谷歌发布了其最新一代人工智能模型Gemini 2.0，这标志着谷歌在通用人工智能助理领域取得了重大突破。 Gemini 2.0在多模态处理和工具使用方面有了显着提升，能够更深入地理解世界并执行用户指令。该模型基于Gemini 1.0和1.5版本开发，并已在多个谷歌产品中得到应用，服务于全球数百万用户。本文将详细介绍Gemini 2.0的各项功能及其对谷歌产品和开发者生态的影响。
谷歌公司及其母公司Alphabet的首席执行官桑达尔·皮查伊宣布，公司推出了最新人工智能模型——Gemini2.0，这标志着谷歌在构建通用AI助理领域迈出了重要一步。 Gemini2.0在多模态输入处理和原生工具使用方面展现了显着进步，使得AI代理能够更深入地理解周围世界，并在用户监督下代表用户采取行动。
Gemini2.0基于其前身Gemini1.0和1.5开发，后者首次实现了原生多模态处理能力，能够理解包括文本、视频、图像、音频和代码在内的多种信息类型。目前，已有数百万开发者使用Gemini进行开发，推动谷歌重新构想其产品，包括服务20亿用户的7款产品，并创造新产品。 NotebookLM便是多模态和长上下文能力的一个例证，受到了广泛喜爱。
Gemini2.0的推出预示着谷歌进入了一个新的代理时代，该模型具备原生图像和音频输出能力，以及原生工具使用能力。谷歌已经开始将Gemini2.0提供给开发者和受信任的测试者，并计划快速将其整合到产品中，首先是Gemini和搜索。从即日起，Gemini2.0Flash实验模型将向所有Gemini用户开放。同时，谷歌还推出了名为Deep Research的新功能，它使用先进的推理和长上下文能力，充当研究助理，代表用户探索复杂主题并编制报告。该功能目前已在Gemini Advanced中提供。
搜索作为受AI影响最大的产品之一，谷歌的AI概览现已覆盖10亿人，使他们能够提出全新的问题，迅速成为谷歌最受欢迎的搜索功能之一。作为下一步，谷歌将把Gemini2.0的先进推理能力带入AI概览，以解决更复杂的主题和多步骤问题，包括高级数学方程、多模态查询和编码。本周已开始限量测试，并计划在明年初更广泛地推出。谷歌还将继续在未来一年将AI概览带到更多国家和语言。
谷歌还通过Gemini2.0的原生多模态能力展示了其代理研究的前沿成果。 Gemini2.0Flash在1.5Flash的基础上进行了改进，1.5Flash是迄今为止最受开发者欢迎的模型，具有类似的快速响应时间。值得注意的是，2.0Flash甚至在关键基准测试中以两倍的速度超越了1.5Pro。 2.0Flash还带来了新的能力。除了支持图像、视频和音频等多模态输入外，2.0Flash现在还支持多模态输出，如与文本混合的原生生成图像和可控制的多语言文本转语音（TTS）音频。它还可以原生调用工具，如谷歌搜索、代码执行以及第三方用户定义函数。
Gemini2.0Flash现在作为实验模型向开发者提供，通过谷歌AI Studio和Vertex AI的Gemini API，所有开发者都可以使用多模态输入和文本输出，而文本转语音和原生图像生成则提供给早期访问合作伙伴。普通可用性将在1月份跟进，同时还会推出更多模型尺寸。
为了帮助开发者构建动态和交互式应用，谷歌还发布了一个新的多模态实时API，该API具有实时音频、视频流输入能力，并能够使用多个组合工具。
从今天开始，全球的Gemini用户可以通过在桌面和移动网页上的模型下拉菜单中选择它来访问2.0Flash实验的聊天优化版本，它将很快在Gemini移动应用中提供。明年初，谷歌将把Gemini2.0扩展到更多的谷歌产品。
总而言之，Gemini 2.0 的发布代表着谷歌在AI 领域迈出了又一步，其强大的多模态能力和工具集成将为开发者和用户带来更丰富的体验，并推动AI 技术在更多领域的发展和应用。未来，Gemini 2.0 将会进一步融入谷歌的产品生态，为用户带来更加智能和便捷的服务。