Google 发布旗下最强 AI 大模型「Gemini 2.0 Flash」 -资源熊

Gemini 2.0 Flash 是谷歌最新发布的人工智能模型，它是 Gemini 2.0 系列的首个模型，具有以下特点和功能：

1. **多模态输入输出**：Gemini 2.0 Flash 支持图片、视频和音频等多模态输入，并且能够进行多模态输出，例如直接生成图像与文本混合的内容，以及原生生成可控的多语言文本转语音（TTS）音频。

2. **性能提升**：与上一代模型 Gemini 1.5 Flash 相比，Gemini 2.0 Flash 在关键基准测试中的表现是1.5 Pro版本的两倍之快。

3. **原生工具调用**：Gemini 2.0 Flash 可以原生调用谷歌搜索、代码执行以及第三方用户定义的函数等工具。

4. **智能体时代**：谷歌CEO桑达尔·皮查伊表示，如果说Gemini 1.0的作用是整合和理解信息，那么Gemini 2.0能够做到让信息更加有用，为构建通用助手的愿景更进一步。

5. **AI Agent功能**：Gemini 2.0 系列模型主打 AI Agent 功能，在原本的功能之外，还加入了多项新的 Agent 功能。

6. **开发者体验**：从周三起，2.0 Flash的实验版本将通过Gemini API和谷歌的AI开发平台（AI Studio和Vertex AI）提供。然而，音频和图像生成功能仅对“早期接入合作伙伴”开放，并计划在明年1月全面推出。

7. **新输出模式**：开发人员将能够使用 Gemini 2.0 Flash 生成集成响应，这些响应可以包含文本、音频和图像 — 只需调用一次 API 即可完成。

8. **多模态实时API**：谷歌推出了新的多模态实时API，支持实时音频和视频流输入，并能同时使用多个组合工具，为用户带来更加丰富的交互体验。

9. **智能体研究原型**：谷歌还展示了三个智能体研究原型：Project Astra、Project Mariner和Jules，展现了智能体如何改变我们与数字世界的互动方式。

Gemini 2.0 Flash 的发布标志着谷歌在人工智能领域的进一步发展，特别是在多模态处理和智能体技术方面。

具备生成图像和音频、网页搜索、代码编写、游戏指导等多模态功能（图片和语音生成功能将于明年 1 月开放）