Google 发布旗下最强 AI 大模型「Gemini 2.0 Flash」

2024年12月，谷歌正式发布了旗下最新人工智能模型——Gemini 2.0 Flash。作为 Gemini 2.0 系列的首个模型，它在多模态处理和 AI Agent 方面实现了重大突破，标志着谷歌在人工智能领域迈入新阶段。

工具介绍

Gemini 2.0 Flash 是谷歌最新发布的人工智能模型，它是 Gemini 2.0 系列的首个模型，具有以下特点和功能：

1. 多模态输入输出

Gemini 2.0 Flash 支持图片、视频和音频等多模态输入，并且能够进行多模态输出，例如直接生成图像与文本混合的内容，以及原生生成可控的多语言文本转语音（TTS）音频。

2. 性能提升

与上一代模型 Gemini 1.5 Flash 相比，Gemini 2.0 Flash 在关键基准测试中的表现是 1.5 Pro 版本的两倍之快。

3. 原生工具调用

Gemini 2.0 Flash 可以原生调用谷歌搜索、代码执行以及第三方用户定义的函数等工具。

4. 智能体时代

谷歌 CEO 桑达尔·皮查伊表示，如果说 Gemini 1.0 的作用是整合和理解信息，那么 Gemini 2.0 能够做到让信息更加有用，为构建通用助手的愿景更进一步。

5. AI Agent 功能

Gemini 2.0 系列模型主打 AI Agent 功能，在原本的功能之外，还加入了多项新的 Agent 功能。

6. 开发者体验

从发布之日起，2.0 Flash 的实验版本将通过 Gemini API 和谷歌的 AI 开发平台（AI Studio 和 Vertex AI）提供。然而，音频和图像生成功能仅对“早期接入合作伙伴”开放，并计划在明年1月全面推出。

7. 新输出模式

开发人员将能够使用 Gemini 2.0 Flash 生成集成响应，这些响应可以包含文本、音频和图像 — 只需调用一次 API 即可完成。

8. 多模态实时 API

谷歌推出了新的多模态实时 API，支持实时音频和视频流输入，并能同时使用多个组合工具，为用户带来更加丰富的交互体验。

9. 智能体研究原型

谷歌还展示了三个智能体研究原型：Project Astra、Project Mariner 和 Jules，展现了智能体如何改变我们与数字世界的互动方式。

核心功能一览

• ✅ 生成图像和音频
• ✅ 网页搜索
• ✅ 代码编写
• ✅ 游戏指导
• ⏳ 图片和语音生成功能将于明年1月开放

Gemini 2.0 Flash 的发布标志着谷歌在人工智能领域的进一步发展，特别是在多模态处理和智能体技术方面。

工具地址

• 🌐 官方博客：Google AI 官方博客
• 🚀 直达链接：Gemini 官网