Google 在 12 月 11 日發表了 Gemini 2.0，宣稱這是面向 AI 代理時代的模型，並開放了 Gemini 2.0 Flash 實驗版的試用。Flash 模型主打速度，但其表現卻令人驚艷，甚至超越了 Gemini 1.5 Pro。更令人振奮的是，Google 實現了先前在 Gemini 發布影片中展示的鏡頭即時互動功能，彎道超車 OpenAI，且這些功能都是免費使用的！本文將帶您深入了解 Gemini 2.0 Flash 的強大功能，並在後半段展示實際使用情況。
Google 的逆襲：Gemini 1.5 到 2.0 的進化
過去幾年，Google 在 AI 領域一直被 OpenAI 佔據上風，直到 Gemini 1.5 的推出才開始扭轉局面。Gemini 1.5 以其優異的文筆、超長的 1M Context Window 大小以及原生支援的多模態辨識能力，成功地整合到 NotebookLM 和搜尋引擎等功能中。
現在，Gemini 2.0 的推出更上一層樓，Google 執行長皮蔡表示，如果 Gemini 1.0 是關於組織和理解訊息，那麼 Gemini 2.0 就是讓資訊變得更加有用。Gemini 2.0 支援原生輸出聲音和圖像，原生支援工具使用，並可即時串流輸入聲音和影像做出回應。這意味著，與鏡頭畫面即時互動、即時讀取裝置螢幕畫面並提供遊戲建議等功能，都已成為現實。
Gemini 2.0 Flash：速度與精度的完美結合
目前公開可用的版本是 Gemini 2.0 Flash 實驗版。雖然 Flash 模型在 Gemini 系列中偏向低延遲、精度較低的模型，但它在 MMLU-Pro、Natural2Code、LiveCodeBench、MATH 等多個測試資料集上，都贏過了 Gemini 1.5 Pro，僅在長文閱讀和音檔理解能力上略遜一籌。
在語言模型競技場的排名中，Gemini 2.0 Flash 實驗版也躍升至第三名，僅次於 Gemini EXP 1206 和最新版的 GPT-4o。
AI 代理時代的來臨：Project Astra、Mariner 和 Jules
Google 強調 Gemini 2.0 的 Agent 功能，並介紹了三款 Agent：AI 助理 Project Astra、可操控瀏覽器並執行複雜任務的 Project Mariner，以及程式設計 Agent Jules。這些專案顯示 Gemini 2.0 在工具使用方面具有相當大的潛力。
Project Astra 介紹片
Project Mariner 介紹片
Jules 介紹片
Gemini 2.0 Flash 實測：即時互動、圖像辨識和程式生成
接下來，我們將實際測試 Gemini 2.0 Flash 的能力。YT嵌入影片的皆已經標註時間戳，點開就是測試的片段
即時互動測試
透過 Google AI Studio 的 Stream Realtime 頁面，我們可以使用麥克風或相機進行即時輸入。
即時互動開啟 Grounding 進行網路搜尋測試
看起來再開啟 Grounding 功能後，即時語音功能能夠搜尋網路獲取資訊
即時鏡頭輸入測試
這部分因為我的電腦沒有鏡頭，所以我將手機畫面投射到電腦上，用手機境頭測試 Gemini 2.0 Flash 辨識拍到的畫面。
結果看起來 Gemini 2.0 Flash 確實可以即時獲取畫面中的資訊。
螢幕畫面互動測試
讓 Gemini 2.0 Flash 辨識螢幕畫面中的內容，並回答相關問題。
程式生成測試
使用 VSCode 和 Cline 插件，測試 Gemini 2.0 Flash 的程式生成能力。
個人感覺 Gemini 2.0 Flash 在程式能力方面扔然稍顯不足，即便給了參考範例，依舊有很高的機率寫錯；並且如果直接回報遇到的問題而不提到相關可能的原因，Gemini 2.0 Flash 很可能會瞎改，完全找不到方向。
總結：Gemini 2.0 Flash 的潛力與挑戰
Gemini 2.0 Flash 在即時互動和鏡頭畫面辨識方面表現出色，成功實現了先前宣傳片中的即時互動功能。雖然程式生成能力仍有待提升，但其輕巧快速的特性以及免費使用的優勢，使其成為一個值得關注的 AI 模型。我個人相當期待 Gemini 2.0 Pro 的推出，能帶來更強大的程式設計和問題解決能力.