cq9电子游戏app：谷歌全新大模型突然发布100万token完爆GPT-4仅靠提示词就能学会新语言

　　Gemini 1.5，除了性能显著增强，还在长上下文理解方面取得突破，甚至能仅靠提示词学会一门训练数据中没有的新语言。

　　现在仅仅中杯1.5 Pro版就能越级打平上一代大杯1.0 Ultra版，更是在27项测试中超越平级的1.0 Pro。

　　支持100万token上下文窗口，迄今为止大模型中最长，直接甩开对手一个量级。

　　这还只是对外发布的版本，谷歌更是透露了内部研究版本已经能直冲1000万。

　　现在Gemini能处理的内容，可换算成超过70万单词，或1小时视频地型模型、11小时音频、超过3万行代码。

　　从今天起，开发者和客户就可以在Vertex API或AI Studio申请试用。

　　目前谷歌已放出三个不同任务的演示视频，只能说Gemini 1.5是个抽象派（doge）。

　　找到从人的口袋中取出一张纸的那一刻，并告诉我一些关于它的关键信息以及时间码。

　　不到一分钟，模型做出了回应，指出12:01的时候有个人从兜里掏出了一张纸，内容是高盛典当经纪公司的一张当票，并且还给出了当票上的时间、成本等详细信息。

　　除了纯文字prompt，还有更多玩法。直接给模型一张抽象“场景图”，询问“发生这种情况时的时间码是多少？”。

　　在第二段演示视频中，谷歌展示了Gemini 1.5分析和理解复杂代码库的能力。用到的是Three.js，这是一个3D Javascript库，包含约100000行代码、示例、文档等。

　　演示中他们将所有内容放到了一个txt文件中，共816767 token，输入给模型并要求它“找到三个示例来学习角色动画”。

　　结果模型查看了数百个示例后筛选出了三个关于混合骨骼动画、姿势、面部动画的示例。

　　这只是开胃小菜。接下来只用文字询问模型“动画Little Tokyo的demo是由什么控制？”

　　并且还能实现“定制代码”。让模型“给一些代码，添加一个滑块来控制动画的速度。使用其它演示所具有的那种GUI”。

　　Gemini 1.5分分钟给出了可以成功运行的代码，动画右上角出现了一个可控速的滑块：

　　当然也可以做“代码定位”。仅靠一张demo的图片，Gemini 1.5就能在代码库中从数百个demo中，找到该图对应动画的代码：

　　要求Gemini 1.5“找到三个搞笑时刻，并列出文字记录以及表情符号引述”：

　　30秒，模型给出了回应，其一是迈克尔·柯林斯的这句话“我敢打赌你一定要喝一杯咖啡”，经查询文档中的确有记录：

　　差不多的抽象风同样适用于1382页、732000 token的《悲惨世界》，一张图定位小说位置。

　　对于Gemini 1.5的技术细节，谷歌遵循了OpenAI开的好头，只发布技术报告而非论文。

　　与上代1.0 Pro相比，1.5 Pro在数学、科学、推理、多语言、视频理解上进步最大，并达到1.0 Ultra层次。

　　为验证长上下文窗口的性能，使用了开源社区通行的大海捞针测试，也就是在长文本中准确找到可以藏起来的一处关键事实。

　　结果50万token之前的表现非常完美，一直到千万token，Gemini 1.5也只失误了5次。

　　此外还将测试扩展到多模态版本，如在视频画面的某一帧中藏一句话，给的例子是在阿尔法狗的纪录片中藏了“The secret word is ‘needle’”字样。

　　此外谷歌DeepMind团队还测试了一项高难任务，仅通过长提示词让模型学会全新的技能。

　　输入一整本语法书，Gemini 1.5 Pro就能在翻译全球不到200人使用的Kalamang上达到人类水平。

　　相比之下，GPT-4 Turbo和Claude 2.1一次只能看完半本书，想获得这个技能就必须要微调或者使用外部工具了。

　　其中有三星手机这样的大厂，也有像Jasper这种靠GPT起家的创业公司，甚至OpenAI董事Adam D‘Angelo旗下的Quora。

　　原标题：《谷歌全新大模型突然发布！100万token完爆GPT-4，仅靠提示词就能学会新语言》

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。