谷歌在重新定义人工智能领域的最新举措中，宣布推出 Gemini 2.0 Flash Thinking，这是一种多模式推理模型，能够快速、透明地解决复杂问题。
谷歌首席执行官 Sundar Pichai 在社交网络 X 上的一篇文章中写道，这是“我们迄今为止最周到的模型：）”
在开发者文档中，谷歌解释说，“思考模式的响应推理能力比基础版Gemini 2.0 Flash 模型更强”，而基础版 Gemini 2.0 Flash 模型是谷歌最新、最出色的模型，仅在八天前发布。
新模型仅支持 32,000 个标记输入（约50-60 页文本），并且每个输出响应可以产生 8,000 个标记。在 Google AI Studio 的侧面板中，该公司声称它最适合“多模式理解、推理”和“编码”。
该模型的训练过程、架构、许可和成本的完整细节尚未公布。目前，它在 Google AI Studio 中显示每个令牌的成本为零。
更易于理解和更透明的推理
与 OpenAI 的竞争推理模型o1 和 o1 mini不同，Gemini 2.0 允许用户通过下拉菜单访问其逐步推理，从而更清晰、更透明地了解模型如何得出结论。
通过允许用户了解决策过程，Gemini 2.0 解决了人们对人工智能作为“黑匣子”运行的长期担忧，并使该模型（许可条款仍不明确）与竞争对手的其他开源模型相提并论。
我对该模型的早期简单测试表明，它可以正确而快速地（一到三秒内）回答一些对于其他 AI 模型来说非常棘手的问题，例如计算“Strawberry”一词中的 R 的数量。（见上面的截图）。
在另一项测试中，当比较两个十进制数（9.9 和 9.11）时，该模型系统地将问题分解为更小的步骤，从分析整数到比较小数位。
这些结果得到了LM Arena的独立第三方分析的支持，该分析将 Gemini 2.0 Flash Thinking 评为所有 LLM 类别中表现第一的模型。
原生支持图像上传和分析
Gemini 2.0 Flash Thinking 是对竞争对手 OpenAI o1 家族的进一步改进，旨在处理跳跃中的图像。
o1 最初是纯文本模型，但后来扩展到包括图像和文件上传分析。目前，这两种模型也只能返回文本。
根据开发者文档显示，Gemini 2.0 Flash Thinking目前还不支持与谷歌搜索落地，也不支持与其他谷歌应用和外部第三方工具集成。
Gemini 2.0 Flash Thinking 的多模式能力扩展了其潜在用例，使其能够应对结合不同类型数据的场景。
例如，在一项测试中，该模型解决了一个需要分析文本和视觉元素的难题，展示了其跨格式集成和推理的多功能性。
开发人员可以通过 Google AI Studio 和 Vertex AI 利用这些功能，其中模型可供实验。
随着人工智能领域的竞争日趋激烈，Gemini 2.0 Flash Thinking 可能标志着问题解决模型新时代的开始。它能够处理多种数据类型、提供可视化推理并大规模执行，这使它成为推理人工智能市场的有力竞争者，可与 OpenAI 的 o1 系列及其他产品相媲美。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/gu-ge-fa-bu-quan-xin-tui-li-mo-xing-gemini-2-flash-thinking
