昨日夜裡，谷歌向所有人釋出了 Gemini 2.0——迄今為止谷歌“功能最強大”的人工智慧模型套件。

去年 12 月，谷歌釋出 Gemini 2.0 Flash 的實驗版本，正式開啟了代理型 AI 的新時代。Gemini 2.0 Flash 是谷歌為開發者群體打造的高效主力模型，具有低延遲、高效能等優勢。今年早些時候，谷歌在 Google AI Studio 中更新了 2.0 Flash Thinking Experimental，透過將 Flash 模型的驚人速度與複雜問題的推理能力相結合，進一步提高了效能表現。

上週，谷歌面向桌面及移動裝置端的全體 Gemini 應用使用者釋出了 2.0 Flash 更新版本，希望幫助更多人以全新方式使用 Gemini 進行創作、互動和協作。

如今，谷歌將透過 Google AI Studio 和 Vertex AI 中的 Gemini API 向公眾釋出更新之後的 Gemini 2.0 Flash。開發人員現已可以使用 2.0 Flash 模型構建生產級應用程式。

谷歌還發布了 Gemini 2.0 Pro 的實驗版本，這是谷歌旗下迄今為止編碼效能最強、最善於處理複雜提示詞的大模型。除了在 Google AI Studio 和 Vertex AI 當中使用之外，Gemini 2.0 Pro 也將在 Gemini 應用中面向 Gemini Advanced 使用者開放。

此外，谷歌將在 Google AI Studio 和 Vertex AI 中公開預覽迄今為止最具成本效益的模型方案 Gemini 2.0 Flash-Lite。

最後，2.0 Flash Thinking Experimental 將被新增在桌面和移動裝置端的模型下拉選單中，以供 Gemini 應用使用者隨時使用。以上提到的所有釋出模型都將支援帶有文字輸出的多模態輸入，且在未來幾個月的通用版本中還將支援更多模態。

Flash 系列模型首度亮相於 I/O 2024 大會，作為一種強大的主力模型廣受開發者歡迎。Gemini 2.0 Flash 提供全面的功能，包括原生工具使用、100 萬個 token 上下文視窗和多模式輸入。它目前支援文字輸出，具有影像和音訊輸出功能，並且計劃在未來幾個月內全面推出 Multimodal Live API。

2.0 Flash 現已在谷歌 AI 產品中面向更多使用者正式釋出，同時在關鍵基準測試上的效能也得到了提升。影像生成與文生語音等功能將在不久之後推出。

感興趣的使用者可以透過 Gemini 應用 或者 Google AI Studio 及 Vertex AI 中的 Gemini API 立即體驗 Gemini 2.0。

在分享 Gemini 2.0 早期實驗版本（例如 Gemini-Exp-1206）的過程中，谷歌收到了開發人員對其優勢及最佳用例（例如編碼場景）的極佳反饋。

作為對這些反饋的回應，谷歌已經發布 Gemini 2.0 Pro 的實驗版本。與之前已經發布的各類大模型相比，Gemini 2.0 Pro Experimental 擁有最強大的編碼效能與複雜提示詞處理能力，而且可以更好地理解並推理世界知識。該模型配備有谷歌旗下最大的上下文視窗，可容納 200 萬 token，這使其能夠全面分析並理解大量資訊，並可呼叫谷歌搜尋及程式碼執行等其他工具。

Gemini 2.0 Pro 現在以實驗模型的形式向 Google AI Studio 和 Vertex AI 中的開發者，以及 Gemini Advanced 使用者開放。這部分使用者可透過桌面及移動裝置端的模型下拉選單立即體驗。

谷歌方面稱，此前收到了大量關於 1.5 Flash 模型價格和執行速度的積極反饋，公司一直在保持成本和速度水平的同時不斷努力提高模型質量。此次推出的 2.0 Flash-Lite 是一款質量優於 1.5 Flash 的新模型，且繼續保持後者的速度和成本優勢。2.0 版本在大多數基準測試中均優於 1.5 Flash。

與 2.0 Flash 一樣，2.0 Flash-Lite 版模型的上下文視窗可容納 100 萬 token 並支援多模態輸入。例如，它可以一次性為大約 4 萬張不同照片生成單行標題，且此項操作在 Google AI Studio 付費套餐中的成本不到 1 美元。

Gemini 2.0 Flash-Lite 已經在 Google Ai Studio 和 Vertex AI 中提供公開預覽版。

谷歌首席科學家、AI 大佬 Jeff Dean 盛讚了 Gemini 2.0 Pro 的程式設計能力。他在 X 上發貼稱對於 Gemini 2.0 Pro 程式設計能力感到驚訝。他表示：“我喜歡 Boggle 遊戲（一種填字遊戲）。這個演示展示了我們的 Gemini 2.0 Pro 模型在 AI Studio 中的編碼能力。令人難以置信的是，它可以透過一個相對簡單的提示，編寫出完整的程式碼，包括所有正確的資料結構和搜尋演算法，以在 Boggle 遊戲板上找到所有有效的單詞。作為一名計算機科學家，我也很高興它第一次就正確地完成了資料結構。” 他還幽默地用了 “Discombobulating!” （令人困惑 / 震驚）來形容。

