點選下方卡片，關注“CVer”公眾號
AI/CV重磅乾貨，第一時間送達
新增微訊號：CVer2233，小助手會拉你進群！
掃描下方二維碼，加入CVer學術星球！可以獲得最新頂會/頂刊上的論文idea和CV從入門到精通資料，及最前沿應用！發論文/搞科研/漲薪，強烈推薦！
轉載自：機器之心 ｜編輯：編輯部 YXH
AI/CV重磅乾貨，第一時間送達
AI/CV重磅乾貨，第一時間送達
新增微訊號：CVer2233，小助手會拉你進群！
掃描下方二維碼，加入CVer學術星球！可以獲得最新頂會/頂刊上的論文idea和CV從入門到精通資料，及最前沿應用！發論文/搞科研/漲薪，強烈推薦！
新增微訊號：CVer2233，小助手會拉你進群！
掃描下方二維碼，加入CVer學術星球！可以獲得最新頂會/頂刊上的論文idea和CV從入門到精通資料，及最前沿應用！發論文/搞科研/漲薪，強烈推薦！
【導讀】今夜，谷歌徹底殺瘋！2小時釋出會，Gemini提及95次點亮全場。Gemini 2.5家族全系升級，Pro深度思考模型正刷榜。全新Imagen 4生成細節超逼真，Veo 3首次實現音影片融合。
谷歌一齣手，就是王炸。
剛剛，谷歌I/O 2025大會上，劈柴登場一張圖亮出了自家所有旗艦模型。一年時間跨度，可以用馬不停蹄來形容。
這一次，Gemini 2.5深夜迎來三連更：
· Gemini 2.5 Pro（新）：再次刷榜LMArena，ELO拿下1448分，所有類別第一，碾壓o3，原生文字到音訊生成
· Gemini 2.5 Pro（Deep Think）：刷榜數學、編碼、多模態榜單，
· Gemini 2.5 Flash（新）：排名僅次Gemini 2.5 Pro，ELO得分1424，原生文字到音訊生成
左右滑動檢視
備受期待的Imagen 4、Veo 3也在今天登場。Imagen 4生圖細節逆天，10倍提速；Veo 3首次支援原生音訊輸出，開啟音影片融合新時代。
Veo 3逼真地生成了老人聲音，以及背景中的海洋聲音
此外，大會上還亮相了全新文字擴散模型Gemini Diffusion、AI搜尋AI Mode、全新Flow創意平臺……
谷歌推出了史上最貴的訂閱服務——Google AI Ultra，高達250美元（比ChatGPT Pro貴50美元）。
堪稱VIP中的VIP，可無限訪問最新模型。
|
|
|
Pro每個月20美元，開通後可同時使用Gemini 2.5 Pro、Veo 2和NotebookLM等
更讓人沒想到的，谷歌掏出了兩款全新硬體：Project Moohan頭顯和XR眼鏡，由Gemini加持，將革新空間計算。
2小時釋出會，全程共提到Gemini 95次，AI 92次。
Gemini 2.5全繫上新
深度思考版來了
Gemini 2.5更新，必然是整場大會的重點。
Demis Hassabis一出場激動地表示，「AI正在開啟一個令人驚歎的全新未來」。
Gemini 2.5 Pro登頂，編碼能力暴漲
Gemini 2.5 Pro在3月首次亮相後，成為谷歌目前有史以來最智慧的一款旗艦模型。
兩週前，Gemini 2.5 Pro Preview版本首次更新後，便在LMArena排行榜中登頂。
其中，在WebDev Arena排行榜中拿下1415分，相較於3月版提升了142分。
|
|
|
在大會中，女主持人現場演示了在AI Stuido中只需要上傳一張手畫草稿，即可在幾十秒內生成和需求描述完全一致的頁面效果。
比如，生成可旋轉的3D照片牆，上述圖片描述了這個頁面的基本結構，包括照片始終朝向觀察者、可以放大和縮小。
而我們使用了I/O大會中的相同命令，只花了幾十秒就實現了和演示幾乎一模一樣的3D頁面旋轉效果。
現在，所有人皆可在AI編碼智慧體平臺Jules，體驗全新Gemini 2.5 Pro，一個提示即可幫你處理任何任務。
此外，憑藉100萬token上下文，2.5 Pro具備領先的長上下文和影片理解能力。
Gemini 2.5 Flash全面升級，立省30%
Gemini 2.5 Flash這次也得到了全面升級，生成速度更快、成本更低。
在LMArena拿下1424高分，僅次於2.5 Pro。
