摘要：Google AI主導(dǎo)了一場(chǎng)逆襲
作者丨鯨哥
對(duì)于Google來(lái)說(shuō)，作為T(mén)ransformer等核心技術(shù)的發(fā)明者，在“AI 4巨頭”的討論中沒(méi)有它，是一件很尷尬的事情。
發(fā)布開(kāi)源模型 Gemma 3，性能超越DeepSeek V3、o3mini為全球第二強(qiáng)開(kāi)源模型，但是模型大小僅為7B。
發(fā)布Gemini 2.0 Flash Experimental，動(dòng)動(dòng)嘴就能PS的AI文生圖產(chǎn)品。不僅如此，對(duì)指令理解也相當(dāng)?shù)轿?，能連續(xù)生成一致性圖片，并評(píng)為AI生圖的GPT時(shí)刻，這幾天在 傳瘋了。
Deep Research開(kāi)放免費(fèi)使用，背后是2.0 Flash Thinking Experimental 提升推理能力并擴(kuò)展上下文窗口。
還有新一代 機(jī)器人 AI 模型Gemini Robotics ，對(duì)物理世界更懂了。
國(guó)外有網(wǎng)友評(píng)價(jià)Google這次更新，是幾乎每項(xiàng)到了最佳：
到底有沒(méi)有這么強(qiáng)呢，鯨哥認(rèn)為是大差不差，有驚喜，也有吹噓。
先說(shuō)這次最被熱議的更新—Gemini 2.0 Flash Experimental。 原生圖像生成功能上線(xiàn)，說(shuō)話(huà)就能PS照片的夢(mèng)想實(shí)現(xiàn)。通過(guò)聊天任意編輯圖像的局部或者全部，有點(diǎn)類(lèi)似Adobe firefly 版本。
我們用英偉達(dá)CEO黃仁勛此前發(fā)布會(huì)的圖片，來(lái)試試是否可以隨意PS。
我們先要求換背景，讓黃仁勛在直播間中帶貨。這個(gè)難度不大，是不是摳圖也不好說(shuō)。
“321上鏈接”，5090顯卡刀法精準(zhǔn)，直接賣(mài)爆了，我們讓黃仁勛開(kāi)心地笑起來(lái)?？吹贸鰜?lái)表情有些崩，但整體還是做到了AI改變?nèi)宋锉砬椤?/p>
再要求把臉從黃仁勛換成馬斯克，這個(gè)挺順暢完成了，馬斯克的臉部還挺逼真，表情也比較自然。一個(gè)小細(xì)節(jié)，攝像機(jī)上手機(jī)屏幕中的人物也跟著換成了馬斯克。
還有一個(gè)這兩天大家很愛(ài)玩的功能，就是這個(gè)合成圖片的功能，熊的視角略微有一些轉(zhuǎn)向，但是合成圖片中還原的還不錯(cuò)。
很多人會(huì)質(zhì)疑這個(gè)功能有什么用，國(guó)外有小伙，利用gemini-2.0 新推出的圖片編輯 API，連夜肝了個(gè)工具，實(shí)現(xiàn)白底圖到產(chǎn)品實(shí)拍圖的批量自動(dòng)化生成。
他是這樣評(píng)價(jià)這個(gè)產(chǎn)品：“效果炸裂，特別是對(duì)產(chǎn)品的特征保留的很好，相比 ComfyUI 工作流調(diào)個(gè)半死，這不強(qiáng)多了?！?/p>
當(dāng)然它還能給線(xiàn)稿上色，鯨哥生成了“猿力崛起”類(lèi)似的圖片。生成效果確實(shí)還沒(méi)有Midjourney強(qiáng)，但是能力很連貫，這是生成式AI的體現(xiàn)，這是預(yù)言挑戰(zhàn)畫(huà)家的顛覆性一步。
Gemini-2.0不僅改圖能力強(qiáng)，還能生成連續(xù)性的圖片故事集，效果也不錯(cuò)。以下是鯨哥測(cè)試的成果。
“生成一個(gè)關(guān)于爆炒羊雜教程系列圖片。對(duì)于每個(gè)場(chǎng)景，生成一個(gè)圖像和一段介紹文字?！盙oogle生成的教程顯示有點(diǎn)長(zhǎng)，我在排版時(shí)用SVG動(dòng)畫(huà)顯示了，大家點(diǎn)擊下方即可查看。
羊雜切碎，調(diào)好備料 最關(guān)鍵是羊雜焯水
羊雜切碎，調(diào)好備料 最關(guān)鍵是羊雜焯水
放油，先炒調(diào)料 再加入羊雜爆炒
放油，先炒調(diào)料 再加入羊雜爆炒
放入蔬菜，炒至斷生 加入勾芡，炒熟裝盤(pán)
放入蔬菜，炒至斷生 加入勾芡，炒熟裝盤(pán)
感謝Google，終于知道中午做的爆炒羊雜為啥不好吃了，原來(lái)沒(méi)有先把羊雜焯水（直男落淚）。
此前的 2 月，Google Veo 2 已通過(guò) Freepik 發(fā)布了圖像轉(zhuǎn)視頻功能，現(xiàn)在與2.0 Flash有很好的結(jié)合了。
這個(gè)視頻是JP博主制作，用一張AI生成的美女和商品圖結(jié)合，先是生成了帶貨圖片，然后轉(zhuǎn)成了視頻，神奇的是視頻中飲料的商標(biāo)都沒(méi)有變，目前在上很火。
