北京
2月6日消息，美国时间周三，谷歌正式向公众发布Gemini 2.0人工智能模型套件，这是该公司迄今为止推出的“最强大”AI系统。
虽然早在去年12月，谷歌已向开发者和受信任测试者开放了Gemini 2.0的早期版本，并将部分功能集成到自家产品中，但此次标志着该系统的"全面正式发布"。该模型套件包含三大核心模型套件：2.0 Flash作为"主力模型"，专为处理大规模高频次任务优化；2.0 Pro Experimental针对编码性能进行强化；而2.0 Flash-Lite则被定位为"最具成本效益"的轻量化版本。
在定价策略上，Gemini Flash对文本、图像和视频输入的处理费用为每百万token 10美分（token即AI模型处理的最小数据单元，相比而言GPT-4o的输入成本为每百万token 5美元），其精简版Flash-Lite价格更低至0.75美分/百万token。这一系列产品发布是谷歌在AI智能体领域的重要布局。随着科技巨头与初创企业间的AI军备竞赛日趋激烈，包括Meta、亚马逊、微软、OpenAI及Anthropic等公司都在竞相开发能自主完成多步骤复杂任务的智能体系统，而非需要逐步指导的传统AI模型。
谷歌在去年12月的技术博客中阐释："过去一年，我们持续投资研发更具自主性的模型，使其能够深度感知环境、进行多步前瞻性思考，并在用户监督下代为执行操作。"Gemini 2.0不仅实现了原生图像与音频输出的多模态突破，更具备原生工具调用能力，该系列模型将助力我们打造新一代AI智能体，向‘通用型数字助手’的愿景迈进。"
值得关注的是由前OpenAI研究团队创立、获亚马逊投资的Anthropic公司。这家AI新锐去年10月宣布其智能体已具备类人类的计算机操作能力，能够解析屏幕信息、点击按钮、输入文本、浏览网页，并通过各类软件结合实时网络数据完成任务。公司首席科学家贾里德·卡普兰（Jared Kaplan）当时表示："我们的系统能以近乎人类的方式操作电脑，处理包含数十乃至数百个步骤的复杂流程。"
OpenAI近期也推出名为Operator的智能体系统，可自动完成旅行规划、表格填写、餐厅预订等任务。这家微软投资的明星企业将Operator定义为"可联网执行任务的数字代理"。本周早些时候，OpenAI又发布Deep Research功能，支持智能体自主生成深度研究报告。值得注意的是，谷歌在去年12月也推出了同名工具，定位为"能代用户探索复杂课题的研究助手"。
去年12月曾有报道称，谷歌计划在2025年初推出多项AI新功能。公司首席执行官桑达尔·皮查伊（Sundar Pichai）在内部战略会上强调："商业史上，先发优势并非绝对关键，真正的成功在于卓越执行力与产品力。2025年对我们而言，正是兑现产品承诺的关键之年。"（小小）
