Gemini 2.0 發佈，關鍵基準測試性能約爲 1.5 Pro 兩倍

DoNews12月12日消息，谷歌正式發佈 Gemini 2.0，號稱是谷歌迄今爲止功能最強的 AI 模型，帶來了更強的性能、更多的多模態表現（如原生圖像和音頻輸出）和新的原生工具應用。

Gemini 2.0 在關鍵基準測試中相對於 Gemini 1.5 Pro 實現了大幅性能提升而且延遲更低，谷歌官方的表述是“關鍵基準測試中超越了 1.5 Pro，速度是其兩倍”。

據介紹，Gemini 2.0 還帶來了多種新功能。除了支持圖像、視頻和音頻等多模態輸入外，現在還支持多模態輸出，例如與文本混合的原生文生圖、可自定義的文本轉語音 (TTS) 多語言音頻內容。此外，它還支持原生調用工具，如 Google 搜索、代碼執行以及第三方用戶定義函數等等。

谷歌 Gemini 2.0 Flash 對原生用戶界面操作實現了多方面的改進，例如多模態推理、長上下文理解、複雜指令遵循和規劃、組合函數調用、原生工具使用等，並進一步優化了延遲問題。

谷歌表示：AI 智能體的實際應用是一個激動人心、充滿可能性的研究領域。我們正在通過一系列原型探索這個新領域，這些原型可以幫助人們完成任務並把事情做好，其中包括對 Project Astra 的更新，Project Astra 是我們探索通用人工智能（AGI）未來功能的研究原型；新的 Project Mariner 則將從你的瀏覽器開始探索人機交互的未來；以及 Jules，這是一個可以幫助開發人員的 AI 代碼智能體。

即日起，開發人員便可在 AI Studio 和 Vertex AI 中對 Gemini 2.0 Flash 實驗版本進行試用（文本轉語音和原生圖像生成僅供早期訪問合作伙伴使用，但所有開發者均可使用多模態輸入和文本輸出，預計將於 1 月廣泛開放），而且該版本也已經在網頁版中爲 Gemini Advanced 開放試用，移動版後續推出。

爲了幫助開發人員開發動態和交互式應用，谷歌還發布了新的多模態實時 API，它具有實時音頻、視頻輸入能力，而且能夠使用多個組合工具。