OpenAI香槟开早了？谷歌开始反击，Project Astra正面硬刚GPT-4o！

昨天 OpenAI 发布了 ChatGPT-4o 后，Google I/O 面临了巨大的压力，仿佛 Google 无论如何也摆脱不了「AI 界的汪峰」这一称号。

短短一天之后，一年一度的「科技界春晚」Google I/O 开发者大会正式开幕。在长达 110 分钟的主 Keynote 中，Google 提到了多次人工智能。谷歌自己统计了一下：总共提到了 121 次 AI。

生成式 AI 的竞争最近又达到了新的高潮，本次 I/O 大会的内容自然全面围绕人工智能展开。

「一年前在这个舞台上，我们首次分享了原生多模态大模型 Gemini 的计划。它标志着新一代的 I/O，」谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）说道。「今天，我们希望每个人都能从 Gemini 的技术中受益。这些突破性的功能将进入搜索、图片、生产力工具、安卓系统等方方面面。」

24 小时前，OpenAI 故意抢先发布 GPT-4o，通过实时的语音、视频和文本交互震撼了全世界。今天，谷歌展示了 Project Astra 和 Veo，直接对标了目前 OpenAI 领先的 GPT-4o 与 Sora。

在 I/O 大会上，谷歌展示了最新版 Gemini 加持的搜索能力。

25 年前，谷歌通过搜索引擎推动了第一波信息时代的浪潮。现在，随着生成式 AI 技术的演进，搜索引擎可以更好地帮你回答问题，利用上下文内容、位置感知和实时信息能力。

基于最新版本的定制化 Gemini 大模型，你可以对搜索引擎提出任何你想到的事情或需要完成的事——从研究到计划到想象，谷歌将负责所有工作。

简单来说，有了 AIGC 的 Google Search，可以做到更多事情：

无论你在想什么，无论你需要完成什么，只要问问 Google Search，它就能找到答案。

而 Google Search 的一切进化，都是建立在专为其定制的 Gemini 模型上。

在生态系统上，谷歌拥有先天优势，但大模型的基础非常重要。为此，谷歌整合了自身团队和 DeepMind 的力量。在今天的 I/O 大会上，DeepMind 的 CEO 德米斯·哈萨比斯（Demis Hassabis）首次登台，亲自介绍了神秘的新模型。

如果说前两天的 GPT-4o 是 AI 再一次给世界带来了一点震撼，那么今晚 Google 官宣的 Project Astra 则是这一震撼的延续。

Project Astra 是 GoogleMind 的原型——一个通用人工智能助手。

和 GPT-4o 的使用效果类似，用户可以通过 Project Astra 与 AI 实时对话，以及进行视频聊天。

去年12月，谷歌推出了首款原生多模态模型Gemini 1.0，分为Ultra、Pro和Nano三种尺寸。仅仅几个月后，谷歌发布了新版1.5 Pro，性能得到了显著提升，并且上下文窗口扩展到了超过100万token。

现在，谷歌宣布在Gemini系列模型中进行了一系列更新，推出了新的Gemini 1.5 Flash（一款追求速度和效率的轻量级模型）和Project Astra（谷歌对未来人工智能助手的愿景）。

目前，1.5 Pro和1.5 Flash均已提供公共预览版，并在Google AI Studio和Vertex AI中支持100万token的上下文窗口。除此之外，1.5 Pro还通过候补名单向使用API的开发者和Google Cloud客户提供了200万token的上下文窗口。

此外，Gemini Nano 也从仅支持纯文本输入扩展到支持图片输入。今年晚些时候，谷歌将从Pixel设备开始推出多模态Gemini Nano。这意味着手机用户不仅能够处理文本输入，还能够理解更多的上下文信息，如视觉、声音和口语。

新的1.5 Flash模型针对速度和效率进行了优化。

1.5 Flash 是 Gemini 模型系列的最新成员，也是 API 中速度最快的模型。它针对大规模、大批量、高频任务进行了优化，提供了更具成本效益的服务，并具备突破性的长上下文窗口（100 万 token）。

改进后的 Gemini 1.5 Pro 将上下文窗口扩展到了 200 万 token。

谷歌提到，现在已有超过 150 万的开发人员在使用 Gemini 模型，超过 20 亿的产品用户受益于 Gemini 的技术。

1.5 Pro 现在能够遵循越来越复杂和细致的指令，包括指定涉及角色、格式和风格的产品级行为的指令。此外，谷歌还允许用户通过设置系统指令来引导模型行为。

谷歌在 Gemini API 和 Google AI Studio 中添加了音频理解功能，因此 1.5 Pro 现在可以对 Google AI Studio 中上传的视频、图像和音频进行推理。此外，谷歌还将 1.5 Pro 集成到 Google 产品中，包括 Gemini Advanced 和 Workspace 应用程序。

Gemini 1.5 Pro 的定价为每 100 万 token 3.5 美元。

事实上，Gemini 最令人兴奋的转变之一是对 Google 搜索的影响。

在过去的一年里，作为搜索生成体验的一部分，Google 搜索回答了数十亿个查询。现在，人们可以使用它以全新的方式进行搜索，提出新类型的问题、更长、更复杂的查询，甚至使用照片进行搜索，并获得网络上最优质的信息。

谷歌即将推出 Ask Photos 功能。以 Google Photos 为例，该功能大约在九年前推出，如今用户每天上传的照片和视频数量超过 60 亿张。人们喜欢使用照片来记录和搜索他们的生活，而 Gemini 让这一切变得更加简单。

假设你正在停车场付款，但不记得自己的车牌号码。之前，你可以在照片中搜索关键字，然后滚动浏览多年的照片，寻找车牌。现在，你只需询问照片即可快速找到所需的信息。

虽然 GPT-4o 并不完美，但它确实正确地掌握了形式因素。用安德烈的比喻来说，LLM 就像操作系统，我们需要模型本地支持尽可能多的文件扩展名。

谷歌做对了一件事：他们终于在将人工智能整合到搜索框中做出了认真的努力。Gemini 不必是最好的，但它可以成为最广泛使用的一个。

1.个性化求职指导：专业导师会根据你的情况，提供简历修改和面试建议，为你制定求职方案。
2.职业规划辅导：职业规划师会帮你明确职业目标并制定计划，评估你的技能和兴趣，助你求职成功。
3.求职资源和网络：我们提供独家求职资源和行业信息，与多家公司合作，提供实习和全职机会，还可以与优秀求职者交流。
4.职业技能培训：课程助你提升求职技能，如简历撰写、面试技巧等，增强竞争力。
5.持续支持和跟进：我们将与你进行长期合作，提供职业发展咨询和指导，持续关注你的发展并提供帮助。