写点什么

谷歌发布首个“王炸”推理大模型,剑指 o1:推理速度碾压其他大模型,水平堪比理科博士

  • 2024-12-20
    北京
  • 本文字数:1607 字

    阅读完需:约 5 分钟

大小:740.01K时长:04:12
谷歌发布首个“王炸”推理大模型,剑指o1:推理速度碾压其他大模型,水平堪比理科博士

在 OpenAI “12 天马拉松”发布的第 11 天,他们平平无奇的发布又被谷歌抢了风头。

 

刚刚,谷歌发布了实验性的“Gemini 2.0 Flash Thinking”模型,它以令人印象深刻的推理能力而闻名,可以“明确地展示自己的思维”来解决复杂问题,其水平与物理、化学和生物学博士生相当。

 

谷歌 CEO Sundar Pichai 在社交网络 X 上的一篇文章中写道,这是“我们迄今为止最周到的模型,”还配上了笑脸。

 

顾名思义,它建立在“2.0 Flash 的速度和性能”之上。谷歌表示,它“经过训练可以大声思考”,从而“具有更强的推理性能”。 

 

为了与 OpenAI 的 o1 竞争,谷歌 DeepMind 首席科学家 Jeff Dean 在 X 上的一条发文中表示,该模型“经过训练,可以使用思维来加强其推理能力”,同时还受益于速度更快的 Gemini Flash 2.0 模型。



Dean 分享的演示展示了 Gemini 2.0 Flash Thinking 如何通过“思考”一系列步骤,然后再提供解决方案,从而解答物理问题。谷歌分享了几个跨物理和概率的演示:

 

00:00 / 00:00
    1.0x
    • 3.0x
    • 2.5x
    • 2.0x
    • 1.5x
    • 1.25x
    • 1.0x
    • 0.75x
    • 0.5x
    网页全屏
    全屏
    00:00


    00:00 / 00:00
      1.0x
      • 3.0x
      • 2.5x
      • 2.0x
      • 1.5x
      • 1.25x
      • 1.0x
      • 0.75x
      • 0.5x
      网页全屏
      全屏
      00:00


      00:00 / 00:00
        1.0x
        • 3.0x
        • 2.5x
        • 2.0x
        • 1.5x
        • 1.25x
        • 1.0x
        • 0.75x
        • 0.5x
        网页全屏
        全屏
        00:00


        Gemini 2.0 Flash Thinking 现已在 Google AI Studio 和 Vertex AI 中推出。它在 Chatbot Arena LLM 排行榜上首次亮相,位居“所有类别第一” 。就在昨天,谷歌在 Gemini 应用程序中推出了 2.0 Experimental Advanced,Gemini-Exp-1206 也位居排行榜榜首。

         


        这不一定是人类那样的“推理”,但这意味着机器将指令分解为可以产生更强结果的更小的任务。

         

        另一个示例由 Google 产品负责人 Logan Kilpatrick 发布,展示了该模型如何推理解决涉及视觉和文本元素的问题。“这只是我们推理之旅的第一步,”Kilpatrick 说。


        更易于理解和更透明的推理

         

        在开发者文档中,谷歌解释说,“思考模式的响应推理能力比基础版 Gemini 2.0 Flash 模型更强”,而基础版 Gemini 2.0 Flash 模型是谷歌最新、最出色的模型,仅在 8 天前发布。

         

        新模型仅支持 32000 个标记输入(约 50-60 页文本),并且每个输出响应可以产生 8000 个标记。在 Google AI Studio 的侧面板中,该公司声称它最适合“多模式理解、推理”和“编码”。

        该模型的训练过程、架构、许可和成本的完整细节尚未公布。目前,它在 Google AI Studio 中显示每个令牌的成本为零。

         

        与 OpenAI 的竞争推理模型 o1 和 o1 mini 不同,Gemini 2.0 允许用户通过下拉菜单访问其逐步推理,从而更清晰、更透明地了解模型如何得出结论。



        通过允许用户了解决策过程,Gemini 2.0 解决了人们对人工智能作为“黑匣子”运行的长期担忧,并使该模型(许可条款仍不明确)与竞争对手的其他开源模型相提并论。

         

        一些开发者对该模型的早期简单测试表明,它可以正确而快速地(1 到 3 秒内)回答一些对于其他 AI 模型来说非常棘手的问题,例如计算“Strawberry”一词中的 R 的数量。(见上面的截图)。 

        原生支持图像上传和分析


        Gemini 2.0 Flash Thinking 是对竞争对手 OpenAI o1 系列的进一步改进,旨在处理跳跃中的图像。

         

        o1 最初是纯文本模型,但后来扩展到包括图像和文件上传分析。目前,这两种模型也只能返回文本。

         

