昨天深夜，Google 突然发布重磅 AI 杀手锏——Gemini。
多模态 Gemini 可以理解、操作和结合不同类型的信息，包括文本、代码、音频、图像和视频。
在去年 ChatGPT 发布不到两周后，Google 就已经拉响「红色警报」来应对挑战。可紧急上线的 Bard ，却在首次亮相就出现错误，一夜让 Google 蒸发了 1000 亿美元市值。
在过去的一年里，基于大模型的聊天机器人单月访问量已经超过 20 亿， 其中 ChatGPT 遥遥领先，Google Bard 虽然排在第二，但和几个竞品一起归为「其他」更为合适。
▲ 图片来自：The Information
因此，Gemini 早已被寄予了赶超 ChatGPT 的厚望，无论成败，它就是 Google 过去对 AI 大模型孤注一掷的成果。
Gemini 1.0 共官宣中杯、大杯、超大杯三种不同规格。
中杯：Gemini Nano —— 最高效的设备任务模型
大杯：Gemini Pro —— 适用于广泛的任务扩展的最佳模型
超大杯：Gemini Ultra ——最大且最能胜任高度复杂任务的模型
暂且抛开繁杂的参数信息，先来用几个案例让你全面了解 Gemini 的能力。
当你随手画个鸭子，从曲线到鸭子成型，Gemini 都可以精准识别。给鸭子画条波浪线，它能理解你的言外之意，精准地指出鸭子在水中游泳的场景答案。
同时它还能人性化地模仿鸭子的叫声，即使是用流利的普通话说出鸭子的叫法也不在话下。
闲着无聊，也可以和 Gemini 玩个游戏，你的手指指向哪个区域，Gemini 就能说出那个国家及其代表性的事物。
三仙归洞，猜猜纸球在哪个杯子下面，手速再快，也躲不过 Gemini 的「眼睛」。
拿到纱线却毫无头绪，别急，Gemini 聪明的大脑在看到纱线的那一刻，就已经把成品给你安排上，你只需要「照猫画虎」就好了。
识别图像还只是 Gemini 的基础水准，看到乐器，Gemini 还能生成符合环境氛围的音乐，
逻辑和谜题解决、图像序列分析、魔术技巧解释、记忆和逻辑，这些能力 Gemini 样样都有，样样精通。
Google 也发布了文字演示版本，若你不想看视频，可以访问 https://developers.googleblog.com/2023/12/how-its-made-gemini-multimodal-prompting.html 查看。
或许是这个视频过于震撼，部分网友质疑 Google 这个视频存在「造假」的可能性，不过 Gemini 将很快在 Google AI Studio 中向公众开放，届时便能一辩真假。
据 Google 官方显示，从自然图像、音频和视频理解到数学推理，Gemini Ultra 的性能在 32 个广泛使用的大型语言模型（LLM）研究和开发的学术基准测试中，超过了 30 个当前最先进的结果。
从 Google 放出的测试结果来看，在文本、常规推理、数学、代码等领域，Gemini 的表现几乎是全方位碾压了 OpenAI 的 GPT-4。
MMLU（大规模多任务语言理解）是测试 AI 模型知识和解决问题能力的最流行方式之一。Gemini Ultra 在该测试中以 90.0% 的准确率成为首个超越人类专家的模型，作为对比，GPT-4 只有 86.4% 的准确率。
新的 MMMU 基准测试包含了跨不同领域的多模态任务，对多模态大模型的检验程度更高，但超大杯 Gemini Ultra 同样取得了 59.4% 的高分。
Google CEO Sundar Picha 在接受《麻省理工学院技术评论》的采访时表示，Gemini 之所以令人瞩目，其中一个重要原因是它从根本上就是一个多模态模型，就像人一样，它不仅从文本中学习，还能通过视频、音频和代码进行学习。
多模态特性是 Gemini 花时间打磨的原生特性，Gemini 1.0 能同时识别和理解文本、图像、音频等多种信息，理解信息能力更强，在回答与复杂主题相关的问题也能游刃有余。在多模态 SOTA 的测试中，Gemini 图像、视频、音频的多模态测试水准再次遥遥领先。
代码是检验大模型水平的重要指标之一，Gemini 1.0 跨语言工作和推理复杂信息的能力是它的强项，能够理解诸如 Python、Java、C++ 等高质量代码。两年前，Google 推出了 AlphaCode，这是首个在编程比赛中达到竞争水平的 AI 代码生成系统。
现在， AlphaCode 推出了第二代，这是一个由 Gemini 微调的竞争性编码模型，在与原始 AlphaCode 在相同的平台上较量时，AlphaCode-2 在人类竞争对手中的得分为 87%，而此前 AlphaCode 的得分只有 46%。
AlphaCode-2 技术报告地址
加载中,请稍侯......