此前我们曾对比过OpenAI GPT-4 Turbo与Anthropic Claude 2.1的性能。如今，Google全新AI模型Gemini正式登场，本文将重点解析其与GPT-4的核心差异。
Gemini与GPT-4上下文窗口对比
作为首发版本，Gemini 1.0分为三类：处理复杂任务的旗舰版Gemini Ultra、扩展多任务的中坚版Gemini Pro以及面向设备端的高效版Gemini Nano。其中，Gemini拥有3.2万token的上下文窗口。
相比之下，OpenAI标准GPT-4模型的上下文窗口为8千token，但其也提供3.2万token版本；而GPT-4 Turbo更是达到了12.8万token。此外，Anthropic的Claude 2.1模型在长文本处理上表现突出，支持约20万token的输入。
多模态能力深度评测
Gemini是原生多模态AI模型，能从预训练阶段无缝理解并融合文本、图像、音频、视频及代码等多种信息。GPT-4虽也被定义为多模态模型，但Gemini通过额外的多模态数据微调，进一步提升了跨模态效率。
在多模态能力实测中，Gemini Ultra在多个维度超越GPT-4。虽然在自然视觉理解、图像OCR及视觉数学推理方面两者差距微小，但在大学水平跨学科推理和信息图表理解领域，Gemini的优势显著扩大。
在音视频处理方面，对比DeepMind Flamingo、SeViLA及Whisper等模型发现：Gemini Pro在21种语言的自动语音翻译中优于Whisper V2；在62种语言的自动语音识别测试中，其错误率仅为7.6%，远低于Whisper 3的17.6%。同时，Gemini Ultra在英语视频字幕生成上领先DeepMind Flamingo，在视频问答任务上则优于SeViLA。
Gemini Ultra vs GPT-4 综合性能
官方数据显示，在日常常识推理任务中，GPT-4以95.3%的准确率领先于Gemini Ultra（87.8%）；但在逻辑推理、数学计算及代码编写等高阶能力上，Gemini Ultra已成功反超GPT-4。
除GPT-4外，技术文档还将Gemini与GPT-3.5、PaLM2-L、Claude 2、Inflection-2、Grok 1及LLAMA-2进行了横向测评。结果显示，在Python编码任务中，Claude 2的表现甚至优于GPT-4。整体而言，GPT-4与Claude 2通常稳居第一梯队且数值接近，而Gemini Ultra已在多项核心指标上实现了对GPT-4的超越。