Google「狙擊」OpenAI，發佈新一代大模型，主打Agent+多模態
繼量子芯片之後，Google又來搶「OpenAI雙12直播」的流量了！
就在剛剛，Google新一代大模型Gemini 2.0突然登場，再次由GoogleCEO皮猜親自官宣。
新一代模型專為AI Agent而打造，Google表示目前已經將2.0版本提供給了一些開發者內測，正在迅速將其集成在Gemini和搜索等產品線中。
好消息是，Gemini 2.0 Flash實驗版模型今天就在網頁端開放，大家都能玩，移動端即將推出。
除此之外，Google還推出了一項名為深度研究（Deep Research）的新功能，基於高級推理和長上下文能力，它能直接幫你幹研究助理的活兒——給個主題，自己出報告的那種。
目前這個新功能在Gemini Advanced版本中可用。
Google這一波出手，再結合Sora的不盡如人意，新一天的直播還沒開始，已經有人開始唱衰OpenAI了：
OpenAI的護城河是什麼？
「面向智能體時代的新AI模型」
在GoogleCEO皮猜、Google DeepMind CEO哈薩比斯，以及Google DeepMind CTO科雷（Koray Kavukcuoglu）三人共同撰寫的博客文章中，官方給Gemini 2.0的定位是：
面向智能體時代的AI模型。
在多模態方面的新進展，以及原生工具的使用，使我們能夠構建新的AI智能體，以更接近實現通用助手的願景。
具體如何體現？在Gemini 2.0 Flash實驗版第一時間上線的同時，Google還在Gemini Advanced中推出了一項名為深度研究（Deep Research）的智能體新功能。
你可以把它當成以研究助理，圍繞一個複雜主題生成研究報告。有點像是個科研版AI搜索。
另外一個Gemini 2.0的重點關鍵詞是：多模態。
2.0 Flash實驗版除了支持圖像、影片、音頻多模態輸入，還支持多模態輸出。
不單單是簡單的圖文混排，可控的多語種文本到語音（湯臣S）輸出也行，還能直接本地調用工具，比如Google搜索、代碼工具、第三方用戶定義的功能。
有ChatGPT插件那味兒了。
不過，作為實驗模型，其文本到語音和原生圖像生成功能目前僅提供給早期訪問合作夥伴。Google透露2.0 Flash將在1月份正式推出，會提供更多不同大小的模型。
而根據Google發佈的基準測試結果，不論是在多模態的圖片、影片能力上，還是編碼、數學等能力上，僅是Flash實驗版的Gemini 2.0表現就已幾乎全面超越Gemini 1.5 Pro 002。
而且它的速度是1.5 Pro的兩倍。
Google表示，明年年初，會將Gemini 2.0擴展到更多旗下產品中，比如Project Astra。
就是I/O大會上Google推出來跟GPT-4o的語音功能打擂台的那個。
此次，基於Gemini 2.0，Project Astra更新了以下功能：
更好的對話：現在能夠以多種語言和混合語言進行對話，更好地理解口音和不常見的單詞。
使用新工具：Project Astra會用Google搜索、Lens和地圖了。
更強的記憶力：Project Astra現在擁有10分鐘的會話記憶，並且可以記住更多歷史對話，也就說，憑藉這些「記憶」，它能更懂你了。
改進延遲：Project Astra可以按正常人類對話的節奏來理解對話。
Google還提到，正在將Project Astra移植到眼鏡等更多移動終端中。
另外，Google透露，他們正在和Supercell等遊戲開發商合作，測試基於Gemini 2.0打造的遊戲智能體們的實力。
這些智能體可以根據屏幕上的動作對遊戲進行推理，並與玩家實時對話提供行動建議。
玩《突擊小隊》、《部落衝突》、《農場日記》，場面belike：
除了網頁端可用，Gemini 2.0 Flash實驗模型還通過Google AI Studio和Vertex AI的Gemini API向開發者提供。
從OpenAI跳槽到Google的Logan Kilpatrick表示，他們在Google AI Studio中創建了一個全新體驗，展示了Gemini 2.0影片理解、原生工具使用、空間理解的入門應用。
那麼，你覺得這夠Agent嗎？
參考鏈接：
[1]https://x.com/GoogleDeepMind/status/1866869343570608557
[2]https://blog.google/technology/google-deepmind/google-gemini-ai-update-december-2024/#ai-game-agents
本文來自微信公眾號「量子位」，作者：關注前沿科技，36氪經授權發佈。
