比 GPT-4 还厉害?Google 发布最强 AI 模型 Gemini

【AI新势力】Google Gemini 全面解析:功能、应用与体验 Google推出新一代多模态大模型Gemini,全面升级AI能力。Gemini由Google DeepMind开发,支持文本、图片、音频等多模态输入,具备超长上下文处理(百万tokens)和强大代码能力。Gemini已取代PaLM成为Bard对话产品的核心模型,并深度集成到Google Workspace和VertexAI中。实测显示,Gemini回答更精准,多模态识别优秀,但中文能力仍略逊GPT-4。作为Google对抗GPT-4的重要产品,Gemini标志着其AI战略的重大升级,将推动多模态AI的创新发 阅读详情

一夕之间,大模型的战局再变,Google 带着「迄今为止功能最强大、最通用的 Gemini 模型」正面叫板 OpenAI 时下最先进的 GPT-4。

图片

来源:Google Blog

「作为一家 AI-First 的公司,我们已经走过了近八年的历程,进步的步伐只会不断加快。Gemini,这是 Google AI 新时代的开始」,Google CEO 桑达尔·皮查伊(Sundar Pichai)在为这个新模型亲自站台时表示,「这个模型开创的新时代代表了我们作为一家公司所做出的最大的科学和工程努力之一。我对未来以及 Gemini 将为世界各地的人们带来的机会感到由衷的兴奋。」

图片

Gemini 来啦!

在今年 5 月的 Google I/O 大会上,皮查伊首次透露了 Google 正在研发一款多模态基础模型 Gemini一款多模态基础模型 Gemini一款多模态基础模型 Gemini,下一步 Google 所有产品都将基于它们,包括 Google Bard、搜索、云。

图片

时隔 7 个月的今天,在 Google 官宣 Gemini 正式到来之际,Bard 和 Pixel 8 Pro 智能手机已经率先应用上了这款大模型。不过,Gemini 目前仅提供英语版本,其他语言显然很快就会推出。皮查伊表示,该模型最终将被整合到 Google 的搜索引擎、广告产品、Chrome 浏览器等。

图片

首先认识一下 Gemini

“Gemini 是整个 Google 团队(包括 Google Research 的同事)大规模协作努力的成果。它是从头开始构建的多模式,这意味着它可以概括和无缝地理解、操作和组合不同类型的信息,包括文本、代码、音频、图像和视频”,Google DeepMind 首席执行官兼联合创始人 Demis Hassabis 介绍道。

根据 Google 透露,Gemini 现在能够在从数据中心到移动设备的所有设备上高效运行,其最先进的功能将显著增强开发人员和企业客户利用人工智能进行构建和扩展的方式。

当前,Google 带来了三种 Gemini 型号:

  • Gemini Ultra 是 Google 最强大的模型,被定位为 OpenAI 的 GPT-4 的竞争对手,也似乎是为数据中心和企业应用程序设计的。不过,该款模型将于明年推出。

  • Gemini Pro 是一款中端型号,能够击败 ChatGPT 的基准版本 GPT-3.5。与此同时,它将很快为许多 Google AI 服务提供支持,今天率先在 Bard 上应用。

  • Gemini Nano,这是一种专为在移动设备上运行而构建的更高效的模型。Pixel 8 Pro 手机用户现在就可以通过 Gemini Nano 获得一些新功能,如记录器应用程序中的摘要功能、Gboard 中的智能回复、视频功能、摄影和图像编辑方面的改进。

图片

图片

Gemini vs GPT-4

事实上,自去年 OpenAI 率先推出 ChatGPT,似乎关于 AI 领域的“风头”便被其占领了大半。显然,其他布局 AI 的各大科技公司对此并不甘落后,在自己发布新品时,也忍不住会和 OpenAI 的产品对比一番,Google 当然也不例外。

基于此,Google 发布了一份长达 60 的《Gemini: A Family of Highly Capable Multimodal Models》(https://storage.googleapis.com/deepmind-media/gemini/gemini_1_report.pdf),进行了技术详解,也与 GPT-4、GPT-3.5 模型做了对比。

