谷歌于昨日夜里，向公众发布了迄今为止“功能最强大”的人工智能模型套件Gemini 2.0。去年12月，谷歌开启代理型AI新时代，发布Gemini 2.0Flash实验版本，其为开发者群体打造，具有低延迟、高性能等优势。
今年早些时候，谷歌在Google AI Studio中更新2.0 Flash ThinkingExperimental，结合Flash模型速度与复杂问题推理能力，提升性能。上周，谷歌面向全体Gemini应用用户发布2.0Flash更新版本。如今，通过Google AI Studio和Vertex AI中的Gemini API向公众发布更新后的Gemini 2.0Flash，开发人员可用于构建生产级应用程序。
同时，谷歌发布Gemini 2.0Pro的实验版本，这是旗下编码性能最强、最善于处理复杂提示词的大模型。除在特定平台使用外，也将在Gemini应用中面向GeminiAdvanced用户开放。此外，谷歌还公开预览最具成本效益的模型方案Gemini 2.0 Flash-Lite。并且，2.0 Flash ThinkingExperimental将添加在桌面和移动设备端的模型下拉菜单中。所有发布模型都支持带有文本输出的多模态输入，未来通用版本还将支持更多模态。
Flash系列模型在I/O 2024大会首度亮相，广受开发者欢迎。Gemini 2.0Flash功能全面，包括原生工具使用、100万个token上下文窗口和多模式输入，目前支持文本输出，有图像和音频输出功能，未来还将推出MultimodalLive API。现在，2.0Flash在谷歌AI产品中面向更多用户发布，性能提升，图像生成与文生语音等功能也即将推出。感兴趣用户可通过特定途径体验Gemini 2.0。
在分享早期实验版本过程中，谷歌收到开发人员反馈，作为回应，发布Gemini 2.0 Pro的实验版本。与其他大模型相比，Gemini 2.0 ProExperimental编码性能和复杂提示词处理能力强，能更好理解并推理世界知识，拥有谷歌旗下最大上下文窗口，可容纳200万token，还可调用其他工具。目前，该模型以实验形式向特定开发者及GeminiAdvanced用户开放，用户可通过模型下拉菜单体验。
谷歌推出的2.0 Flash-Lite质量优于1.5 Flash，且保持速度和成本优势，在多数基准测试中表现更优。与2.0Flash一样，它的上下文窗口可容纳100万token并支持多模态输入，例如能为大量照片生成标题，成本较低。目前，Gemini 2.0 Flash-Lite已在相关平台提供公开预览版。
谷歌首席科学家Jeff Dean盛赞Gemini 2.0 Pro的编程能力。InfoQ旗下作者试用后表示，Gemini 2.0Flash在多方面表现优于DeepSeek V3和GPT 4o-mini。也有用户进行性能比较，结果显示Gemini 2.0 Pro排名第一，2.0Flash排名第三，2.0 FlashLite挤进前十。不过，基于Gemini衍生的产品遭用户吐槽，如截断输入文本、上传功能受限、版本使用限制条件复杂、API杂乱等问题。
大模型的下一步目标是让AI能力无限接近人类水平。谷歌表示一直在开发代理模型，Gemini2.0在多模态性和原生工具使用方面取得进展。Anthropic公司称其AIAgent能像人类一样使用计算机完成复杂任务。OpenAI也发布类似功能，如Operator可自动执行任务，Deep Research允许AIAgent编写研究报告。
