2.0 Pro 模型可以編寫完整的代碼，包括所有正確的數(shù)據(jù)結(jié)構(gòu)和搜索算法，一次嘗試就可以獲得正確的數(shù)據(jù)結(jié)構(gòu)。

更多第三方試用的結(jié)果也已陸續(xù)出現(xiàn)在社交網(wǎng)絡(luò)上，可見 Gemini 2.0 的性能提升明顯，可以生成代碼實(shí)現(xiàn)一些模擬物理規(guī)律的效果。

提示詞：創(chuàng)建一個(gè)自行動(dòng)的貪吃蛇游戲，其中 100 條蛇相互競爭。（單次嘗試）

提示詞：編寫一個(gè)腳本，顯示一個(gè)球在旋轉(zhuǎn)的六邊形內(nèi)彈跳。球應(yīng)該受到重力和摩擦力的影響，并且必須逼真地從旋轉(zhuǎn)的墻壁上彈起，在 p5.js 中實(shí)現(xiàn)。（單次嘗試）

提示詞：編寫一個(gè) p5.js 腳本，模擬圓柱形容器真空空間中的 25 個(gè)粒子，它們?cè)谌萜鬟吔鐑?nèi)彈跳。為每個(gè)球使用不同的顏色，并確保它們留下顯示其運(yùn)動(dòng)的軌跡。添加容器的緩慢旋轉(zhuǎn)，以便更好地查看場景中發(fā)生的事情。確保創(chuàng)建適當(dāng)?shù)呐鲎矙z測和物理規(guī)則，以確保粒子留在容器中。添加外部球形容器。為整個(gè)場景添加緩慢放大和縮小效果。

種種跡象表明，進(jìn)入 2025 年之后，全球大模型領(lǐng)域的競爭烈度又上了一個(gè)臺(tái)階。谷歌正式發(fā)布 Gemini 2 系列的同時(shí)，OpenAI 立即作出回應(yīng)，宣布將其 AI 搜索功能面向所有免費(fèi)用戶開放。

值得注意的是，有媒體報(bào)道稱在谷歌發(fā)布新模型之際，科技界的注意力仍然集中在 DeepSeek 上。DeepSeek 的模型在性能上媲美甚至超越了美國科技公司提供的領(lǐng)先 AI 模型。與此同時(shí)，企業(yè)可以通過 DeepSeek 的 API 以相對(duì)低廉的價(jià)格使用其模型。

谷歌和 DeepSeek 都在去年 12 月發(fā)布了 AI 推理模型，但 DeepSeek 的 R1 模型獲得了更多關(guān)注。現(xiàn)在，谷歌可能正試圖通過其廣受歡迎的 Gemini app，讓更多人了解其 Gemini 2.0 Flash Thinking 模型。

至于 Gemini 2.0 Pro，作為谷歌去年 2 月推出的 Gemini 1.5 Pro 模型的繼任者，谷歌表示它現(xiàn)在是 Gemini AI 模型家族中的領(lǐng)先模型。

在價(jià)格方面，谷歌將繼續(xù)通過 Gemini 2.0 Flash 和 2.0 Flash-Lite 降低成本。兩者均采用單一輸入類型的定價(jià)模式，取消了 Gemini 1.5 Flash 中對(duì)短上下文和長上下文請(qǐng)求的區(qū)分。這意味著，盡管 2.0 Flash 和 Flash-Lite 在性能上有所提升，但在混合上下文工作負(fù)載下，兩者的成本可能低于 Gemini 1.5 Flash。

谷歌 Gemini 2.0 三大模型：全方位加強(qiáng)

Gemini 2.0 Pro 實(shí)驗(yàn)版本

首次是新一代旗艦 Gemini 2.0 Pro 實(shí)驗(yàn)版本，它是谷歌迄今為止在編碼和復(fù)雜指令任務(wù)中表現(xiàn)最好的模型。

在 Gemini 2.0 早期實(shí)驗(yàn)版本中（如 Gemini-Exp-1206），開發(fā)人員已經(jīng)發(fā)現(xiàn)了這些模型的優(yōu)勢和最佳用例，比如編碼、復(fù)雜指令。