图片

其中,Google 运行了 32 个完整的基准测试来将 Gemini 与行业中先进的模型进行了比较,其中从广泛的整体测试(如多任务语言理解基准测试)到比较两个模型生成 Python 代码的能力。

值得一提的是,Gemini 的基础模型支持文本输入和文本输出,但更强大的  Gemini Ultra 可以处理图形、视频和音频。根据基准测试结果显示,从自然图像、音频和视频理解到数学推理,Gemini Ultra 的性能在大型语言模型 (LLM) 研发中使用的 32 个广泛使用的学术基准中的 30 个上超过了 GPT-4。

图片

整体来看,Gemini Ultra 的得分高达 90.0%,是第一个在 MMLU(大规模多任务语言理解)上超越人类专家的模型,该模型结合了数学、物理、历史、法律、医学和伦理学等 57 个科目来测试知识和解决问题的能力。

其中,Google 使用新的 MMLU 基准方法使 Gemini 能够利用其推理能力在回答难题之前更仔细地思考,从而比仅使用第一印象有显著改进。

此外,Gemini Ultra 还在新的 MMMU 基准测试中取得了 59.4% 的最先进分数,该基准测试由跨越不同领域、需要深思熟虑的推理的多模态任务组成。

根据 Google 测试的图像基准,Gemini Ultra 的性能优于以前最先进的模型,无需从图像中提取文本以进行进一步处理的对象字符识别 (OCR) 系统的帮助。这些基准凸显了 Gemini 天生的多模态性,并表明了 Gemini 更复杂推理能力的早期迹象。

图片

图片

多模态 Gemini 的优势

综上也不难看出,Gemini 模型的优势便体现在多模态维度上。

“我们将 Gemini 设计为原生多模式,从一开始就针对不同模式进行了预训练。然后我们使用额外的多模态数据对其进行微调,以进一步完善其有效性。这有助于 Gemini 从头开始无缝地理解和推理各种输入,远远优于现有的多模式模型 - 而且其功能几乎在每个领域都是最先进的”,Google 在公告中写道。

,时长06:22

那要细看 Gemini 模型的多模态能力,则具体体现在以下几点:

复杂的推理

Gemini 1.0 复杂的多模式推理功能可以帮助理解复杂的书面和视觉信息。Gemini 模型通过阅读、过滤和理解信息从数十万份文档中提取见解的能力,可以帮助更多的使用者从科学到金融的许多领域以数字速度实现新的突破。

理解文本、图像、音频

据 Google 透露,Gemini 1.0 经过训练,可以同时识别和理解文本、图像、音频等,因此它可以更好地去理解,并回答与复杂主题相关的问题。以下示例中可以看到 Gemini 解释数学和物理等复杂学科的推理能力。

高级编码

Google 似乎将编码视为 Gemini 的杀手级能力,也在这一维度下足了功夫。

Gemini 1.0 可以理解、解释和生成主流编程语言(如 Python、Java、C++ 和 Go)的高质量代码。

在上文的基准测试中,Gemini Ultra 在 HumanEval(用于评估编码任务性能的重要行业标准)上获得了 74.4% 的得分,以及 Natural2Code(Google 内部保留的数据集)上获得了 74.9% 的分数,都比 GPT-4 能力更强一些。

在这次发布会上,Google 还使用了 Gemini 的专门版本,创建了更先进的代码生成系统 AlphaCode 2(https://storage.googleapis.com/deepmind-media/AlphaCode2/AlphaCode2_Tech_Report.pdf),它擅长解决超出编码范围、涉及复杂数学和理论计算机科学的竞争性编程问题。

图片

相较 Google 两年前推出的 AlphaCode,AlphaCode 2 解决的问题数量几乎是原来的两倍。Google 估计 AlphaCode 2 的表现优于 85% 的竞赛参与者,而 AlphaCode 的这一比例接近 50%。当程序员通过为代码示例定义某些属性来与 AlphaCode 2 协作时,它的性能会更好。

运行速度更快、成本更低

对于 Google 来说同样重要的是,Gemini 显然是一个效率更高的模型。它使用的是 Google 内部设计的张量处理单元(TPU) v4 和 v5e 上进行训练的,比 Google 之前的模型(如 PaLM)运行速度更快、成本更低。

今天,除了新模型之外,Google 还推出了迄今为止最强大、最高效且可扩展的 TPU 系统 Cloud TPU v5p,专为训练尖端 AI 模型而设计。这款下一代 TPU 将加速 Gemini 的开发,帮助开发者和企业客户更快地训练大规模生成式 AI 模型。

图片

Gemini 真的击败了 GPT-4 吗?

