谷歌 Gemini：关于新的生成式人工智能平台您需要了解的一切

图片来源： >

谷歌正试图通过 Gemini 掀起波澜，Gemini 是其生成式人工智能模型、应用程序和服务的旗舰套件。

那么双子座是什么？ 你可以如何使用它？ 它在竞争中表现如何？

为了让您更轻松地跟上 Gemini 的最新发展，我们整理了这份方便的指南，随着新的 Gemini 型号、功能和有关 Google Gemini 计划的新闻的发布，我们将不断更新该指南。

什么是双子座？

双子座是谷歌的 许诺已久，下一代 GenAI 模型系列，由 Google 的 AI 研究实验室 DeepMind 和 Google Research 开发。 它有三种口味：

• 双子座超，性能最强的 Gemini 模型。
• 双子座专业版，一个“精简版”双子座模型。
• 双子座纳米，一个较小的“精炼”模型，可在 Pixel 8 Pro 等移动设备上运行。

所有 Gemini 模型都被训练为“原生多模式”——换句话说，能够处理和使用的不仅仅是单词。 他们对各种音频、图像和视频、大量不同语言的代码库和文本进行了预训练和微调。

这使 Gemini 与 Google 自己的 LaMDA 等模型区分开来，后者专门针对文本数据进行训练。 LaMDA 无法理解或生成文本以外的任何内容（例如论文、电子邮件草稿），但 Gemini 模型的情况并非如此。

Gemini 应用程序和 Gemini 模型有什么区别？

图片来源： 谷歌

谷歌再次证明它缺乏品牌推广的技巧，它从一开始就没有明确表示 Gemini 与网络和移动设备上的 Gemini 应用程序（以前称为 Bard）是独立且不同的。 Gemini 应用程序只是一个可以访问某些 Gemini 模型的界面 – 将其视为 Google GenAI 的客户端。

顺便说一句，Gemini 应用程序和模型也完全独立于 Imagen 2，Google 的文本到图像模型可在该公司的一些开发工具和环境中使用。

双子座能做什么？

由于 Gemini 模型是多模态的，因此理论上它们可以执行一系列多模态任务，从转录语音到为图像和视频添加字幕，再到生成艺术品。 其中一些功能已经进入产品阶段（稍后会详细介绍），谷歌承诺在不远的将来的某个时候实现所有这些功能，甚至更多。

当然，要相信该公司的话有点困难。

谷歌最初推出 Bard 的成果严重不足。 最近，它发布了一段视频，旨在展示 Gemini 的能力，结果却被大量篡改，或多或少有些令人向往。

尽管如此，假设谷歌的说法或多或少是真实的，那么一旦 Gemini 的不同级别充分发挥其潜力，他们将能够做到以下几点：

双子座超

谷歌表示，Gemini Ultra 凭借其多模态功能，可用于帮助完成物理作业、逐步解决工作表上的问题以及指出已填写答案中可能存在的错误。

谷歌表示，Gemini Ultra 还可以应用于识别与特定问题相关的科学论文等任务，从这些论文中提取信息，并通过生成用最新数据重新创建图表所需的公式来“更新”图表。 。

正如前面提到的，Gemini Ultra 在技术上支持图像生成。 但该功能尚未进入该模型的产品化版本 – 也许是因为该机制比 ChatGPT 等应用程序生成图像的方式更复杂。 Gemini 不是将提示提供给图像生成器（如 ChatGPT 中的 DALL-E 3），而是“本地”输出图像，无需中间步骤。

Gemini Ultra 可作为 API 通过 Vertex AI（Google 完全托管的 AI 开发人员平台）和 AI Studio（Google 面向应用程序和平台开发人员的基于网络的工具）提供。 它还为 Gemini 应用程序提供支持——但不是免费的。 通过 Google 所谓的 Gemini Advanced 访问 Gemini Ultra 需要订阅 Google One AI Premium Plan，价格为每月 20 美元。

AI Premium Plan 还将 Gemini 连接到更广泛的 Google Workspace 帐户，例如 Gmail 中的电子邮件、Docs 中的文档、表格中的演示文稿和 Google Meet 录音。 例如，这对于总结电子邮件或让 Gemini 在视频通话期间捕获笔记非常有用。

双子座专业版

谷歌表示，Gemini Pro 在推理、规划和理解能力方面比 LaMDA 有所改进。

一个独立的 学习 卡内基梅隆大学和 BerriAI 研究人员发现，Gemini Pro 的初始版本在处理更长、更复杂的推理链方面确实比 OpenAI 的 GPT-3.5 更好。 但研究还发现，与所有大型语言模型一样，这个版本的 Gemini Pro 在处理涉及多个数字的数学问题时尤其困难，用户还发现了糟糕的推理和明显错误的例子。

不过，谷歌承诺提供补救措施，第一个补救措施是 Gemini 1.5 Pro。

Gemini 1.5 Pro 旨在作为直接替代产品，与前身相比，在许多方面都进行了改进，最显着的可能是它可以处理的数据量。 Gemini 1.5 Pro 可以容纳约 700,000 个单词或约 30,000 行代码 – 是 Gemini 1.0 Pro 处理量的 35 倍。 而且——该模型是多模式的——它不限于文本。 Gemini 1.5 Pro 可以分析长达 11 小时的音频或一小时的各种不同语言的视频，尽管速度很慢（例如，在一小时视频中搜索场景需要 30 秒到一分钟的处理时间）。

Gemini 1.5 Pro 于 4 月份在 Vertex AI 上进入公开预览版。

另一个端点 Gemini Pro Vision 可以处理文本 和 图像（包括照片和视频）以及输出文本，类似于 OpenAI 的 GPT-4 with Vision 模型。

在 Vertex AI 中使用 Gemini Pro。 图片来源： 双子座

在 Vertex AI 中，开发人员可以使用微调或“基础”过程根据特定环境和用例自定义 Gemini Pro。 Gemini Pro 还可以连接到外部第三方 API 以执行特定操作。

在 AI Studio 中，有使用 Gemini Pro 创建结构化聊天提示的工作流程。 开发人员可以访问 Gemini Pro 和 Gemini Pro Vision 端点，他们可以调整模型温度来控制输出的创意范围，并提供示例来给出色调和风格说明，还可以调整安全设置。

然而，一旦 Gemini 1.5 Pro 退出 Vertex 预览，该模型每个角色的成本将为 0.0025 美元，而输出每个角色的成本将为 0.00005 美元。 Vertex 客户按 1,000 个字符（约 140 至 250 个单词）付费，对于 Gemini Pro Vision 等型号，按每张图像付费（0.0025 美元）。

Ultra 定价尚未公布。