新一代Gemini 2.0力抗DeepSeek　从程式码编写到物理模拟全面解放

Jeff Dean：一次生成就能出正确程式码。在 DeepSeek 的强烈攻势下，这次轮到Google坐不住了。

Google公司全面发布 Gemini 2.0 Flash、 Gemini 2.0 Flash-Lite 以及新一代旗舰大模型 Gemini 2.0 Pro 实验版本，并且还在 Gemini App 中推出了其推理模型 Gemini 2.0 Flash Thinking。

下图为三个模型在通用、程式码、推理、事实性、多语言、数学、长上下文、影像、音讯和视频等多领域任务中的效能指标。

在大模型排行榜上，Gemini 2.0-Pro 在 Chatbot Arena 所有类别中排名第一。Pro 版在程式码等复杂任务上表现突出，Gemini Advanced 使用者目前已经可以在 App 上进行试用了。

与此同时，排名并列第三的 Gemini-2.0-Flash 已通过 Google AI Studio 和 Vertex AI 向开发人员广泛开放（价格是 0.1 美元 / M token），Flash-lite 也以更低的成本进入了前十。Google还在 Gemini 应用程序中推出了旗下“推理”模型 Gemini 2.0 Flash Thinking。

新版本 Gemini 2.0 可以做到很多以前做不到的事。Google首席科学家 Jeff Dean 表示 Gemini 2.0 Pro 模型可以编写完整的程式码，包括所有正确的资料结构和搜寻演算法，一次尝试就可以获得正确的资料结构。

更多第三方试用的结果也已陆续出现在社交互联网上，可见 Gemini 2.0 的效能提升明显，可以生成程式码实现一些模拟物理规律的效果。

提示词：创建一个自行动的贪吃蛇游戏，其中 100 条蛇相互竞争。（单次尝试）

提示词：编写一个指令码，显示一个球在旋转的六边形内弹跳。球应该受到重力和摩擦力的影响，并且必须逼真地从旋转的墙壁上弹起，在 p5.js 中实现。（单次尝试）

提示词：编写一个 p5.js 指令码，模拟圆柱形容器真空空间中的 25 个粒子，它们在容器边界内弹跳。为每个球使用不同的颜色，并确保它们留下显示其运动的轨迹。新增容器的缓慢旋转，以便更好地检视场景中发生的事情。确保创建适当的碰撞检测和物理规则，以确保粒子留在容器中。新增外部球形容器。为整个场景新增缓慢放大和缩小效果。

种种迹象表明，进入 2025 年之后，全球大模型领域的竞争烈度又上了一个台阶。Google正式发布 Gemini 2 系列的同时，OpenAI 立即作出回应，宣布将其 AI 搜寻功能面向所有免费使用者开放。

值得注意的是，有媒体报道称在Google发布新模型之际，科技界的注意力仍然集中在 DeepSeek 上。DeepSeek 的模型在效能上媲美甚至超越了美国科技公司提供的领先 AI 模型。与此同时，企业可以通过 DeepSeek 的 API 以相对低廉的价格使用其模型。

Google和 DeepSeek 都在去年 12 月发布了 AI 推理模型，但 DeepSeek 的 R1 模型获得了更多关注。现在，Google可能正试图通过其广受欢迎的 Gemini app，让更多人了解其 Gemini 2.0 Flash Thinking 模型。

至于 Gemini 2.0 Pro，作为Google去年 2 月推出的 Gemini 1.5 Pro 模型的继任者，Google表示它现在是 Gemini AI 模型家族中的领先模型。

在价格方面，Google将继续通过 Gemini 2.0 Flash 和 2.0 Flash-Lite 降低成本。两者均采用单一输入型别的定价模式，取消了 Gemini 1.5 Flash 中对短上下文和长上下文请求的区分。这意味着，尽管 2.0 Flash 和 Flash-Lite 在效能上有所提升，但在混合上下文工作负载下，两者的成本可能低于 Gemini 1.5 Flash。