对于 Gemini 的发布,业界普遍觉得终于有一款可以与 GPT-4 相抗衡的模型了,有竞争才有进步,这未必是一件坏事。然而,也需要认清现实的是,能够与 GPT-4 相抗衡的 Gemini Ultra 暂时还未应用到任何产品中,因此也有不少人认为此举是 Google 先官宣在小步快跑的举措,但并不能直接称其就击败了 GPT-4。

对此,也正如美国知名 AI 学者 Gary Marcus 所点评的:

Google Gemini 和 GPT-4 的热门观点:

从许多方面来看,Google Gemini 似乎与 GPT-4 相匹配(或稍稍超过),但并未将其击败。

从商业角度来看,GPT-4 不再是独一无二的。这对 OpenAI 来说是一个大问题,尤其是在戏剧性事件发生后,许多客户现在都在寻求备份计划。

从技术角度来看,关键问题是:LLM 是否已接近稳定期?

请注意,盖茨和 Sam Altman 都已经暗示过,尽管商业需求巨大,但 GPT-5 在一年后还没有出现。Google 尽管拥有所有资源,但并没有击败 GPT-4,这一事实很能说明问题。

图片

除此之外,还有不少网友从开发者的角度看 Gemini 的实用性。来自一家 AI 机构 Growth Automation 的 CTO Michael Borman 发文表示:

“Gemini 将取代程序员吗?谷歌发布的新 Gemini 模型带来了一些非常有趣的东西。

Alpha Code 2(来自 Google deepmind)在 Codeforces 平台上击败了 85% 的竞争对手,解决了 43% 的最新挑战(8000 名参与者)。

这些挑战难度很大,而 GPT-4 在该基准测试中的解题率为 0。

这太疯狂了,如果你相信推断的话,Alphacode 现在基本上比 85% 的程序员都要强。

这意味着什么?编程已经死了吗?

虽然 Alpha Code 2 真的很不错,但目前它的资源密集度太高了。

基本上,它需要大量不同的新 Gemini 模型,为相同的问题生成成千上万的代码样本,过滤掉所有无法计算的代码样本等。然后对代码样本进行聚类,并使用 gemini 对每个样本进行排名,从排名前 10 的最大聚类中选出排名最好的代码。

是的,我知道仅仅生成一些代码就有点复杂。

因此,虽然它非常好,但正如你从上述过程中看到的那样,它还需要一段时间才能以 Copilot 的方式出现在你的 IDE 中。”

图片

最后你如何看待 Gemini 的到来?它是否会对大模型市场带来冲击?

参考:

https://blog.google/technology/ai/google-gemini-ai/#scalable-efficient

https://storage.googleapis.com/deepmind-media/AlphaCode2/AlphaCode2_Tech_Report.pdf

https://deepmind.google/technologies/gemini/#capabilities

https://www.theverge.com/2023/12/6/23990466/google-gemini-llm-ai-model

Google Gemini 2.5 Pro升级超越OpenAI o3 重夺最强AI模型称号 根据最新资料(截至2025年6月),Google通过,在推理能力、编程性能和多模态处理等关键领域实现对OpenAI o3模型的超越,重夺“最强AI模型”称号。 阅读详情

相关推荐

Google最强AI模型->Gemini登场

美国时间2023年12月6日,Google宣布了下一代AI(人工智能)模型“Gemini” [ˈdʒemɪnaɪ],在Google I/O上​​发布。

Hellen_201903的博客 913

Google 发布最强 AI 模型 Gemini,性能超「GPT-4」

整理 |屠敏出品 | 优快云(ID:优快云news)一夕之间,大模型的战局再变,Google 带着「迄今为止功能最强大、最通用的Gemini模型」正面硬刚 OpenAI 时下最先进的 GPT-4。来源:Google Blog「作为一家 AI-First 的公司,我们已经走过了近八年的历程,进步的步伐只会不断加快。Gemini,这是 Google AI 新时代的开始」,Google CEO...

