原生多模態輸入、輸出的大模型時代來了。

原標題：Gemini 2.0發布！主打Agent+多模態，性能超1.5 Pro、可直接生成音頻、圖片
文章來源：Founder Park
內容字數：5816字

谷歌發布Gemini 2.0 Flash，開啟多模態輸入輸出時代

谷歌在發布Gemini 2.0 Flash后，標志著原生多模態輸入輸出的大模型時代的到來。DeepMind首席執行官哈薩比斯表示，Gemini 2.0的表現與當前的1.5 Pro型號相當，但在成本效益、性能效率和速度上都有顯著提升。

1. 強大的多模態能力

Gemini 2.0 Flash不僅能夠生成音頻和圖像，還引入了新的多模態能力。該模型支持多種輸入形式，包括圖片、視頻和音頻，并能生成圖像與文本的混合內容，以及可控的多語言文本轉語音（TTS）音頻。開發者可以通過單一API調用實現集成響應，這一功能將于明年全面推廣。

2. Project Astra的重大更新

基于Gemini 2.0 Flash，谷歌的通用助手Project Astra經歷了多項功能更新。它能夠更流暢地進行多語言對話，理解不同口音，并能夠使用Google Search、Google Lens和Google Maps等工具來增強日常助手功能。此外，Project Astra的記憶能力得到了提升，能夠記住長達10分鐘的對話內容。

3. Project Mariner與瀏覽器Agent

Project Mariner是一個基于Gemini 2.0的瀏覽器Agent，能夠理解和推理網頁信息，完成復雜任務。盡管目前僅限于受信任的測試人員使用，但它在WebVoyager基準測試中展現了出色的工作效率，達到了83.5%。

4. AI代碼助手Jules

基于Gemini 2.0的AI代碼助手Jules，能夠與用戶的GitHub工作流程集成，處理Bug修復和其他任務。官方聲稱在SWE-bench Verified測試中，Jules的通過率達到了51.8%，提高了編碼效率。

5. 游戲Agent與深度研究

谷歌還推出了基于Gemini 2.0的游戲Agent，這些Agent能夠實時指導用戶在游戲中導航。此外，新的深度研究功能能幫助用戶完成研究任務，生成主題報告。

總的來說，Gemini 2.0 Flash的發布為AI領域帶來了新的可能性，尤其是在多模態輸入輸出和智能助手的發展上，展現了谷歌在AI技術方面的持續創新。

聯系作者

文章來源：Founder Park
作者微信：
作者簡介：來自極客公園，專注與科技創業者聊「真問題」。