2024年，大型语言模型领域取得显著进展，18家机构的模型超越GPT-4，谷歌的Gemini 1.5 Pro引入新功能，显著增加上下文长度，LLM价格大幅下降，效率提升。同时，多模态模型崛起，音频和视频功能逐渐普及。尽管技术进步，用户对LLM的理解仍有差距，需加强教育与批评。

JetBrains AI助手新增Google的Gemini 1.5 Pro和Flash模型，提升推理能力和性能，适用于高效能需求。用户可在2024.3版本中选择LLM，支持本地模型Ollama，增强隐私和灵活性。

GitHub与Google Cloud合作，将Gemini 1.5 Pro模型引入GitHub Copilot，支持处理多达200万个token，适用于代码生成、分析和优化。该模型可在Visual Studio Code等平台使用，帮助开发者处理复杂代码库并提供详细见解。Gemini 1.5 Pro将作为GitHub Copilot订阅的一部分提供，学生可免费使用。

GitHub Copilot 用户现在可以选择更多模型，包括 Claude 3.5 Sonnet、Gemini 1.5 Pro 和 OpenAI 的 o1-preview、o1-mini。Claude 3.5 擅长软件开发生命周期，Gemini 1.5 Pro 支持多模态处理，并且更新集成了 Perplexity，以帮助解决编程问题。这可能是为了吸引转向 Cursor 的用户。

文章第三部分讨论了多模态AI模型如何简化应用开发。Reka和Gemini 1.5 Pro这两个模型可以同时处理文本、图像、视频和音频。Reka适合离线应用，提供多种模型以适应不同任务和设备；Gemini 1.5 Pro通过专家混合系统提高效率，适合大规模云端任务。

谷歌DeepMind的机器人使用Gemini 1.5 Pro进行多模态指示导航，结合了语言和视觉上下文。研究者通过示范游览视频和拓扑图解决了MINT问题，提高了机器人的零样本性能。实验结果显示，Mobility VLA在现实环境中表现出色，长上下文VLM和拓扑图是成功的关键。

谷歌于6月27日宣布，Gemini 1.5 Pro和Gemini 1.5 Flash模型现已支持代码执行，允许生成和运行Python代码。开发者可访问200万标记的上下文窗口，并通过Gemini API使用上下文缓存以降低成本。此外，Gemma 2模型已在Google AI Studio中提供，Gemini 1.5 Flash的文本调优将在7月中旬逐步向所有开发者开放。

谷歌的笔记应用NotebookLM现在支持上传Google幻灯片和网址作为资源，用户可以创建学习指南、常见问题解答或简报文件。NotebookLM还使用了谷歌的Gemini 1.5 Pro，提供AI回答的事实核查。目标用户是研究人员、学生和作家，也可用于Dungeons & Dragons的主持人准备游戏活动。

本周，OpenAI发布了GPT-4o，Google推出了Gemini 1.5 Pro，双方在人工智能领域竞争激烈。HyperAI总结了两大会议的亮点，强调优质数据集和教程对AI技术发展的推动作用。

本周，OpenAI发布了GPT-4o，Google推出了Gemini 1.5 Pro，双方在人工智能领域竞争激烈。HyperAI总结了两大会议的亮点，强调优质数据集和教程对AI技术应用与发展的促进作用。

Google更新了Gemini 1.5 Pro模型，具备听力功能，无需书面转录。Gemini 1.5 Pro超越了最强大的模型Gemini Ultra。Google还将在Imagen 2上添加修复和填充功能，并应用SynthID数字水印功能。Google公开预览了将AI响应与Google搜索联系起来的方法。Gemini故意不回答与2024年美国选举有关的问题。

谷歌的Gemini 1.5 Pro在信息检索中实现了99.7%的召回率。RAG技术结合了信息检索和文本生成，而长上下文技术允许大型语言模型使用整个知识库回答问题。然而，长上下文技术的高成本阻碍了其商业化。理解不同群体的需求和认知差异对于推动技术创新和应用至关重要。文章还讨论了结合RAG和长上下文的潜在好处。