去年底，Google Deepmind 推出了面向智能體時代的 Gemini 2.0 Flash 模型，一隻腳邁入了 2.0 時代，時隔兩個月，Gemini 2.0 系列全家桶終於正式上新。
在 DeepSeek 的「鯰魚效應」催化下，這次發佈與往常不太一樣，不僅在性能上有進一步的提升，還揮舞起 AI 性價比的大旗，同時也擁抱多模態能力。
最新的大模型競技場中，Gemini-2.0-Pro 在所有類別中排名第 1，Gemini-2.0-Flash 排名第 3，Flash-lite 則以出色的性價比躋身前十。
Deepmind CEO Demis Hassabis 發文稱：
Gemini 2.0 系列模型主要特點如下：
不到 1 美元能幹啥？Google 新模型能給 4 萬張圖片配標題
具體來説，Gemini 2.0 系列全家桶模型各具特色。
其中，已全面發佈的 Gemini 2.0 Flash 支持多模態輸入和文本輸出，具備 100 萬tokens 的上下文窗口，並支持結構化輸出、函數調用和代碼執行等功能。
值得注意的是，其多模態實時 API 目前仍處於「beta」階段，圖像和音頻輸出功能也將在後續推出。
該模型的定價方案也已確定，文本、圖像和視頻輸入每百萬 tokens 收費 0.10 美元，音頻輸入則為 0.70 美元，（2 月 20 日起正式生效）。文本輸出每百萬 tokens 收費 0.40 美元。
各類緩存費用也都維持在較低水平。文本/圖像/視頻緩存費用為每百萬 token 收費 0.025 美元，音頻緩存費用為 0.175 美元。
在此基礎上，Google 還推出了更具性價比的「輕量版」——Gemini 2.0 Flash-Lite 。
雖然這款模型在功能上做了一定取捨，暫不支持多模態實時 API、搜索工具和代碼執行，但它保留了 100 萬 tokens 的上下文窗口，以及多模態輸入、文本輸出和函數調用等核心功能。
其定價更為親民，文本、圖像和視頻輸入每百萬 tokens 僅需 0.075 美元，幾乎比標準版便宜了三分之一。音頻輸入也為 0.075 美元，文本輸出為 0.30 美元，文本/圖像/視頻緩存為每百萬 tokens 僅需 0.01875 美元，音頻緩存為 0.175 美元。
作為對比，DeepSeek-V3 模型現在在擊中緩存的情況每百萬 tokens 需要 0.014 美元。2 月 8 日起，其價格將恢復到每百萬 tokens 0.07 美元的水平。這一調整或許也是促使 Google 制定當前價格策略的重要因素之一。
據 Google 介紹，使用該模型為 4 萬張獨特圖片生成標題的成本僅需不到 1 美元。
產品線的頂端則是 Gemini 2.0 Pro Experimental 版本。這款模型擁有 200 萬 tokens 的超大上下文窗口，相當於可以一次性處理約 150 萬個單詞，能同時消化整個《哈利·波特》系列的七本書還綽綽有餘。
在功能上，它也是最為全能的選手，不僅支持多模態輸入和文本輸出，還具備結構化輸出、函數調用、搜索工具和代碼執行等全方位能力。
在性能測試方面，Gemini 2.0 系列表現可圈可點。
在 MMLU-Pro 測試中，2.0 Pro Experimental 以 79.1% 的得分領先，而 2.0 Flash Lite Preview 和 2.0 Flash GA 分別獲得 71.6% 和 77.6% 的成績。
在代碼生成、數學和多語言能力等方面，2.0 Pro Experimental 同樣表現優異，特別是在數學（91.8%）和多語言能力（86.5%）方面的成績尤為突出。
遺憾的是，即便是最強的 Gemini 2.0 Pro Experimental 版本也要遠遠落後於 OpenAI o3 模型，並未完成外界期待的「彎道超車」。
不過也有網友認為，由於 Gemini 2.0 Pro 並非典型的 CoT 模型，當前的性能對比可能並不完全合理。
這些模型的主要優勢在於其快速響應能力和較低的成本，特別適用於命名實體識別或分類等特定任務。隨着圖像生成和文本到語音等新功能的即將推出，Gemini 2.0 系列的應用場景將進一步擴展。
現在，這些新模型現已在 Google AI Studio 和 Vertex AI 平台上向開發者開放，Gemini 高級用户也可以在其設備上選用。
貪吃蛇大戰、跳躍球，Gemini 2.0 還能這樣玩