AI科技大本营 807

地表最强,Gemini 2.5Pro发布!多模型对比实测到底如何?请看文章

DeepSeek-V3-0324 在数学和编程任务上表现出色,是这些领域的佼佼者,但在通用问答能力(GPOA Diamond)上仍有提升空间。相比其他模型,它在数学领域的优势尤为突出,适合需要强大数学推理和代码生成能力的场景。如果您有进一步的问题或需要更深入的分析,请随时告诉我!

fu1766731950的博客 4438

【震撼发布】谷歌Gemini大模型登场!GPT-4霸主地位岌岌可危?

谷歌当天发布的Gemini 1.0共分为Ultra, Pro和Nano三个版本:Gemini Ultra:能力最强,复杂度最高,能够处理最为高度复杂的任务,Gemini Pro:能力稍弱,可以用来处理多任务,Gemini Nano:更注重于移动端的处理能力。

qq_52475653的博客 1885

Google DeepMind推出大模型 Gemini (vs GPT4):规模最大、能力最强的人工智能模型

2023 年 12 月 06 日12 分钟阅读让人工智能为每个人提供更多帮助谷歌和 Alphabet 首席执行官谷歌 DeepMind 首席执行官兼联合创始人由谷歌 DeepMind 首席执行官兼联合创始人 Demis Hassabis 代表 Gemini 团队撰写和我的许多研究同事一样,人工智能一直是我毕生工作的重点。自从少年时代为电脑游戏编写人工智能程序,以及多年来作为神经科学研究员试图了解大脑的工作原理以来,我一直坚信,如果我们能制造出更智能的机器,就能利用它们以不可思议的方式造福人类。

机器人控制与仿真应用 1718

C++游戏开发实战:从零构建局域网联机对战系统(附完整代码解析)

本文详细介绍了如何使用C++开发局域网联机对战游戏系统,涵盖从环境搭建到实战代码解析的全过程。重点讲解了Winsock库的应用、Socket通信原理、服务端与客户端开发技巧,以及性能优化和安全防护方案,帮助开发者快速掌握C++游戏开发的核心技术。

weixin_42524945的博客 446

史上最强AI: Google Gemini,三个不花钱的体验方法

史上最强AI,不来试试嘛?

weixin_40554839的博客 2433

从零开始写一个RTSP服务器(一)RTSP协议讲解

从零开始写一个RTSP服务器系列 从零开始写一个RTSP服务器(一)不一样的RTSP协议讲解 从零开始写一个RTSP服务器(二)RTP传输H.264(待写) 从零开始写一个RTSP服务器(三)一个传输H.264的RTSP服务器(待写) 从零开始写一个RTSP服务器(四)RTP传输AAC(待写) 从零开始写一个RTSP服务器(五)一个传输AAC的RTSP服务器(待写) 从零开始写一个RTSP服务器(...

JT同学的博客 7万+

Google 发布史上最强大模型,能否抗衡 OpenAI?

Google 发布史上最强大模型,能否抗衡 OpenAI?