最后再講一個(gè)很有用的東西，應(yīng)該比以上視覺(jué)工具更加落地。
是不是大家仍沒(méi)有Manus邀請(qǐng)碼，感覺(jué)也不用苦苦等待了。Google deep Research 現(xiàn)在可以免費(fèi)使用，由 2.0 Flash Thinking模型提供支持，而且可以展示研究過(guò)程（chain of research），甚至支持鏈接你的搜索記錄對(duì) Gemini 進(jìn)行個(gè)性化設(shè)置。
這是我做的“中國(guó)視頻類(lèi)科技商業(yè)博主起號(hào)及爆款”研究專(zhuān)題，要求生成30頁(yè)以?xún)?nèi)的PPT報(bào)告。
還能根據(jù)這份報(bào)告繼續(xù)提問(wèn)，我問(wèn)了下最適合普通人學(xué)習(xí)的博主是誰(shuí)，回答結(jié)果如下，額，不知道大家怎么看這個(gè)結(jié)果。
Deep Research能羅列Researching websites，這樣你可以清楚看到引用的哪些網(wǎng)站內(nèi)容，靠不靠譜。同時(shí)這也是Google deep Research 的優(yōu)勢(shì)，搜索內(nèi)容的廣度上要比OpenAI 大很多，甚至能索引 YouTube 內(nèi)容。
最重要的是，它輸入框底下有行字，“Gemini can make mistakes, so double-check it”，避免出錯(cuò)進(jìn)行了雙倍檢查。這就極大避免了幻覺(jué)率，確保提供的信息，一定范圍內(nèi)的準(zhǔn)確性。
當(dāng)然問(wèn)題也有，就是這個(gè)產(chǎn)品不太Agent，讓生成PPT最終沒(méi)有生成，估計(jì)是因?yàn)檎{(diào)用不了其他工具。我體驗(yàn)導(dǎo)出報(bào)告，調(diào)用Chrome文檔也不流暢。以后使用MCP協(xié)議估計(jì)效果會(huì)更好。
在基礎(chǔ)語(yǔ)言模型方面，最大的更新是發(fā)布最新開(kāi)源模型 Gemma 3 。
最大僅為27B，性能超越DeepSeek V3、o3mini，為全球第二強(qiáng)開(kāi)源模型，僅次于DeepSeek R1，但是模型小很多，達(dá)到差不多的性能。
其他幾個(gè)模型分別為 1B、4B、12B 和 27B，微型模型意味著可在手機(jī)、電腦上跑。
雖然模型小，但是各方面能力都具備。比如增強(qiáng)文本和視覺(jué)能力，可理解文本、圖片、短視頻。 支持128K上下文窗口 ，支持函數(shù)調(diào)用，支持AI 代理開(kāi)發(fā)，自動(dòng)執(zhí)行任務(wù)。
不僅是通用LLM模型更新，Google還在具身智能領(lǐng)域做了很大的改進(jìn)。
Google DeepMind 推出基于 Gemini 2.0 研發(fā)的新一代 機(jī)器人 AI 模型Gemini Robotics 。
首先是具備泛化能力：Gemini Robotics利用Gemini 2.0的世界理解能力，機(jī)器人能夠處理未見(jiàn)過(guò)的新物體、新指令和新環(huán)境，甚至完成訓(xùn)練中未見(jiàn)過(guò)的新任務(wù)。
在綜合泛化基準(zhǔn)測(cè)試中，Gemini Robotics的性能比其他最先進(jìn)的VLA模型高出一倍以上。
例如，它能完成未訓(xùn)練過(guò)的任務(wù)，如扣籃一個(gè)新籃球。-
其次是交互性：它能理解日常語(yǔ)言指令（包括不同語(yǔ)言），并快速響應(yīng)環(huán)境或指令的變化。例如，當(dāng)物體被移動(dòng)時(shí)，它能迅速重新規(guī)劃行動(dòng)路徑，無(wú)需額外輸入即可繼續(xù)任務(wù)。
然后還具有靈活性與靈巧性：通過(guò)多模態(tài)推理（結(jié)合視覺(jué)、語(yǔ)言和動(dòng)作），機(jī)器人能精確操控物體，完成多步驟任務(wù)。支持執(zhí)行需要精細(xì)動(dòng)作的復(fù)雜任務(wù)，如折疊紙鶴、將零食裝進(jìn)拉鏈袋或輕柔放置眼鏡。
要知道，一開(kāi)始，Google在大模型這波生成式AI浪潮中確實(shí)落后了。通過(guò)這兩年的蟄伏，Google還是證明了其技術(shù)儲(chǔ)備，完成了一場(chǎng)AI逆襲。
視頻內(nèi)容推薦：
主理人交流：
加入AI鯨英社群，和上千CEO、資本和大牛一起共話(huà)未來(lái)！
Anthropic CEO最新預(yù)言：90%程序員的飯碗年內(nèi)不保！
熱門(mén)跟貼