|
|
|
在推理、多模態、程式碼、長上下文的關鍵基準上，2.5 Flash效能進一步提升。評估中，使用的token減少了20%-30%。
這兩款迭代後的模型，支援更多新功能：
· 原生音訊輸出
就像原生音訊對話一樣，2.5 Flash和2.5 Pro最新文字轉語音極具豐富的表現力，可以捕捉到非常微妙的細節，比如竊竊私語。
它支援超過 24 種語言，並且可以無縫切換，已在Gemini API上線。
· 思考預算
2.5 Pro將支援思考預算功能，讓回答更加安全、高效。任何人可以開啟/關閉思考模型，設定固定的思考預算。
Deep Think制霸數學編碼多模態
這次，Gemini 2.5系列迎來了全新成員——2.5 Pro（Deep Think）。
它採用了全新的技術，能夠在響應之前考慮多個假設。
2.5 Pro深度思考版在數學、編碼、多模態榜單上，重新整理了SOTA。
具體來說，在2025 USAMO數學奧賽中（最難數學基準之一），取得了40.4%高分，比2.5 Pro高出了10%多。
在LiveCodeBench上，一舉攻克競賽級程式設計難題，拿下80.4%分。而且，在多模態推理MMMU上取得了84.0%。
Gemini Diffusion：全新文字擴散模型
此外，谷歌還帶了全新文字擴散模型Gemini Diffusion，讓模型更加擅長處理編輯任務。
與直接預測文字不同，它透過逐步最佳化噪聲來生成輸出。
這種方法，讓Gemini Diffusion能快速迭代最佳化解決方案，在程式設計和數學領域表現尤為出色。
|
|
|
Gemini Diffusion每秒輸出1000多個token，效能要比Gemini 2.0 Flash-Lite快5倍。
就拿如下例子來說，眨眼之間，就錯過了解題過程。
Gemini系列模型更新之後，Hassabis再次回顧了過去十年，谷歌為當前AI時代奠定基礎的技術幾點。
從Transfromer、到AlphaGo、Alpha Zero等，谷歌不斷創造通往AGI所需的下一個重大的突破。
Gemini已經成為當今最好的多模態基礎模型，未來還將不斷擴充套件其能力，最終成為一個「世界模型」。
Hassabis稱，這是我一直熱衷的事情，AI系統需要世界模型才能有效執行。
而Gemini robotics是世界模型，進入現實世界的一個載體。
此外，讓Gemini成為世界模型的另一個關鍵是，真正對人類日常生活有所幫助。
這也是谷歌Project Astra的最終願景，在現場演示中，AI助手全程保姆級指導如何組裝腳踏車，甚至被打斷也不會有所影響。
AI在加速科學發現上，谷歌也取得了引以為傲的成就，AlphaEvolve、AlphaFold、AIME、Isomorphic Labs。
在最新案例中，谷歌Astra聯手Ira公司，幫助盲人在生活中更加獨立。
Imagen 4 + Veo 3
生成終極進化
這次年度開發者大會，更少不了AI影像模型和AI影片模型的更新。
Imagen 4：超逼真生圖，完美拼寫2k畫質
歷時半年多，谷歌AI影像生成模型終於迭代到了Imagen 4。
在細節表現方面，Imagen 4能夠生成複雜的織物、水滴，甚至是動物毛髮，逼真度足以讓人驚掉下巴。
而且，解析度最高可達2k。
左右滑動檢視
此外，Imagen 4在拼寫、版式方面得到了改進，製作賀卡、海報、漫畫，全部拿捏。
左右滑動檢視
在生成速度方面，Imagen 4同樣堪稱極致——最多比上一代Imagen 3快10倍。
Veo 3：原生音影片融合，對話BGM一次搞定
谷歌AI影片模型Veo 3，也在萬眾期待中震撼登場。
用釋出會大佬的話來說，「我們正在進入一個音訊和影片相結合的創作新時代」。
Veo 3不僅在生成質量上超越了Veo 2，而且首次能夠生成帶有音訊的影片。
不論是城市街道中嘈雜音，還是公園裡的鳥鳴聲，甚至是角色之間的對話，它都能一鍵還原。
森林中，一隻貓頭鷹和一隻小獾的對話，動畫感爆棚。
全面來看，Veo 3 在文字/影像生成提示、真實物理模擬和精準口型同步等各方面都表現出色。
它的理解能力超強，只需在提示詞裡描述一個小故事，模型就能生成一段生動還原劇情的影片。
Flow：好萊塢電影，隨手即來
