ChatGPT的新对手：谷歌的Gemini
内容提要
谷歌推出大语言模型Gemini，分为Ultra、Pro、Nano三个版本，分别面向复杂任务、多场景扩展和设备端应用，可处理文本、代码、图像、音频和视频。Gemini Ultra在32项基准测试中30项领先，MMLU得分90%，首次超越人类专家。Gemini Pro已通过Bard开放，Nano将用于Pixel手机，目前仅支持英文。
延伸解读
三版本策略：从云端到设备的全覆盖
Gemini并非单一模型，而是按需求分为Ultra、Pro、Nano三个版本。Ultra面向数据中心和企业级复杂任务，Pro用于扩展多种Google服务，Nano则专为设备端设计，已用于Pixel 8 Pro的录音摘要和Gboard智能回复。这种分层策略让Google能同时覆盖云端高性能和终端低功耗场景，与ChatGPT主要依赖云端服务的模式形成差异。
基准测试亮眼，但实际体验待验证
Gemini Ultra在32项基准测试中30项领先，MMLU得分90.0%，成为首个超越人类专家的模型。其优势尤其体现在视频和音频理解上，而OpenAI此前通过DALL-E和Whisper分别处理图像与语音。不过文章也提醒，基准测试只是参考，真正能力需等日常用户交互后才能全面评估。
当前访问受限：英文优先，逐步开放
Gemini目前仅支持英文，且不同版本开放进度不一。Gemini Pro已通过Bard开放，开发者和企业客户可从12月13日起通过Google Generative AI Studio或Vertex AI在Google Cloud上访问。Nano要等到明年才会更广泛可用。CEO Pichai表示未来会将模型整合进搜索、广告产品和Chrome浏览器，并增加更多语言支持。
Q&A
Gemini有哪些不同的版本？各自有什么用途？
Gemini分为三个版本：Gemini Ultra是最大且能力最强的模型，适用于高度复杂的任务；Gemini Pro是适合广泛任务扩展的最佳模型；Gemini Nano是最高效的模型，用于设备端任务。
Gemini Ultra在基准测试中的表现如何？
Gemini Ultra在32项广泛使用的学术基准测试中，有30项超越了当前最先进的结果，得分高达90.0%。它还是首个在MMLU（大规模多任务语言理解）测试中超越人类专家的模型，MMLU涵盖57个学科，包括数学、历史、法律、医学、物理等。
Gemini支持哪些类型的数据？
Gemini可以处理文本、代码、图像、音频和视频等多种类型的信息，是一个多模态模型。
如何访问Gemini的不同版本？
Gemini Pro已通过Bard开放使用，开发者和企业客户从12月13日起可以通过Google Generative AI Studio或Google Cloud的Vertex AI访问Gemini Pro。Gemini Nano已用于Pixel 8 Pro的某些功能（如录音机应用的自动摘要和Gboard的智能回复），但更广泛的可用性要等到明年。目前Gemini仅支持英文。
Gemini相比ChatGPT有哪些优势？
Gemini的优势包括：在多模态理解（尤其是视频和音频）方面更深入，从设计之初就是多感官模型；在32项基准测试中30项领先，MMLU得分90%超越人类专家；编码方面使用AlphaCode 2，表现比其他编码竞赛参与者好85%。
Gemini目前支持哪些语言？未来有什么计划？
Gemini目前仅支持英文。CEO Pichai表示，公司计划将模型集成到谷歌搜索引擎、广告产品、Chrome浏览器等更多产品中，并逐步支持更多语言。
