Google殺回來了！新版Gemini跑分超o1登頂第一，CEO：這才哪到哪兒

一水 發自 凹非寺

量子位 | 公眾號 QbitAI

鯊瘋了！Google新版Gemini超越o1，強勢登頂競技場總榜第一！

在經6000+網民匿名投票後，不僅數學成績和學霸o1相當，還拿下其它5個單項第一。

新模型名為Gemini（Exp 1114），成績一公佈，連CEO皮猜也親自飛奔來站台。

而競技場官方也在第一時間公佈喜訊，並祝賀Google：

恭喜達到這一非凡里程碑！

這下尷尬了！說好的Google正在遭遇瓶頸呢？沒想到人家反手就是一個王炸。

怕了怕了，或許，只有OpenAI立即發佈滿血版o1才能與之一戰了？

目前新模型可在GoogleAI Studio體驗，官方後續也計劃提供API。

網民們也紛紛猜測，難道這就是傳說中的Gemini 2——

拿下7項第一，數學也和o1不分伯仲

一夜之間，競技場Imsys排名再被刷新：

從總榜來看，Google新模型Gemini（Exp 1114）分數直漲40+，擠下了之前一直霸榜的OpenAI模型（包括o1-preview、GPT-4o）。

而且假如正面1v1遇敵，新Gemini貌似都有一半及以上概率取勝。

整體勝率熱圖顯示，Gemini（Exp 1114）對戰4o-latest勝率為50%，對戰o1-preview勝率為56%，對戰Claude-3.5-Sonnet勝率為62%。

同時，Gemini（Exp 1114）在單項上也很能打，一舉拿下6個第一，包括：

• 複雜提示（Hard Prompts）：模型處理複雜或困難提示的能力；

• 數學；

• 創意寫作；

• 指令遵循：評估模型遵循給定指令的能力；

• 長查詢處理（Longer Query）：衡量模型處理較長查詢的能力；

• 多輪對話（Multi-Turn）：模型在多輪對話中保持上下文連貫性的能力；

要說最大看點，還是Gemini（Exp 1114）竟能與o1模型在數學能力上不分伯仲。

要知道，據OpenAI官方說法，o1不需要專門訓練，就能直接拿下數學奧賽金牌，甚至可以在博士級別的科學問答環節上超越人類專家。

不過比較遺憾的是，對於寫代碼這項重磅功能，Gemini（Exp 1114）雖說相較於Google上一版本有所改進，但仍然未能擠進前三。（o1-mini/preview仍處於領先地位）

另外，在風格控制下，Gemini-Exp-1114也和前三無緣，甚至不及自家的Gemini-1.5-pro。（排在o1、4o-latest和Sonnet之後）

解釋一下，風格控制（Style Control）是競技場今年新推出的功能，確保分數反映模型真正解決問題的能力，而不是用漂亮的格式、增加回答長度。

不過也有意外之喜，Gemini-Exp-1114這一次在視覺能力上拿下第一，超越了GPT-4o。

整體看下來，對於Google這次的反超，大家也感到十分意外。

目前，Gemini-Exp-1114已經可以在GoogleAI Studio體驗，且官方計劃後續提供API。

這不，有很多網民已經上手測試了，但好像爭議蠻多——

網民反應不一

先總結一下，通過網民測試，目前可知Gemini-Exp-1114的以下信息：

• 擁有32k上下文窗口

• 模型回答知識截止日期為2023年4月，但回答結果會不一樣

• 加上了思維鏈

其中，32k上下文被大家狠狠「抽水」。有人直言相比200萬上下文窗口的Gemini 1.5，擱這兒不升反降呢！

興許是感受到大家的怨懟了，GoogleAI Studio負責人趕緊出來打圓場：馬上更！馬上更！

安撫好眾人情緒後，大家終於樂顛顛曬起了使用反饋。

透過其中一位小哥的觀察，Gemini-Exp-1114這次也是用上了思維鏈，在回答時也能像人類一樣一步步思考了。

而且，在數學能力上確實不錯？

Gemini-Exp-1114正確回答了2024美國數學奧林匹克外圍賽II 1-8題。

甚至相對弱項的編碼，也有人第一次嘗試就成功了。

然而，翻車總是難免的。

有人問了基準測試中的物理問題，結果Gemini-Exp-1114雖然有思維鏈加持，卻仍然回答錯誤。

甚至老生常談的數字比大小和數草莓中的「r」，竟還是失敗。

更搞笑的是，有人問Gemini-Exp-1114「你叫什麼？」

結果回答了claude（doge）。

實際上，大家一直在猜測Gemini-Exp-1114會不會是傳說中Google計劃更新的Gemini 2。

但根據實測，相當一部分網民出來表示否定。

畢竟，它好像連舊版1.5 Pro會的問題也無法解決。

更有人聲稱，這是Google推遲發佈更大模型（即Gemini 2）的策略，先弄一個殘血版讓大家玩玩，這樣就別急著催更了。

結合CEO皮猜順勢放煙霧彈的做法，好像又有點道理（doge）！

AI Studio體驗地址：

https://aistudio.google.com/prompts/new_chat

競技場完整榜單：

https://lmarena.ai/?leaderboard

參考鏈接：

[1]https://x.com/lmarena_ai/status/1857110672565494098

[2]https://x.com/imxiaohu/status/1857183367365894487

[3]https://x.com/OfficialLoganK/status/1857106089063362768

[4]https://x.com/sundarpichai/status/1857114106928718329