Google今天发布了其最强大的Gemini模型,但普通用户可能无法体验。在去年5月I/O大会上首次亮相Gemini 2.5 Deep Think后,Google正式在Gemini应用中推出这一AI功能。Deep Think专为处理最复杂的查询而设计,这意味着它需要消耗比其他模型更多的计算资源。因此,只有订阅Google价值250美元AI Ultra计划的用户才能使用这项功能。
Deep Think基于与Gemini 2.5 Pro相同的基础架构,但通过更大规模的并行分析增加了"思考时间"。据Google介绍,Deep Think会探索解决问题的多种方法,甚至会重新审视和重组它生成的各种假设。这一过程帮助它产出更高质量的答案。
与其他重量级Gemini工具类似,Deep Think需要几分钟时间才能给出答案。这显然让AI在设计美学、科学推理和编程方面更加出色。Google已经用常规基准测试对Deep Think进行了评估,结果显示它超越了标准的Gemini 2.5 Pro以及OpenAI o3和Grok 4等竞争模型。Deep Think在"人类最后考试"基准测试中表现尤其突出,这是一个包含2500个复杂多模态问题的测试集,涵盖100多个学科。其他模型的得分最高只达到20%或25%,而Gemini 2.5 Deep Think取得了34.8%的成绩。
数学是Deep Think的一个重要专长领域,它在AIME基准测试中也展现了强劲表现。不过,这方面仍有改进空间。Google最近透露,它使用了经过特殊训练的Deep Think版本参加国际数学奥林匹克竞赛(IMO),这个版本可以持续思考数小时才给出解决方案。该模型首次赢得了IMO金牌。Google目前只将IMO版本的Deep Think分发给可信测试人员,但希望稍后更广泛地发布。与此同时,标准版Deep Think在2025年IMO测试中仍能达到铜牌水平。
Google AI Ultra订阅用户从今天开始可以在Gemini应用和网页界面中使用Deep Think,但它不会出现在主模型菜单中。当用户选择Gemini 2.5 Pro时,可以将其作为工具访问(与Deep Research、Canvas等功能并列)。即使拥有Google昂贵的AI订阅服务,Google表示每天使用Deep Think查询的次数仍有限制。公司并未明确具体限制数量,也不提供详细信息,暗示这一限制会随时间调整。Deep Think最终将通过API开放,为开发者提供付费服务方式来获得更多提示功能。
Q&A
Q1:Gemini 2.5 Deep Think与普通版本有什么区别?
A:Deep Think基于Gemini 2.5 Pro架构,但通过更大规模的并行分析增加了"思考时间"。它会探索解决问题的多种方法,重新审视和重组生成的假设,产出更高质量的答案,但需要几分钟才能给出回应。
Q2:哪些用户可以使用Gemini 2.5 Deep Think?
A:目前只有订阅Google价值250美元AI Ultra计划的用户才能使用Deep Think功能。即使是付费用户,每天使用Deep Think查询的次数也有限制,具体数量Google未公开。
Q3:Gemini 2.5 Deep Think在数学方面表现如何?
A:Deep Think在数学领域表现出色,在AIME基准测试中有强劲表现。特殊训练版本甚至首次赢得了国际数学奥林匹克竞赛金牌,标准版本也能在2025年IMO测试中达到铜牌水平。
好文章,需要你的鼓励
Gartner预测,到2030年所有IT工作都将涉及AI技术的使用,这与目前81%的IT工作不使用AI形成鲜明对比。届时25%的IT工作将完全由机器人执行,75%由人类在AI辅助下完成。尽管AI将取代部分入门级IT职位,但Gartner认为不会出现大规模失业潮,目前仅1%的失业由AI造成。研究显示65%的公司在AI投资上亏损,而世界经济论坛预计AI到2030年创造的就业机会将比消除的多7800万个。
Meta与特拉维夫大学联合研发的VideoJAM技术,通过让AI同时学习外观和运动信息,显著解决了当前视频生成模型中动作不连贯、违反物理定律的核心问题。该技术仅需添加两个线性层就能大幅提升运动质量,在多项测试中超越包括Sora在内的商业模型,为AI视频生成的实用化应用奠定了重要基础。
人工智能正从软件故事转向AI工厂基础,芯片、数据管道和网络协同工作形成数字化生产系统。这种新兴模式重新定义了性能衡量标准和跨行业价值创造方式。AI工厂将定制半导体、低延迟结构和大规模数据仪器整合为实时反馈循环,产生竞争优势。博通、英伟达和IBM正在引领这一转变,通过长期定制芯片合同和企业遥测技术,将传统体验转化为活跃的数字生态系统。
上海AI实验室发布OmniAlign-V研究,首次系统性解决多模态大语言模型人性化对话问题。该研究创建了包含20万高质量样本的训练数据集和MM-AlignBench评测基准,通过创新的数据生成和质量管控方法,让AI在保持技术能力的同时显著提升人性化交互水平,为AI价值观对齐提供了可行技术路径。