Google King公布史上最强模型，碾压GPT4！

但有点尴尬的是，昨天OpenAI突然公布了今年最重要的模型，——文森特视频模型Sora，导致全世界的目光都转向了OpenAI，忽略了谷歌的新发布有多么震撼。如果Gemini 1.0 Ultra也采用同样的技术进行升级，这将进一步拉大与GPT-4 Turbo和Claude 2.1的差距。

当然，Sora确实值得吸引这么多流量。到底有多震撼，可以看看作者写的技术讲解（OpenAI新模型会对影视行业产生影响吗？）。更多技术细节将在未来几天内曝光。期待像卡帕蒂这样的大人物的一些启示。回到Gemini，Google去年底发布了Gemini 1.0，除夕夜发布了Gemini 1.0 Ultra，几天后又发布了Gemini Pro的新版本，——Gemini 1.5 Pro。

谷歌动作非常频繁，但Gemini Pro 1.5的能力确实极其爆炸。内测版本中上下文窗口最高可达1000万个代币，成为史上最强大的模型，直接超越了GPT-4 Turbo和Claude 2.1。提升了一个数量级，谷歌的全新升级可以说是2024年迄今为止LLM领域最大的进步。

我们用最直观的例子来说明Gemini Pro 1.5有多么震撼。 —— 新几内亚有一种叫做卡拉曼的语言，全世界只有不到200 人使用这种语言。目前Gemini还没有训练卡拉曼语料库，只需要输入v1.5版本即可。 Gemini Pro 1.5 拥有500 页语言文档、一本词典和约400 个句子，可以瞬间学会卡拉曼。

在标准卡拉曼语言翻译测试中，Gemini Pro 1.5以5.52分/6分的成绩在所有大型机型中排名第一，距离人类水平5.6分/6分仅差一分。要知道，这只是Gemini Pro 1.5在短短几分钟内实现了这一目标。和1.0Pro相比，1.5Pro也遥遥领先，甚至可以和更牛逼的1.0Ultra抗衡！

谷歌还给出了Gemini Pro 1.5代码处理能力的演示视频。它一次性向Three.js 输入了超过10 万行代码和超过80 万个token。然后提供了三个js例子，并要求Gemini提供代码，同时进行解释。用了不到50秒的时间，就从80万行代码中提供了近乎完美的解决方案。

类似这样的例子还有很多。哈萨比斯表示，Gemini Pro 1.5可以一次输入一小时的视频、11小时的音频、70万个单词或3万行代码，并在极短的时间内理解这些输入，Gemini Pro 1.5已经是有史以来最强大的大型型号。

目前，谷歌在LLM大模型竞赛中已经彻底追上了OpenAI，而Gemini Pro的升级版本将率先通过Vertex AI云平台向开发者开放。

虽然Gemini Pro 1.5的性能爆炸得像科幻电影一样，但它却撞上了Sora。很期待山姆奥特曼会使用更强版本的GPT-4-Turbo还是直接推出GPT-5。笔者个人认为，奥特曼极有可能在不久的将来为用户推出Sora标准版和Plus版，然后在年底或明年推出整合DALL·E 3和Sora的GPT-5。