谷歌 Gemini 2.0 明年将推广多模态功能，它会带来哪些惊喜？
谷歌正式推出了新一代人工智能模型 Gemini 2.0。该模型具有更强大的多模态能力，不仅可以处理文本，还能支持图像、视频和音频等多种形式的输入，并实现多模态输出，如原生图像生成和多语言文本转语音（TTS）等。与 Gemini 1.5 Pro 相比，其速度显著提升，达到两倍之多，在多模态推理、复杂指令遵循和工具使用等方面进行了优化。该模型还支持调用 Google 搜索、代码执行等功能，在现实任务、网页交互和编码辅助等不同场景下表现出色。目前，Gemini 2.0 Flash 实验版本已向开发者开放，预计将于 2025 年 1 月全面推广其多模态功能，并推出多模态实时 API，为开发者提供更多应用支持。
