机器之心报说念开云体育(中国)官方网站

作家：Sia、杨文

能搜网页、写代码，还能教你打游戏。

OpenAI 接连几天的「轰炸」，仍是让东说念主审好意思倦怠。

行为冒昧，周三，推出新一代至强 AI 大模子 Gemini 2.0 Flash 。

网友体验先走一波。

就模子所看到的骨子及时对话， 嗅觉就像科幻演义一样。

通过分享屏幕，及时盘问论文，这个接头助理很强啊。

让AI在对话过程中当然地生成图像。

面前，一个教唆词就能生成包含方法表现和配图，食谱blog，一步到位。

据谷歌先容，除了能生成笔墨外，还能径直生成图片和语音。

不仅如斯，2.0 Flash 还能调用第三方应用和服务，比如可以使用谷歌搜索、运行代码等功能。

从今天运行，设备者可以通过以下几种面貌尝试使用 2.0 Flash 的测试版：

Gemini 的 API 接口谷歌的 AI 设备平台：AI Studio 和 Vertex AI

不外，生成图片和语音的功能暂时只对「早期合营伙伴」绽放，要比及来岁 1 月才会向系数东说念主绽放。谷歌流露，在接下来几个月里，会把 2.0 Flash 的多样版块整合到多个家具中，包括：

Android Studio（安卓设备用具）Chrome 设备用具Firebase（应用设备平台）Gemini 代码助手

主力模子 Gemini 2.0

今天发布的 Gemini 2.0 Flash 的实验版块，是 Gemini 2.0 系列的第一个模子，亦然刻下主力模子。

它反应速率快（低延长），性能弘远，代表了谷歌 Gemini 最顶尖的期间水平。

除了速率是「前任」的 2 倍，复旧图像、视频和音频等多模态输入外，2.0 Flash 面前还复旧多模态输出，比如原生生成的图像与文本夹杂，以及可截止的多话语文本转语音（ TTS ）音频。

它还大略原生调用用具，如谷歌搜索、代码扩展以考中三方用户自界说函数。

底下这张图展示了 Gemini 不同版块在各项测试中的发达对比。

总体来看，新模子在编程、数学和多模态处理方面都有彰着提高，特等是在代码生成方面的越过最为显贵。

酷好酷好的是，在长文智商悟( MRCR )这一项上，2.0 Flash ( 69.2% )反而比 1.5 Pro ( 82.6% )发达差一些，这是少数几个莫得越过的狡计之一。

图表展示了Gemini不同版块在各项测试中的发达对比。

Gemini 2.0 Flash 的郑再版块将于 1 月份推出。但在此期间，谷歌正在发布一个 API —— Multimodal Live API（多模态及时 API ），匡助设备者构建具有及时音频和视频流功能的应用要领。

网友们仍是自地面玩耍起来。

能帮你画好下一步棋子的位置。来自X网友@robertriachi

使用 Multimodal Live API，设备者可以创建及时的多模态应用，这些应用大略遴选来自录像头或屏幕的音频和视频输入。该 API 复旧集成多样用具来完成任务，况且大略处理应然对话模式。

比如，对话中的打断。这和 OpenAI 的 Realtime API 很像。

在对话中当然地生成图像，就像东说念主类聊天时唾手画个流露图一样当然

对图像的后续裁剪

一边处理及时音频输入，一边扩展数据可视化等复杂任务

Project Astra：通用助手的晨曦

本年 5 月份，谷歌发布了通用 AI 助手接头原型 Project Astra ，这是一个多模态 AI 智能体形式，旨在为用户提供一个大略矫捷和反映复杂、动态真确天下「 AI 助手」。

此次，谷歌对搭载了 Gemini 2.0 的最新版块 Project Astra 进行了一系列变嫌：

更通顺的对话：Project Astra 面前大略用多种话语和夹杂话语进行相似，对多样口音和稀有词汇的矫捷也愈加精确。

新用具的诈骗：借助Gemini 2.0，Project Astra 大略使用谷歌搜索、谷歌镜头和谷歌舆图，使其成为你往常糊口中愈加给力的助手。

更弘远的挂牵功能：增强了 Project Astra 的挂牵才气，并确保你可以截止其挂牵。它面前大略保握长达 10 分钟的会话挂牵，并能记取你往日与它进行的更多对话，从而为你提供愈加个性化的服务。

