谷歌“狙擊”OpenAI，發佈新一代大模型！主打Agent+多模態

繼量子芯片之後，谷歌又來搶“OpenAI雙12直播”的流量了！

就在剛剛，谷歌新一代大模型Gemini 2.0突然登場，再次由谷歌CEO皮猜親自官宣。

新一代模型專爲AI Agent而打造，谷歌表示目前已經將2.0版本提供給了一些開發者內測，正在迅速將其集成在Gemini和搜索等產品線中。

好消息是，Gemini 2.0 Flash實驗版模型今天就在網頁端開放，大家都能玩，移動端即將推出。

除此之外，谷歌還推出了一項名爲深度研究（Deep Research）的新功能，基於高級推理和長上下文能力，它能直接幫你幹研究助理的活兒——給個主題，自己出報告的那種。

目前這個新功能在Gemini Advanced版本中可用。

谷歌這一波出手，再結合Sora的不盡如人意，新一天的直播還沒開始，已經有人開始唱衰OpenAI了：

在谷歌CEO皮猜、Google DeepMind CEO哈薩比斯，以及Google DeepMind CTO科雷（Koray Kavukcuoglu）三人共同撰寫的博客文章中，官方給Gemini 2.0的定位是：

面向智能體時代的AI模型。

具體如何體現？在Gemini 2.0 Flash實驗版第一時間上線的同時，谷歌還在Gemini Advanced中推出了一項名爲深度研究（Deep Research）的智能體新功能。

你可以把它當成以研究助理，圍繞一個複雜主題生成研究報告。有點像是個科研版AI搜索。

另外一個Gemini 2.0的重點關鍵詞是：多模態。

2.0 Flash實驗版除了支持圖像、視頻、音頻多模態輸入，還支持多模態輸出。

不單單是簡單的圖文混排，可控的多語種文本到語音（TTS）輸出也行，還能直接本地調用工具，比如谷歌搜索、代碼工具、第三方用戶定義的功能。

有ChatGPT插件那味兒了。

不過，作爲實驗模型，其文本到語音和原生圖像生成功能目前僅提供給早期訪問合作伙伴。谷歌透露2.0 Flash將在1月份正式推出，會提供更多不同大小的模型。

而根據谷歌發佈的基準測試結果，不論是在多模態的圖片、視頻能力上，還是編碼、數學等能力上，僅是Flash實驗版的Gemini 2.0表現就已幾乎全面超越Gemini 1.5 Pro 002。

而且它的速度是1.5 Pro的兩倍。

谷歌表示，明年年初，會將Gemini 2.0擴展到更多旗下產品中，比如Project Astra。

就是I/O大會上谷歌推出來跟GPT-4o的語音功能打擂臺的那個。

此次，基於Gemini 2.0，Project Astra更新了以下功能：

谷歌還提到，正在將Project Astra移植到眼鏡等更多移動終端中。

另外，谷歌透露，他們正在和Supercell等遊戲開發商合作，測試基於Gemini 2.0打造的遊戲智能體們的實力。

這些智能體可以根據屏幕上的動作對遊戲進行推理，並與玩家實時對話提供行動建議。

玩《突擊小隊》、《部落衝突》、《農場日記》，場面belike：

除了網頁端可用，Gemini 2.0 Flash實驗模型還通過Google AI Studio和Vertex AI的Gemini API向開發者提供。

從OpenAI跳槽到谷歌的Logan Kilpatrick表示，他們在Google AI Studio中創建了一個全新體驗，展示了Gemini 2.0視頻理解、原生工具使用、空間理解的入門應用。

那麼，你覺得這夠Agent嗎？

參考鏈接：

[1]https://x.com/GoogleDeepMind/status/1866869343570608557

[2]https://blog.google/technology/google-deepmind/google-gemini-ai-update-december-2024/#ai-game-agents