Google发布全新的多模态模型Gemini，效果并肩GPT4甚至超越

行业观点Google发布全新的多模态模型Gemini，效果并肩GPT4甚至超越中信建投 人工智能

12月6日，Google发布全新的多模态模型Gemini 1.0，其以Transformer解码器为主体构建，支持文字、音频、图片、视频的输入以及文字和视频输出，通过图像、音频、视频、文本的全面数据训练，Gemini具备强大的跨模态能力，同时具备领先的理解和推理能力。

Gemini 1.0有三个版本：Gemini Ultra用于高度复杂的任务，Gemini Pro用于增强性能和大规模部署，Gemini Nano（18亿和32亿参数）用于端侧设备部署。

性能最为强大的Gemini Ultra在32个测试基准下取得了30个第一的优秀成绩，其中包括12个文本和推理测试，9个图像理解测试，6个视频理解，5个语音识别和翻译。在用于测试人类专家表现的MMLU基准上，Gemini Ultra取得了90.04%的优异成绩，超越了GPT4的87.29%。

Gemini Ultra具备强大的推理能力和多模态理解能力。Gemini Ultra在数学基准测试MGSM和多模态的多学科推理测试MMMU中成绩均优于GPT-4和GPT-4V。通过Youtube的视频数据集训练，Gemini Ultra在字幕任务和零样本视频问答任务中表现优异，展现了强大的视频理解能力和跨时间推理能力，同时Gemini Ultra支持图像生成。

[礼物]Gemini作为Google最新推出的多模态模型取得了重大进步，展现出强大的理解能力和推理能力以及跨模态能力，整体性能并肩GPT4甚至超越。Gemini作为Google重要的技术节点，其将大模型的竞赛推向新高度，需要关注大模型行业可能到来的新一轮技术突破。