經(jīng)濟觀察網(wǎng) 陳奇杰/文 12月12日，谷歌推出大模型Gemini 2.0?，谷歌CEO桑達爾·皮查伊（Sundar Pichai）稱，這是谷歌為新智能體時代構(gòu)建的下一代模型，也是谷歌迄今為止最強的大模型。

Gemini 2.0 Flash是谷歌此次發(fā)布的Gemini 2.0系列模型中的第一個模型。相比上一代模型Gemini 1.5 Flash，Gemini 2.0 Flash除了支持圖片、視頻和音頻等多模態(tài)輸入，還支持多模態(tài)輸出，例如其可以直接生成圖像與文本混合的內(nèi)容，以及原生生成可控的多語言文本轉(zhuǎn)語音（TTS）音頻。Gemini 2.0 Flash還可以原生調(diào)用谷歌搜索、代碼執(zhí)行以及第三方用戶定義的函數(shù)等工具。

皮查伊表示，如果說Gemini 1.0的作用是整合和理解信息，那么Gemini 2.0能夠做到讓信息更加有用。

基于Gemini 2.0模型，谷歌能夠構(gòu)建新的AI智能體，從而離構(gòu)建通用助手的愿景更進一步。智能體（Agent）是指能夠感知環(huán)境并采取行動以實現(xiàn)特定目標(biāo)的代理體，也被視為大模型落地的“最后一公里”。

過去一年里，谷歌持續(xù)開發(fā)了更多智能體模型。在發(fā)布Gemini 2.0的同時，谷歌也介紹了多個智能體。例如，Project Astra是通過多模態(tài)理解現(xiàn)實世界的智能體，它可以在多種語言和混合語言之間進行對話，能夠理解不同口音和生僻單詞，并以接近人類對話的延遲來理解語言。Project Astra最多可以記住長達10分鐘的會話內(nèi)容，并且可以回憶起過去與它進行的多輪對話，以便為用戶提供更好的個性化服務(wù)。Project Astra還能使用谷歌搜索、谷歌地圖等工具。?Project Astra被應(yīng)用于谷歌的AI助手Gemini app以及智能眼鏡等其他設(shè)備及產(chǎn)品中。

除此之外，谷歌還開發(fā)了可以幫助用戶完成復(fù)雜任務(wù)的智能體、面向開發(fā)者的智能體，以及面向游戲和其他領(lǐng)域的智能體。

在Gemini 2.0發(fā)布當(dāng)天，新加坡科研局資深科研工程師黃佳就體驗了該模型，并將其與OpenAI最新發(fā)布的o1模型進行對比。他的測試方式是提供一系列參考文檔，給出復(fù)雜邏輯，讓大模型進行自主編程，并提供詳細文案解釋。

黃佳表示，在一般情況下，ChatGPT o1的邏輯推理還是更強。具體而言，兩個模型都體現(xiàn)出了很強的分析推理能力，但ChatGPT o1可以接受的文檔輸入長度較長，Gemini 2.0會截斷部分太長的參考文檔；此外，ChatGPT o1給出的代碼，質(zhì)量較高，缺陷（bug）較少，ChatGPT o1的代碼解釋更詳盡，更接近黃佳想要的寫作風(fēng)格，Gemini 2.0的解釋文案較為簡略。

黃佳感覺到，雖然目前大模型仍不可能僅靠簡單的提示詞，就自主干活，滿足需求，還需要在人的驅(qū)動之下，在精準(zhǔn)的業(yè)務(wù)場景中，經(jīng)過設(shè)計、編程、整合等過程，才能夠成為智能體，但是大模型能力在進步，人們對大模型能力邊界的認(rèn)識也越來越清晰，這帶來了智能體發(fā)展的加速，周圍同事也在更多地用智能體做實際項目。