谷歌狙击OpenAI

see122

12月12日，在OpenAI宣布ChatGPT全面接入苹果之际，谷歌发布新一代大模型Gemini 2.0，值得注意的是，Gemini 2.0专为AI智能体（AI Agent）而生。

谷歌首席执行官Sundar Pichai在公开信中称，“在过去一年中，我们一直在投资开发更具“代理性”的模型，即这些模型能更深入地理解你周围的世界，提前多步思考，并在你的监督下为你执行任务。今天，我们很高兴迎来新一代的模型——Gemini 2.0，它是我们迄今为止最强大的模型。通过多模态的新进展——如原生图像和音频输出——以及原生工具使用，我们能够构建新的AI智能体，使我们更接近普遍AI助手的愿景。”

谷歌DeepMind CEO Demis Hassabis也表示，2025年将是AI智能体的时代，Gemini 2.0将是支撑我们基于智能体工作的最新一代模型。

目前Gemini 2.0版本尚未正式上线，谷歌表示已经将其提供给了一些开发者内测。第一时间上线的是比Gemini 1.5 Pro更强的Gemini 2.0 Flash实验版，实验版已在网页端开放，Gemini用户可以通过PC端访问Gemini 2.0 Flash，移动端即将推出。

根据谷歌发布的基准测试结果，不论是在多模态的图片、视频能力上，还是编码、数学等能力上，仅是Flash实验版的Gemini 2.0表现几乎全面超越Gemini 1.5 Pro，且响应速度提升了2倍。

谷歌集中火力猛攻AI智能体

通过谷歌的本次更新，我们已经可以窥见其AI布局的冰川一角——一切为了智能体。

更强大的多模态能力：

Gemini 2.0 Flash实验版除了支持图像、视频和音频等多模态输入，还支持多模态输出，比如原生生成的图像与文本结合，以及可操控的多语言文本转语音（TTS）音频。

更专业的AI搜索：

谷歌在Gemini Advanced中推出了一项名为深度研究（Deep Research）的智能体新功能。该功能结合了谷歌的搜索专长和Gemini的高级推理能力，可以围绕一个复杂主题生成研究报告，相当于一个私人研究助手。

多款智能体更新、上线：

更新了基于Gemini 2.0构建的智能体Project Astra ：Astra的新功能包括支持多语言混合对话；能够在Gemini应用中直接调用Google Lens和地图功能；记忆能力提升，具备最多10分钟的会话内记忆，对话更连贯；借助新的流式处理技术和原生音频理解能力，该智能体能够以近于人类对话的延迟来理解语言。值得注意的是，Astra是谷歌为眼镜项目所做的前瞻项目。谷歌提到，正在将Project Astra移植到眼镜等更多移动终端中。

发布适用于浏览器的智能体Project Mariner（海员项目）：该智能体能够理解并推理浏览器屏幕上的信息，包括像素和网页元素（如文本、代码和图片），然后通过Chrome扩展程序来利用这些信息帮你完成任务。

发布专为开发者打造的AI编程智能体Jules：Jules支持直接集成到GitHub工作流中，用户使用自然语言描述问题，就能直接生成可以合并到GitHub项目中的代码；

发布游戏智能体：能够实时解读屏幕画面，通过用户游戏屏幕上的动作给出下一步操作建议，或直接在你打游戏的时候通过和你语音交流。

谷歌表示，明年年初，会将Gemini 2.0扩展到更多旗下产品中。此前推出的AI Overviews将集成 Gemini 2.0，从而提升复杂问题处理能力，包括高级数学公式、多模态查询和编程。本周已经进行有限测试，预计明年推广，并扩展至更多国家和语言。


来源：36kr