Google“绝地反击”OpenAI新模型GPT-4o

d03b9a5797648a3acd5dc3934cc68632.png

ab3208faf53b1cb87889d99f033697ba.jpeg

69224ce42f7de2c05787c9adad44e264.png




大数据产业创新服务媒体

——聚焦数据 · 改变商业

昨天被OpenAI的最新多模态大模型GPT-4o抢尽了风头,今天谷歌在I/O开发者大会上做出“绝地反击”,产品更新处处对标OpenAI。

会前,谷歌上传了一个视频在自己的官方推特上,内容是一个人将手机镜头对着I/O舞台与Gemini聊天。

当被问到在镜头里看到了什么时,Gemini回答道:“看起来人们正在为一场大型活动做准备,也许是一次会议或演示。有什么特别的东西引起了你的注意吗?”

当被要求分析舞台上显示的字母含义时,Gemini说这些字母代表谷歌I/O,随后根据新的提示,Gemini表示表示它很高兴在大会上了解人工智能的新进展以及它们如何在日常生活中帮助人们。

它流畅、类似人类的说话语气,和对周边环境的识别能力,都让人不得不想起昨天才推出的GPT-4o。

和GPT-4o一样,这应该只是最新Gemini的内测版本,还未向公众开放。GPT-4o目前也只向用户提供文本和图像功能,实时语音模式会在来几周内推出。

稍后在大会上,谷歌展示了其语音AI助手Gemini Live和多模态AI项目Project Astra,这两个项目可能为新的Gemini提供了技术支持。

Gemini Live支持实时互动,用户可以随时打断和聊天机器人的会话。通过和Google Lens集成,它支持用户通过录制和解说视频进行网络搜索,充分利用了其大上下文窗口的优势,使用户能够迅速访问大量信息,从而使与AI助手的互动更加自然和顺畅。

Gemini Live将提供10种语音选项,会在今年晚些时候上线,届时Google会将Gemini Live开放给Gemini Advanced订阅者。

Project Astra由谷歌DeepMind实验室负责人代米斯·哈萨比斯(Demis Hassabis)领导,他设想Astra将是一个随时待命的全能助手,类似于《星际迷航》中的虚构通讯器或电影《她》中的声音,无处不在。

巧合的是,昨天OpenAI的首席执行官萨姆·奥尔特曼(Sam Altman)在推特上也将GPT-4o比作电影《她》。

Astra设计为可以实时操作,通过对话方式回答问题或协助完成任务,支持多种交互方式,包括语音、文字、绘图、摄影和视频。

在展示视频中,Astra帮助谷歌伦敦办公室的员工找到里他丢失的眼镜,并对白板上的代码进行了检查等等,这一切实际上都是以对话的方式实时进行的。

这还不算最“针锋相对”的,在大会上,谷歌首席执行官桑达尔·皮查伊(Sundar Pichai)和一众高管们不停的在演讲中强调“我们的Gemini在诞生之初就是按照多模态路径去打造的”,似乎是在“狠狠打脸”刚推出首个多模态大模型GPT-4o的OpenAI。

当然,谷歌对旗舰AI模型Gemini也进行了更新。最新版Gemini 1.5 Pro将添加更大的上下文窗口,从之前最多支持100万个token到后续将能够处理200万个token。

Gemini 1.5 Pro 于二月份推出,是一款专为跨任务扩展优化的中型多模态模型(mid-size multimodal model),配备了能够支持128,000 个 token 的上下文窗口。通过 AI Studio 和 Vertex AI,一小部分开发者和企业客户可以使用100万个token的扩展上下文窗口。这意味着Gemini 1.5 Pro最多能够一次性处理 1 小时的视频、11 小时的音频、超过 30,000 行的代码库,或分析超过 700,000 个单词的文档。

速度更快,效率更高也更便宜的的Gemini 1.5 Flash也在此次大会上被推出。Gemini 1.5 Pro起始价格为7 美元/100万token, Gemini 1.5 Flash起始价格为0.35 美元/100万token。

今天开始,开发者可以通过Google AI Studio 和Vertex AI对Gemini 1.5 Flash进行试用。

588cd7b4bb227d194ca8f48fa87ec38c.png

谷歌表示,Gemini 1.5 Pro将很快在Workspace的侧面板中提供,实现跨应用程序的工作流程自动化。

Gemini还被引入谷歌相册。在新功能“Ask Photos”的帮助下,用户可以直接通过聊天机器人查询照片,而无需再手动翻阅成千上万张照片。例如,如果你想知道自己的车牌号码,只需问Gemini:“我的车牌号是多少?”而无需输入关键词“车牌”并浏览所有相关照片。Gemini将智能地识别并提取属于你的车辆的车牌号码。这项功能计划在今年夏天晚些时候向所有谷歌相册用户推出。

