Google's AI发布会：多模态新作惊艳亮相

推荐语

Google AI技术再突破，带来多模态新体验！

核心内容：
1. Gemma 3：支持140种语言的多模态模型，性能领先
2. Gemini 2.0 Flash：新增原生图像生成功能，提升用户体验
3. Gemini Robotics：视觉-语言-动作模型，让机器人更自然互动

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

还是很开心看到老东家的 AI 越来越好～

先看要点

• Gemma 3 多语言实力抢镜：Google 发布了参数规模从 1B 到 27B、上下文窗口达 128K 的多模态模型 Gemma 3，支持超过 140 种语言。社区对其有望在单个 GPU 或 TPU 上运行的潜力充满期待。

• Gemini 2.0 Flash 文生图更直接：Gemini 2.0 Flash 新增原生图像生成功能，让用户直接在模型内生成语境相关的图片。开发者可通过 Google AI Studio 尝鲜体验。

• Gemini Robotics 让 AI 真正走进现实：Google 在 YouTube 展示了 Gemini Robotics，展示了先进的视觉-语言-动作模型，使机器人能够更自然地与现实世界互动。

Gemma 3 模型：开源领域的重量级新突破

作为一款开源模型在 LMArena 基准测试中获得出色的成绩。

Gemma 3 的发布还刷新了同类模型的 Pareto 前沿，大幅领先于其他同量级的模型。

同时，Gemma 3 将视觉能力作为核心功能之一，完全吸纳了此前的 PaliGemma 模型特性（ShieldGemma 则继续作为单独分支存在）。

Gemini 2.0 Flash 文生图

Gemini 2.0 Flash现在提供了原生图像生成能力，用户可以直接在模型内部创建与文本内容紧密相关的图像。尽管界面较为复杂，但一旦找到入口，图像编辑变得前所未有的简单。

谷歌开发者团队成员Kaushik Shivakumar表示：“非常高兴能公开Gemini的原生图像生成功能，目前仍处于实验阶段，我们已取得了很多进展，但也期待大家的进一步反馈！”

谷歌工程师Mostafa Dehghani兴奋地表示：“在这个团队里，每一天都是不平凡的，既充满混乱，又富含创造力！”

而创作者社区则对Gemini 2.0 Flash的表现表示赞叹，期待未来能够看到类似Gemma这样具备图像生成能力的模型出现。

Gemini Robotics 模型

Google DeepMind 推出了基于 Gemini 2.0 的全新一代机器人 AI 模型——Gemini Robotics，强调其推理能力、互动性、灵活性和泛化性。

Google DeepMind 宣布与 Apptronik 合作，共同打造搭载 Gemini 2.0 技术的类人机器人。

Gemini Robotics-ER 允许机器人利用 Gemini 模型的具身推理能力，实现物体检测、互动识别和障碍规避。通过这一技术，机器人在基准测试中的表现相比当前最先进的模型提高了一倍，展示了出色的泛化能力。

Google DeepMind 与 Apptronik 合作开发基于 Gemini 2.0 的类人机器人，包括 Apptronik 的 Apollo 机器人。Gemini Robotics-ER 使机器人能够高效地运用 Gemini 的具身推理技术，从而实现物体识别、互动感知和避障。

Google DeepMind 强调，Gemini Robotics 模型的目标是让机器人能够更自然、更灵活地适应多样化任务环境，实现真正的智能互动。