OpenAI 发布会插足第 5 天，带来了 ChatGPT 与 Apple 建造的集成升级。用户无需 ChatGPT 账号就能在莳植中启用 Apple Intelligence 推广，体验 Siri 的复杂任务转交、内容创作、iPhone 16 视觉智能形状，以及 macOS 上的快捷调勤劳能。
演示内容也很不祥：用户对 Siri 说"让 ChatGPT …"后，央求即被 ChatGPT 摄取；长按 iPhone 16 侧边录像头限定键绽放相机，点击" ask "调用 ChatGPT 分析拍摄内容；在 macOS 双击 Command 键激活 ChatGPT，快速分析索求长 PDF 文档信息。
直播仅连续 12 分钟，由于大多早已在 Apple 的 demo 中见过，合座看来平平无奇。
而今生动正的高光时刻，来自 Google。
当地时间清晨，Sundar Pichai、Demis Hassabis 和 Koray Kavukcuoglu 招引发文，重磅官宣 Google 迄今最雄壮、有益适配全新"代理期间"的下一代模子 Gemini 2.0。并认真发布该系列首个版块：Gemini 2.0 Flash 实验版。
性能超 1.5 Pro，多模态紧要打破，原生器具集成
Gemini 2.0 Flash 以低延迟和增强性能为中枢，代表了 Google 在 AI 模子开拓鸿沟的最高水平。
比拟前代模子，Gemini 2.0 Flash 在保持快速反应的基础上性能显耀擢升。在 MMLU、编程、数学、推理等关键基准测试中不仅超越了 1.5 Pro 的发达，速率更擢升了一倍。
多模态方面，2.0 Flash 杀青了卓绝式进展：除撑持图像、视频、音频等多模态输入外，还新增了多模态输出功能，包括原生的图文混杂生成和多言语文本转语音。
同期，模子还能原生调用 Google 搜索、施行方法代码，并撑持用户自界说的第三方器具接入。
开拓者撑持：多模态及时 API
为匡助开拓者构建更丰富的动态交互利用，Google 同步推出了一款新的多模态及时 API，撑持及时音视频流输入和多器具组合调用。
咫尺，开拓者可通过 Google AI Studio 和 Vertex AI 平台使用 2.0 Flash 实验版的多模态输入和文本输出功能。而文本转语音和原生图像生得手能暂时仅向早期互助伙伴开放，瞻望将在来岁 1 月杀青更大范围的功能开放和模子版块更新。
巨匠用户可用，新增接头利器 Deep Research
在用户端，2.0 Flash 实验版已整合至 Gemini 聊天佑手中，巨匠用户不错通过桌面和移动网页版的模子下拉菜单看望，移动利用集成也将于不久后推出。
Google 正在搜索中的 AI 概览功能中测试 Gemini 2.0 的高档推理才智，以匡助解答更复杂和多身手的问题，并谋划在明岁首推广到更多 Google 家具中。
稀奇值得一提的是，针对 Advanced 付用度户，Google 今天还推出一项全新的 Deep Research功能。
它专为复杂在线接头联想，能在用户建议问题后基于 Gemini 1.5 Pro 自动创建多身手接头谋划，齐集和分析全网关系信息，并凭证反馈握住优化，最毕生成一份包含深入信息和准确开首的空洞敷陈。大幅简化繁琐耗时的接头进程，号称科研职责者福音，PhD 狂喜。
为" Agent 元年"打造的 AI 模子
Gemini 2.0 系列模子定位显然，平直就是" AI model for the agentic era " 。
Pichai 示意，以前一年 Google 一直专注于开拓具备更强代理才智的模子，这类模子能深入会通用户所处环境，具备多步预判念念维，并在监督下施行相应操作。结合此前发布的 Genie 2，Google 的空间智能和寰宇模子愿景已自大无疑。
Hassabis 更直言 2025 年将是" Agent 元年"，称 Gemini 2.0 Flash 的原生用户界面交互、多模态推理、长陡立文会通、复杂提示施行与谋划、函数调用组合以及原生器具使用等，将使其成为畴昔 agent 式职责的中枢撑持模子，进一步接近打造"通用助手"的愿景。
本次发布中，Google 展示了一系列基于 2.0 Flash 新才智的原型名堂进展，包括：
Project Astra：现实寰宇中的通用智能助手