此外，谷歌還推出了一款專為創意人士打造的新平臺Flow，一款AI電影製作工具。
它集成了Veo、Imagen、Gemini最新模型，無縫建立電影片段、場景、故事。
自然對話描述鏡頭，Flow就能編織出令人驚歎的場景。
AI Mode + Deep Search
AI搜尋新紀元開啟
谷歌重磅推出了AI Mode搜尋功能，開啟谷歌搜尋全新紀元！
AI Mode將搜尋與AI深度整合，谷歌開發了專用於Search的Gemini 2.5模型。
AI Mode是全能的，相比過去的「傳統搜尋」，AI Mode會根據回覆自動規劃搜尋結果的展現形式，包括文字、影片，甚至地圖等等，AI Mode都可以完美展現。
AI Mode目前位於谷歌搜尋一級選單的第一位，可見谷歌對於AI Mode的重視程度。
目前該功能暫時只支援英語地區，聊天語言也要使用英語。
AI Mode的強大之處在於，你可以提問一個非常複雜，包含諸多資訊的問題，比如：
展示本賽季和上個賽季使用魚雷棒（最新款的比賽用棒球棒）的著名球員的擊球率和上壘率。
這個問題涉及到資訊的定位以及計算機率，AI Mode智慧的使用了表格和圖表來回答。
|
|
|
Google Lens
大會中，還提到了Google Lens，用AI的能力幫助搜尋各種圖片和資訊。
Google Lens可以框選頁面中的任何資訊，框選後答案會自動彈出。
智慧購物
劈柴這次是和奧特曼「槓上了」，前不久OpenAI剛剛推出自己的購物功能，這一次谷歌也不甘示弱。
透過上傳你自己的個人照片，谷歌可以把商店裡的衣服自動穿戴到你身上，讓你直觀的看到衣服上身的效果。
同時智慧體還能夠自動下單，自動付款，完全無需人操作。
接下的幾個月，這種視覺化購物以及智慧體自動結賬將全面上線。
Gemini應用
谷歌DeepMind的副總裁Josh Woodward上臺介紹了Gemini應用未來的三大特點。
Personal：谷歌提出了Personal context的概念，即你在谷歌中的一切，聊天、郵件、日曆以及行程安排都將成為你個人的「上下文」，有了這些個人上下文，AI能夠更好的瞭解你，並安排一切。
Proactive：Gemini應用將變得更具啟發式，幫助使用者完成日常任務，比如透過類比的方法幫助你理解物理學知識。
Powerful：Gemini應用中目前最強大的兩個工具，一個是深度研究，另一個是Canvas。
可以上傳自己的檔案來讓Gemini應用幫助進行深度分析。
使用Canvas，你可以與Gemini進行完美的互動，可以解答謎題、製作部落格，甚至還可以在Canvas中進行氛圍程式設計。
全新頭顯和XR眼鏡
殺入蘋果Meta戰場
最後，谷歌驚喜推出了兩款Android XR新硬體。
首先是和三星合作，對標蘋果推出的Project Moohan頭戴顯示裝置，預計今年內釋出。
然後，是對標Meta Rayban的XR眼鏡。
話不多說，直接上演示。
參考資料：
https://io.google/2025/
CVPR 2025 論文和程式碼下載
CVPR 2025 論文和程式碼下載
ECCV 2024 論文和程式碼下載
ECCV 2024 論文和程式碼下載
CV垂直方向和論文投稿交流群成立
一定要備註：研究方向+地點+學校/公司+暱稱（如Mamba、多模態學習或者論文投稿+上海+上交+卡卡），根據格式備註，可更快被透過且邀請進群
▲掃碼或加微訊號: CVer2233，進交流群
CVer計算機視覺（知識星球）人數破萬！如果你想要了解最新最快最好的CV/DL/AI論文、實戰專案、行業前沿、從入門到精通學習教程等資料，一定要掃描下方二維碼，加入CVer知識星球！最強助力你的科研和工作！
▲掃碼加入星球學習
▲點選上方卡片，關注CVer公眾號
整理不易，請點贊和在看
▲掃碼或加微訊號: CVer2233，進交流群
CVer計算機視覺（知識星球）人數破萬！如果你想要了解最新最快最好的CV/DL/AI論文、實戰專案、行業前沿、從入門到精通學習教程等資料，一定要掃描下方二維碼，加入CVer知識星球！最強助力你的科研和工作！
▲掃碼加入星球學習
▲點選上方卡片，關注CVer公眾號
整理不易，請點贊和在看
