界面新聞記者 | 李京亞

OpenAI空前崛起之際，谷歌毅然打響了絕地反擊戰。

北京時間12月7日凌晨，谷歌CEO桑達爾?皮查伊和Deepmind CEO戴密斯·哈薩比斯在谷歌官網聯名發文，官宣了最新多模態大模型Gemini 1.0（雙子星）版本正式上線。這個上線時間早于外界猜測的明年1月，保密程度很高，僅有少數媒體提前猜出。

Gemini 1.0是谷歌籌備了一年之久的GPT4真正競品，也是目前谷歌能拿出手的功能最為強悍、適配最為靈活的大模型，包括三種不同套件，分別是Gemini Ultra, Gemini Pro和Gemini Nano。其中Ultra的能力最強，復雜度最高，能夠處理最為困難的多模態任務；Pro能力稍弱，是一個可擴展至多任務的模型；Nano則是一款可以在手機端側運行的模型。這說明，Gemini的觸達范圍很廣，可以下探至數據中心，也可以上行至移動設備端側。

谷歌的Bard聊天機器人，此番也已經升級到了Gemini，可以說Gemini的初始版本已于今日開始在Bard中提供。從5月的I/O大會之后，谷歌就將自己此前最強的人工智能模型PaLm 2融入了Gemini的能力之中。

在一段公布的演示視頻中，桑達爾?皮查伊展示了Gemini對視頻、圖像的非同凡響的識別能力。在視頻中，Gemini極為自如地在圖像、音頻、視頻各模態之間的轉換，展現了驚人的解鎖應用場景與產品形態的潛力。 

僅從谷歌釋出的演示視頻結果看，市面上現有的全部多模態大模型與Gemini的性能表現都有代際差，包括Meta 5月開源的跨6個模態的AI模型ImageBind以及GPT-4。

今年4月開始，隨著多模態技術不斷升級，以及疊加模型調用成本等性能的優化，GPT4及國內外一眾模型持續迭代，實現了跨模態性能的不斷增強。一時間，多模態大模型呈百花齊放之勢。但有國內頭部大模型初創開發工程師對界面新聞記者表示，現今絕大部分多模態大模型都是在大語言模型LLM之上生長出多模態的應用，而并非從頭開始訓練的多模態的大模型，這是多模態大模型目前“不能言說的秘密”。

谷歌自己也提到，到目前為止，創建多模態模型的標準方法基本是針對不同模態訓練單獨的組件，然后將它們拼接以粗略模仿其中一些功能。這會導致這些模型有時擅長執行某些任務，例如描述圖像，但難以處理更概念性和復雜的推理。

其通過60頁的相關技術報告證明，Gemini是一個真正原生的多模態大模型，因為從最初的預訓練數據開始，Gemini就在針對不同模態的模型進行訓練，因此其功能在每個重大領域都達到了SOTA（State of the art，特指領先水平的大模型）。

在權威MMMU基準測試中，Gemini Ultra獲得了59.4%的SOTA分數。這項基準測試是經典的多模態測試，由跨不同領域的多模式任務組成，能夠體現大模型的深度推理能力，而推理過程本身，需要花費的成本要遠遠高于模型訓練。谷歌技術報告同時顯示，谷歌是使用TPUv5e和TPUv4來訓練Gemini，尤其是訓練Gemini Ultra時，使用了跨多個數據中心的大量TPUv4。

多模態能力之外，Gemini在專業知識儲備和高級編碼等領域都處在最前列。比如，Gemini Ultra在MMLU（大規模多任務語言理解數據集）中的得分率高達90.0%，這款MMLU數據集包含數學、物理、歷史、法律、醫學和倫理等57個科目，專門用于測試大模型的知識儲備和解決問題能力。Gemini Ultra是第一個在MMLU上超越人類專家的大模型。

值得一提的是，谷歌此番并沒有透露Ultra和Pro版本的具體參數規模，但根據量子位的分析，Gemini與谷歌此前的主力大模型PaLM-2相比，參數規模上要增大許多。此前，PaLM-2被曝參數規模為3400億。

谷歌方面表示，Gemini將通過谷歌產品推向數十億用戶。從12月13日開始，開發者和企業客戶可以通過Google AI Studio或Google Cloud Vertex AI中的Gemini API訪問Gemini Pro。 

今天凌晨，谷歌還同步發布了最新版本的計算芯片TPU v5p，相較上一代TPU v4性價比提升2.3倍，但這則消息完全被Gemini的光芒所掩蓋。