本年 I/O 大会上，Google 初度展示了具备多模态会通才智、撑持即时语音交互的 Project Astra。获利于 Gemini 2.0 的加持和 Android 测试者的反馈，最新版块的 Astra 杀青了以下关键升级：
• 对话才智全面擢升：撑持多言语及混杂言语相易，能更准确会通不同口音和漠视词汇。
• 器具调用升级：原生集成 Google 搜索、Lens 和舆图功能，显耀擢升了在泛泛生涯中的实用性。
• 牵记增强：能在对话中保持更丰富的陡立文信息，撑持长达 10 分钟的会话牵记，为用户带来愈加个性化的交互体验。
• 延迟优化：通过新一代流媒体和音频会通时间，将反应速率擢升至接近东谈主类对话水平。
Project Mariner：浏览器中的复杂任务助手
Project Mariner 是 Google 探索东谈主机交互畴昔的实验性 agent 家具，专注于擢升浏览器内复杂任务的处理才智。
依托 Gemini 2.0 的先进推理才智，它大致全面会通和分析浏览器屏幕上的各类信息，包括像素数据、文本内容、代码片断、图片素材和表单位素等，并通过一个实验性的 Chrome 推广来匡助用户完成任务。
在揣摸 agent 完成着实网页任务才智的 WebVoyager 基准测试中，Mariner 手脚单一 agent 系统获得了 83.5% 的最初成绩。
不外，该名堂在精准度和反应速率方面仍有擢起飞间。为确保使用安全，Mariner 的操作权限被严格限制，关于在线购物等明锐操作必须经过用户证据，以此在安全性和成果间获得均衡。
Jules：为开拓者联想的 AI 编程助手
Jules 是一款面向开拓者的 AI 入手代码 agent，平直集成到 GitHub 职责流中。获利于 Gemini 2.0 的转换，Jules 不错在开拓者的指引和监督下处理问题、制定谋划并施行代码任务。这别称堂旨在探索 AI agent 如安在开拓者社区中增强出产力，并为畴昔跨鸿沟的 AI 利用铺平谈路。
游戏 agent：买通造谣与现实鸿沟
Google 还共享了一些原型的讳饰彩蛋。
举例在游戏鸿沟， Gemini 2.0 撑持的智能 agent 展示了其在造谣环境中的雄壮适应性。不仅能及时刻析和推理屏幕动作，还能为玩家提供计谋建议。
此前 DeepMind 推出的 Genie 2 能从单张图像生成无穷可玩的 3D 游戏寰宇，而与 Supercell 等开拓商互助的游戏 agent 则在策略和模拟游戏中展示了出色的规章会通和问题处理才智。结合 Google 搜索功能，这些 agent 还能为玩家提供丰富的游戏常识撑持。
Gemini 2.0 的空间智能后劲
此外，Gemini 2.0 在 1.5 版块的基础上，将空间会通才智擢升到了新的高度。通过 AI Studio 推出的全新器具集，开拓者不错更浮浅地探索交融多模态推理的空间智能利用，这不仅体当今造谣场景中，更不错延长至机器东谈主等物理寰宇利用鸿沟。
中枢才智擢升包括：
• 快速空间分析：能以超低延迟识别和分析图像中物体的空间位置关系
• 智能物体识别：撑持图内搜索和匹配，即即是讳饰或疲塌的细节也能准确找出
• 多言语空间标注：结合空间信息杀青智能多言语标注和翻译
• 空间逻辑会通：掌抓物体之间的空间关联，比照什物和对应的影子
• 3D 空间重建：初度将 2D 相片诊治为可交互的 3D 鸟瞰图
在以献艺示中，Gemini 2.0 展现了多个令东谈主印象深入的利用场景：从识别折纸动物偏激投影，到匹配特定图案的袜子，再到提供物品的双语标注，以及分析现实场景中的问题处理有谋划。尤其是新引入的 3D 空间会通功能，虽仍处于早期阶段，却已展现出将平面图像飘浮为立体可交互场景的后劲，为开拓者开启了更深广的利用想象空间。
与 OpenAI 今天黔驴技尽的发布会比拟，Google 带来的 Gemini 2.0 不仅支棱起来，况且是凭实力稳稳赢了一局。
Pichai 示意，咫尺已罕有百万开拓者在使用 Gemini 构建名堂，而 Google 本身也正借助 Gemini 重塑旗下七大中枢家具，用户群体高达 20 亿。
这次 Gemini 2.0 的推出象征着 AI 正从单纯的信息会通向现实任务施行转换开云体育，朝着 " 通用助手 " 的策画迈进。坐拥第六代 TPU 和新发布的量子筹划机 Willow，Google 更像是饰演推进算力极限、杀青出产力跃升、引颈 AGI 发展的阿谁关键变装。