GitLab 中国发行版 1173

python——体育收入排行2012-2019

请分析文件并读取数据,完成以下功能: 1. 某年的收入排名前若干名选手 如果输入n是2012-19之间的年份,则可以输入整数k,输出n年的前k名排名信息。如果k大于当年排名运动员人数,则输出当年所有的信息。每行一名运动员信息,以' | '间隔该行各项信息。 2. 某年属于某个运动项目的所有运动员信息,和收入总和 如果输入的是'sport'(不区分大小写),则可以继续输入一个年份201*,输出一个当年排行中的运动项目菜单,按照字符串升序排列,格式见示例,再输入运动项目对应的数字来输出该项运动当

m0_62488776的博客 2260

Cisco Packet Tracer 7.3免登录技巧:3种方法快速跳过注册界面(附详细截图)

本文针对Cisco Packet Tracer 7.3启动时遇到的登录界面问题,提供了三种合法高效的解决方案。详细介绍了如何利用官方访客模式快速启动、注册思科账号实现一劳永逸登录,以及通过调整本地安装配置优化启动流程,帮助网络学习者与备考者绕过繁琐步骤,快速进入实验环境。

weixin_29305337的博客 745

GPT、Claude、DeepSeek、国产模型,2026年AI模型全家谱,一篇讲清

2026年主流AI大模型一览:OpenAI的GPT-5.5、GPT-5.6 Sol/Terra/Luna,Anthropic的Claude Fable 5/Opus 4.8/Sonnet 5,DeepSeek V4-Pro/V4-Flash,Google Gemini,以及国产通义千问、豆包、Kimi、GLM、文心一言。本文整理了每个模型的关系、发布时间、API价格(美元及人民币参考)、核心特点和各平台使用方式。

Crazylizao的博客 2813

树莓派教程(基于python编程)--入门篇

一:格式化SD卡 SD卡插入读卡器连接电脑,使用SDFormatter对SD卡进行格式化 (重装烧录也要进行着SD卡格式化操作) 二:下载官方镜像 http://downloads.raspberrypi.org/raspbian_latest 三:烧录SD卡 使用Win32DiskImager将镜像烧录到格式化后的SD卡 SD卡盘根目录(/boot)下新建一个命名为ssh的...

qq_42109746的博客 6万+

Google“反击战”,一夜放出近10款模型!上下文窗口卷到200万tokens、发布Sora竞品Veo、Android也变身了

今年的 5 月宛如梦回 2023 年的 3 月,一场场热闹的 AI 盛宴相继开席。不过,不知是有意还是无意,去年 3 月,Google 选择开放大语言模型 PaLM API 之际,几乎在同一时间 OpenAI 释出最强模型 GPT-4 惊艳四座,此外仅时隔几天后,微软又在一场发布会上官宣自家 Office 全家桶被 GPT-4 革新,导致 Google 似乎成为被众人忽视的存在。

优快云资讯 1万+

真双口RAM---Quartus与Vivado开发环境区别对比

2、写和写冲突:表示两个端口写使能同时有效且写地址相同,此时需要关断一个写,把两个写端口都需要更新的值处理到一个写端口上面,任何的DP RAM 都不支持写和写冲突。以上述直方图统计使用为例,博主在仿真过程中发现,vivado真双口RAM--B端口读写延迟2个clk;1、读和写冲突:如果读和写同时有效,且读和写是同一个地址时,发生RAM读写冲突,此时会把最新的写数据直接赋给读数据,称为写穿通到读。

weixin_54470733的博客 3583

AutoSAR配置与实践(基础篇)2.5 RTE对数据一致性的管理

SWC内部不同的Runnable访问共同全局变量,Runnable类似C文件中的函数,这些函数如果被放在不同Task上运行, 可能出现出现同一时刻多个函数共同运行的情况。可以通过为受影响的任务分配相同的优先级,为受影响的任务分配相同的内部操作系统资源,或者将OS的任务配置为非抢占性来实现。数据一致性:当多个操作同时读写同一个数据,由于任务的抢占,出现了数据被篡改的情况,造成非预期的数据结果。SWC内部变量保护,限定局变量的作用域在变量的作用域在SWC的不同runnable间。

nihaoljq2010的博客 2628

谷歌发布最强AI大模型Gemini(超越chatgpt4)

谷歌Gemini是一个基于深度学习的AI系统,但它与其他的AI系统有很大的不同。谷歌Gemini是一个能够理解和生成文本、代码和图像的多模态AI系统,也就是说,它可以跨越不同的数据类型,实现更复杂的推理和创造。谷歌Gemini的模型架构是结合了谷歌DeepMind的AlphaGo的强化学习和搜索树技术,以及GPT-4的大规模语言模型技术,形成了一个强大的多模态语言理解(MMLU)模型。

