谷歌 Gemini 2.0 多模态能力更强，明年推广多模态功能
谷歌正式发布了新一代的人工智能模型，也就是 Gemini 2.0 。这个模型展现出了更为强大的多模态能力，它不但能够支持文本，还可以支持图像、视频以及音频等多种形式的输入，并且能够进行多模态的输出，像是原生的图像生成以及多语言的文本转语音（TTS）等。其速度相较于 Gemini 1.5 Pro 有了显著的提升，达到了两倍之多，在多模态推理、复杂指令的遵循以及工具的使用等方面都进行了优化。该模型还支持调用 Google 搜索、代码执行等一系列功能，并且在现实任务、网页交互以及编码辅助等不同的场景下都有着出色的表现。目前，实验版本的 Gemini 2.0 Flash 已经向开发者开放了，预计会在 2025 年 1 月的时候全面推广其多模态功能，与此同时，还会推出多模态实时 API，从而为开发者提供更多的应用支持。
