OpenAI 发布会干涉第 5 天，带来了 ChatGPT 与 Apple 确立的集成升级。用户无需 ChatGPT 账号就能在树立中启用 Apple Intelligence 扩展，体验 Siri 的复杂任务转交、内容创作、iPhone 16 视觉智能阵势，以及 macOS 上的快捷调勤苦能。
演示内容也很约略：用户对 Siri 说"让 ChatGPT …"后，申请即被 ChatGPT 接收；长按 iPhone 16 侧边录像头限定键大开相机，点击" ask "调用 ChatGPT 分析拍摄内容；在 macOS 双击 Command 键激活 ChatGPT，快速分析索要长 PDF 文档信息。
直播仅不时 12 分钟，由于大多早已在 Apple 的 demo 中见过，举座看来平平无奇。
而今机动正的高光时刻，来自 Google。
当地时间清晨，Sundar Pichai、Demis Hassabis 和 Koray Kavukcuoglu 调解髻文，重磅官宣 Google 迄今最普遍、故意适配全新"代理期间"的下一代模子 Gemini 2.0。并崇拜发布该系列首个版块：Gemini 2.0 Flash 实验版。
性能超 1.5 Pro，多模态关键龙套，原生器用集成
Gemini 2.0 Flash 以低延迟和增强性能为中枢，代表了 Google 在 AI 模子开采限度的最高水平。
比拟前代模子，Gemini 2.0 Flash 在保持快速反馈的基础上性能权贵进步。在 MMLU、编程、数学、推理等要津基准测试中不仅突出了 1.5 Pro 的领路，速率更进步了一倍。
多模态方面，2.0 Flash 达成了高出式进展：除撑持图像、视频、音频等多模态输入外，还新增了多模态输出功能，包括原生的图文夹杂生成和多说话文本转语音。
同期，模子还能原生调用 Google 搜索、扩张标准代码，并撑持用户自界说的第三方器用接入。
开采者撑持：多模态及时 API
为匡助开采者构建更丰富的动态交互把握，Google 同步推出了一款新的多模态及时 API，撑持及时音视频流输入和多器用组合调用。
目下，开采者可通过 Google AI Studio 和 Vertex AI 平台使用 2.0 Flash 实验版的多模态输入和文本输出功能。而文本转语音和原生图像生得手能暂时仅向早期相助伙伴通达，瞻望将在来岁 1 月达成更大范围的功能通达和模子版块更新。
群众用户可用，新增护士利器 Deep Research
在用户端，2.0 Flash 实验版已整合至 Gemini 聊天佑手中，群众用户不错通过桌面和迁移网页版的模子下拉菜单访谒，迁移把握集成也将于不久后推出。
Google 正在搜索中的 AI 概览功能中测试 Gemini 2.0 的高档推理才调，以匡助解答更复杂和多措施的问题，并盘算在明岁首扩展到更多 Google 居品中。
特地值得一提的是，针对 Advanced 付用度户，Google 今天还推出一项全新的 Deep Research功能。
它专为复杂在线护士想象，能在用户建议问题后基于 Gemini 1.5 Pro 自动创建多措施护士盘算，收罗和分析全网关系信息，并把柄反馈不停优化，最毕生成一份包含深入信息和准确着手的详尽敷陈。大幅简化繁琐耗时的护士历程，号称科研责任者福音，PhD 狂喜。
为" Agent 元年"打造的 AI 模子
Gemini 2.0 系列模子定位明显，径直就是" AI model for the agentic era " 。
Pichai 默示，往常一年 Google 一直专注于开采具备更强代理才调的模子，这类模子能深入和会用户所处环境，具备多步预判想维，并在监督下扩张相应操作。衔尾此前发布的 Genie 2，Google 的空间智能和天下模子愿景已露出无疑。
Hassabis 更直言 2025 年将是" Agent 元年"，称 Gemini 2.0 Flash 的原生用户界面交互、多模态推理、长凹凸文和会、复杂教导扩张与有盘算、函数调用组合以及原生器用使用等，将使其成为异日 agent 式责任的中枢撑持模子，进一步接近打造"通用助手"的愿景。
本次发布中，Google 展示了一系列基于 2.0 Flash 新才调的原型技俩进展，包括：
Project Astra：执行天下中的通用智能助手