更低的延长：通过新的流媒体功能和原生音频矫捷期间，智能体大略以接近东说念主类对话的延长速率矫捷话语。

他们正尽力于将这些功能引入谷歌家具，如 Gemini app 以及眼镜等其他形态的家具。同期，他们也运行在原型眼镜上测试 Project Astra。

在官方演示视频中，异邦小哥用一部安设了最新测试版 Project Astra 的 Pixel 手机进行测试。

收到一封包含公寓信息的电子邮件后，它可以告诉你公寓大门的密码，并记取它。

只需要使用录像头拍摄穿戴上的标签和洗衣机上复杂的按钮，它就能告诉你这件穿戴是否能机洗、漂白、烘干，以及洗衣机该如何使用。

还可以把一又友读过的书发给它，让它以此分析出一又友的念书试吃并推选关系册本。

偶遇一辆巴士，问它是否可以去唐东说念主街隔邻。Project Astra不仅可以搜索出该巴士的行驶路子，还能陈说出沿线知名地标。

此外，小哥还戴上原型眼镜来测试Project Astra，恶果荒谬酷炫。

只需一个问题指示，它就能进行天气预告、告诉你是否可以骑自行车进公园，搜索一皆是否有超市等。

Project Mariner：浏览器版「贾维斯」

Project Mariner 是一个基于 Gemini 2.0 构建的早期接头原型。它通过 Chrome 浏览器插件，能矫捷你屏幕上的系数骨子 —— 岂论是笔墨、代码、图片如故表单。

它的利害之处在于，在 WebVoyager 基准测试中，Project Mariner 行为一个孤独智能体诞生，完成网页任务的准确率达到了 83.5% ，这在面前来说是荒谬可以的得益。

固然面前可能还有点慢，准确度也不是百分之百，但这项期间正在快速越过。

为了确保安全，谷歌作念了好多提神措施。

比如，它只可在你刻下大开的网页标签里操作，要作念一些伏击的事情（比如网购）时，还得先问问你情愿不情愿。这就像有个助手帮你服务，但伏击决定如故由你来作念。

Jules：有教悔的编程助手

Jules 是一个懂编程的智能助理，径直集成在 GitHub 使命进程中。假定你有一个要领问题需要措置，它能矫捷问题，制定措置有狡计，然后在你的率领和监督下把代码写出来。

就像是你多了一个有教悔的编程搭档，能帮你分析问题、经营有狡计、写代码，但最终的决定权如故在你手中。你可以随时查验它的使命，确保一切都相宜你的条目。

游戏过头他边界的智能体

谷歌 DeepMind 一直心爱用游戏来老师 AI 的才气，就像前几天推出的 Genie 2 ，独一给它一张图片，它就能创造出可以玩的 3D 天下。

面前，他们又在 Gemini 2.0 的基础上设备了游戏智能体。

它特等特地想，能看懂你在玩什么游戏，矫捷游戏画面里发生的事情，然后及时跟你聊天，给你忽视该怎么玩。就像有个资深玩家一又友在傍边率领你。

他们还和 Supercell 这么的大游戏公司合营，在《部落艰涩》这么的计谋游戏和《卡通农场》这么的模拟经营游戏中测试 AI 。AI 需要矫捷不同类型游戏的规定和挑战，这可不是件容易的事。

更利害的是，这个智能体还能用谷歌搜索，帮你找到网上的游戏攻略和手段。就像是一个既懂游戏、又知说念去哪找谜底的游伴。

除了在臆造天下中探索智能体才气，谷歌还在尝试将 Gemini 2.0 的空间推理才气应用于机器东说念主期间，匡助智能体在实践天下中提供匡助，不外面前仍处于早期阶段。

https://blog.google/technology/google-deepmind/google-gemini-ai-update-december-2024/?utm_source=deepmind.google&utm_medium=referral&utm_campaign=gdm&utm_content=

https://developers.googleblog.com/en/the-next-chapter-of-the-gemini-era-for-developers/

https://x.com/simonw/status/1866942603020910866