在此次AI模型产品线的更新中,还包括将在六月推出新一代开放AI模型Gemma 2。这个基于新架构构建的模型具有270亿参数,在性能上优于比它大两倍的模型,并且可以在Vertex AI中的单个 TPU 主机上运行。此外,谷歌还推出了Gemma系列中的首个视觉语言模型PaliGemma。值得注意的是,今年早些时候推出的Gemma模型仅包含20亿参数和70亿参数的版本,这次的更新显著扩大了模型的规模和能力。

LearnLM,一个基于Gemini并针教育研究做了微调的模型,也在大会上被推出。

4c1e5ba18baa15876d7a503c740563af.png

还有对标Dall-E 3的新图像模型Imagen 3,号称具有“令人难以置信的细节水平”,可实现逼真且AI痕迹更少的图像。

383d4546aa8c39e0d1f3a114240062bf.png

(由Imagen 3生成的图片

在OpenAI展示文本转视频模型Sora三个月后,谷歌推出了竞争产品Veo:它支持多种视觉和电影风格,能够生成超过一分钟的高质量1080p分辨率视频。

Veo号称拥有高级自然语言理解功能,能够精准理解包括“延时摄影”和“空中景观镜头”在内的电影专业术语。

在这次Google I/O开发者大会上,AI依旧是所有话题的中心,几乎每一个功能更新都与AI紧密相关。例如,Gemini继续优化谷歌搜索;Gemini与Gmail的更紧密集成;类似于微软的Copilot办公助手的Gemini AI Teammate;安卓手机将引入更多的AI服务等。

从本次发布会的展示来看,谷歌和OpenAI之间的差距似乎正在逐渐缩小。两家公司不仅在技术层面进行了激烈的角逐,也在推动AI应用于更广泛场景的能力上各显神通。很难说谁是最终的赢家,但我们确定的是竞争将促使两者不断创新,推出更多前沿技术和解决方案。

会议的最后,被网友戏称为“劈柴哥”的首席执行官幽默地提到,他替大家数了数,这次发布会一共提到了120次AI。

2f2a4c56bde4c0bcf2c8540dd327387d.png

文:王茜茜 / 数据猿
责编:凝视深空 / 数据猿

e59775ee91fe35bcf7db6fb08814a89b.jpeg

3698490241f7d4b3e2064d298a8a251e.png

c4e0e651969ea26b485a5596a2d700aa.png

0eb552f2857ee05c75a3258faca5fc72.jpeg

ddb89be487c152d34a07dd432de68833.png

  • 10
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
基于C++&OPENCV 的全景图像拼接 C++是一种广泛使用的编程语言,它是由Bjarne Stroustrup于1979年在泽西州美利山贝尔实验室开始设计开发的。C++是C语言的扩展,旨在提供更强大的编程能力,包括面向对象编程和泛型编程的支持。C++支持数据封装、继承和多态等面向对象编程的特性和泛型编程的模板,以及丰富的标准库,提供了大量的数据结构和算法,极大地提高了开发效率。12 C++是一种静态类型的、编译式的、通用的、大小写敏感的编程语言,它综合了高级语言和低级语言的特点。C++的语法与C语言非常相似,但增加了许多面向对象编程的特性,如类、对象、封装、继承和多态等。这使得C++既保持了C语言的低级特性,如直接访问硬件的能力,又提供了高级语言的特性,如数据封装和代码重用。13 C++的应用领域非常广泛,包括但不限于教育、系统开发、游戏开发、嵌入式系统、工业和商业应用、科研和高性能计算等领域。在教育领域,C++因其结构化和面向对象的特性,常被选为计算机科学和工程专业的入门编程语言。在系统开发领域,C++因其高效性和灵活性,经常被作为开发语言。游戏开发领域中,C++由于其高效性和广泛应用,在开发高性能游戏和游戏引擎中扮演着重要角色。在嵌入式系统领域,C++的高效和灵活性使其成为理想选择。此外,C++还广泛应用于桌面应用、Web浏览器、操作系统、编译器、媒体应用程序、数据库引擎、医疗工程和机器人等领域。16 学习C++的关键是理解其核心概念和编程风格,而不是过于深入技术细节。C++支持多种编程风格,每种风格都能有效地保证运行时间效率和空间效率。因此,无论是初学者还是经验丰富的程序员,都可以通过C++来设计和实现系统或维护旧系统。3
该资源内项目源码是个人的课程设计,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! ## 项目备注 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。 该资源内项目源码是个人的课程设计,代码都测试ok,都是运行成功后才上传资源,答辩评审平均分达到96分,放心下载使用! ## 项目备注 1、该资源内项目代码都经过测试运行成功,功能ok的情况下才上传的,请放心下载使用! 2、本项目适合计算机相关专业(如计科、人工智能、通信工程、自动化、电子信息等)的在校学生、老师或者企业员工下载学习,也适合小白学习进阶,当然也可作为毕设项目、课程设计、作业、项目初期立项演示等。 3、如果基础还行,也可在此代码基础上进行修改,以实现其他功能,也可用于毕设、课设、作业等。 下载后请首先打开README.md文件(如有),仅供学习参考, 切勿用于商业用途。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值