Gemini是Google DeepMind推出的全新ai模型，集成了多模态推理功能，超越了以往模型的性能，适用于科学文献洞察、竞争性编程等多种应用场景。

Gemini是从头开始构建的多模态，这意味着它可以概括和无缝理解、操作和组合不同类型的信息，包括文本、代码、音频、图像和视频。

Gemini官网地址：deepmind.google/technologies/gemini/（需科学上网）

Gemini 也是我们迄今为止最灵活的型号——能够在从数据中心到移动设备的所有设备上高效运行。其最先进的功能将显著增强开发人员和企业客户使用 AI 构建和扩展的方式。

Google DeepMind针对三种不同的尺寸优化了第一个版本 Gemini 1.0：

Gemini Ultra — 我们最大、最强大的型号，适用于高度复杂的任务。

Gemini Pro — 我们用于扩展各种任务的最佳型号。

Gemini Nano — 我们最高效的设备端任务模型。

Gemini 1.0 经过训练，可以同时识别和理解文本、图像、音频等，因此它可以更好地理解细微的信息，并可以回答与复杂主题相关的问题。这使得它特别擅长解释数学和物理等复杂学科的推理。

另外，Gemini 1.0 复杂的多模态推理功能可以帮助理解复杂的书面和视觉信息。这使得它在发现在大量数据中难以辨别的知识方面具有独特的技能。它通过阅读、过滤和理解信息从数十万份文件中提取见解的卓越能力将有助于在从科学到金融的许多领域以数字速度实现新的突破。

Gemini能够从数据列表中制作图表，分析数百页的研究，然后更新图表。它给出的另一个例子是分析一个人的数学作业的照片，并使用双子座来识别正确答案并指出错误答案。

Gemini在几个方面与 GPT-4 有质的不同：

1.Gemini可以原生输出图像和文本，而 GPT-4 只输入图像。我们还没有没见到在别的大模型中拥有此功能。

2. Gemini可以本地输入视频和音频以及图像——谷歌对大量合法访问的多样化数据的访问正在这里发挥作用。特别是视频理解会非常有趣。