十年以上架构设计经验,专注于软件架构和人工智能领域,对机器视觉、NLP、音视频等领域都有涉猎 3714

Holt-Winters方法预测水电发电量

Holt-Winters 模型, ARMIA,ACF检验 ,Dickey-Fuller 检测,白噪声检测,差分

firefox_yau的博客 1271

Med-Gemini :医学大模型里程碑之作,Google今天发布,医学航母正式起航

Med-Gemini 是基于 Google 强大的 Gemini 模型构建的多模态医学模型家族。它融合了高级推理、多模态理解和长文本处理能力提升临床推理能力: 通过自我训练和网络搜索集成,Med-Gemini 能够更准确地进行诊断和推理,并在 MedQA (USMLE) 等基准测试中取得了当前最佳性能改进多模态性能: 通过微调和定制编码器,Med-Gemini 可以更好地理解和处理多种医学数据模态,如文本、图像、视频和生物信号。

python1234_的博客 6355

廖雪峰Python教程[完整版]

廖雪峰的python教程整理的,已经排好版了,而且还是完整的,适合小白

IMSL CNL 7.0.0 (x86-64)Crack

IMSL CNL 7.0.0 (x86-64)Crack intel的算法库破解文件,这是C++版本的破解文件

Codex、GPT、Claude、Gemini、DeepSeek、GLM,到底有什么区别?

本文梳理了当前主流AI模型的区别与适用场景:Codex是编程工具而非基础模型;GPT是全能型通用模型;Claude擅长代码和文档处理;Gemini依托Google生态主打多模态;DeepSeek以高性价比和开源路线见长;GLM专注国产企业级应用。作者强调选型应基于具体需求而非单纯比较性能,建议普通用户根据场景选择不同模型,开发者则需结合工具链使用。AI应用已进入多模型组合阶段,关键在于合理搭配不同模型和工具以满足多样化需求。

JavaPub 4063

Devexpress16.2.6破解工具

Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具Devexpress16.2.6破解工具

Google Gemini全面进化,深度评测与实战指南

Gemini的快速发展印证了Google"AI First"战略的成功。对于技术从业者而言,掌握这个平台意味着获得了:效率提升:自动生成技术文档能力创意扩展:跨模态内容生产管线研究加速:智能文献分析工具。

注重AI领域前沿发展 2248

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

谁是最强AI?Google史诗级复仇,碾压GPT-4

大数据产业创新服务媒体——聚焦数据· 改变商业AI大模型是一场军备竞赛,沉寂多时的Google终于迎头赶上,一跃成为OpenAI最强有力的竞争者。12月6日,Google DeepMind发布Gemini(双子座)大模型,在跑分中成功赶超OpenAI的GPT-4,成为新一代的大模型王者。跑分第一,Gemini大模型完胜GPT-4Gemini是Google新一代AI大模型,分为Ultra、Pro、...

数据猿 238

打爆GPT-4,谷歌发布史上最强大模型Gemini

传闻中的谷歌杀手锏Gemini,终于来了!谷歌CEO皮猜和哈萨比斯在谷歌官网联名发文,宣布推出这一万众瞩目的多模态大模型。标题明晃晃写着“最大”、“最强”,主打的就是一个干爆GPT-4。具体来说,此次谷歌一共带来了Gemini的三个版本:Gemini Ultra:谷歌最大、最强模型,适用于高度复杂的任务Gemini Pro:可扩展至各种任务的Gemini模型Gemini Nano:适用于端侧设备的高效Gemini版本(1.8B/3.25B)

系统看你学习很认真,随机送了一个月会员! 1330

大模型小白进阶之路:三大模型(GPT-5、Claude-4、Gemini-2.5)全面对比与应用场景解析

同时课程详细介绍了。

jennycisp的博客 2201
上一篇: 曾打败 IE 的 Firefox,正处于崩溃边缘!
下一篇: 不规范的枚举类代码引发的一场事故
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值