今日凌晨，谷歌有重大动作，正式发布了性能更为强劲的Gemini 2.0 Pro实验版，以及以低价为突出特点的Gemini 2.0 Flash-Lite预览版，同时，轻量级的Gemini 2.0 Flash最新版本也正式开放。
在这些新发布的模型中，Gemini 2.0 Flash-Lite作为Gemini2.0系列的全新变体，展现出突出的成本优势，每百万tokens仅需0.3美元，成为谷歌目前最便宜的模型。而Gemini 2.0Pro实验版则凭借原生多模态能力备受瞩目，能够实现文本和音视频之间的相互转换。值得一提的是，Gemini 2.0Flash的实验版于去年12月首次亮相，如今的最新版本已是完整版。
此外，谷歌还免费开放了Gemini 2.0 Flash Thinking实验版，该版本具备强大的功能，能够访问、提炼并总结YouTube视频内容。
截至发稿时，在Chatbot Arena大模型排行榜上，Gemini 2.0 Flash Thinking实验版和Gemini 2.0Pro实验版表现惊艳，强势冲上榜首位置，综合得分成功反超Chat[GPT-4](https://ai-kit.cn/sites/1023.html)o和DeepSeek-R1，展现出强劲的发展势头。
现在，Gemini 2.0 Flash新版、Gemini 2.0 Pro实验版和Gemini 2.0 Flash-Lite预览版，均能通过谷歌AIStudio和Vertex AI调用其API。这些模型变体在价格和性能方面各有千秋。
据谷歌官网信息，Gemini 2.0 Flash和Gemini 2.0 Flash-Lite侧重于轻量级部署，它们的上下文窗口长度最多支持100万个tokens，并且取消了Gemini 1.5Flash长文本和短文本处理的定价区别，统一按单位token计价。Gemini 2.0Flash目前每百万tokens文本输出的花费为0.4美元，相较于Gemini 1.5 Flash，处理长文本的价格便宜了一半。
同时，Lite版本针对大规模文本输出场景进行了成本优化，每百万tokens文本输出定价0.3美元。谷歌CEO桑达尔·皮查伊用“高效且强大”来形容这款模型。
除了价格优势，谷歌Gemini 2.0的新变体在性能方面也有显著提升。相比于Lite版，Gemini 2.0Flash的多模态交互功能更为全面，按计划可支持图像输出，以及文本、音频、视频等模态的双向实时低延迟输入和输出。
而Gemini 2.0Pro实验版则在编码性能和复杂提示方面表现卓越，成为谷歌自称旗下表现最佳的模型。该模型的上下文窗口可达200万个tokens，通用能力从前代的75.8%提升至79.1%，在编码和推理能力方面与Gemini2.0 Flash、Gemini 2.0 Flash-Lite拉开了明显差距。
Gemini应用程序团队在X上发布消息称，Gemini Advanced用户现在可以通过模型下拉菜单访问Gemini 2.0 Pro实验版，Gemini2.0 Flash Thinking实验版则免费向Gemini应用用户开放。此外，该团队还透露，Gemini 2.0 FlashThinking实验版可以与YouTube、谷歌搜索和谷歌地图联动使用。
受开源、低成本、高性能DeepSeek-R1推出的影响，模型开发成本成为业内关注的焦点。谷歌2024年第四季度财报发布后，在电话会议上，皮查伊肯定了DeepSeek取得的成绩，同时强调Gemini系列模型在成本、性能、延迟三者关系的平衡上处于领先地位，整体表现优于DeepSeek的V3和R1模型。
从杨立昆及其团队搭建的LiveBench大模型性能基准测试排行来看，Gemini 2.0 Flash总体排名高于DeepSeekV3和OpenAI的o1-mini，但落后于DeepSeek-R1和OpenAI的o1。
谷歌此次推出的Gemini 2.0 Flash-Lite，无疑是打出了一张“价格牌”。一位长期关注AI领域、在X上拥有近万粉丝的网友，对DeepSeekV3、GPT-4o-mini、Gemini 2.0 Flash进行了试用。该网友表示，新版的Gemini 2.0Flash在性能和成本方面均超越了另外两个模型。
具体而言，Gemini 2.0 Flash每百万tokens的输入成本为0.1美元，输出成本为0.4美元，这两项数据均远低于DeepSeekV3。该网友在X上留言：“Gemini 2.0 Flash正式版成本为GPT-4o-mini的三分之一，同时速度是后者的3倍。”
DeepSeek掀起的大模型价格战，对海外大模型市场的影响仍在持续。谷歌推出更为轻量级的Gemini 2.0 Flash-Lite，OpenAI向所有用户免费开放了ChatGPT搜索功能，Meta内部团队也在加紧研究大模型降价策略。目前来看，大模型领域竞争激烈，各模型通过变相降价来吸引和留存用户。卷性价比有助于大模型从技术开发迈向应用落地阶段。