        根据开发者文档显示,Gemini 2.0 Flash Thinking 目前还不支持与谷歌搜索落地,也不支持与其他谷歌应用和外部第三方工具集成。

         

        Gemini 2.0 Flash Thinking 的多模式能力扩展了其潜在用例,使其能够应对结合不同类型数据的场景。

         

        例如,在一项测试中,该模型解决了一个需要分析文本和视觉元素的难题,展示了其跨格式集成和推理的多功能性。

         

        开发人员可以通过 Google AI Studio 和 Vertex AI 利用这些功能,其中模型可供实验。

         

        随着人工智能领域的竞争日趋激烈,Gemini 2.0 Flash Thinking 可能标志着问题解决模型新时代的开始。它能够处理多种数据类型、提供可视化推理并大规模执行,这使它成为推理人工智能市场的有力竞争者,可与 OpenAI 的 o1 系列及其他产品相媲美。

         

        参考链接:

        https://lmarena.ai/?leaderboard

        https://analyticsindiamag.com/ai-news-updates/openai-sets-the-stage-for-agentic-ai-with-chatgpt-desktop-apps-for-mac-and-windows/

        2024-12-20 06:1910795
        用户头像
        李冬梅 加V:busulishang4668

        发布了 1137 篇内容, 共 758.8 次阅读, 收获喜欢 1277 次。

        关注

        评论

        发布
        暂无评论
        发现更多内容

        支持 10 亿日流量的基础设施:当 Apahce APISIX 遇上腾讯

        腾源会

        腾讯云 开源 APISIX OTeam

        【经验分享】RTC 技术系列之视频编解码

        声网

        音视频

        基于线性预测的语音编码原理解析

        拍乐云Pano

        RTC 音频技术 python 数字信号

        前端性能优化实战(一)

        Augus

        JavaScript 9月日更

        工业互联网的两种极端想法和两点反思

        iNeuOS工业互联网操作系统

        大数据 物联网 智能制造 iNeuOS工业互联网

        如何做竞品分析?

        石云升

        产品经理 产品思维 9月日更 产品分析

        进程和处理机管理中的进程控制

        Regan Yue

        操作系统 进程 9月日更 进程控制

        python之深浅拷贝

        秦时明月

        Mp3文件结构全解析(二)

        轻口味

        android 音视频 9月日更

        Alibaba竟流出全套的Java核心技术手册,看过的人都说好!

        Java 程序员 架构 面试 计算机

        腾讯圆梦,我整理收集了这份“2021常见Java面试真题汇总”

        Java 架构 编程语言 java面试

        WAF绕过总结+工具介绍

        网络安全学海

        网络安全 信息安全 渗透测试 WEB安全 漏洞挖掘

        记一下日志引起的bug

        卢卡多多

        日志 9月日更

        阿里独家!GitHub上点击量超百万的「操作系统和计算机网络」PDF震撼开源

        Java 程序员 面试 计算机 Alibaba

        我的9年开源之路:395 Patch、20+Feature,背后只有努力与热爱

        腾源会

        腾讯云 开源 虚拟化 Linux内核 kvm

        中小企业自媒体为何难做:定位不准期望值过高

        石头IT视角

        芯慌遇上造车热,国产芯片的机会到了?

        脑极体

        定时任务 Crontab 中的特殊字符

        耳东@Erdong

        crontab 9月日更

        网络攻防学习笔记 Day146

        穿过生命散发芬芳

        9月日更 招投标

        【重磅】Apache InLong(incubating) 发布 0.10.0 版本

        腾源会

        Apache 开源 InLong

        深入探讨区块链价值及其对世界的影响

        CECBC

        20+互联网公司Java面试考点大全,全网首发,应有尽有

        Java 程序员 编程语言 java面试

        2022前端react面试题汇总

        buchila11

        React

        流程控制之for循环

        秦时明月

        CPU虚拟化,磁盘虚拟化,内存虚拟化,io虚拟化

        hanaper

        Nebula Graph 源码解读系列 | Vol.02 详解 Validator

        NebulaGraph

        图数据库 源码学习 分布式图数据库

        数字化的田亩里,华为正写一首陶渊明的诗

        脑极体

        将进一步提高数字人民币的可得性 构建分布式数字身份认证体系

        CECBC

        数据仓库和数据湖比较

        奔向架构师

        数据湖 9月日更

        如何用时序数据库 CTSDB 与 TARS 结合,解决海量监控数据难题

        腾源会

        数据库 大数据 开源 TARS CTSDB

        java虚拟机GC学习笔记一

        风翱

        GC 9月日更

        谷歌发布首个“王炸”推理大模型,剑指o1:推理速度碾压其他大模型,水平堪比理科博士_Google_李冬梅_InfoQ精选文章