发展历程

• 2023 年 4 月，Alphabet（谷歌母公司）首席执行官桑达尔・皮查伊合并了两个大型人工智能团队，开启相关研究计划。
• 2023 年 5 月，谷歌在开发者大会上透露正在开发 AI 大模型 Gemini。
• 2023 年 8 月，谷歌在其面向印度和日本用户的搜索工具中引入了生成式人工智能。
• 2023 年 9 月，向少数公司开放了其对话式人工智能软件 Gemini 的早期版本。
• 2023 年 12 月 6 日，推出 Gemini 1.0 版本，包括 Gemini Ultra、Gemini Pro 和 Gemini Nano 三个不同规格。
• 2024 年 2 月 15 日，发布 Gemini 1.5。
• 2024 年 5 月 15 日，更新升级 Gemini 1.5 Pro 版本，同时推出 Gemini 1.5 Flash 轻量化小模型。
• 2024 年 12 月 12 日，发布 Gemini 2.0，第一个版本为 Gemini 2.0 Flash。
• 2025 年 2 月 5 日，宣布产品线全面上新，包括正式版 Gemini 2.0 Flash、Gemini 2.0 Flash - Lite 以及新一代旗舰大模型 Gemini 2.0 Pro 实验版等。

模型特点

• 多模态能力强：能够理解和处理文本、图像、音频、视频等多种输入类型，并支持原生图像和多语言音频输出，还可集成谷歌搜索、代码执行以及第三方用户定义函数等工具。
• 上下文窗口大：如 Gemini 2.0 Flash 能处理多达 100 万 tokens 的上下文窗口，Gemini 2.0 Pro 实验版有 200 万 tokens 的超长上下文窗口。
• 性能表现优：Gemini Ultra 在 MMLU（大规模多任务语言理解数据集）中的得分率高达 90.0%，首次超越了人类专家。Gemini 2.0 Pro 实验版在通用、代码、推理、多模态、数学、长文本、图像、音视频等 13 项测试中，在 Gemini 系列中取得 11 个第一名。
• 安全评估全面：应用对抗性测试技术，依据 AI 原则和严格的产品安全政策，增加新保护措施，与外部专家合作进行压力测试，建立安全分类器识别和过滤有害内容。

模型版本

• Gemini Ultra：能力最强，可在各种高度复杂的任务中提供先进的性能，包括推理和多模态任务。
• Gemini Pro：适用于多任务，在成本和延迟方面进行了性能优化，具有推理功能和广泛的多模态能力。
• Gemini Nano：最高效的模型，用于特定任务和移动设备，训练了针对低内存和高内存器件的两个版本，参数分别为 1.8B（Nano - 1）和 3.25B（Nano - 2）。
• Gemini 2.0 Flash：适用于大规模、高容量、高频率的任务，拥有多模态推理能力，支持多模态输入和文本单模态输出。
• Gemini 2.0 Flash - Lite：被称为 “迄今为止最具成本效益的模型”，每输入一百万 tokens 的费用仅为 7.5 美分，具备 100 万 tokens 的上下文窗口并支持多模态输入。
• Gemini 2.0 Flash Thinking：推理模型，以 Gemini 2.0 Flash 的速度和性能作为原型，经过训练后可将指令分解成一系列步骤，以加强推理能力并提供更好的反应，目前只支持文本和图片输入。

应用领域

• 智能客服：构建智能客服系统，自动回答用户问题，提供更人性化的交互体验，处理更广泛和复杂的查询。
• 内容创作：帮助内容创作者进行文本生成，如写作故事、诗歌、新闻报道等，还支持多语言翻译和文本摘要提取。
• 金融领域：用于金融领域的数据分析和风险控制，帮助企业做出更准确的决策。
• 医疗领域：可用于医疗领域的文本分析和诊断辅助，自动分析医疗文献和病历，为医生提供诊断支持。
• 教育领域：用于教育领域的知识问答和智能评估，为学生提供个性化的学习资源和评估反馈。
• 搜索引擎：利用机器学习技术，更快速、准确地搜索信息，提供更精准的搜索结果和个性化推荐内容。