Gemini 2.0 的全面釋出引起了網友的廣泛關注。InfoQ 旗下極客時間專欄作者林健（鍵盤） 得知 Gemini 2.0 Flash 上線後立即接入 API 試用，他在 X發貼稱，Gemini 2.0 Flash 在長文字、成本和吞吐量等方面的表現優於 DeepSeek V3 和 GPT 4o-mini。

尤其是與 DeepSeek V3 對比時優勢明顯（按後臺的資料粗算，不計快取 token）。Gemini 2.0 Flash 的成本比 DeepSeek V3 低 6 倍、輸出速度快 60 倍、上下文長 16 倍，更重要的是還原生支援所有模態。

也有 X 使用者將 o3-mini-high、Gemini 2.0 Flash 和 Gemini 2.0 Pro 放在一起跑了幾個基準測試進行效能比較。

在綜合性能表現中，Gemini 全家桶中的 2.0 Pro 在所有類別中排名第一，2.0 Flash 排名第三位，2.0 Flash Lite 則以更低的成本擠進了前十名。

儘管在很多基準測試中 Gemini 系列模型都打敗了同類模型，但基於 Gemini 衍生出來的產品還是被使用者瘋狂吐槽。

甚至無法在 Gemini 中上傳文件，只能上傳圖片。在 Hacker News 上，ID 名為 heavyarms 的使用者表示：

而且谷歌這些模型的各種版本使用時的限制條件也讓人摸不著頭腦。有使用者吐槽：

“簡單來說，我今天花了一個小時想弄清楚怎麼用‘深度研究’這個功能，結果還是沒搞明白。我買了 Gemini Advance 的商業辦公標準版，但不確定是不是還需要 VPN、額外付費買 AI 產品，或者升級到更高階的辦公套餐。谷歌的產品線太複雜了，各種功能互相交織，搞得人一頭霧水。我都開始懷疑，谷歌作為 AI 提供商到底靠不靠譜了。”

谷歌的 API 也飽受使用者詬病。

無論從大模型的部署和使用成本，還是效能上來講，大模型的下一步目標很明確：讓 AI 的能力無限接近人類水平。聽起來很科幻，但其實已經在路上了。

谷歌在 12 月份的一篇部落格文章中寫道：“在過去的一年裡，我們一直在投資開發更多的代理模型，這意味著它們可以更多地瞭解你周圍的世界，提前思考多個步驟，並在你的監督下代表你採取行動。”並補充說，Gemini 2.0 在“多模態性方面取得了新進展——比如原生影像和音訊輸出——以及原生工具的使用”，並且該模型系列“將使我們能夠構建新的人工智慧代理，讓我們更接近通用助手的願景。”

Anthropic 是一家 由亞馬遜支援的人工智慧初創公司，由前 OpenAI 研究主管創立，是開發 AI Agent 競賽中的關鍵參與者。10 月，Anthropic 表示其 AI Agent 能夠像人類一樣使用計算機來完成複雜的任務。這家初創公司表示，Anthropic 的計算機使用能力使其技術能夠解釋計算機螢幕上的內容、選擇按鈕、輸入文字、瀏覽網站並透過任何軟體和即時網際網路瀏覽執行任務。

Anthropic 首席科學官賈裡德·卡普蘭 (Jared Kaplan) 當時在接受 CNBC 採訪時表示，該工具“基本上可以像我們一樣使用計算機”。他說，它可以完成“數十甚至數百步”的任務。

OpenAI 最近釋出了一項類似的功能，名為 Operator，它可以自動執行諸如計劃假期、填寫表格、預訂餐廳和訂購雜貨等任務。OpenAI 將 Operator 描述為“可以上網為您執行任務的 Agent”。

本週早些時候，OpenAI 推出了 Deep Research，它允許 AI Agent 編寫複雜的研究報告並分析使用者選擇的問題和主題。谷歌去年 12 月推出了一款同名的類似工具——Deep Research，它充當“研究助手，探索複雜主題並代表你編寫報告”。

CNBC 於 12 月首次報道稱，谷歌將在 2025 年初推出多項人工智慧功能。

“從歷史上看，你並不一定總是第一，但你必須執行力強，真正成為同類產品中最好的，”執行長 Sundar Pichai 在當時的戰略會議上表示。“我認為這就是 2025 年的意義所在。”