12月7日，谷歌在发布会上宣布，推出目前规模最大、功能最强大的人工智能模型Gemini，谷歌表示自己依然是全世界最伟大的公司之一，称Gemini在一系列测试中表现，均优于OpenAI的GPT-4模型，特别是在多模态的视频、语音任务上，Gemini测试表现优于各领域的专业人类！

昨日，谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）和研发负责人戴密斯·哈萨比斯（Demis Hassabis），作为谷歌大模型团队的代表，正式推出大模型Gemini！

哈萨比斯这个名字非常熟悉，正是DeepMind的CEO，此前领导团队一手研发出AlphaGo，击败了人类棋手李世石和柯洁，将以神经网络为代表的深度学习进一步推向高潮！

长期以来，谷歌被视作是全球科技创新的领导者，但是自从微软发布GPT模型后，特别是ChatGPT的诞生，让谷歌有些措不及防，DeepMind现和谷歌大脑已经完成整合。

去年ChatGPT发布后不到两周，谷歌就急匆匆拿出Bard，但是在演示中出错，导致谷歌股价一夜蒸发超千亿美元，后续谷歌也给Anthropic注资，推出Claude 2来应对ChatGPT。

在谷歌内部，Gemini则一直被寄予了是超越ChatGPT的厚望，谷歌“深度思维”的艾力·柯林斯表示，Gemini是该公司最大、能力最强的模型，但也是最通用的多模态大模型。

Gemini可以用来处理视频、音频和文本等多个形式的信息，在演示中可以看到，当人类画出一个鸭子，Gemini快速识别出来，再加上波浪线后，Gemini也能实时理解这个鸭子在游泳。

哈萨比斯推出Gemini 1.0，共分为三个不同参数的版本，分别是Gemini Nano、Pro和Ultra，其中最小的版本Nano，让人想起苹果停产的ipod产品线，这个版本正是为移动端专门设计的，可以在智能手机上本地运行。

而Pro版本已经能够打败OpenAI的GPT3.5，Ultra更是当今最强多模态大模型，对标GPT-4，能够全方面碾压现有的AI大模型，在MMLU（大规模多任务语言理解）中能够超越90%的人类专家，也是目前准确率最高的大模型！

哈萨比斯强调，Gemini Ultra优于GPT-4主要在于对视频和音频的理解和交互能力，OpenAI采取的是GPT+DALL·E+Whisper的方式构建多模态，而Gemini则是从一开始就注重于多模态混合，预计Gemini Nano将首发在Pixel 8 Pro，Gemini Pro将在12月13日面向相企业级用户和开发者们开放Gemini API接口。