谷歌的 Gemini 系列人工智能大型语言模型 (LLM) 在近一年前刚开始并不顺利，出现了一些令人尴尬的图像生成错误事件，但自那以后，它一直在稳步改进，而且该公司似乎有意让其第二代产品——Gemini 2.0——成为迄今为止面向消费者和企业的最大、最好的产品。
今天，该公司宣布全面发布Gemini 2.0 Flash，推出Gemini 2.0 Flash-Lite，并推出Gemini 2.0 Pro实验版本。
这些模型旨在支持开发人员和企业，现在可以通过 Google AI Studio 和 Vertex AI 访问，其中 Flash-Lite 处于公开预览阶段，Pro 可供早期测试。
谷歌 DeepMind 首席技术官 Koray Kavukcuoglu 在公司的公告博客文章中写道：“所有这些模型在发布时都将具有多模式输入和文本输出的功能，并且未来几个月将有更多模式可供普遍使用。”这表明，尽管DeepSeek和OpenAI等竞争对手不断推出强大的产品，但谷歌仍具有一定的优势。
谷歌发挥其多式联运优势
DeepSeek-R1 和OpenAI 的新 o3-mini 模型都不能接受多模式输入——即图像和文件上传或附件。
虽然 R1 可以在其网站和移动应用聊天上接受它们，但该模型执行光学字符识别（OCR），这是一项已有 60 多年历史的技术，仅从这些上传中提取文本 – 并不真正理解或分析其中包含的任何其他特征。
然而，两者都是一类新的“推理”模型，它们会故意花更多时间思考答案，反思“思路链”及其答案的正确性。这与 Gemini 2.0 pro 系列等典型的 LLM 不同，因此 Gemini 2.0、DeepSeek-R1 和 OpenAI o3 之间的比较有点像苹果和橘子之间的比较。
但今天谷歌在推理方面也有一些新消息：谷歌首席执行官 Sundar Pichai 在社交网络 X上宣布， iOS 和 Android 版Google Gemini移动应用已更新，加入了谷歌自己的竞争对手推理模型 Gemini 2.0 Flash Thinking。该模型可以连接到谷歌地图、YouTube 和谷歌搜索，从而实现一系列全新的人工智能研究和互动，没有 DeepSeek 和 OpenAI 等服务的新贵根本无法与之匹敌。
我在撰写本文时在 iPhone 上的 Google Gemini iOS 应用上尝试了它，根据我的初步查询，它令人印象深刻地思考了上个月最受欢迎的 10 个 YouTube 视频的共同点，还在几秒钟内为我提供了附近医生办公室和营业/关门时间的表格。
Gemini 2.0 Flash 正式发布
Gemini 2.0 Flash 模型最初于 12 月作为实验版本推出，现已准备好投入生产。
专为高效AI应用而设计，提供低延迟响应并支持大规模多模态推理。
与竞争对手相比，它的一个主要优势在于它的上下文窗口，或者用户可以以提示的形式添加的令牌数量，并在与 LLM 驱动的聊天机器人或应用程序编程接口 (API) 的一次来回交互中接收回来。
尽管许多领先模型（例如 OpenAI 上周推出的新款 o3-mini）仅支持 200,000 个或更少的 token（约相当于一本 400 到 500 页的小说），但 Gemini 2.0 Flash 却支持 100 万个 token，这意味着它能够处理海量信息，特别适用于高频和大规模任务。
Gemini 2.0 Flash-Lite 的到来将成本曲线降至最低
同时，Gemini 2.0 Flash-Lite 是一款全新的 LLM，旨在提供经济高效的 AI 解决方案，同时不影响质量。
Google DeepMind 表示，在第三方基准测试（如 MMLU Pro（77.6% vs. 67.3%）和 Bird SQL 编程（57.4% vs. 45.6%））上，Flash-Lite 的表现优于其全尺寸（参数数量更多）的前代产品 Gemini 1.5 Flash，同时保持相同的价格和速度。
它还支持多模式输入，并具有 100 万个标记的上下文窗口，类似于完整的 Flash 模型。
目前，Flash-Lite 可通过 Google AI Studio 和 Vertex AI 进行公开预览，预计将在未来几周内全面上市。
如下表所示，Gemini 2.0 Flash-Lite 的价格为每百万代币 0.075 美元（输入）和每百万代币 0.30 美元（输出）。Flash-Lite 被定位为开发人员非常实惠的选择，在大多数基准测试中均优于 Gemini 1.5 Flash，同时保持相同的成本结构。
Logan Kilpatrick 强调了这些模型的经济性和价值，并在 X 上表示：“Gemini 2.0 Flash 是所有 LLM 中最具价值的道具，现在是时候构建了！”
确实，与可通过提供商 API 获得的其他领先的传统 LLM 相比，例如OpenAI 4o-mini（每 100 万个代币输入/输出 0.15 美元/0.6 美元）、Anthropic Claude（每 100 万个代币输入/输出 0.8 美元/4 美元！）甚至 DeepSeek 的传统 LLM V3（0.14 美元/0.28 美元），Gemini 2.0 Flash 似乎是最物有所值的。
Gemini 2.0 Pro 已进入实验阶段，提供 200 万个 token 上下文窗口
对于需要更高级 AI 功能的用户，Gemini 2.0 Pro（实验）模型现已可供测试。
Google DeepMind 将此描述为其编码性能最强的模型，能够处理复杂的提示。它具有 200 万个标记上下文窗口和改进的推理能力，能够集成 Google 搜索和代码执行等外部工具。
Red Dragon AI 联合创始人兼首席执行官 Sam Witteveen 是 Google 机器学习的外部开发专家，他在 YouTube 评论中讨论了 Pro 模型。“新的 Gemini 2.0 Pro 模型有一个 200 万个令牌上下文窗口，支持工具、代码执行、函数调用和 Google 搜索基础——我们在 Pro 1.5 中拥有的一切，但有所改进。”
他还提到了谷歌在人工智能开发方面的迭代方法：“谷歌战略的一个关键区别是，他们会在模型正式发布（GA，普遍可访问）之前发布实验版本，从而根据反馈进行快速迭代。”
性能基准测试进一步证明了 Gemini 2.0 模型系列的能力。例如，Gemini 2.0 Pro 在推理、多语言理解和长上下文处理等任务上的表现优于 Flash 和 Flash-Lite。
人工智能安全及未来发展
除了这些更新之外，Google DeepMind 还为其 Gemini 2.0 模型实施了新的安全措施。该公司正在利用强化学习技术来提高响应准确性，使用人工智能来批评和改进自己的输出。此外，还使用自动安全测试来识别漏洞，包括间接提示注入威胁。
展望未来，Google DeepMind 计划扩展 Gemini 2.0 模型系列的功能，预计未来几个月内将推出除文本之外的其他模式。
通过这些更新，谷歌正在加强其在人工智能开发方面的推动力，提供一系列专为效率、经济性和高级问题解决而设计的模型，并用自己的模型套件来应对 DeepSeek 的崛起，这些模型从功能强大到非常强大且极其实惠，再到稍微便宜（但仍然相当）实惠。
这是否足以帮助谷歌蚕食部分企业 AI 市场？该市场曾被 OpenAI 主导，现在已被 DeepSeek 颠覆。我们将持续跟踪并告诉您最新动态！
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/gu-ge-tui-chu-gemini-2-pro-flashlite-bing-jiang-tui-li-mo
