在科技巨頭谷歌的最新動(dòng)作中，其傾力打造的Gemini 2.5大語(yǔ)言模型正式亮相，標(biāo)榜為迄今為止谷歌“智慧之巔”的AI成果。這款模型在邏輯推理、數(shù)學(xué)計(jì)算及科學(xué)任務(wù)上的表現(xiàn)，據(jù)稱(chēng)已超越OpenAI、Anthropic、xAI及DeepSeek等競(jìng)爭(zhēng)對(duì)手的同類(lèi)產(chǎn)品。
盡管谷歌方面坦誠(chéng)，Gemini 2.5 Pro版本與OpenAI的o1-pro相比，仍存在一定的差距，但這并未削弱Gemini 2.5的光芒。該模型并非依賴(lài)外部圖像處理能力，而是采用了一種創(chuàng)新的統(tǒng)一架構(gòu)，通過(guò)共享注意力機(jī)制，實(shí)現(xiàn)了圖像、文本、音頻及代碼的協(xié)同處理，展現(xiàn)了其全面的處理能力。
Gemini 2.5 Pro作為一款全新的思考型AI模型，其邏輯推理、代碼生成及復(fù)雜任務(wù)處理能力得到了顯著提升。目前，該模型已支持100萬(wàn)tokens的上下文識(shí)別，并計(jì)劃在未來(lái)擴(kuò)展至200萬(wàn)tokens，這將使其在撰寫(xiě)報(bào)告等任務(wù)中展現(xiàn)出驚人的實(shí)力。從已曝光的演示來(lái)看，Gemini 2.5 Pro的生成能力確實(shí)令人眼前一亮。
谷歌已通過(guò)其AI Studio平臺(tái)和Gemini app，向Gemini Advanced訂閱用戶(hù)開(kāi)放了Gemini 2.5的試用。然而，首批用戶(hù)也發(fā)現(xiàn)了一些局限性，如模型目前無(wú)法聯(lián)網(wǎng)，且不支持Deep Research和Canvas工具。但谷歌強(qiáng)調(diào)，這只是Gemini 2.5的初步版本，未來(lái)還將推出更多升級(jí)版本，并逐步將模型功能集成到谷歌的搜索、Gmail、Docs等生態(tài)系統(tǒng)中。關(guān)于定價(jià)細(xì)節(jié)，谷歌表示將在后續(xù)逐步公布。
與此同時(shí)，OpenAI也在積極行動(dòng)，為ChatGPT Plus和Pro用戶(hù)推送了內(nèi)置于GPT-4o的圖像生成模型。這款新模型支持多輪對(duì)話(huà)中的圖像修改和編輯，上下文理解能力顯著增強(qiáng)。用戶(hù)可以要求GPT-4o保留圖像的某些元素，如帽子或服飾，同時(shí)修改其他部分。每個(gè)物品的屬性、關(guān)系都可以被獨(dú)立控制，為用戶(hù)提供了前所未有的創(chuàng)作自由度。
例如，用戶(hù)要求GPT-4o創(chuàng)建一張兩個(gè)20歲左右女巫閱讀路標(biāo)的照片級(jí)真實(shí)感圖像，其中一位女巫擁有灰白漸變發(fā)色，另一位則擁有長(zhǎng)波浪紅棕色頭發(fā)。隨后，用戶(hù)還可以在上下文中修改路牌上的時(shí)間、注釋?zhuān)踔磷屌拙砥鹉骸⑽A身體，調(diào)整街邊汽車(chē)、路標(biāo)及女巫的位置等細(xì)節(jié)。這種多模態(tài)、推理及上下文理解能力的結(jié)合，無(wú)論是谷歌還是OpenAI，都在通過(guò)強(qiáng)大的性能和開(kāi)放的體驗(yàn)策略，為用戶(hù)帶來(lái)更多的想象空間。