Google Gemini 2.0 三大模型：全方位加强

Gemini 2.0 Pro 实验版本

首次是新一代旗舰 Gemini 2.0 Pro 实验版本，它是Google迄今为止在编码和复杂指令任务中表现最好的模型。

在 Gemini 2.0 早期实验版本中（如 Gemini-Exp-1206），开发人员已经发现了这些模型的优势和最佳用例，比如编码、复杂指令。

此次，Gemini 2.0 Pro 实验版本进一步强化了这些功能，具备了最强大的编码效能和处理复杂指令的能力，并且比Google此前发布的任何模型都具备更好的理解和推理世界知识的能力。

据介绍，该模型支持了Google最长的 200 万 tokens 上下文视窗，可以处理 2 小时视频、22 小时音讯、6 万+ 行程式码和 140 万 + 单词，从而能够全面分析和理解海量信息。同时，该模型还支持呼叫 Google 搜寻和程式码执行等工具。

目前，Gemini 2.0 Pro 已经作为实验模型提供给 Google AI Studio 和 Vertex AI 的开发人员使用，并且 Gemini Advanced 使用者在桌面和移动装置中也可以体验。

延伸阅读：Google AI聊天机器人向使用者发出死亡威胁　官方回应你满意吗？（点选连结看全文）

Gemini 2.0 Flash

其次来看 Gemini 2.0 Flash，它是Google Flash 系列模型的最新“成员”。

在 2024 年谷歌 I/O 大会上，Gemini 2.0 Flash（实验版本）首次亮相，此后便作为强大的主力模型而深受开发者的喜爱，并最适合大规模处理高容量、高频率任务，并能够通过 100 万 tokens 上下文视窗对海量信息进行多模态推理。

当前，Gemini 2.0 Flash 已经在Google的 AI 产品中向更多人全面开放使用。据介绍，该模型提供了全面的功能，包括原生工具使用。目前支持文本输出，并即将推出影像生成与文本转语音功能，未来几个月还将提供多模态 Live API。

目前，使用者既可以在 Gemini App 中试用该模型，也可以在 Google AI Studio 和 Vertex AI 中使用 Gemini API。

Gemini 2.0 Flash-Lite

最后是 Gemini 2.0 Flash-Lite，它是Google目前为止价效比最高的模型。该模型针对大规模文本输出用例进行了成本最佳化。

Google表示，他们收到了关于 Gemini 1.5 Flash 在价格和速度方面的积极反馈，并希望在保持成本与速度优势的同时继续提升模型质量。因此，Gemini 2.0 Flash-Lite 在效能上更强，在大多数基准测试中均优于 1.5 Flash，并且速度和成本相当。

此外，与 2.0 Flash 一样，Gemini 2.0 Flash-Lite 支持 100 万 tokens 上下文视窗和多模态输入。比如，该模型可以为大约 4 万张不同的照片生成相关的单行字幕（或标题），在 Google AI Studio 付费套餐中仅花费不到 1 美元。

目前，Gemini 2.0 Flash-Lite 在 Google AI Studio 和 Vertex AI 中提供公开预览版。

下图为三个模型的一些引数汇总，可以看出影像和音讯功能即将上线。

改变游戏规则？

Gemini 2.0 全面开放后，其领先能力在机器学习社群被热烈讨论。有评论认为，在这代模型推出后包括 OCR 等一些领域的游戏规则已被改变。

Gemin 2.0 在处理真实文件时已经可以做到极高的准确率和低成本，实测很少会出现具体数值被误读的情况。除了表格解析之外，Gemini 在 PDF 到 Markdown 转换的所有其他方面可以始终提供近乎完美的准确性。所有特性结合在一起，你将获得一个极其简单、可扩充套件且便宜的索引流程。

我们一直在等的大模型技术革命，已经在很多领域出现了。

参考连结：

https://developers.googleblog.com/en/gemini-2-family-expands/

https://blog.google/technology/google-deepmind/gemini-model-updates-
february-2025/

https://techcrunch.com/2025/02/05/google-launches-new-ai-models-and-brings-thinking-to-gemini/

https://news.ycombinator.com/item?id=42952605

延伸阅读：ChatGPT Search开启对话式搜寻新体验　一问一答外还能整合资讯（点选连结看全文）

【本文转自“机器之心”，微信公众号：almosthuman2014】