自从OpenAI的ChatGPT去年年底席卷全球以来，我们一直在等待不可避免的竞争的出现。今天，OpenAI的第一个重要竞争对手登场了。继在GoogleI/O2023上公布GeminiAI模型后，谷歌于周二正式推出Gemini1.0。该公司称Gemini为迄今为止最大、功能最强大的模型，能够理解和组合文本、图像、音频、视频和代码。
谷歌的Gemini型号有三种不同的尺寸：Ultra、Pro和Nano。Ultra是最大的型号，能够处理大型且复杂的任务。Pro处于中间位置，可以扩展到多种任务。Nano是最高效的模型，适用于设备上的任务。从数据中心到智能手机，Gemini都能胜任这项任务。
Google首席执行官SundarPichai和DeepMind首席执行官DemisHassabis解释了Gemini与其他多模态模型的不同之处：“我们将Gemini设计为原生多模态，从一开始就针对不同模态进行了预训练。然后我们使用额外的多模态数据对其进行微调，以进一步完善其有效性。这有助于Gemini从头开始无缝地理解和推理各种输入，远远优于现有的多模式模型，而且它的功能几乎在每个领域都是最先进的。”
他们还分享了Gemini与GPT-4的比较数据，Gemini经常名列前茅。在32个广泛使用的LLM研究和开发学术基准中，GeminiUltra在30个中超过了GPT-4的结果。GeminiUltra也是第一个在MMLU(大规模多任务语言理解)上击败人类专家的模型，得分高达90%。
已经有几种方法可以看到双子座的运作。从今天开始，Bard将使用GeminiPro的微调版本来实现更高级的功能。谷歌表示，这是自对话式人工智能推出以来对Bard的最大升级。谷歌还将为Pixel8Pro引入GeminiNano，以支持记录器应用中的Summarize和Gboard中的SmartReply等功能。未来，Gemini还将涉足搜索、广告、Chrome和DuetAI。
12月13日，开发者和企业客户将能够使用GoogleAIStudio或GoogleCloudVertexAI中的GeminiAPI访问GeminiPro。Android开发人员可以注册AICore的早期预览版，开始使用GeminiNano进行构建。