Google放大招 推出下一代模型：Gemini 1.5
Gemini 1.5具有100万token的上下文理解能力，是目前最强！
具有跨模态理解和推理：能够对文本、代码、图像、音频和视频进行高度复杂的理解和推理。
允许分析1小时视频、11小时音频、超过30,000行代码或超过700,000字的文本。
Gemini 1.5 的介绍
1、性能提升：Gemini 1.5在多个维度上展现出显著的性能提升，特别是在处理长上下文信息的能力上实现了重大突破，可以连续处理高达100万个标记（tokens），拥有迄今为止所有大型基础模型中最长的上下文窗口。
2、高效架构：Gemini 1.5采用了新的Mixture-of-Experts（MoE）架构，使模型更高效地进行训练和服务，同时在维持类似于1.0 Ultra模型的质量的同时，减少了计算需求。
3、长上下文窗口：这一特点允许Gemini 1.5处理并分析大量信息，比如1小时的视频、11小时的音频、超过30,000行代码的代码库或超过700,000字的文本。
4、跨模态理解和推理：Gemini 1.5能够对不同模态的内容（包括文本、代码、图像、音频和视频）进行高度复杂的理解和推理，例如，分析44分钟的默片并准确捕捉情节要点和细节。
5、增强性能：在文本、代码、图像、音频和视频评估的综合面板上测试时，Gemini 1.5 Pro在用于开发我们的大型语言模型（LLMs）的87%的基准测试中表现优于1.0 Pro，并且与1.0 Ultra在同样的基准测试中表现大致相当。
工作原理
• MoE技术：通过将模型划分为较小的“专家”神经网络，并根据输入类型选择性激活最相关的专家路径，MoE技术大大提高了模型的效率。
通过一系列机器学习创新，Gemini 1.5能够处理和分析前所未有的信息量，为开发者和企业客户提供全新的能力，帮助他们的模型和应用。这一长上下文窗口的能力特别适用于需要处理大量数据和复杂情境的应用场景，如深度分析大型文档、视频内容理解、复杂代码分析和多模态数据融合等。
详细：https://blog.google/technology/ai/google-gemini-next-generation-model-february-2024/#sundar-note
- 复制链接
- 举报
