財聯社2月16日訊（編輯 史正丞）在本周之前，如果被問及「地球上最強的AI模型是哪個？」時，絕大多數人都會下意識地指向OpenAI去年11月釋出的GPT-4 Turbo。然而，幾個月過去，這個問題的答案已經悄然發生變化。
當地時間周四，谷歌突然釋出「下一代AI模型」——Gemini 1.5。相較於更新叠代的速度（註：谷歌去年12月才剛釋出Gemini 1.0），新一代模型展現出的生產力暴增更是勾起了業界強烈的興趣。
（來源：谷歌）
核心爆點：一次性處理一百萬tokens
作為新版本最大的亮點，Gemini 1.5版本中第一個登場的多模態通用模型Gemini 1.5 Pro，把穩定處理上下文的上限擴大至100萬tokens。這裏需要強調的是，雖然字面表達是「上下文」，但AI模型已經跨入多模態時代，新出的前沿大模型基本都支持處理文字、程式碼，以及圖片、語音、視訊等富媒體。
橫向對比，兩個月前釋出的Gemini 1.0 Pro上下文理解限制為3.2萬tokens，老對手OpenAI的GPT-4 Turbo也只支持12.8萬tokens。
（來源：谷歌）
Token這個概念可能有一點繞。換一種方式來解釋，就是能夠一次性丟給Gemini 1.5 Pro 超過70萬個單詞的文本、3萬行程式碼、11個小時的音訊，或1個小時的視訊，然後指揮它幹活。對大模型而言，上下文視窗是對套用場景的最主要限制——若無法「讀」完50萬字的檔，自然就無法進行處理。
之所以能一次性處理大量資料，是因為谷歌的模型采用了「多專家模型」（MoE）的演算法，意味著回應需求時只會跑整體模型的一部份，這樣回應速度更快，谷歌處理起來也更省事。
谷歌CEO皮查伊也透露，谷歌的研究人員已經成功測試過1000萬tokens的上下文視窗。這意味著未來的AI模型能做到一次性處理【權力的遊戲】全本（目前已經出版的5本書全文總數達到173萬個單詞）。
值得一提的是，目前谷歌開放給開發者的測試版本中，Gemini 1.5 Pro的token限制只有12.8萬個。不過谷歌DeepMind的CEO德米斯·哈薩比斯直言不諱地表示，後續會推出新的收費層級，供解鎖100萬tokens的版本。作為對比，目前使用谷歌Gemini 1.0 pro模型的訂閱服務每月收費19.99美元。
（Gemini 1.5 Pro各項能力顯著強於1.0 pro，甚至能與1.0 ultra進行比較）
能給些實際案例麽？
在周四放出的演示視訊中，谷歌的研究人員上傳了一份402頁的阿波羅登月計劃實況語音轉寫文件，並畫了一張「靴子落地」的圖片，要求AI在檔中尋找這個時刻的資訊。隨後，大模型準確找到太空人踏上月球時的對話，並準確標註出文件中的位置。
另外，研究人員還上傳了一段44分鐘的影片，要求AI尋找「從衣服口袋裏掏出紙片的時刻，並詳細描述紙片上的內容」，毫無疑問，AI準確輸出了提問者想要的內容。
同時，研究人員上傳了手繪的「人被水龍頭澆」的圖片，AI也順利在影片中找到類似的畫面。
解鎖更多專業場景
在技術文件中，谷歌也給出了一個有趣的用例：丟給AI一本Kalamang語（全球大概只有數百人熟練掌握）的語法書，然後對數個模型進行英語至Kalamang語，以及Kalamang語至英語的轉譯測試。測試按0-6分進行評價，其中6分為完美轉譯。
結果顯示，Gemini 1.5 Pro在Kalamang語轉譯至英語的測試中是現今表現最好的模型，而在英語轉譯至Kalamang語的測試中，更是拿到5.52分的評價，比起真人語言學習者的5.6分只差一步之遙。不要忘了，AI僅僅花了幾分鐘輸入一本語法書而已。
與此同時，由於GPT-4 Turbo和Claude 2.1都有文本視窗的限制，只能看完「半本語法書」，所以輸出的結果大致處於無法套用的範圍。
谷歌CEO皮查伊表示，對於企業套用而言，更大的上下文視窗大有脾益。上市公司可以一次性載入大量的財務數據，而電影制片人則能上轉整部電影，並詢問影評人可能會說些什麽。
而對於更廣泛的「吃瓜群眾」而言，谷歌的這次出手，無疑給OpenAI敲響警鐘——GPT-4 Turbo釋出已經4個月了，什麽時候拿出新一代的大模型呢？