誰説 AI 只會乾巴巴回答回答，隨着 Gemini 2.0 全家桶的上線，網友迫不及待地玩出了新花樣。
比方説，想看貪吃蛇大戰嗎？讓 Gemini 2.0 自行用代碼操刀設計一個貪吃蛇遊戲。
亦或者，Gemini Flash Thinking 模型是首個能夠訪問 YouTube 的推理模型，而且它還支持 Google 搜索和地圖功能。
在圖像渲染方面，有開發者要求模型使用 p5.js 編寫腳本，生成了一個包含 100 個動態彈跳黃球的三維場景。並且，球體內的黃球還要能夠正確相互碰撞，球體緩慢旋轉，以及始終保持在球體內。
我們也在 Google AI studio 簡單體驗了此次上新的幾款新模型。這幾款新模型響應的速度倒是挺快的，至於效果嘛，Emmm，就屬實有點難評了。
在 Gemini 大展拳腳之際，慣常狙擊的 OpenAI 也在持續發力。
今天，OpenAI 凌晨宣佈 Deep Research 功能向所有 Pro 用户全面開放，包括英國、歐盟、挪威、冰島、列支敦士登和瑞士等地區。Plus 用户流下了羨慕的淚水。
並且，ChatGPT 的搜索功能現已向所有用户開放，無需註冊即可使用，進一步降低用户的使用門檻。
不過，在卷模型之前，不妨先卷一下 AI 模型的起名，無論是 Gemini 系列，還是 OpenAI 的 GPT/o 系列，隨着新模型的接踵而至，各類版本號和命名規則也是讓人眼花繚亂。
去年當 OpenAI CEO Sam Altman 被問及公司產品的命名策略時，他也坦言相當頭疼。
包括 Anthropic CEO Amodei 曾表示，雖然 Claude 的命名方式在早期看起來不錯，但隨着模型的快速迭代和更新，沿用的命名體系同樣變得捉襟見肘。
他指出，目前沒有任何 AI 公司真正「搞定命名」這一問題，大家都在努力尋找更簡單、更清晰的命名方式。這或許也是 AI 巨頭們少有達成的共識。
資料來源：愛範兒（ifanr）
在 DeepSeek 的「鯰魚效應」催化下，這次發佈與往常不太一樣，不僅在性能上有進一步的提升，還揮舞起 AI 性價比的大旗，同時也擁抱多模態能力。
最新的大模型競技場中，Gemini-2.0-Pro 在所有類別中排名第 1，Gemini-2.0-Flash 排名第 3，Flash-lite 則以出色的性價比躋身前十。
Deepmind CEO Demis Hassabis 發文稱：
引用令人興奮的進展！我們在不斷提升質量的同時，努力降低成本。Gemini 2.0系列是性價比和性能方面的領先模型。通過今天的發佈，大家都可以利用它們強大的推理和多模態能力，這也為我們的智能工作奠定了基礎。
Gemini 2.0 系列模型主要特點如下：
- 2.0 Pro Experimental：主打編碼性能和處理複雜提示能力，在知識理解和邏輯推理方面表現出色。
- 2.0 Flash：專門面向開發者提供 API 接口，支持快速構建 App。
- 2.0 Flash-Lite：在保持高性能的同時實現了更優的成本效益和響應速度。
- 2.0 Flash Thinking Experimental：已在 Gemini App 中開放使用，供用户體驗。
不到 1 美元能幹啥？Google 新模型能給 4 萬張圖片配標題
具體來説，Gemini 2.0 系列全家桶模型各具特色。
其中，已全面發佈的 Gemini 2.0 Flash 支持多模態輸入和文本輸出，具備 100 萬tokens 的上下文窗口，並支持結構化輸出、函數調用和代碼執行等功能。
值得注意的是，其多模態實時 API 目前仍處於「beta」階段，圖像和音頻輸出功能也將在後續推出。
該模型的定價方案也已確定，文本、圖像和視頻輸入每百萬 tokens 收費 0.10 美元，音頻輸入則為 0.70 美元，（2 月 20 日起正式生效）。文本輸出每百萬 tokens 收費 0.40 美元。
各類緩存費用也都維持在較低水平。文本/圖像/視頻緩存費用為每百萬 token 收費 0.025 美元，音頻緩存費用為 0.175 美元。
在此基礎上，Google 還推出了更具性價比的「輕量版」——Gemini 2.0 Flash-Lite 。
雖然這款模型在功能上做了一定取捨，暫不支持多模態實時 API、搜索工具和代碼執行，但它保留了 100 萬 tokens 的上下文窗口，以及多模態輸入、文本輸出和函數調用等核心功能。
