谷歌之前在 Google Next 大会上宣布将首次通过其 AI 应用平台 Vertex AI 向公众开放 Gemini 1.5 Pro。
谷歌现已推出 Gemini 1.5 Pro 公共预览版，并借此为其赋予了“耳朵”，从而帮助用户处理音频内容，例如可以直接上传一份音频文件让它来分析，或者上传一份财报电话会议录音或视频来让它总结。
据称，这个 Gemini 系列中定位“中量级”模型的版本在性能上已经超越了自家更大的模型 ——Gemini Ultra。谷歌称，Gemini 1.5 Pro 可以理解复杂的指令，并且无需对模型进行微调。
当然，Gemini 1.5 Pro 目前仅限于 Vertex AI 用户体验，而 Gemini Ultra 则因为 Gemini 聊天机器人的原因为所有 Pro 用户提供服务。不过，尽管 Gemini Ultra 功能更多并且能够理解长指令，但处理速度不如 Gemini 1.5 Pro。
实际上，Gemini 1.5 Pro 并非唯一获得更新的谷歌大模型，辅助 Gemini 生成图像的文生图模型 Imagen 2 也将加入图片修复和扩充功能，使用户可以添加或移除图像元素。
IT之家注意到，谷歌还为 Imagen 模型的所有图片提供了数字水印功能“SynthID”。简单来说，SynthID 在图像中添加了一个用户不可见的防伪标识，但可以通过检测工具来确认其来源。
值得注意的是，Imagen 的许多新功能，例如图片修复和扩充，已经出现在其他文生图模型中，例如 Stability AI 的 Stable Diffusion 和 Getty 公司的 Generative AI by iStock 上，更不用说最新款三星 Galaxy 手机还有类似的功能。
谷歌表示，他们还将在公开预览中尝试将 AI 响应与谷歌搜索结果结合，以便利用最新情报进行解答。
参考资料：
《Gemini 1.5: Unlocking multimodal understanding across millions of tokens of context》
