
自2022年底ChatGPT引爆生成式AI浪潮以来,科技巨头竞相入局。长期深耕该领域的谷歌,将其核心精力倾注于Gemini系统。该系统由谷歌DeepMind于2023年12月推出,历经多次迭代,包括10月发布的Gemini 4 Argon及11月12日推出的Gemini 4 Hydrogen。
如今,“Gemini”已从一个单一的大型语言模型,演变为涵盖模型家族与消费者AI助手的庞大产品体系。这些模型具备理解文本、图像、音频、视频及代码的多模态能力,并能基于上下文提供精准回应。
Gemini的核心能力
Gemini已超越传统问答机器人的范畴。其模型矩阵包括主打快速响应的Flash-Lite,以及胜任日常任务、编码和多步骤工作的Gemini 4 Hydrogen。谷歌表示,新模型能更严格地遵循指令,减少用户反复调整提示词的负担。目前,Hydrogen正逐步向免费及付费用户开放,而Google Sheets的高级访问权限则需通过Google AI Pro和Ultra订阅获取,后者还包含用于复杂推理的Gemini 4 Argon。
特定版本面向专业领域:Gemini 3.8 Flash Cyber仅限经Fairwind计划认证的网络安全人员使用;Gemini 4 Carbon则面向Google AI Ultra订阅用户,在Gemini应用(Antigravity)及搜索AI模式中开放。
谷歌发言人强调,Gemini的效果取决于用户提供的信息质量。模糊的提示词仅能得到通用回答,建议用户上传文件、截图或链接以提供完整背景。Gemini可与Gmail、日历、文档、表格及云端硬盘等谷歌服务深度连接,在授权范围内协助查找信息、总结文件及跨应用协调工作。此外,它还支持连接Adobe、Shopify等40多个第三方应用,实现通过Instacart订购杂货或OpenTable预订餐厅等操作。
在功能组件方面,Gemini内置了多种工具:
- 深度研究(Deep Research):搜索多方来源,执行研究计划并生成带可核查链接的报告。
- Canvas:提供交互式面板,支持并排编辑长篇文档或优化代码。
- 技能(Skills):11月17日,个人账号中的“宝石”(Gems)将被“技能”取代。该功能允许保存常用指令,或利用Google Workspace写作样本模仿用户语气。
- Gemini Live:支持免提实时对话,拥有10种语音选项,即便在后台或锁屏状态下也可使用,并支持暂停与恢复。Gemini 3.8 Live Extended Thinking模型还能处理复杂请求并逐步展示推理过程。用户还可共享摄像头或屏幕,就实时画面进行提问。
- 代理任务(Tasks):此前称为Spark,可执行预定任务及跨应用多步骤工作流。谷歌称其为“全天候个人AI代理”,目前向符合条件的Pro或Ultra订阅成年用户开放。
全场景渗透与搜索集成
Gemini已深度融入谷歌生态。在移动端,它是Pixel手机及众多Android设备的默认AI助手,支持屏幕内容问答及应用协作。用户可通过网页、Android、iOS、Mac、Windows(10及以上)及Chrome浏览器访问Gemini。
在智能家居领域,Gemini驱动部分Google Home功能,可总结摄像头或门铃录像,并回答关于实时流媒体的问题。在搜索层面,Gemini赋能“AI概览”(AI Overviews),将多源信息整合为易懂片段。尽管2024年在美国推出初期曾因荒谬建议引发争议,但经修复后,目前AI概览已覆盖200多个国家及40多种语言,月活跃用户超25亿。此外,专为长对话设计的搜索内“AI Mode”月活已破10亿,谷歌正全球推送支持更复杂理解的Gemini 4 Hydrogen。
多模态生成与安全水印
Gemini支持图像、视频及音乐生成。针对早期图像生成引发的争议,谷歌进行了整改。当前图像模型(内部代号Nano Banana)支持对象替换、背景调整及多图要素组合。视频生成依托Veo和Gemini Omni,音乐生成则使用Lyria模型。具体访问权限受订阅类型及地区限制。
为应对AI生成内容的识别难题,Gemini、Chrome及搜索支持上传媒体文件检测是否由谷歌AI生成。系统通过识别隐形SynthID水印进行判断,虽无法覆盖所有AI文件,但用户可在设置中开启媒体水印,为生成的图像、视频和音乐添加标识。
隐私控制与数据使用
鉴于Gemini可访问个人文件及应用,隐私设置至关重要。对于个人账号,若开启“保留活动记录”,谷歌可能利用活动数据(含人工审核)改进服务。建议用户避免输入机密信息。用户可选择关闭该记录或启用“临时聊天”,后者不会用于模型改进,但记录仍会保留72小时以保障服务安全。
谷歌明确表示,Gemini不会利用用户的私人电子邮件、照片或文件训练基础AI模型。但在开启活动记录时,系统可能使用从连接内容中提取的摘要、摘录和推论进行训练。美国合格订阅用户可在设置中查看、更正或删除Gemini的记忆摘要。
定价体系
Gemini个人助手基础版免费,支持自动模型选择、文件上传及基础工具使用。付费订阅提供更高等级限额及高级功能:
- Google AI Plus:每月5美元。
- Google AI Pro:每月20美元。
- Google AI Ultra:起价每月100美元,另有200美元高阶选项。
针对开发者与企业,谷歌通过Google AI Studio及Google Cloud Vertex AI提供Gemini API(如Hydrogen、Omni、Argon),采用基于令牌长度及使用量的分层定价结构,并提供有限免费额度供测试使用。具体价格及功能可用性因地区而异。