12月6日深夜，Google（谷歌）推出了“迄今为止，功能最强大、最通用的人工智能大语言模型”Gemini（双子星）。Gemini经过了广泛使用的32个基准测试，在其中大部分基准测试中，表现出了“最先进的性能”，不仅击败了OpenAI的GPT-4，甚至在MMLU（大规模多任务语言理解）基准测试中，成为第一个超越人类专家的模型。摘要：12月7日上午，上述算法工程师体验了实际搭载GeminiPro的Bard，并就多模态能力方面，对Gemini与GPT-4进行了对比测试。这位算法工程师实际使用对比后的感受是，Gemini达到了上述目的，但这是否表明其已经对GPT-4形成了“全面超越”？...
“这是人工智能模型的巨大飞跃，最终将影响几乎所有的Google产品。”谷歌CEO Sundar Pichai（桑达尔·皮查伊）与DeepMind CEO Demis Hassabis（德米斯·哈萨比斯）联名表示。
Gemini最早是在今年5月举行的开发者大会上公布的，当时宣布将有不同尺寸和功能应用场景的设计。Gemini是由Google DeepMind开发出的原生多模态模型，该项目启动于今年4月20日。谷歌与DeepMind合并后，成立了Google DeepMind，并宣布将公司的资源结合，创新研发大模型以对标OpenAI的GPT-4。今年6月以来，Gemini系统的强大性引起了广泛关注。
Gemini共有Ultra、Pro和Nano三个版本，分别适用于不同场景，其中Ultra版可用于大型数据中心等，属于处理高复杂度任务的模型；Pro版则用于各种扩展任务，已被搭载于谷歌的对话机器人Bard中；Nano版则是应用于智能手机等移动设备终端上的模型。
Gemini模型的训练数据集既多模态又多语言，来自网络文档、书籍和代码的数据，包括图像、音频和视频数据等。谷歌拿自家海量云存储的图片进行了预训练，将模型的多模态能力提升到了新的高度。
Gemini Pro的多模态能力可以抗衡GPT-4，而且可以免费使用，相比之下，GPT-4有时间限制。Gemini模型的强大性引起了人们对其与GPT-4的比较和竞争的关注。
Gemini的技术报告中提到的多达八百余人的作者名单展示了谷歌在Gemini模型开发与技术创新方面投入的AI人才之多。Gemini能够证明原生多模态训练的范式是可行的，且容易扩展到视频格式，这一技术路线备受期待。
Gemini的技术报告中也提到了数据质量对于高性能模型至关重要的观点，谷歌表示将继续寻找预训练的最佳数据集分布方案。Gemini将在更多的产品和服务中得到应用，为后续Gemini的迭代提供有力支持。
