谷歌Gemini时代来了！加固搜索护城河、赋能全家桶，Gemini 1.5 Pro升级至200万token
内容提要
谷歌在Google I/O大会上发布了Gemini 1.5 Pro和Gemini 1.5 Flash，提供更大的上下文窗口和多模态功能。谷歌还发布了Veo和Imagen 3，用于视频生成和文本到图像转换。AI Overviews功能提供问题的概览。谷歌的第六代TPU Trillium提高了计算性能。AlphaFold 3成功预测了生命分子的结构和相互作用。
延伸解读
上下文窗口竞赛：200万token的实用意义
Gemini 1.5 Pro的上下文窗口从100万扩展至200万token，并面向开发者提供私人预览版。这意味着模型能一次性处理更长的文档、代码库或音视频内容，减少分段处理带来的信息丢失。但文章也指出，100万token版本已向消费者开放，200万版本仍处于预览阶段，实际可用性和成本效益尚待观察。
轻量模型与成本优化：Gemini 1.5 Flash的定位
Gemini 1.5 Flash是Gemini 1.5 Pro的精炼版本，通过蒸馏技术将大模型的知识迁移到更小、更高效的模型中，针对大规模、高频率任务优化了服务成本效益。它同样支持多模态和长上下文，适合摘要、聊天、数据提取等场景。这反映出谷歌在追求性能的同时，也在布局不同价位的模型梯队。
搜索的AI化：AI Overviews与多步骤推理
AI Overviews将直接为用户生成问题概览，并计划年底覆盖超10亿用户。其背后的多步骤推理能力可将复杂问题拆解，结合实时信息（如2.5亿地点的评分、营业时间）进行回答。这标志着搜索从链接列表转向直接答案，但文章未提及内容准确性或来源标注等潜在问题，实际体验仍需验证。
硬件与科学：TPU Trillium和AlphaFold 3的进展
第六代TPU Trillium每个芯片计算性能比上一代提升4.7倍，内存带宽翻倍，计划年底向云客户提供。同时，AlphaFold 3能预测生命分子结构和相互作用，并宣布将在6个月内开源模型权重供学术界使用。这两项进展分别强化了谷歌的算力底座和AI for Science影响力，但开源范围仅限学术界，商业应用仍受限。
Q&A
Gemini 1.5 Pro的上下文窗口有多大？
Gemini 1.5 Pro的上下文窗口扩展至200万tokens。
谷歌在Google I/O大会上发布了哪些新功能？
谷歌发布了Gemini 1.5 Pro、Gemini 1.5 Flash、Project Astra、AI Overviews、Veo和Imagen 3等新功能。
什么是AI Overviews功能？
AI Overviews功能为用户提供问题的概览，包括多种观点和链接，预计到年底将服务超过10亿用户。
Veo和Imagen 3有什么特点？
Veo是谷歌的视频生成模型，能够生成高质量的1080p视频；Imagen 3是文本到图像模型，能更好地理解自然语言和提示背后的意图。
谷歌的第六代TPU Trillium有什么改进？
第六代TPU Trillium的计算性能提高了4.7倍，并且内存带宽提高了一倍。
AlphaFold 3的主要成就是什么？
AlphaFold 3成功预测了生命分子的结构和相互作用，并计划在6个月内开源。
