DoNews12月7日消息，在OpenAI的ChatGPT發布一年之后，谷歌終于不甘示弱，在北京時間12月7日凌晨忽然宣布發布其規模最大、能力最強的 AI 多模態模型 Gemini 1.0。

Gemini 最早公布于 2023 年 5 月的谷歌 I/O 全球開發者大會，由谷歌收購來的 DeepMind 打造，也就是打敗李世石的團隊。

Gemini 原計劃將在秋季發布，但此前傳出谷歌 CEO 桑達爾·皮查伊（Sundar Pichai）因為 Gemini 在非英語體系中的表現欠佳而宣布發布推遲，現在看來他不準備再等了。

據悉，Gemini 1.0 針對不同尺寸進行了優化，分別是：Ultra、Pro 和 Nano（超大杯，大杯和迷你杯）。

其中 Gemini Ultra 適用于高度復雜的任務；Gemini Pro 是通用版，而 Gemini Nano 則被用于各種客戶端設備。

根據谷歌方面的計劃，Pro大杯和Nano迷你杯即日推出，而Ultra超大杯則要等到明年。

根據谷歌方面公布的數據，在被大型語言模型（LLM）研究和開發中廣泛使用的 32 項學術基準中，Gemini Ultra 的性能有 30 項都超過了目前最先進的水平。

Gemini Ultra 的得分率為 90.0%，是第一個在 MMLU（大規模多任務語言理解）測試中超過人類專家的模型。

MMLU 綜合使用了數學、物理、歷史、法律、醫學和倫理等 57 個科目，用于測試世界知識和解決問題的能力。

在新的 MMMU 基準測試中，Gemini Ultra 也取得了得分率為 59.4% 的優異成績，該基準測試由橫跨不同領域、需要仔細推理的多模態任務組成。

谷歌方面宣稱，Gemini 1.0 主要在以下方面擁有優勢：

復雜的推理：Gemini 1.0 具有復雜的多模態推理能力，可幫助理解復雜的書面和視覺信息。這使得它具有獨特的技能，可以在海量的數據中發掘難以辨別的知識內容。

理解文本、圖像、音頻及更多：Gemini 1.0 經過訓練，可以同時識別并理解文本、圖像、音頻等，因此它能更好地理解具有細微差別的信息，回答與復雜主題相關的問題。這就讓它尤其擅長解釋數學和物理等復雜科目中的推理，例如識別手寫的文字和公式等。

高級編碼能力：第一代 Gemini 可以理解、解釋和生成世界上最流行的編程語言（如 Python、Java、C++ 和 Go）的高質量代碼。

它能夠跨語言工作并對復雜信息進行推理，這些能力使其成為世界領先的編碼基礎模型之一。

這樣一個功能強大的大模型是如何訓練出來的？據谷歌公布，其使用了自行設計研發的TPUs v4 和 v5e。

所謂的TPU就是張量處理單元（Tensor Processing Units），這些定制設計的 AI 加速器一直是 Google 服務數十億用戶的 AI 賦能產品的核心，如 Search、YouTube、Gmail、Google Maps、Google Play 和 Android。它們還使得世界各地的公司能夠經濟高效地訓練大規模的 AI 模型。

與此同時，谷歌還發布了迄今為止功能最強大、效率最高且可擴展性最強的 TPU 系統 Cloud TPU v5p，旨在為訓練前沿 AI 模型提供支持。

新一代 TPU 將加速 Gemini 的開發，幫助開發者和企業客戶更快地訓練大規模生成式 AI 模型，從而更快推出新產品和新功能。

據谷歌方面公布，Gemini 1.0 將在多種產品和平臺上推出：

即日起，Bard 將使用 Gemini Pro 的微調版本來進行更高級的推理、規劃和理解等。這是 Bard 自推出以來最大的升級。

它將在 170 多個國家和地區提供英語服務，并且谷歌計劃在未來幾個月內擴展不同的模態，并支持新的語言和地區。

谷歌還在 Pixel 上使用 Gemini。Pixel 8 Pro 是首款搭載 Gemini Nano 的智能手機，它可以支持錄音應用中的“總結”等新功能，并在 Gboard 中推出“智能回復”功能，從 WhatsApp 開始，2024 年還將推出更多信息應用。

未來幾個月，Gemini 將應用于谷歌更多的產品和服務，如 Search、Ads、Chrome 和 Duet AI。

谷歌已經開始在 Search 中試驗 Gemini，它能夠為用戶提供更快的搜索生成體驗（SGE），用戶在美國的英語搜索延遲降低了 40%，同時在質量方面也有所提高。

2024年年初，谷歌還將推出內置 Gemini Ultra 的 Bard Advanced。