其定價更為親民，文本、圖像和視頻輸入每百萬 tokens 僅需 0.075 美元，幾乎比標準版便宜了三分之一。音頻輸入也為 0.075 美元，文本輸出為 0.30 美元，文本/圖像/視頻緩存為每百萬 tokens 僅需 0.01875 美元，音頻緩存為 0.175 美元。
作為對比，DeepSeek-V3 模型現在在擊中緩存的情況每百萬 tokens 需要 0.014 美元。2 月 8 日起，其價格將恢復到每百萬 tokens 0.07 美元的水平。這一調整或許也是促使 Google 制定當前價格策略的重要因素之一。
據 Google 介紹，使用該模型為 4 萬張獨特圖片生成標題的成本僅需不到 1 美元。
產品線的頂端則是 Gemini 2.0 Pro Experimental 版本。這款模型擁有 200 萬 tokens 的超大上下文窗口，相當於可以一次性處理約 150 萬個單詞，能同時消化整個《哈利·波特》系列的七本書還綽綽有餘。
在功能上，它也是最為全能的選手，不僅支持多模態輸入和文本輸出，還具備結構化輸出、函數調用、搜索工具和代碼執行等全方位能力。
在性能測試方面，Gemini 2.0 系列表現可圈可點。
在 MMLU-Pro 測試中，2.0 Pro Experimental 以 79.1% 的得分領先，而 2.0 Flash Lite Preview 和 2.0 Flash GA 分別獲得 71.6% 和 77.6% 的成績。
在代碼生成、數學和多語言能力等方面，2.0 Pro Experimental 同樣表現優異，特別是在數學（91.8%）和多語言能力（86.5%）方面的成績尤為突出。
遺憾的是，即便是最強的 Gemini 2.0 Pro Experimental 版本也要遠遠落後於 OpenAI o3 模型，並未完成外界期待的「彎道超車」。
不過也有網友認為，由於 Gemini 2.0 Pro 並非典型的 CoT 模型，當前的性能對比可能並不完全合理。
這些模型的主要優勢在於其快速響應能力和較低的成本，特別適用於命名實體識別或分類等特定任務。隨着圖像生成和文本到語音等新功能的即將推出，Gemini 2.0 系列的應用場景將進一步擴展。
現在，這些新模型現已在 Google AI Studio 和 Vertex AI 平台上向開發者開放，Gemini 高級用户也可以在其設備上選用。
貪吃蛇大戰、跳躍球，Gemini 2.0 還能這樣玩
誰説 AI 只會乾巴巴回答回答，隨着 Gemini 2.0 全家桶的上線，網友迫不及待地玩出了新花樣。
比方説，想看貪吃蛇大戰嗎？讓 Gemini 2.0 自行用代碼操刀設計一個貪吃蛇遊戲。
亦或者，Gemini Flash Thinking 模型是首個能夠訪問 YouTube 的推理模型，而且它還支持 Google 搜索和地圖功能。
在圖像渲染方面，有開發者要求模型使用 p5.js 編寫腳本，生成了一個包含 100 個動態彈跳黃球的三維場景。並且，球體內的黃球還要能夠正確相互碰撞，球體緩慢旋轉，以及始終保持在球體內。
我們也在 Google AI studio 簡單體驗了此次上新的幾款新模型。這幾款新模型響應的速度倒是挺快的，至於效果嘛，Emmm，就屬實有點難評了。
在 Gemini 大展拳腳之際，慣常狙擊的 OpenAI 也在持續發力。
今天，OpenAI 凌晨宣佈 Deep Research 功能向所有 Pro 用户全面開放，包括英國、歐盟、挪威、冰島、列支敦士登和瑞士等地區。Plus 用户流下了羨慕的淚水。
並且，ChatGPT 的搜索功能現已向所有用户開放，無需註冊即可使用，進一步降低用户的使用門檻。
不過，在卷模型之前，不妨先卷一下 AI 模型的起名，無論是 Gemini 系列，還是 OpenAI 的 GPT/o 系列，隨着新模型的接踵而至，各類版本號和命名規則也是讓人眼花繚亂。
去年當 OpenAI CEO Sam Altman 被問及公司產品的命名策略時，他也坦言相當頭疼。
包括 Anthropic CEO Amodei 曾表示，雖然 Claude 的命名方式在早期看起來不錯，但隨着模型的快速迭代和更新，沿用的命名體系同樣變得捉襟見肘。
他指出，目前沒有任何 AI 公司真正「搞定命名」這一問題，大家都在努力尋找更簡單、更清晰的命名方式。這或許也是 AI 巨頭們少有達成的共識。
資料來源：愛範兒（ifanr）
請按此登錄後留言。未成為會員? 立即註冊