此次，Gemini 2.0 Pro 實(shí)驗(yàn)版本進(jìn)一步強(qiáng)化了這些功能，具備了最強(qiáng)大的編碼性能和處理復(fù)雜指令的能力，并且比谷歌此前發(fā)布的任何模型都具備更好的理解和推理世界知識(shí)的能力。

據(jù)介紹，該模型支持了谷歌最長的 200 萬 tokens 上下文窗口，可以處理 2 小時(shí)視頻、22 小時(shí)音頻、6 萬+ 行代碼和 140 萬 + 單詞，從而能夠全面分析和理解海量信息。同時(shí)，該模型還支持調(diào)用 Google 搜索和代碼執(zhí)行等工具。

目前，Gemini 2.0 Pro 已經(jīng)作為實(shí)驗(yàn)?zāi)Ｐ吞峁┙o Google AI Studio 和 Vertex AI 的開發(fā)人員使用，并且 Gemini Advanced 用戶在桌面和移動(dòng)設(shè)備中也可以體驗(yàn)。

Gemini 2.0 Flash

其次來看 Gemini 2.0 Flash，它是谷歌 Flash 系列模型的最新「成員」。

在 2024 年谷歌 I/O 大會(huì)上，Gemini 2.0 Flash（實(shí)驗(yàn)版本）首次亮相，此后便作為強(qiáng)大的主力模型而深受開發(fā)者的喜愛，并最適合大規(guī)模處理高容量、高頻率任務(wù)，并能夠通過 100 萬 tokens 上下文窗口對(duì)海量信息進(jìn)行多模態(tài)推理。

當(dāng)前，Gemini 2.0 Flash 已經(jīng)在谷歌的 AI 產(chǎn)品中向更多人全面開放使用。據(jù)介紹，該模型提供了全面的功能，包括原生工具使用。目前支持文本輸出，并即將推出圖像生成與文本轉(zhuǎn)語音功能，未來幾個(gè)月還將提供多模態(tài) Live API。

目前，用戶既可以在 Gemini App 中試用該模型，也可以在 Google AI Studio 和 Vertex AI 中使用 Gemini API。

Gemini 2.0 Flash-Lite

最后是 Gemini 2.0 Flash-Lite，它是谷歌目前為止性價(jià)比最高的模型。該模型針對(duì)大規(guī)模文本輸出用例進(jìn)行了成本優(yōu)化。

谷歌表示，他們收到了關(guān)于 Gemini 1.5 Flash 在價(jià)格和速度方面的積極反饋，并希望在保持成本與速度優(yōu)勢的同時(shí)繼續(xù)提升模型質(zhì)量。因此，Gemini 2.0 Flash-Lite 在性能上更強(qiáng)，在大多數(shù)基準(zhǔn)測試中均優(yōu)于 1.5 Flash，并且速度和成本相當(dāng)。

此外，與 2.0 Flash 一樣，Gemini 2.0 Flash-Lite 支持 100 萬 tokens 上下文窗口和多模態(tài)輸入。比如，該模型可以為大約 4 萬張不同的照片生成相關(guān)的單行字幕（或標(biāo)題），在 Google AI Studio 付費(fèi)套餐中僅花費(fèi)不到 1 美元。

目前，Gemini 2.0 Flash-Lite 在 Google AI Studio 和 Vertex AI 中提供公開預(yù)覽版。

下圖為三個(gè)模型的一些參數(shù)匯總，可以看出圖像和音頻功能即將上線。

改變游戲規(guī)則？

Gemini 2.0 全面開放后，其領(lǐng)先能力在機(jī)器學(xué)習(xí)社區(qū)被熱烈討論。有評(píng)論認(rèn)為，在這代模型推出后包括 OCR 等一些領(lǐng)域的游戲規(guī)則已被改變。

Gemin 2.0 在處理真實(shí)文檔時(shí)已經(jīng)可以做到極高的準(zhǔn)確率和低成本，實(shí)測很少會(huì)出現(xiàn)具體數(shù)值被誤讀的情況。除了表格解析之外，Gemini 在 PDF 到 Markdown 轉(zhuǎn)換的所有其他方面可以始終提供近乎完美的準(zhǔn)確性。所有特性結(jié)合在一起，你將獲得一個(gè)極其簡單、可擴(kuò)展且便宜的索引流程。

我們一直在等的大模型技術(shù)革命，已經(jīng)在很多領(lǐng)域出現(xiàn)了。