谷歌硬刚GPT-4o!60秒视频生成模型虽迟但到,上下文窗口达200万

人工智能
GPT-4o掀起的一片“AGI已至”的惊呼声中,刚刚,Google DeepMind首席执行官哈萨比斯亲自携谷歌版《Her》登场。同样能会还有,不仅能几乎没有延迟地和人类流畅交流,通过摄像头,这个名为Project Astra的AI助手甚至能直接帮忙读代码。

OpenAI出手再次惊艳世界,谷歌果然坐不住了。

GPT-4o掀起的一片“AGI已至”的惊呼声中,刚刚,Google DeepMind首席执行官哈萨比斯亲自携谷歌版《Her》登场。

同样能会还有,不仅能几乎没有延迟地和人类流畅交流,通过摄像头,这个名为Project Astra的AI助手甚至能直接帮忙读代码。

谷歌还祭出了自己的硬件优势,带来一波AR和大模型的梦幻联动。

一边撸狗一边玩转大模型已经成为现实(手动狗头)。

这一波操作下来,战果如何尚未可知,网友们反正是兴奋了起来:

而正面硬刚GPT-4o,还只是谷歌铆足了劲,在I/O大会上释出的冰山一角。

两个小时的主题演讲里,AI被提及了121次,CEO劈柴哥还犹嫌不足。

于是,对标Sora能生成一分钟长视频的视频生成模型Veo来了。

Gemini 1.5 Pro不仅面向所有人开放,上下文窗口还从100万token直接一步迈向200万,一口气能读1500页PDF。

连Android,现在也紧紧跟谷歌大模型Gemini绑定,摇身一变成为以AI为内核的操作系统。

总之,信息量多到爆炸,相比之下,OpenAI不到半个小时的发布真的很随性了。

谷歌版《Her》登场

第一时间引发最多讨论的,当然是谷歌版《Her》——Project Astra。

Project Astra基于Gemini系列模型打造,谷歌表示,研究人员们希望这样的智能助手,能真正在人们的日常生活中提供帮助。

有意思的是,OpenAI总裁哥Brockman昨天在场外补充了有关GPT-4o多模态能力的更详细视频,而谷歌这边,哈萨比斯也是第一时间在X上更新了与这样一个智能助手的互动。

看样子,Ta不仅能完成帮忙找眼镜这样的基础工作。

帮忙搞点文艺创作,解答一下专业书上看不懂的内容,也都是信手拈来。

还有Google DeepMind的工作人员干脆和Project Astra一起看起了I/O大会直播。

不少网友都认为,这是谷歌对OpenAI的GPT-4o的正面回应。

不过嘛,网友们也关注到了不少问题,比如,Project Astra的延迟似乎还是比GPT-4o长,谷歌的演示中也没有体现是否能打断智能助手说话。

值得关注的是,Project Astra背后,是Gemini系列模型的进一步升级迭代。

比如,Gemini 1.5 Pro的上下文窗口来到了惊人的200万token。

谷歌还最新推出了Gemini 1.5 Flash这一轻量级模型,并开源了27B的Gemma 2和视觉语言模型PailGemma。

60秒长视频生成

你可能已经默默在心里比较了一番Project Astra和GPT-4o的高下。

但桥豆麻袋,说起来,谷歌被OpenAI突然狙击,可不止这一回。

还记得在春节期间抢尽谷歌风头的Sora吗?

谷歌的回应,虽迟但到——

谷歌最强视频生成模型Veo来了。

Veo可以生成1080p的高质量视频,生成视频的长度也看齐Sora:最长超过1分钟。

谷歌还强调,Veo生成的画面一致性出色,并且可以hold住各种风格。比如“延时拍摄”和“航拍”这种术语,直接写在提示词里,Veo都能get。

目前,谷歌已经和电影制作者展开了合作,在电影项目中探索Veo的应用。

与此同时,谷歌的图片生成模型Imagen也迎来更新,Imagen 3发布。

官方提到,与此前的模型相比,Imagen 3的视觉伪影更少,生成的图像细节拉满,并且在生成文字方面效果也很好。

△提示词:一张庄严的图书馆入口的照片,刻有“中央图书馆”字样

另外,谷歌此次还推出了音乐生成模型Lyria。

Gemini进入全线产品

在这些跟OpenAI叫板的“肌肉”展示之外,谷歌对大模型应用的看重,也在此次I/O大会中尽显。

英伟达科学家Jim Fan就他的I/O观后感中表示:

谷歌做对的一件事是:他们终于开始努力把AI集成到搜索框中。

还不止是搜索,这一次,谷歌可以说是把Gemini塞进了全线产品中,包括谷歌搜索、Android,以及谷歌邮箱、谷歌Photos等。下面我们划划重点。

1.谷歌搜索

基于Gemini,谷歌搜索推出AI概述(AI Overview)新功能,彻底化身AI搜索。

用户在搜索框输入问题,马上就能得到一个AI总结的答案,包括相关链接。

而且是超长问题都能处理的那种,比如:

