Google DeepMind推出Gemini 2.0

Google DeepMind近日发布了Gemini 2.0，这一AI模型在处理速度上比其前身Gemini 1.5 Pro快两倍，并支持复杂的多模态任务，能够结合文本、图像等输入进行高级推理。Gemini 2.0基于JAX/XLA框架构建，具备大规模优化能力，并引入了新功能如Deep Research，用于探索复杂主题。该模型目前已向开发者和受信任的测试者开放，并将很快集成到Google的Gemini和Search等产品中。

Gemini 2.0的性能提升

Gemini 2.0在速度和准确性上实现了显著飞跃。例如，Gemini 2.0 Flash在关键基准测试中优于之前的1.5 Pro模型，同时保持了两倍的处理速度。此外，该模型展示了多模态集成能力，支持结合文本和视觉推理的任务，或执行涉及多种输入和输出类型的复杂指令。

技术背景与开源

Google工程副总裁Bill Jia表示，Gemini 2.0完全基于JAX/XLA AI框架/编译器构建和训练，该框架已开源并共享给全球使用。模型的训练规模庞大，优化、微调、评估及集成到终端用户产品的过程均推动了前沿技术的发展。

新功能与应用场景

Gemini 2.0引入了Deep Research功能，作为研究助手，利用高级推理和长上下文能力探索复杂主题并生成报告。该功能已在Gemini Advanced中上线。此外，Gemini 2.0适用于多种实际应用场景，包括：

• Project Astra：展示高级多模态理解的AI助手原型，能够使用Google Maps、Search和Lens。
• Project Mariner：演示如何在浏览器中直接执行填写表格或分析内容等任务。
• Jules：集成到GitHub工作流程中的开发助手，在人类监督下协助编码任务。

在游戏与机器人领域的潜力

Gemini 2.0在游戏领域中能够实时分析游戏玩法，提供战略建议。其空间推理能力也在机器人领域进行测试，潜在应用包括物理世界中的导航和问题解决。

安全与隐私

Google DeepMind将安全性作为Gemini 2.0开发的核心原则，集成了防止未授权操作、保护用户隐私及应对恶意提示注入等风险的机制。模型设计还允许用户通过强大的隐私控制管理敏感信息。

社区反馈

社区对Gemini 2.0的反应热烈。例如，CX领导者Raj Nair评论称，Google在AI开发上取得了令人印象深刻的进展，Gemini 2.0、Project Mariner和编码助手等功能展示了AI从实验性到实际应用的转变，将重塑从网页浏览到开发工作流程的各个行业。

更多信息可参考官方文档。