谷歌推出Gemini语言模型，碾压GPT-4！

谷歌刚刚在其人工智能之旅中迈出了下一步，推出了最新、最伟大的人工智能模型Gemini 1.0！

详细信息请看：https://fostmar.online/archives/317/

谷歌推出Gemini语言模型，碾压GPT-4！谷歌Gemini 1.0革新，推出Gemini Ultra、Gemini Pro和Gemini Nano模型。Gemini Ultra强大但慢，Gemini Pro通用，Gemini Nano高效。Gemini模型在多领域与ChatGPT竞争，尤其Gemini Pro已应用于Bard。Gemini模型预计将在2024年通过Bard Advanced发挥更大作用。谷歌Gemini的灵活定价将融入Google产品，如搜索和Chrome。谷歌Gemini模型在AI领域显示出强大的性能和潜力。https://fostmar.online/archives/317/

一、什么是Gemini？

Google 已经推出了其大型语言模型（LLM）Gemini 的三个不同版本，共同构成了“Gemini 1.0”，即该软件的首个版本。这些版本分别是：

• Gemini Ultra — 功能最强大，但速度较慢的型号。
• Gemini Pro — 具有最佳扩展性和通用性；目前被用于 Bard。
• Gemini Nano — 最高效的型号，功能虽然较弱，但非常适合设备上的任务。

目前，Google 已经发布了 Gemini Pro，并在 Bard 中使用。此外，Google 还为 Pixel 8 推出了 Gemini Nano，成为第一款使用这一技术的手机，为“录音机中的总结”应用程序和 WhatsApp 的智能回复等新功能铺平了道路。

至于 Gemini Ultra，谷歌仍在进行调整，计划在 2024 年发布 Bard 的新版本 Bard Advanced 时推出。

Google 还计划在 2024 年进一步扩展 Gemini 的应用范围，尽管具体细节尚未公布，但他们提到这将覆盖搜索、广告、Chrome 和 Duet AI 等主要产品领域。据谷歌称，他们已经在搜索中使用 Gemini 进行“实验”，并通过它实现了将延迟减少 40% 的成果。

二、Gemini vs ChatGPT

谷歌声称 Gemini 能够超越 ChatGPT。事实上，超越 ChatGPT 是 Gemini 的一大卖点。但目前看来，Gemini 驱动的 Bard 是否能实现这一宣传目标还有待观察。

谷歌声称，只有“Ultra”版本的 Gemini 才能击败 ChatGPT。根据早期报告，Ultra 版本确实在多个领域中略胜一筹。然而，这个版本要到 2024 年才能正式发布。目前，人们更多地将 Gemini Pro 与 ChatGPT 的免费版本 GPT-3.5 进行比较，而且对比结果并不尽如人意。

能力分类	基准测试	描述	更高分数更好	Gemini Ultra	GPT-4
通用	MMLU	57个主题（包括STEM、人文等）的问题表示	是	90.0%	86.4%（5-shot, 报告）
推理	Big-Bench Hard	需要多步骤推理的多样化挑战性任务	是	83.6%（3-shot）	83.1%（3-shot, API）
阅读理解	DROP	阅读理解（F1分数）	是	82.4（变量shots）	80.9（3-shot, 报告）
常识推理	HellaSwag	日常任务的常识推理	是	87.8%（10-shot*）	95.3%（10-shot*, 报告）
数学	GSM8K	基础算术操作（包括小学数学问题）	是	94.4%（maj1@32）	92.0%（5-shot CoT, 报告）
数学	MATH	挑战性数学问题（包括代数、几何、预备微积分等）	是	53.2%（4-shot）	52.9%（4-shot, API）
编码	HumanEval	Python代码生成	是	74.4%（0-shot, IT*）	67.0%（0-shot*, 报告）
编码	Natural2Code	Python代码生成，未泄露在网上的新保留数据集，类似HumanEval	是	74.9%（0-shot）	73.9%（0-shot, API）
图像	MMMU	大学级多学科推理问题	是	59.4%（0-shot pass@1, 仅Gemini Ultra*）	56.8%（0-shot pass@1, GPT-4V）
图像	VQAv2	自然图像理解	是	77.8%（0-shot, 仅Gemini Ultra*）	77.2%（0-shot, GPT-4V）
图像	TextVQA	自然图像中的OCR	是	82.3%（0-shot, 仅Gemini Ultra*）	78.0%（0-shot, GPT-4V）
图像	DocVQA	文档理解	是	90.9%（0-shot, 仅Gemini Ultra*）	88.4%（0-shot, GPT-4V）
图像	Infographic VQA	信息图表理解	是	80.3%（0-shot, 仅Gemini Ultra*）	75.1%（0-shot, GPT-4V）
图像	MathVista	视觉环境中的数学推理	是	53.0%（0-shot, 仅Gemini Ultra*）	49.9%（0-shot, GPT-4V）
视频	VATEX	英语视频字幕（CIDEr）	是	62.7（4-shot, Gemini Ultra）	56.0（4-shot, DeepMind Flamingo）
视频	Perception Test MCQA	视频问答	是	54.7%（0-shot, Gemini Ultra）	46.3%（0-shot, SeViLA）
音频	CoVoST 2（21种语言）	自动语音翻译（BLEU分数）	是	40.1（Gemini Pro）	29.1（Whisper v2）
音频	FLEURS（62种语言）	自动语音识别（基于错误率，越低越好）	否	7.6%（Gemini Pro）	17.6%（Whisper v3）