查找波士顿最好的瑜伽或普拉提工作室,并提供他们的入门优惠详情以及从灯塔山步行所需时间。

AI Overview秒秒钟就会列出五星好评且距离灯塔山近的店,并附带课程标价,连店在地图上的位置都标记了出来:

对于这种复杂问题的搜索,谷歌表示采用了多步推理技术,可以将复杂问题拆解成一个个小问题,然后自动对问题进行排序回答。

多步推理加持下,AI overview已经脱离了纯粹的搜索——把制定计划一并搬进了搜索引擎里。

比如直接让它为一个团体制定一个为期三天的易于执行的餐饮计划。

AI overview一键给出了方案,每个方案都可以点击修改,下方还可以一键将食材加入购物车:

还没完,当你没有想法、问的问题比较笼统时,谷歌搜索还会AI自动将搜索结果整理成一个个“群组”,为你提供建议。

比如问:在达拉斯找一个餐厅庆祝周年纪念日。

搜索出的结果会按照音乐餐厅、具有历史魅力的餐厅等一键分组。再往下翻,页面会从餐饮逐渐扩展到电影、酒店、购物等。

此外,谷歌搜索还支持视频搜索了。

演示中,唱片机出故障,只需一边录制视频一边说出疑问,谷歌AI Overview就会立刻分析故障原因,并给出处理建议。

谷歌搜索AI Overview功能将在本周开始在美国推出,后面将陆续推至其他国家。

2.Android 15

谷歌把Gemini也带到了安卓系统中。

凭借直接内置的Circle to Search功能,用户使用简单的手势“圈”一下手机上看到的任何内容,就能进行搜索。

比如圈出练习题,就能一键获取答案。

目前这一功能,已在Pixel和三星的部分设备上使用。

此外,还可以在一个应用之上随时调出Gemini助手层,随时使用。你还可以将Gemini生成的图片直接拖到Gmail等应用中,直接询问某个视频中的具体信息,不用滑动翻文档询问某个PDF中的信息……

甚至连电话反诈,都用上Gemini了:听到关键字“把钱转到安全账号”,马上就能给出警报。

总之,官方强调,现在,Gemini在手机上现在不止是一个App,更是安卓体验的基础。

3.谷歌Photos

谷歌Photos基于Gemini也推出了新功能——Ask Photos,可以一键从图库中帮你找到想要的照片和视频。

比如你想知道自己的baby是什么时候学会游泳的,Ask Photos会从你在谷歌Photos中存储的成百上千张照片中查找出含游泳、游泳证书等相关图片,最后总结给出回复:

Ask Photos这一功能将在今年夏天推出。

4.谷歌Workspace

Gemini也接入到了谷歌Workspace提供的一套生产力和协作工具中,包括谷歌邮箱、谷歌Docs、谷歌Calendar等。

这使得在这些工具间进行跨应用工作变得更加容易。

例如在谷歌邮箱中自动分析邮件以及附件,识别整理好收据,然后一键在Drive和Sheets中处理。

5.NotebookLM

谷歌AI笔记应用NotebookLM也大升级。

如下图所示,当你提出一个问题后,背后的Gemini模型就会结合NotebookLM中的笔记内容,进行多模态的语音对话式回答。

也就是说,所有笔记都可以变成交互式教材。

第六代TPU

最后,在硬件部分,谷歌也带来了新消息:

第六代TPU Trillium将在今年向云客户提供。

与TPU v5e,Trillium的峰值计算性能提高4.7倍,HBM和带宽增加了1倍,芯片间互联(ICI)带宽也增加了1倍。另外,Trillium的能效比TPU v5e高出了67%以上。

有关谷歌I/O的更多细节,可以戳:

https://blog.google/technology/developers/google-io-2024-collection/。

那么今日份的发布会笔记,就先做到这里了。

你觉得谷歌这波表现如何?

从美股盘后的情况来看,似乎有点emmm……

责任编辑:姜华 来源: 量子位
相关推荐

2024-04-29 13:09:10

LLM架构性能

2023-08-10 14:04:15

代码模型

2023-11-10 14:34:14

2023-11-17 18:06:15

2024-02-20 13:31:46

模型数据

2024-03-20 09:59:04

2017-05-11 14:00:02

Flask请求上下文应用上下文

2024-03-14 08:11:45

模型RoPELlama

2024-05-14 11:29:15

2023-07-11 10:02:23

2024-04-07 00:45:00

开源模型

2024-05-14 07:30:56

OpenAIGPT-4oGPT-4

2024-01-29 08:49:36

RAG模型检索

2012-12-31 10:01:34

SELinuxSELinux安全

2024-05-14 19:16:52

ChatGPTGPT-4oOpenAI

2022-09-14 13:13:51

JavaScript上下文

2023-12-20 14:54:29

谷歌Gen-2视频

2024-03-20 12:27:48

模型训练

2024-04-12 17:41:28

GPT-4TurboClaude
点赞
收藏

51CTO技术栈公众号