Google LLC 今天宣布将扩展其 Gemini 人工智能模型系列,并增加现有模型的可用性。
首先,Google 在 Google AI Studio 和 Vertex AI(该公司的全托管机器学习开发平台)中全面开放了更新版的 Gemini 2.0 Flash。这是继公司在桌面和移动端的 Gemini 应用中向所有用户开放 2.0 Flash 之后的又一举措。
在实验性 Gemini 模型方面,Google 发布了 Gemini 2.0 Pro 的实验版本(该公司在编程和复杂提示方面表现最佳的旗舰模型),并宣布 2.0 Flash Thinking Experimental 正式发布。新的 2.0 Flash Thinking 模型是一个针对逻辑和推理进行优化的小型快速 AI 模型。
Google 还发布了一个全新的模型 Gemini 2.0 Flash-Lite,这是该公司最具成本效益的 AI 模型,目前处于公开预览阶段。
2.0 Pro 实验版 通过与开发者和高级用户分享 Gemini 2.0 的早期实验版本,Google 表示已收到关于其 AI 模型优势的宝贵反馈。随着 Gemini 2.0 Pro 实验版的发布,公司希望继续保持这一趋势。
Gemini 2.0 Pro 实验版具有 200 万个 token 的上下文窗口,可以处理大量文档和视频,或约 150 万个单词。它还可以调用 Google 搜索等工具并执行代码。
Gemini 2.0 Pro 是 Google 去年 2 月推出的前代旗舰模型 Gemini 1.5 Pro 的继任者。
2.0 Flash Thinking 实验版 为了打造一个通过优化推理能力来进行"深度思考"的模型,Google 于去年 12 月发布了 2.0 Flash Thinking Experimental。中国 AI 初创公司 DeepSeek 的开源 R1 推理模型同样具有深度思考能力,但获得了更多媒体关注。
Google 在 2.0 Flash 的速度和性能基础上构建了这个新的实验模型,并训练它将提示分解为一系列步骤,使其本质上能够完成推理过程。
Google Gemini 应用产品管理总监 Patrick Kane 在公告中表示:"2.0 Flash Thinking Experimental 会展示其思考过程,让你能够了解它为什么会以某种方式回应,它的假设是什么,以及追踪模型的推理路线。"
公司还表示,Flash Thinking 将推出一个可以与 YouTube、搜索和 Google Maps 等应用交互的版本。这将使推理模型能够利用其固有的推理能力,充当有用的 AI 助手。
新的 2.0 Flash Thinking Experimental 和 2.0 Pro Experimental 将于今天在 Gemini 网页和移动应用中推出。
2.0 Flash-Lite:小型高效模型 作为 Google Gemini 系列的最新模型,2.0 Flash-Lite 在保持 Flash 1.5 的速度和价格的同时,在大多数质量基准测试中都优于该模型。
与 Flash 2.0 一样,Flash-Lite 提供 100 万个 token 的上下文窗口和多模态输入。举例来说,Google 表示,新模型可以为大约 4 万张独特照片生成单行标题,在 Google AI Studio 的付费层级中花费不到一美元。
这种规模化的速度和效率,以及如此低的成本,特别受到营销和零售机构的青睐。对于营销人员来说,该模型可以帮助以低成本为客户生成定制电子邮件,而在零售领域,它可以为产品照片生成大量文字描述,而不会产生高额成本。
Gemini 2.0 Flash-Lite 今天开始在 Google AI Studio 和 Vertex AI 中进行公开预览。
 0赞
0赞好文章,需要你的鼓励
 推荐文章
                    推荐文章
                  虽然ChatGPT等AI工具正在快速改变世界,但它们并非无所不知的神谕。ChatGPT擅长"令人信服的错误",经常提供有偏见、过时或完全错误的答案。在健康诊断、心理健康、紧急安全决策、个人财务规划、机密数据处理、违法行为、学术作弊、实时信息监控、赌博预测、法律文件起草和艺术创作等11个关键领域,用户应避免完全依赖ChatGPT,而应寻求专业人士帮助。
这项由哥伦比亚大学研究团队完成的突破性研究首次揭示了AI系统自我改进中的"效用-学习张力"问题:系统追求更好性能时会增加复杂度,但过高复杂度会破坏学习能力。研究建立了学习边界定理,提出双门控制机制,为AI安全自我改进提供了理论基础和实用方案,对确保AI技术长期安全发展具有重要意义。
微软重启三里岛核反应堆的协议确认了AI革命与能源现实主义的融合。亚马逊和谷歌也达成类似协议,共同押注核能为AI未来提供最可行的动力路径。到2030年代,数据中心用电量可能媲美大国水平。国际能源署预测全球电力需求到2050年将增长六倍。核电厂90%的容量因子使其独特适合数据中心需求。世界核协会估计,当前全球398GW核能产能必须在2050年前至少增长两倍。
这项由Reactive AI公司Adam Filipek主导的研究提出了反应式变换器(RxT),通过事件驱动架构和固定大小记忆系统,将传统聊天机器人的对话成本从平方级降为线性级,使长期对话成本降低99%以上,同时实现恒定响应速度。实验证明即使12M参数的RxT也显著优于22M传统模型,为高效对话AI开辟新路径。
 
             
                 
                     
                     
                    