目前谷歌的 Gemini 多模态模型表现如下：
但目前开启条件存疑，例如使用美国加州 IP 和默认英语语言进入 Bard 可能无法找到模型选项进行修改。
云中江树[道阻且长——谷歌最新的Gemini多模态模型体验](https://m.okjike.com/originalPosts/65712609d027b7ac8cd169ad?s=eyJ1IjoiNjQyM2IwMDE4NDg5Njk1NGJjYzhkNWU1In0%3D&utm_source=wechat_session)谷歌最新的Gemini多模态模型系列包括Ultra、Pro和Nano三种型号，能够处理图像、音频、视频和文本。Gemini的优势在于原生多模态能力，一个模型即可完成多种任务。目前Gemini的多模态能力有限，幻觉问题和多语言表现不佳仍存在。Gemini的体验不如ChatGPT，特别是对中文的理解能力较弱。然而，谷歌在生成质量和与搜索生态结合方面有显著进步，体验比bing和GPT好。郎瀚威Will谷歌的Gemini能使用户停止流向OpenAI吗？Google和OpenAI的对比：ChatGPT粉丝会重新回到Google吗？随着时间推移，很可能OpenAI短期内有开发者优势，但长期可能回到谷歌生态OpenAI尚未充分挖掘应用端实力OpenAI尚未挖掘终端能力，并对终端覆盖有限。拭目以待2024进展！信息平权[Gemini意味着什么](https://mp.weixin.qq.com/s/r4FNyhJY-ttuS4GZ1-cP8g)先说一下后续影响1.GPT-4.5可能要被迫提前出战了2.Anthropic第一个多模态版本的Claude估计也快了（是不是像Gemini一样的端到端多模态？可能算力不支持）3.开源模型们什么时候出多模态？（这个可能更难...）4.谷歌Gemini对AI应用的意义，要超过OpenAI，对应用的诞生可以更乐观一点。5.谷歌物美价廉的TPU、以及遥遥领先的光互联网络（可与Nvlink IB一战），相关投资会加强。
以下内容持续更新中，设置为全员可编辑了，大家有信息和想法，可以随时在本文档编辑补充性能匹敌GPT4的模型出来了Gemini在多个领域的性能达到了最先进的水平。例如，Gemini Ultra在MMLU（大规模多任务语言理解）上的表现超过了人类专家，这是一个测试世界知识和问题解决能力的组合，包括数学、物理、历史、法律、医学和伦理等57个科目。Gemini被设计为天生的多模态模型，从一开始就在不同模态上进行预训练，然后通过额外的多模态数据进行微调，以进一步提高其有效性。这使得Gemini能够从根本上更好地理解和推理各种输入。可以先去Bard试一试Gemini Pro模型了（开美国节点）。https://bard.google.com/chat【目前开启条件存疑，我使用了美国加州IP+默认语言为英语，但是进入bard的设置里并没有模型选项可以修改】
我发誓，这是本文最后一个工业设计的Case了，后面还有游戏设计、自媒体应用等更多元的Case，一个比一个精彩。⬇️我其实一贯AI评测挺克制的，但在测试Gemini文生图的4小时内，基本每分钟都在发出粗鄙的感慨……这个Case就是进一步模拟工业设计的造型推敲环节。原本我们会需要大量的时间在犀牛（一套工业设计建模软件）中花数天时间建模，再花数天在keyshot（一套工业设计渲染软件）中调整材质、打光出图。而且一旦建模完成后，想要再对模型进行造型调整，简直是对设计师无尽的折磨。现在，Gemini在20s内就给你一次性生成12张?……[heading2]主测试4：抠图、换背景、打光影[content]搞定了产品设计，正常商业流程中，我们还要解决一下最终宣发的物料问题。这时候离不开抠图、换背景、打光影拍照的工作流程。先抠个图，无中生有地换背景：没问题，换的非常好。再看看商业级别的背景合成与打光：再引用一个WaytoAGI上看到的例子：绝了，每次都只用一句嘴炮，就能在10s内取得相当稳定的预期结果。甚至复杂的形体打光，也能做的有模有样。OK，fine，测到这里，我只想说：——大碳奸恭迎硅基老爷重塑人类社会。