我要投稿

Gemini 2.0 Flash Thinking：谷歌放大招！能直播思考的AI来了，推理能力吊打OpenAI？

发布日期：2025-02-19 09:52:00 浏览次数： 2289

作者：Halo咯咯

微信搜一搜，关注“Halo咯咯”

.01

概述

最近，Google推出了全新的Gemini 2.0 Flash Thinking Experimental，并将其从之前仅在Google AI Studio、Gemini API以及Vertex AI上的使用，扩展到了Gemini应用的用户。这一变化无疑是人工智能领域的一个重要节点，它不仅为推理型模型带来了更强大的功能，也重新定义了我们与AI互动的方式。

gemini 2.0 flash experimental has a knowledge cutoff date of june 2024

.02

什么是Gemini 2.0 Flash Thinking？

Gemini 2.0 Flash Thinking是Google推出的一款专注于推理的AI模型。与传统的语言模型不同，它的最大特点并不在于简单地提供答案，而是将推理过程展现给用户。这意味着它不仅给出答案，还会逐步展现思考的步骤，评估不同的选项，并解释得出结论的思考方式。

推理的核心：展示思维过程

相比于OpenAI的O系列和DeepSeek的R系列，Gemini 2.0 Flash Thinking的最大优势就在于其速度和透明度。传统的AI模型更多的是通过流畅的文本生成来回答问题，而Flash Thinking则像是你请了一个聪明的助手，给你展示每一步是怎么想的，如何做出决策，甚至会提出其他可能的选项。

它不仅能解答问题，还能让你看到其解题的每一步，这种透明度大大增强了用户对AI推理的信任感。

.03

2.0 Flash Thinking：多模态与大规模推理的结合

支持多模态输入

Gemini 2.0 Flash Thinking是一个多模态模型，意味着它不仅能处理文本输入，还能处理图像。简单来说，它能够理解并分析包含图像的复杂任务，比如解读图表、分析复杂文档，甚至从图片中提取信息。这为需要视觉信息的任务打开了新的可能性，尤其是在需要图表分析或复杂文件解读时，Flash Thinking展现出了极强的优势。

超大上下文窗口

一个特别令人兴奋的特点是，Gemini 2.0 Flash Thinking的上下文窗口非常大，支持最多达100万个tokens的输入，且生成的输出可达到64,000 tokens。这使得它能够处理更大规模的数据，甚至能在长篇书籍、研究论文或长时间对话的上下文中维持连贯性。

这种大规模的上下文处理能力意味着，它能够更加全面地推理，理解更多信息，并减少用户需要反复输入上下文的麻烦。

知识截止期和工具集成

然而，也要注意到一个限制：Gemini 2.0 Flash Thinking的知识截止日期为2024年6月。这意味着它无法获得2024年6月之后发生的事件的信息，因此在某些情况下可能会出现“幻觉”——也就是错误的推理或假设。例如，它可能会错误地推测出某个事件的时间，或者对某些新技术和更新的了解不够深入。

为了解决这一问题，Google为Flash Thinking集成了YouTube、地图和搜索等功能。通过这些工具，用户可以获得更为实时的信息，尽管这些信息也存在一定的不准确性。比如当我询问Gemini 2.0 Flash Thinking的发布日期时，它通过搜索工具获取了相关信息，但由于搜索结果中包含了错误的日期（2025年2月6日），它也错误地推测了发布日期。

自动选择工具的功能

Gemini 2.0 Flash Thinking还能根据用户的提问自动选择最合适的工具。例如，当我询问从布加勒斯特到伦敦的最佳驾驶路线时，它自动选择了Google Maps工具。这个自动化的选择功能提高了模型的智能性，使得它在处理不同类型的问题时更加高效和精准。

.04

Flash Thinking的基准表现

数学与科学的突破性进展

Gemini 2.0 Flash Thinking在多个关键领域的表现上都有显著提升，特别是在数学、科学和多模态推理方面的表现。在AIME2024（数学）基准测试中，Gemini 2.0 Flash Thinking的成绩为73.3%，比其前代版本（35.5%）有了巨大的提升，虽然与OpenAI的o3-mini（87.3%）相比还有差距，但无疑表现十分出色。

在GPQA Diamond（科学）基准测试中，Flash Thinking的成绩为74.2%，相比于之前版本（58.6%）有了显著提高，与DeepSeek的R1（71.5%）和OpenAI的o1（75.7%）接近，展现了其在科学领域的竞争力。

而在MMMU（多模态推理）基准测试中，Gemini 2.0 Flash Thinking的得分为75.4%，再一次超越了前代产品，显示出了在多模态数据处理方面的巨大优势。

推理能力与推理计算

与其他推理模型类似，Gemini 2.0 Flash Thinking的推理能力随着计算能力的增强而提升。推理计算是指在用户给出问题后，AI进行推理的计算量。通过增加推理计算的能力，Gemini 2.0 Flash Thinking能够更准确地完成复杂的推理任务。

gemini 2.0 flash thinking becomes better with more inference compute

.05

如何使用Gemini 2.0 Flash Thinking

如何获取访问权限

目前，Google通过多个平台为用户提供了访问Gemini 2.0 Flash Thinking的途径：

Gemini应用（App和Web）：用户可以直接通过Gemini Web应用或手机App免费体验Flash Thinking。
Google AI Studio：这是一个更适合高级用户的Web平台，可以让用户通过控制模型的参数、测试复杂的查询等方式，进一步探索模型的推理能力。
Gemini API：对于开发者来说，可以通过Gemini API将Flash Thinking集成到自己的应用中，带来更多的自定义和灵活性。

.06

结论：推理的未来与AI的广阔前景

Gemini 2.0 Flash Thinking无疑是Google在推理型AI领域的重要一步。通过展示思维过程和结构化的推理，Flash Thinking不仅提升了AI与人类的互动质量，还大大增强了推理型任务的准确性。虽然它在某些方面仍然面临挑战，比如偶尔出现的不准确性和对工具的过度依赖，但它无疑是未来推理型AI模型的一个标杆。

未来，随着Flash Thinking不断优化和竞争对手的赶超，我们可以期待更加智能、精准、透明的AI推理体验。如果你也在构建AI产品，或者对这一领域充满好奇，不妨亲自尝试一下Gemini 2.0 Flash Thinking，在推理、科学计算和多模态任务中的表现决定也会让你感到惊喜。