本年 I/O 大会上，Google 初次展示了具备多模态和会才调、撑持即时语音交互的 Project Astra。成绩于 Gemini 2.0 的加持和 Android 测试者的反馈，最新版块的 Astra 达成了以下要津升级：
• 对话才调全面进步：撑持多说话及夹杂说话交流，能更准确和会不同口音和冷落词汇。
• 器用调用升级：原生集成 Google 搜索、Lens 和舆图功能，权贵进步了在正常生存中的实用性。
• 追思增强：能在对话中保持更丰富的凹凸文信息，撑持长达 10 分钟的会话追思，为用户带来愈加个性化的交互体验。
• 延迟优化：通过新一代流媒体和音频和会技能，将反馈速率进步至接近东说念主类对话水平。
Project Mariner：浏览器中的复杂任务助手
Project Mariner 是 Google 探索东说念主机交互异日的实验性 agent 居品，专注于进步浏览器内复杂任务的处理才调。
依托 Gemini 2.0 的先进推理才调，它大要全面和会和分析浏览器屏幕上的各类信息，包括像素数据、文本内容、代码片断、图片素材和表单位素等，并通过一个实验性的 Chrome 扩展来匡助用户完成任务。
在掂量 agent 完成的确网页任务才调的 WebVoyager 基准测试中，Mariner 当作单一 agent 系统获得了 83.5% 的最初成绩。
不外，该技俩在精准度和反馈速率方面仍有进步空间。为确保使用安全，Mariner 的操作权限被严格限制，关于在线购物等明锐操作必须经过用户阐述，以此在安全性和收尾间获得均衡。
Jules：为开采者想象的 AI 编程助手
Jules 是一款面向开采者的 AI 运行代码 agent，径直集成到 GitHub 责任流中。成绩于 Gemini 2.0 的改造，Jules 不错在开采者的换取和监督下处理问题、制定盘算并扩张代码任务。这一技俩旨在探索 AI agent 如安在开采者社区中增强分娩力，并为异日跨限度的 AI 把握铺平说念路。
游戏 agent：买通捏造与执行畛域
Google 还共享了一些原型的袒护彩蛋。
举例在游戏限度， Gemini 2.0 撑持的智能 agent 展示了其在捏造环境中的普遍得当性。不仅能及时刻析和推理屏幕动作，还能为玩家提供政策建议。
此前 DeepMind 推出的 Genie 2 能从单张图像生成无穷可玩的 3D 游戏天下，而与 Supercell 等开采商相助的游戏 agent 则在策略和模拟游戏中展示了出色的轨则和会和问题经管才调。衔尾 Google 搜索功能，这些 agent 还能为玩家提供丰富的游戏常识撑持。
Gemini 2.0 的空间智能后劲
此外，Gemini 2.0 在 1.5 版块的基础上，将空间和会才调进步到了新的高度。通过 AI Studio 推出的全新器用集，开采者不错更浅易地探索和会多模态推理的空间智能把握，这不仅体目下捏造场景中，更不错蔓延至机器东说念主等物理天下把握限度。
中枢才调进步包括：
• 快速空间分析：能以超低延迟识别和分析图像中物体的空间位置关系
• 智能物体识别：撑持图内搜索和匹配，即等于袒护或无极的细节也能准确找出
• 多说话空间标注：衔尾空间信息达成智能多说话标注和翻译
• 空间逻辑和会：掌捏物体之间的空间关联，比的确物和对应的影子
• 3D 空间重建：初次将 2D 相片调遣为可交互的 3D 俯瞰图
在以献艺示中，Gemini 2.0 展现了多个令东说念主印象深切的把握场景：从识别折纸动物过火投影，到匹配特定图案的袜子，再到提供物品的双语标注，以及分析执行场景中的问题经管决策。尤其是新引入的 3D 空间和会功能，虽仍处于早期阶段，却已展现出将平面图像激荡为立体可交互场景的后劲，为开采者开启了更广大的把握想象空间。
与 OpenAI 今天负隅拒抗的发布会比拟，Google 带来的 Gemini 2.0 不仅支棱起来，况且是凭实力稳稳赢了一局。
Pichai 默示，目下已零碎百万开采者在使用 Gemini 构建技俩，而 Google 自己也正借助 Gemini 重塑旗下七大中枢居品，用户群体高达 20 亿。
这次 Gemini 2.0 的推出记号着 AI 正从单纯的信息和会向实质任务扩张调动，朝着 " 通用助手 " 的目的迈进。坐拥第六代 TPU 和新发布的量子筹议机 Willow云开体育，Google 更像是饰演鼓动算力极限、达成分娩力跃升、引颈 AGI 发展的阿谁要津变装。