在 OpenAI “12 天马拉松”发布的第 11 天，他们平平无奇的发布又被谷歌抢了风头。
刚刚，谷歌发布了实验性的“Gemini 2.0 Flash Thinking”模型，它以令人印象深刻的推理能力而闻名，可以“明确地展示自己的思维”来解决复杂问题，其水平与物理、化学和生物学博士生相当。
谷歌 CEO Sundar Pichai 在社交网络 X 上的一篇文章中写道，这是“我们迄今为止最周到的模型，”还配上了笑脸。
顾名思义，它建立在“2.0 Flash 的速度和性能”之上。谷歌表示，它“经过训练可以大声思考”，从而“具有更强的推理性能”。
为了与 OpenAI 的 o1 竞争，谷歌 DeepMind 首席科学家 Jeff Dean 在 X 上的一条发文中表示，该模型“经过训练，可以使用思维来加强其推理能力”，同时还受益于速度更快的 Gemini Flash 2.0 模型。
Dean 分享的演示展示了 Gemini 2.0 Flash Thinking 如何通过“思考”一系列步骤，然后再提供解决方案，从而解答物理问题。谷歌分享了几个跨物理和概率的演示：
Gemini 2.0 Flash Thinking 现已在 Google AI Studio 和 Vertex AI 中推出。它在 Chatbot Arena LLM 排行榜上首次亮相，位居“所有类别第一” 。就在昨天，谷歌在 Gemini 应用程序中推出了 2.0 Experimental Advanced，Gemini-Exp-1206 也位居排行榜榜首。
这不一定是人类那样的“推理”，但这意味着机器将指令分解为可以产生更强结果的更小的任务。
另一个示例由 Google 产品负责人 Logan Kilpatrick 发布，展示了该模型如何推理解决涉及视觉和文本元素的问题。“这只是我们推理之旅的第一步，”Kilpatrick 说。
新模型仅支持 32000 个标记输入（约 50-60 页文本），并且每个输出响应可以产生 8000 个标记。在 Google AI Studio 的侧面板中，该公司声称它最适合“多模式理解、推理”和“编码”。
该模型的训练过程、架构、许可和成本的完整细节尚未公布。目前，它在 Google AI Studio 中显示每个令牌的成本为零。
与 OpenAI 的竞争推理模型 o1 和 o1 mini 不同，Gemini 2.0 允许用户通过下拉菜单访问其逐步推理，从而更清晰、更透明地了解模型如何得出结论。
通过允许用户了解决策过程，Gemini 2.0 解决了人们对人工智能作为“黑匣子”运行的长期担忧，并使该模型（许可条款仍不明确）与竞争对手的其他开源模型相提并论。
一些开发者对该模型的早期简单测试表明，它可以正确而快速地（1 到 3 秒内）回答一些对于其他 AI 模型来说非常棘手的问题，例如计算“Strawberry”一词中的 R 的数量。（见上面的截图）。
Gemini 2.0 Flash Thinking 是对竞争对手 OpenAI o1 系列的进一步改进，旨在处理跳跃中的图像。
o1 最初是纯文本模型，但后来扩展到包括图像和文件上传分析。目前，这两种模型也只能返回文本。
根据开发者文档显示，Gemini 2.0 Flash Thinking 目前还不支持与谷歌搜索落地，也不支持与其他谷歌应用和外部第三方工具集成。
Gemini 2.0 Flash Thinking 的多模式能力扩展了其潜在用例，使其能够应对结合不同类型数据的场景。
例如，在一项测试中，该模型解决了一个需要分析文本和视觉元素的难题，展示了其跨格式集成和推理的多功能性。
开发人员可以通过 Google AI Studio 和 Vertex AI 利用这些功能，其中模型可供实验。
随着人工智能领域的竞争日趋激烈，Gemini 2.0 Flash Thinking 可能标志着问题解决模型新时代的开始。它能够处理多种数据类型、提供可视化推理并大规模执行，这使它成为推理人工智能市场的有力竞争者，可与 OpenAI 的 o1 系列及其他产品相媲美。
参考链接：