谷歌Gemini 2.0 Flash Thinking升级版上下文扩展至1M，重登Chatbot Arena榜首，多模态能力再提升，并探索3D数据应用。
原文标题：1M长上下文，满血版Gemini 2.0又一次登上Chatbot Arena榜首
原文作者：机器之心
冷月清谈：
谷歌发布了 Gemini 2.0 Flash Thinking 的升级版本，其上下文窗口长度扩展至 1M，再次登顶 Chatbot Arena 排行榜。该模型强调推理能力，并能在多轮对话中自我纠错。升级版模型在数学、科学和多模态推理能力方面都有显著提升，尤其在数学能力测试中提升了 54%。谷歌表示，该模型的长上下文能力并非简单的信息堆积，而是能够连贯地运用积累的信息完成任务。除了文本能力的提升，Gemini 2.0 还展示了强大的多模态理解能力，能够根据语音提示操作网页元素，并融合语音、视觉和动作信息。谷歌透露，他们正在探索 3D 数据的应用，并已取得初步成果。目前，Gemini 系列模型的交互界面整合在 Google AI Studio 中，提供 API 密钥获取、提示词创建、实时对话、APP 开发等功能，但界面和文档仍有待完善。谷歌强调，他们的目标是打造全面均衡的通用模型，而非在特定领域表现突出。
怜星夜思：
1、100万token的上下文长度是什么概念？对实际应用有什么影响？
2、Gemini 2.0 Flash Thinking 的“思维过程展示”功能，除了提升用户理解外，还有什么意义？
3、谷歌强调“全面均衡”的模型发展理念，这与其他厂商的策略有何不同？这种策略的优劣势是什么？
2、Gemini 2.0 Flash Thinking 的“思维过程展示”功能，除了提升用户理解外，还有什么意义？
3、谷歌强调“全面均衡”的模型发展理念，这与其他厂商的策略有何不同？这种策略的优劣势是什么？
原文内容
机器之心报道
编辑：佳琪、蛋酱
就在国内各家大模型厂商趁年底疯狂卷的时候，太平洋的另一端也没闲着。
就在今天，谷歌发布了 Gemini 2.0 Flash Thinking 推理模型的加强版，并再次登顶 Chatbot Arena 排行榜。
谷歌 AI 掌门人 Jeff Dean 亲发贺信：「我们在此实验性更新中引入了 1M 长的上下文，以便对长篇文本（如多篇研究论文或大量数据集）进行更深入的分析。经过不断迭代，提高可靠性，减少模型思想和最终答案之间的矛盾。」
试用链接：https://aistudio.google.com/prompts/new_chat
让我们回忆一下：2024 年 12 月 20 日，横空出世的 ，曾让 OpenAI 的十二连发黯然失色。
Gemini 2.0 Flash Thinking 基于 Gemini 2.0 Flash，只是其经过专门训练，可使用思维（thoughts）来增强其推理能力。发布之初，这款大模型就登顶了 Chatbot Arena 排行榜。
在技术上，Gemini 2.0 Flash Thinking 主要有两点突破：可处理高达 1M token 的长上下文理解；能在多轮对话和推理中自我纠错。
Gemini 2.0 Flash Thinking 的一大亮点是会明确展示其思考过程。比如在 Jeff Dean 当时展示的一个 demo 中，模型解答了一个物理问题并解释了自己的推理过程，整个过程耗时 1 分多钟。
而另外一位研究者表示，Gemini-2.0-Flash-Thinking-Exp-01-21 这款最新模型的实际体验比 Jeff Dean 描述的还要快。
再看 Gemini 2.0 Flash Thinking 的成绩，那也是相当亮眼，和前两代 Gemini 1.5 Pro 002、Gemini 2.0 Flash EXP 相比，Gemini 2.0 Flash Thinking 在 AIME2024（数学能力测试）、GPQA Diamond（科学能力测试）和 MMMU（多模态推理能力）进步迅速，特别是数学成绩，提升了 54%。
从折线图来看，即使是比较对象是一个月前的自己，也取得了显著的提升。
与此同时，在 AGI House 举办的活动中，Jeff Dean 和研究科学家 Mostafa Dehghani 透露了更多 Gemini 2.0 Flash Thinking 和 Gemini 2.0 的细节。