例如，《The Verge》的 Nilay Patel 曾指出，他曾向由 Gemini 驱动的 Bard 提出重要问题，结果 Bard 自信地提供了不存在的链接。《大西洋月刊》的 Matteo Wong 则认为，尽管 Gemini 在多数指标上都超过了 GPT-4，但这只是一次“迭代进步”，并非颠覆性的飞跃。

尽管 ChatGPT 也有其缺陷，比如偏好人工智能幻觉并存在一些需要修复的漏洞，但谷歌仍需证明 Gemini 真的能给 ChatGPT 用户留下深刻印象。至少到目前为止，它还没有做到这一点。

三、Gemini 与 ChatGPT 定价

Gemini 是 Google 的一项增值服务，将被整合到众多产品中，从大家都在使用的搜索引擎到 Chrome 浏览器。这些服务中的许多是免费的，尽管技术上你需要为广告数据付费。

目前，你可以免费以有限的方式使用 Gemini。体验 Gemini 最简单的方法是通过 Bard，此外，你还可以在 Pixel 8 中体验 Gemini。但未来，这项 AI 工具可能会成为付费服务的一部分。目前还不清楚它会成为一个付费附加组件，还是会被包含在某些企业服务中。

与此相比，ChatGPT 拥有更简单的定价模式。任何人都可以通过分享电子邮件地址和电话号码来免费注册。此外，还有每月 20 美元的 ChatGPT Plus 付费等级，提供更高级的 LLM 服务和一些需要额外付费的 ChatGPT 插件。最后，还有面向企业的 ChatGPT 层，提供按需定价。

目前，谷歌已在其数十亿用户每天使用的免费产品中使用人工智能，包括搜索、YouTube、Gmail、谷歌地图、Google Play 和 Android。不久的将来，谷歌可能会悄悄地在这些服务中推出 Gemini。从一方面来看，你无需为每月订阅支付额外费用，但另一方面，你可能无法完全避免使用 Gemini。

四、Gemini 与 ChatGPT：数据源和语言模型

目前，Bard 聊天机器人平台由 Bard LLM 和 Gemini Pro LLM 提供支持。Gemini 系列的全面推出将是一个缓慢的过程，可能会涉及旧的法律硕士与更新、更高效的 Gemini LLM 的类似组合。对于用户来说，这一切都将在幕后进行。

当 Ultra 在 2024 年发布时，它将挑战 ChatGPT 的地位。测试显示，它已在 32 个类别中的 30 个类别中超越了 OpenAI 的模型。

“我们最强大的模型 Gemini Ultra 在 32 个基准测试中的 30 个中提升了最先进水平，包括 12 个流行的文本和推理基准测试中的 10 个、9 个图像理解基准测试中的 9 个、6 个视频理解基准测试中的 6 个以及 5 个语音识别和语音翻译基准测试中的 5 个。” – Jeff Dean，谷歌 DeepMind 首席科学家。

与此同时，ChatGPT 的数据模型则是直接从互联网上获取的公开数据。GPT-3.5 和 GPT-4 模型都使用了截至 2021 年 9 月的数据。