加载中...
Gemini是谷歌发布的一系列大模型的名称，是谷歌前期大模型Bard产品的替代品。从Gemini 1.0发布开始，每一次发布都获得了不错的反响。今天，Google发布了最新一代的Gemini 2.0模型，首个产品是其参数规模较小的Gemini 2.0 Flash，它的推理速度是Gemini 1.5 Pro的2倍，但是各项评测结果上的表现却超过了Gemini 1.5 Pro。该模型完全免费提供给大家使用。
欢迎关注 DataLearner 官方微信，获得最新 AI 技术推送
Gemini 2.0 Flash Experimental是谷歌发布的Gemini 2.0系列中的第一个模型，名字带着Experimental也意味着当前是测试版模型，并非正式版本。但是，Google官方宣传2.0系列模型相比前面的模型有巨大的性能提升，它可以是实现“智能体的体验”，专注于增强AI完成任务的能力。
在具体介绍Gemini 2.0 Flash模型之前，我们先对这个Gemini Flash系列模型简单介绍一下，这样大家更能理解这个模型的情况。
Gemini Flash系列并不是在最早的Gemini系列模型中。2023年12月份，Google发布了Bard模型的升级版本Gemini系列，当时发布的时候仅包含Gemini Ultra、Gemini Pro和Gemini Nano，参数规模依次递减，其中Nano系列是移动端的模型（这部分的信息可以参考此前DataLearnerAI的博客介绍：谷歌发布号称超过GPT-4V的大模型Gemini：4个版本，最大的Gemini的MMLU得分90.04，首次超过90的大模型）。**在2024年5月份，Google发布了Gemini 1.5系列，同时发布了第一个Gemini Flash模型，即Gemini 1.5 Flash。**其定位是性能略低于Gemini 1.5 Pro，但是速度更快。2024年9月份，Google发布了Gemini 1.5 Flash更新版，大版本号未变，但是能力增强。同时，将5月份发布的Gemini 1.5 Flash更名为Gemini 1.5 Flash-001，9月份发布的Gemini 1.5 Flash-002。
时隔三个月之后的今天，Google发布了Gemini 2 Flash Experimental模型，该模型能力再次加强！Gemini 2 Flash的设计目标是比前代模型更强大、更快速，为AI模型性能设定新的基准。
本次发布的Gemini 2.0 Flash Experimental是一个实验性质的模型，因此，版本号带了Experimental。其主要特性总结如下：
从谷歌官方的介绍看，Gemini 2.0 Flash不仅仅是一个模型升级，更代表了AI智能体技术的范式转变。它标志着大模型从简单的内容生成向真正理解、规划和执行复杂任务的智能系统的转变。
Gemini 2.0 Flash Experimental 展现了下一代AI代理（AI Agent）的强大潜力，其核心能力在于实现了多模态交互、实时响应和原生工具集成的有机融合。这一模型不仅提升了AI系统在复杂场景中的执行能力，还为开发者创造了全新的可能性。
Gemini 2.0 Flash Experimental模型在评测基准上提升很大，相比较此前的模型，其对比结果如下：
Gemini 2 Flash Experimental模型在代码生成和数学能力上的具有显著突破，即使相比较Gemini 1.5 Pro来说，提升也很明显，特别的：
这两个指标尤其重要，因为它们体现了模型在高复杂度、高专业性任务上的实质性进步。特别是代码生成和高难度数学问题的显著提升，意味着Gemini 2.0 Flash Experimental在处理专业、技术性极强的任务上已经达到了新的水平。这也可能是Google宣称该模型可以AI Agent发展的底气。
尽管Google没有开源Gemini 2 Flash模型，但是在Experimental阶段，它却提供给大家免费使用。在Google官方的Gemini网站上目前大家已经可以体验，而对于开发者Google也提供了的免费的API接口。
对于开发者提供的Gemini 2.0 Flash Experimental接口有如下限制：
虽然不多，但也不错了。关于Gemini 2.0 Flash Experimental的详细信息参考DataLearnerAI的模型信息卡：https://www.datalearner.com/ai-models/pretrained-models/gemini_2_flash_exp
| FACTS Grounding |
| 能够基于文档和多样化的用户请求提供事实性正确的回答。基于内部数据集测试 |
| 82.9% |
| 80.0% |
| 83.6% |
| 数学 | MATH | 挑战性数学问题（包括代数、几何、预备微积分等） | 77.9% | 86.5% | 89.7% |
| HiddenMath | 比赛级别的数学问题，使用类似AIME/AMC的隐藏数据集测试，由专家制作且未在网络上公开 | 47.2% | 52.0% | 63.0% |
| 推理 | GPQA (diamond) | 由生物学、物理学和化学领域专家撰写的挑战性问题数据集 | 51.0% | 59.1% | 62.1% |
| 长上下文理解 | MRCR (1M) | 新型的、诊断性的长上下文理解评估 | 71.9% | 82.6% | 69.2% |
| 图像 | MMMU | 多学科大学水平的多模态理解和推理问题 | 62.3% | 65.9% | 70.7% |
| Vibe-Eval (Reka) | 在聊天模型中对日常挑战性场景进行视觉理解。使用Gemini Flash模型作为评估器测试 | 48.9% | 53.9% | 56.3% |
| 音频 | CoVoST2 (21种语言) | 自动语音翻译（BLEU评分） | 37.4 | 40.1 | 39.2 |
| 视频 | EgoSchema (测试) | 跨多个领域的视频分析 | 66.8% | 71.2% | 71.5% |
