为了学做插图，我一个月交给 Midjourney 10 美金；后来，ChatGPT Plus 我也订阅了，一个月 20 美金，随意聊，高峰期不必等；再之后是 Perplexity，更贵。

  老板夸我，“用 AI 装备得不错，可是，作业效率能不能再提一提？你就不能一边写稿子，一边做数据图，再一边写周报邮件吗？”

  假如你买了 ChatGPT Plus，能用上 GPT-4，DALL-E 3，当然最让人振奋的是，OpenAI 创立的相似 App Store 的生态，用他人做的“教育机器人”教小孩数学，再给自己做一个“读书攻略”（这国际都清净了不少）。当然也能凭借 Zapier，在 ChatGPT 内将运用连接起来，比方日历—短信（把日程安排告知给搭档）。

  可是，假如你更习气传统作业软件的作业流程，想必也疲于了在 ChatGPT 网页和文档间来回切换。

  AI 再“务实”一点呢？以学习本钱最低的方法，进入普通人如你我的作业和日子。

  Google 的思路如此：刚刚发布 Gemini Advanced，能在 Docs 中生成文本和总结文档；在 Sheets 里剖析数据并生成图表；在 Gmail 上帮你编撰拿捏禁绝的词句表达等等。

  为 Gemini Advanced 供能的是 Gemini Ultra 1.0 大模型，Google 迄今尖端规划且功用最强壮的模型，适用于高度杂乱的使命。模型别的两种尺度分别是：Gemini Pro ，适用于各种使命的最佳模型；Gemini Nano，端侧设备上最高效的模型。

  两个月前，谷歌发布了 Gemini，多模态 AI 模型。所谓“多模态”，意指对文字、语音、画面等各种信息方法，一起做到承受，了解，表达。挨近人类天然关于外界的了解和交互方法。

  Google 之前类 ChatGPT 的 AI 产品叫Bard，现在统称为 Gemini（便是产品名和模型名用一个了，域名也从更改为），除了网页端，还将推出安卓版的 Gemini App，iOS 用户能在 Google app 中体会到。现在网页端 Bard（很快就都叫 Gemini 了）选用的是 Gemini Pro 模型，支撑 40 多种言语对话，包含中文；支撑文生图（只支撑英文）。

  Google 展现中，用手机拍下一张相片，问 Gemini 相片里有什么，它会给你讲，“带刺的仙人掌增添了一丝沙漠的气味；简略形状和天然纹路搭配出一种安静的调和等等”。（早有这东西，我小学看图写作文，也不会总不及格。）

  尽管未展现更多，但可以等待，这样的运用能极大便利咱们调查和了解周围环境，比方问它街边的一朵花是十字花科，仍是仙人掌科；又或，它把刚听到的一篇“长篇大论”，总结给你听；再或，依据间隔传感器和摄像头，归纳能告知瞎子，比“前方有障碍物”更多的信息，“它间隔你还有五步。”

  Gemini Ultra 在大型言语模型研制被遍及的运用的 32 个学术基准测验会集，在其间 30 个测验集的功能超越当时 SOTA （最好/最先进）成果。

  Gemini Ultra 在 MMLU（大规划多使命言语了解数据集）中的得分率高达 90.0%，初次超越了人类专家，MMLU 归纳运用了数学、物理、前史、法令、医学和道德等 57 个科目，用于测验国际知识和处理实际问题的才能。

  在图画基准测验中，Gemini Ultra 无需目标字符识别 （OCR）的辅佐，体现优于曾经最好的模型。

  依据这些成果，“Gemini Advanced 将供给一种在推理，遵从指令，编程，和发明性协作方面体现更好的全新体会。”从模型层面来说，增强推理才能和多模态才能是职业根本的一致。

  就像方才说到，多模态 AI 将不同的感知方法互为补充，一起构成对实际国际尽可能全面的描绘。它可能不仅是一个能改错别字的挑错东西，而是一个依据你本身风格定制的“修改”；或许，还能依据你供给的杂乱、非结构化的数据，纲举目张地拟定战略。

  我们的想象挺多了。Google说，也渐渐的开端练习 Gemini 的下一个版别。不需要“发明用户界面”，从消费级产品，到开发者API，它说：Gemini 是向着生态开展的。