进入 Gemini 2.0 Flash Thinking 的互动界面，可以发现谷歌把 Gemini 系列所有模型都放在了这个称为「Google AI Studio」的界面。
从左侧的菜单来看，我们可以在这里一站式地获得 API 密钥、创建提示词、访问实时对话、开发 APP。平台还提供了模型调优、资源库管理、Drive 访问集成等进阶功能，并配备了提示词库、API 文档、开发者论坛等支持资源。
但这个界面上的功能就像「集市」一样分散，藏得比较深的功能入口似乎并不用户友好，也缺乏介绍模型能力的文档。Jeff Dean 对此表示，当模型不再是实验版而是正式发布时，谷歌将提供完整的技术报告，他们现在的主要目标是让用户试用，再根据更多反馈改善。
Gemini 2.0 Flash Thinking 的互动界面
此外，谷歌的开发理念更偏向「全面均衡」。「我们不希望模型在某些领域特别突出，而其他领域表现欠佳 —— 比如在读 X 射线时表现出色，但解读核磁共振时却很糟糕。」Jeff Dean 补充道：「我们的目标是打造一个真正有实力的通用模型，能够完成用户期待的各类任务。这需要持续改进：我们会收集用户反馈，了解模型在哪些方面做得好，哪些方面做得不够好。然后，获取更多人们关心的数据来提升，确保模型在各个方向都有进步，而不是局限在某个小范围内 —— 虽然在数学等特定领域，有时也会进行专门优化。」
Gemini 2.0 Flash Thinking 主推的亮点是超长的上下文窗口。不过，众所周知，很多具备长上下文窗口能力的 AI 模型都有个通病：聊着聊着就「变傻」了，说的话前言不搭后语，或者就直接「摆烂」，跳过上下文中的大段信息。
Jeff Dean 表示，Gemini 2.0 Flash Thinking 真正能做到在对话过程中保持连贯的思维，并灵活运用之前积累的信息来完成当前的任务。因相比混合在一起的数千亿训练数据，上下文窗口的信息对于模型来说非常清晰，因此，上下文窗口的信息对于 Gemini 2.0 Flash Thinking 来说，就像你让把一张普通轿车的图片改成敞篷车一样，模型能准确理解每个像素，然后一步步完成修改。
而从下面这个 demo 来看，Gemini 2.0 理解多模态的能力已经跃升了一个台阶。它可以根据语音提示，实时改变这三个小圆的排布，排成一行放在界面顶部，或者排列成一个雪人。更夸张的是，Gemini 2.0 对语音、视觉和动作的融会贯通已经达到了你说想要紫色的圆，它知道要把红色和蓝色的圆重叠在一起调色的境地。
想要如此精准地理解网页界面的布局和内容，需要强大的边框识别能力。Jeff Dean 揭秘，这来自 Project Mariner。Project Mariner 是一个研究性的实验项目，旨在探索人类将如何与 AI 智能体互动，第一步就是让 AI 理解并操作网页浏览器。
Project Mariner 的能力类似于 Claude 的「computer use」，可以实时访问用户的屏幕，理解浏览器中图像的含义。
传送门：https://deepmind.google/technologies/project-mariner/
当被问及 Gemini 系列模型是否要向更多模态进发时，Jeff Dean 的回答是：目前谷歌正在瞄准 3D 数据，而且已经有了很好的结果。
看来谷歌还攒了不少存货，下一个突破会在哪个领域？让我们拭目以待。
参考链接：
https://x.com/rohanpaul_ai/status/1881858428399722948
https://x.com/demishassabis/status/1881844417746632910
https://deepmind.google/technologies/gemini/flash-thinking/
https://x.com/agihouse_org/status/1881506816393380041
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：liyazhou@jiqizhixin.com