文丨Congerry

这个春节假期之间，谷歌做了什么？

近几天，OpenAI又推出了除了ChatGPT外另一大作，Sora。

其实在同一天，谷歌也放出了自己的大杀器：下一代人工智能模型Gemini 1.5。

要知道一周前，谷歌才刚刚宣布将Bard更名为Gemini，并推出了付费订阅 Gemini Advanced（类似ChatGPT Plus）。这使用户可以访问 Google 当时最强大的语言模型 Gemini Ultra 1.0。

仅仅几天后，谷歌就发布了Gemini 1.5。

谷歌发布的首个Gemini 1.5模型是Gemini 1.5 Pro，这是一个中型多模态模型，优化了在广泛任务中的扩展性，并在性能上与迄今为止最大的模型1.0 Ultra相当，同时使用的计算资源更少。

Gemini 1.5 Pro使用了新的混合专家（Mixture-of-Experts，MoE）方法来提高效率。

那Gemini 1.5 Pro有哪些亮点。

首先是长上下文理解的突破。现在，Gemini 1.5 Pro能够处理高达100万个tokens的上下文窗口，这是目前任何大规模基础模型中最长的上下文窗口。

这意味着Gemini 1.5 Pro可以一次性处理大量信息——包括1小时的视频、11小时的音频、超过30000行代码的代码库或超过700000个单词。

其次是对大量信息的复杂推理。Gemini 1.5 Pro可以无缝分析、分类和总结给定提示中的大量内容。

例如，当给出阿波罗11号登月任务的402页记录时，它可以推理整个文档中的对话、事件和细节。

然后Gemini 1.5 Pro可以为不同模态执行高度复杂的理解和推理任务，包括视频。

例如，当给出一部44分钟的无声巴斯特·基顿电影时，模型可以准确地分析各种情节点和事件，甚至推理电影中容易被忽视的小细节。

之后Gemini 1.5 Pro可以在更长的代码块中执行更相关的问题解决任务。

当给定超过100000行代码的提示时，它可以更好地推理示例，提出有用的修改，并解释代码的不同部分是如何工作的。

Gemini 1.5 Pro 的核心功能涵盖文本、代码、图像、视频和音频模式的各种基准测试。谷歌表示，即使在上下文窗口显著增加的情况下，Gemini 1.5 Pro仍然能够保持高水平的性能。

在NIAH评估中，模型能够在包含大量信息的文本块中高效地找到特定的事实或陈述，准确率高达99%。

基于 31 个基准测试，Gemini 1.5 Pro 的胜率比 Gemini 1.0 Pro 高出 87.1%，与1.0 Ultra在相同基准测试中的性能大致相当。

推特网友评价：“Gemini 1.5 Pro 的光芒被 OpenAI 的 Sora 所掩盖，但可能是今年（迄今为止）LLM 能力的最大提升。”

也有网友表示，相较于sora，自己更愿意接受 100 万tokens的能力。

不过即使Sora已经“血洗”社交媒体，但OpenAI并没放松自己的“大本营”。

2月17日，OpenAI开发者在社交平台宣布，GPT-4 Turbo的速率限制（tokens per minute，TPM）在各个层面上都翻倍了，而且所有的每日限制都被取消了。现在，每分钟可处理高达150万TPM的数据。

此前，OpenAI还为ChatGPT增加了“记忆存储”功能。人工智能的竞赛可谓是愈演愈烈。

不过除此之外，根据 The Information 近期报道，OpenAI仍有余力偷袭谷歌“大本营” ，开发搜索引擎。

一年前，微软尝试使用 OpenAI 的技术吸引消费者使用其 Bing 搜索引擎后，谷歌的股价暂时下跌。

当时，微软首席财务官艾米·胡德（Amy Hood）告诉投资者，Bing 从谷歌获得的每一个百分点的市场份额都相当于向微软带来 20 亿美元的广告销售额。

但Bing的市场份额并没有太大变化，这种合作关系未能削弱谷歌的搜索主导地位。要知道谷歌每年的搜索广告收入超过 1500 亿美元，想从中分一块蛋糕的人不在少数。

如果 OpenAI 推出搜索服务，它将进一步加剧与谷歌的竞争。

目前尚不清楚该搜索产品是否会与 ChatGPT 分开，ChatGPT 是 OpenAI 运行的聊天机器人，它还使用 Bing 的网络索引来检索信息来回答一些问题。但在微软数据中心运行的 ChatGPT 回答问题的速度不如谷歌。

上周，当被问及对话式人工智能是否会重塑搜索或使竞争对手取代谷歌时，首席执行官Sundar Pichai说，这项新技术可以为“大型企业和小型企业提供一个机会”来寻找新市场，但认为谷歌在将生成式人工智能与更传统的搜索相结合方面处于领先地位。