Google 正在继续努力让更多人使用 Gemini,为此它提供了更多的 AI 计算资源。今天,Google 发布了一系列 Gemini 2.0 模型的改进,作为升级的一部分,一些 AI 最先进的功能现在对免费用户开放。你可以使用改进后的 Deep Research 获取某个主题的深入信息,而且 Google 最新的推理模型可以浏览你的搜索历史,以提升它对你个人特征的理解。这会带来什么问题呢?
与大多数大型 AI 公司一样,Google 提供了多种不同的模型。Gemini 2.0 Flash Thinking Experimental 是该公司最强大的多步推理模型,能够处理复杂主题并让你了解其"思考"过程。Google 在最新一轮更新中为这个模型增加了许多功能,支持更大的 100 万 Token 上下文窗口、文件上传和更快的输出。它还支持更多 Google 应用的连接,包括日历、笔记、任务和照片。
为了让 Gemini 更加个性化,Google 还将 Flash Thinking Experimental 连接到了一个新的数据源:你的搜索历史。Google 强调这是一个需要用户主动选择加入的功能,并且可以随时禁用。Gemini 甚至会显示一个横幅,提醒你它已连接到你的搜索历史。如果你授予访问权限,AI 据称可以更好地理解你,并提供更相关的推荐。让 Gemini 访问这些个人数据可能会让人感到有些奇怪,但 Google 已经知道你在互联网上搜索什么了。让 AI 看一眼并不会让你失去更多隐私。这显然只是 Google 个性化 AI 努力的开始。
Gemini 2.0 也将应用到 Deep Research,这是 Google 的一款 AI 工具,可以针对特定主题或问题创建详细报告。该工具会代表你浏览网络,花时间组织回答。基于 Gemini 2.0 的新版本将展示更多收集数据的过程,Google 声称最终产品的质量会更高。
你不必完全相信 Google 的说法 —— 即使你没有付费使用高级 AI 功能,也可以亲自尝试。Google 将免费提供 Deep Research,但使用次数是有限的。该公司表示,所有人每月都可以免费使用 Deep Research "几次"。这就是我们得到的所有细节,所以不要一开始就过度使用 Deep Research。
最后,Google 也向免费账户推出了 Gems 功能。Gems 类似于可以针对特定任务设置的自定义聊天机器人。Google 提供了一些默认选项,如学习教练和头脑风暴助手,但你可以发挥创意,制作几乎任何类型的机器人 (在 Google LLC 规定的限制和适用法律范围内)。
一些新推出的免费功能需要大量的推理处理能力,这并不便宜。即使在有限的基础上,将最昂贵的模型免费提供无疑会增加 Google 在 AI 方面的损失。目前还没有人找到如何从生成式 AI 中赚钱的方法,但 Google 似乎愿意花更多钱来确保市场份额。
好文章,需要你的鼓励
OpenAI首席执行官Sam Altman表示,鉴于投资者的AI炒作和大量资本支出,我们目前正处于AI泡沫中。他承认投资者对AI过度兴奋,但仍认为AI是长期以来最重要的技术。ChatGPT目前拥有7亿周活跃用户,是全球第五大网站。由于服务器容量不足,OpenAI无法发布已开发的更好模型,计划在不久的将来投资万亿美元建设数据中心。
阿里巴巴团队提出FantasyTalking2,通过创新的多专家协作框架TLPO解决音频驱动人像动画中动作自然度、唇同步和视觉质量的优化冲突问题。该方法构建智能评委Talking-Critic和41万样本数据集,训练三个专业模块分别优化不同维度,再通过时间步-层级自适应融合实现协调。实验显示全面超越现有技术,用户评价提升超12%。
英伟达推出新的小型语言模型Nemotron-Nano-9B-v2,拥有90亿参数,在同类基准测试中表现最佳。该模型采用Mamba-Transformer混合架构,支持多语言处理和代码生成,可在单个A10 GPU上运行。独特的可切换推理功能允许用户通过控制令牌开启或关闭AI推理过程,并可管理推理预算以平衡准确性和延迟。模型基于合成数据集训练,采用企业友好的开源许可协议,支持商业化使用。
UC Berkeley团队提出XQUANT技术,通过存储输入激活X而非传统KV缓存来突破AI推理的内存瓶颈。该方法能将内存使用量减少至1/7.7,升级版XQUANT-CL更可实现12.5倍节省,同时几乎不影响模型性能。研究针对现代AI模型特点进行优化,为在有限硬件资源下运行更强大AI模型提供了新思路。