Gemini是Google DeepMind推出的全新ai模型，集成了多模態(tài)推理功能，超越了以往模型的性能，適用于科學文獻洞察、競爭性編程等多種應用場景。

Gemini是從頭開始構建的多模態(tài)，這意味著它可以概括和無縫理解、操作和組合不同類型的信息，包括文本、代碼、音頻、圖像和視頻。

Gemini官網地址：deepmind.google/technologies/gemini/（需科學上網）

Gemini 也是我們迄今為止最靈活的型號——能夠在從數(shù)據中心到移動設備的所有設備上高效運行。其最先進的功能將顯著增強開發(fā)人員和企業(yè)客戶使用 AI 構建和擴展的方式。

Google DeepMind針對三種不同的尺寸優(yōu)化了第一個版本 Gemini 1.0：

• Gemini Ultra — 我們最大、最強大的型號，適用于高度復雜的任務。

• Gemini Pro — 我們用于擴展各種任務的最佳型號。

• Gemini Nano — 我們最高效的設備端任務模型。

Gemini 1.0 經過訓練，可以同時識別和理解文本、圖像、音頻等，因此它可以更好地理解細微的信息，并可以回答與復雜主題相關的問題。這使得它特別擅長解釋數(shù)學和物理等復雜學科的推理。

另外，Gemini 1.0 復雜的多模態(tài)推理功能可以幫助理解復雜的書面和視覺信息。這使得它在發(fā)現(xiàn)在大量數(shù)據中難以辨別的知識方面具有獨特的技能。它通過閱讀、過濾和理解信息從數(shù)十萬份文件中提取見解的卓越能力將有助于在從科學到金融的許多領域以數(shù)字速度實現(xiàn)新的突破。

Gemini 能夠從數(shù)據列表中制作圖表，分析數(shù)百頁的研究，然后更新圖表。它給出的另一個例子是分析一個人的數(shù)學作業(yè)的照片，并使用雙子座來識別正確答案并指出錯誤答案。

Gemini 在幾個方面與 GPT-4 有質的不同：

1.Gemini可以原生輸出圖像和文本，而 GPT-4 只輸入圖像。我們還沒有沒見到在別的大模型中擁有此功能。

2. Gemini可以本地輸入視頻和音頻以及圖像——谷歌對大量合法訪問的多樣化數(shù)據的訪問正在這里發(fā)揮作用。特別是視頻理解會非常有趣。