在2024年5月15日凌晨,谷歌在美国加利福尼亚州山景城举办了年度开发者大会I/O 2024。这次发布会由谷歌CEO桑达尔·皮查伊(Sundar Pichai)主持,全程历时两小时。在这场会议中,皮查伊共提及“AI”121次,展示了多项重磅产品和技术更新。
在谷歌I/O 2024开发者大会上,谷歌发布的一系列新品旨在全面应对OpenAI的GPT-4o、DALL-E 3和Sora。
l 对标GPT-4o模型能力:Gemini 1.5 Pro和Gemini 1.5 Flash
新特性:
① 扩展上下文窗口:Gemini 1.5 Pro的上下文窗口从100万个token扩展到200万个token,显著提升了处理长文本和复杂任务的能力。
② 轻量化版本:Gemini 1.5 Flash响应速度更快,成本更低,每百万tokens仅需0.35美元,适用于摘要、聊天应用、图像和视频字幕等任务。
l 对标Sora:视频生成模型Veo
新特性:
① 高质量视频生成:Veo能够根据文本和图像生成高质量1080P视频,具有细节丰富和动作逼真的特点。
② 理解电影技术:Veo能够理解和应用复杂的电影和视觉技术,如延时拍摄,提供更高质量的视频内容。
l 对标GPT-4o交互能力:AI智能体Project Astra
新特性:
① 多模式交互:Project Astra具备实时、多模式的交互能力,能够通过摄像头和语音实时识别并反馈用户周围的物体和环境信息。
② 高级视觉处理:Project Astra能够记住物体的位置并进行语音互动,展示了强大的视觉和语音处理能力。
l 对标DALL-E 3:AI媒体创作模型Imagen 3
新特性:
① 文本到图像生成:Imagen 3是最新的文本到图像生成框架,能够生成高质量的图像,提供与DALL-E 3类似的图像生成能力。
② 高级语义理解:Imagen 3具备对自然语言和视觉语义的高级理解,能够生成用户所需的任何图像。
l 对标GPT-4o音频能力:音频NotebookLM
新特性:
① 音频功能:NotebookLM升级采用全新Gemini 1.5 Pro模型,实现类似语音助手的音频功能。
② 智能分析和解释:NotebookLM能够分析材料并用自然语言解释,甚至回答复杂的问题。
谷歌期望通过这些新品发布,展示其在AI领域的强大实力和创新能力,全面应对OpenAI的挑战。