12 月 6 日，谷歌宣布推出其认为规模最大、功能最强大的人工智能模型 Gemini。
谷歌首席执行官皮查伊表示，Gemini 1.0 是目前为止谷歌能力最强的通用人工智能模型，Gemini 是原生多模态打造，是谷歌通往 Gemini 模型时代的第一步。
据介绍，Gemini 1.0 是谷歌筹备了一年之久的 GPT4 真正竞品，将包括三种不同的套件：Gemini Ultra、Gemini Pro 和 Gemini Nano。其中 Ultra 的能力最强，复杂度最高，能够处理最为困难的任务；Pro 能力稍弱，可以用来处理多任务；Nano 则更注重于端侧的处理能力。
和市面上现有大模型相比，Gemini 从一开始就被创建为多模态的模型。因为从最初的预训练数据开始，Gemini 就在针对不同模态的模型进行训练，这意味着它可以归纳并流畅地理解、操作以及组合不同类型的信息，包括文本、代码、音频、图像和视频。在灵活度上，从数据中心到移动设备上，它都能够运行。
谷歌表示，对 Gemini 模型进行了严格的测试，并评估了它们在各种任务中的表现。从自然图像、音频和视频理解到数学推理，在被大型语言模型（LLM）研究和开发中广泛使用的 32 项学术基准中，Gemini Ultra 的性能有 30 项都超过了目前最先进的水平。
在权威 MMMU 基准测试中，Gemini Ultra 获得了 59.4% 的 SOTA 分数。作为对比，人类专家的得分率为 89.8%，GPT4 得分率为 86.4%。但是谷歌并没有透露 Ultra 和 Pro 版本的具体参数规模。
此外，谷歌还基于 Gemini 模型开发了专业的代码模型 AlphaCode 2。与前一代相比，AlphaCode 2 的性能提升了至少 50% 以上。
谷歌表示计划通过谷歌云将 Gemini 授权给客户，供他们在自己的应用程序中使用。从12 月 13 日开始，开发者和企业客户可以通过 Google AI Studio 或 Google Cloud Vertex AI 中的 Gemini API 访问 Gemini Pro。
0