都被OpenAI Sora刷屏了？其实谷歌也推出了新产品--Gemini 1.5 Pro，超长上下文、多模态应用

chatgpt中文网2024-02-20188

先做个广告：如需代注册帐号或代充值Chatgpt Plus会员，请添加站长客服微信：gptchongzhi

最近几日，大家可能都被OpenAI的Sora模型给刷屏了，但其实谷歌也发布了其新产品--Gemini 1.5 Pro模型，只不过推出的时间选的不是时候。Gemini 1.5 Pro模型可以处理大量信息，从视频到代码，无所不能。它不仅突破了上下文窗口长度，达到了100万个tokens，还展现了出色的理解和推理能力。

突破性能

推荐使用GPT中文版，国内可直接访问：hhttps://ai.gpt86.top

Gemini 1.5 Pro的亮点之一是其处理能力的突破。相比之前的版本，Gemini 1.5 Pro将上下文窗口长度扩展到了100万个tokens，这意味着它能够同时处理大规模的信息，包括长达1小时的视频、11小时的音频，甚至超过3万行的代码或70万字的代码库。这一突破性能的实现，使Gemini 1.5 Pro在长篇文本、视频、音频和代码等多种形式的信息处理上都展现出了强大的能力。

多模态应用

Gemini 1.5 Pro的功能不仅局限于文本处理，它还具备了多模态应用的能力。无论是对视频、音频还是图像，Gemini 1.5 Pro都能够进行复杂的推理和理解。例如，它可以分析视频中的情节和事件，甚至推理出细节被遗漏的部分；对于音频，它能够识别不同的音频模式和语音内容；而在图像方面，它可以识别图像中的对象和场景，做出相关推断。这使得Gemini 1.5 Pro在多种应用场景下都具备了广泛的适用性，为用户提供了更加全面和深入的服务。

长上下文理解

Gemini 1.5 Pro不仅在信息处理能力上有所突破，还在长上下文理解方面取得了重要进展。通过将上下文窗口容量从之前的32,000个tokens扩展到100万个tokens，Gemini 1.5 Pro能够更全面地理解长篇文本中的信息，并进行更深层次的推理和分析。这使得Gemini 1.5 Pro在处理复杂的任务时表现出了更高的准确性和效率，为用户提供了更加优质的服务和体验。

情境学习技能

除了对已有信息的理解和推理能力，Gemini 1.5 Pro还展现了令人印象深刻的“情境学习”技能。通过学习长时间提示的信息，Gemini 1.5 Pro能够获取新技能，无需额外的微调。这一能力在稀有语言转译等任务中尤为突出，使得Gemini 1.5 Pro的性能远超其他大型模型，与人类水平相当，为跨语言交流提供了全新的可能性。

为此，谷歌工作人员进行了一项测试，让各个大模型进行整本书的机器翻译。翻译目标语言选择了使用者不足200人的Kalamang语，并进行准确的英译卡翻译。由于该语言非常小众，因此网络上几乎搜不到该语言的信息，模型只能依赖输入的上下文进行翻译。

谷歌工作人员向模型提供了针对Kalamang语的500页参考语法、2000条双语词条，以及400个额外的平行句子，合计25万tokens的信息量。Gemini 1.5 Pro需要吸纳这一信息流，将其转化为有效的翻译知识。

测试结果显示，Gemini 1.5 Pro对整本书的翻译得分几乎可与人类学习者媲美，并在核心测试中远超同行业的佼佼者GPT-4 Turbo与Claude 2.1。

应用前景

Gemini 1.5 Pro的发布将为各行各业带来全新的应用前景。在教育领域，它可以为学生提供更加个性化、深入的学习辅助；在医疗领域，它可以帮助医生快速准确地诊断疾病；在金融领域，它可以进行复杂的风险分析和预测。同时，Gemini 1.5 Pro还可以为个人用户提供更加智能、便捷的个性化服务，为他们的日常生活提供更多便利。无论被抢了风头还是被轻视忽略，Gemini 1.5 Pro展现出的潜力和能力已让世人瞩目。