北京时间12月7日凌晨，谷歌突然放出了自己“迄今为止最强大、最通用的模型”Gemini。Gemini模型作为谷歌以及全球范围内最先发布的多模态模型，支持在云端以及边缘测运行。

　　相关测试数据表面，Gemini Ultra在MMLU（大规模多任务语言理解）方面优于人类专家的模型，横向对比来看多个任务性能超过GPT-4，因此也被视为GPT-4最为强劲的对手。

　　业内看来，Gemini的横空出世，大模型应用场景将会进一步得到拓展，另一方面也能够带来算力需求的持续升级，同时也为后续包括GPT-5在内的大模型推出带来更多催化。

推出三个版本

　　据了解，Gemini是谷歌筹备了一年之久的GPT-4真正竞品，也是目前谷歌能拿出手的功能最为强悍、适配最为灵活的大模型。Gemini是基于Transformer decoder构建的多模态模型，这种技术能够处理视频、音频和文本等不同内容形式的信息。

　　最新的Gemini模型对比之前的技术，能够进行更复杂的推理，理解更加细微的信息。此次，其第一个版本Gemini 1.0 推出3款不同尺寸模型：Ultra、Pro和Nano。

　　1）Ultra版本是性能最强的版本，在对应的TPU基础设施中能够展现出最高效率，在多项测试中Ultra版本性能超过GPT-4V；

　　2）Pro版本是性价比优化的版本，在推理、多模态等方面也有较强能力，Pro版本具有良好延展性，可以在几周内完成预训练，在多项测试中仅次于GPT-4V，强于PaLM2、Claude2、LLaMA2、GPT3.5等主流大模型；

　　3）Nano版本是通过对其他模型蒸馏得来的4位模型，有1.8B和3.25B两个版本，分别针对低内存和高内存设备，支持在本地部署。

　　目前，Gemini 1.0 现已在多种谷歌产品和平台上推出，包括接入聊天机器人Bard和智能手机Pixel 8 Pro上。未来几个月，Gemini将应用于谷歌更多的产品和服务，如Search、Ads、Chrome和Duet AI。

性能碾压GPT-4？

　　Gemini模型作为谷歌以及全球范围内最先发布的多模态模型，支持在云端以及边缘测运行。相关测试数据表面，Gemini Ultra在 MMLU（大规模多任务语言理解）方面优于人类专家的模型，横向对比来看多个任务性能超过GPT-4。

　　据介绍，从自然图像、音频和视频理解到数学推理，在被大型语言模型研究和开发中广泛使用的32项学术基准中，Gemini Ultra的性能有30项都超过了目前最先进的水平。

　　其中，在 MMLU（大规模多任务语言理解）测试中Gemini Ultra 的得分率为90.0%，是第一个超过人类专家的模型，GPT-4的得分率为86.4%；图像理解方面，在新的MMMU基准测试中，Gemini Ultra的表现也更优，其得分率达59.4%，GPT-4V的得分率为56.8%。

　　另外，Gemini 1.0具有复杂推理能力，通过阅读、过滤以及理解信息，从数十万份文件中提取见解。Google工程师演示了一个Gemini提取“20万份科学研究文献”关键信息的例子。

　　自2021年以来，该研究领域新增了20多万份研究论文，需要更新到原有的研究中。以往，科学研究人员只能手动来处理，现在Gemini能够自动区分和过滤与研究领域相关的文献信息，只需要一顿午饭的时间，Gemini帮科学家读完20万篇论文，并画出了更新数据信息后的新图片。

　　Gemini Ultra目前正在完成大规模的信任和安全检查，在模型的完善过程中，谷歌将向部分客户、开发者、合作伙伴以及安全和责任专家提供 Gemini Ultra，以供其进行早期试验和提供反馈。并将在明年初向开发者和企业客户提供该模型。

对硬件、算法、数据集创新

　　民生证券一份研报点评，通过在超过50个基准测试中对Gemini模型系列进行评估，随着模型规模的增加，Gemini模型在推理、数学/科学、摘要和长文本方面持续提高了质量。在所有六种能力中，Gemini Ultra是最优秀的模型。

　　而Gemini Pro作为Gemini模型家族中第二大的模型，在性能上也非常有竞争力，并且在提供服务时更加高效。

　　该机构称，Gemini训练过程也可对基础设施、算法、数据集进行创新。值得注意的是，谷歌此次还发布了号称“功能最强大”的TPU系统 Cloud TPU v5p，旨在为训练前沿AI模型提供支持。谷歌方面称，相较上一代TPU v4性价比提升2.3倍。

　　而新一代TPU将加速Gemini的开发，帮助开发者和企业客户更快地训练大规模生成式AI模型，从而更快推出新产品和新功能。

　　在算法方面，谷歌使用单控制算法、XLA编译器等技术优化训练过程，还通过预防SDC等问题实现稳定训练。在数据集方面，谷歌通过分词技术提高Gemini训练和推理速度，还通过一系列过滤方法保证用于训练的数据的高质量。

对GPT-5等模型带来催化

　　谷歌Gemini的发布，必然会对其他AI大模型的迭代升级带来新的催化。

　　中信证券分析认为，在当前的搜索场景中，Gemini能够降低大约40%的延迟。对整个产业来讲，谷歌产品化、商业化的推进亦将带来行业整体变化。该机构预计，未来会有越来越多的AI场景与产品的出现，叠加硬件升级、算法优化带来的成本优化，To C产品的进展值得期待。

　　与此同时，该机构还认为，Gemini的发布将进一步带来对多模态模型的更多期待，对产业而言，多模态料将带动算力需求的提升，同时为后续GPT-5等模型的发布将带来更多催化。

　　当前不容忽视的是，Open AI的月用户数从5月开始下降，10月出现回升达到 17 亿。对比谷歌的搜索引擎Bard的用户数为2.6亿。那么，Open AI用户是否会转向谷歌？

　　针对这一问题，国内某头部大模型厂商人士分析认为，短期Open AI仍具优势，但长期来看谷歌具备的海量用户和产品生态将会成为强大势能。

　　相比OpenAI，谷歌积累了海量的PC和手机端用户，拥有海量实时数据（而OpenAI的数据依赖互联网，包括谷歌），并通过在用户手机集成GPT提供如地铁导航方面而拥有大量用户信息。“压力给到了Open AI，需要补齐产品生态，”上述人士如是分析。