谷歌年度大招：所有AI模型全升級(jí)一遍！Gemini2.5大杯中杯霸榜前二，新版視頻/圖像模型亮相

夢(mèng)晨 西風(fēng) 發(fā)自 凹非寺

量子位 | 公眾號(hào) QbitAI

原生多模態(tài)輸入輸出、智能體、聯(lián)網(wǎng)搜索……所有前沿AI能力集成在一起會(huì)怎么樣？

谷歌最新版Project Astra展示了終極AI助手的能力：

視頻鏈接：https://mp.weixin.qq.com/s/Z2WkvmnYIVlmd43S2r35FA

實(shí)時(shí)觀察周圍環(huán)境，搜索資料指導(dǎo)小哥修自行車，零件不夠還能自動(dòng)電話詢問周邊商店有沒有貨。

在最新的I/O大會(huì)上，谷歌連續(xù)放大招，就好像大招不要錢。

• 現(xiàn)有AI模型全部更新一遍
• 原有的產(chǎn)品用AI重做一遍
• 實(shí)驗(yàn)性新產(chǎn)品也推出了一籮筐

Gemini 2.5 Pro和Gemini 2.5 Flash的預(yù)覽版已霸榜競(jìng)技場(chǎng)前兩名。

視頻生成模型Veo 3，實(shí)現(xiàn)視頻與音頻的原生集成，除音樂和音效，甚至是角色間的對(duì)話語(yǔ)音都能生成，畫面上還能同步口型。

視頻鏈接：https://mp.weixin.qq.com/s/Z2WkvmnYIVlmd43S2r35FA

圖像生成模型Imagen 4，圖像更加豐富，色彩更加細(xì)膩，細(xì)節(jié)更加逼真。

……

傳統(tǒng)產(chǎn)品方面，谷歌搜索增加端到端AI搜索模式，整合推理和多模態(tài)分析能力，將問題分解為子問題，并同時(shí)發(fā)出多個(gè)查詢，更深入地探索網(wǎng)絡(luò)。

視頻鏈接：https://mp.weixin.qq.com/s/Z2WkvmnYIVlmd43S2r35FA

視頻會(huì)議Google Meet，支持實(shí)時(shí)的雙語(yǔ)翻譯配音，并保留對(duì)話雙方的音色，首批英語(yǔ)-西班牙語(yǔ)支持已上線，后續(xù)將添加更多語(yǔ)言。

視頻鏈接：https://mp.weixin.qq.com/s/Z2WkvmnYIVlmd43S2r35FA

Chrome瀏覽器，直接集成Gemini模型，可快速總結(jié)內(nèi)容，或根據(jù)當(dāng)前網(wǎng)頁(yè)上下文完成任務(wù)，無(wú)需切換標(biāo)簽頁(yè)。

……

新產(chǎn)品方面，原裸眼3D視頻通話Project Starline，升級(jí)為AI驅(qū)動(dòng)的3D視頻通信平臺(tái)Google Beam。

使用一系列攝像頭從不同角度捕捉畫面。然后借助AI將視頻流合并，在3D光場(chǎng)顯示屏上呈現(xiàn)畫面——頭部追蹤精度可達(dá)毫米，幀率高達(dá)每秒60幀。

AI視頻模型與光場(chǎng)顯示技術(shù)的結(jié)合創(chuàng)造了維度感和深度感，使用戶能夠進(jìn)行眼神交流，觀察微妙的表情，建立理解和信任，就像面對(duì)面一樣。

此外還有異步AI代碼助手Jules，它在后臺(tái)運(yùn)行時(shí)人類用戶可以專注于其他任務(wù)。

AI電影制作工具Flow，集成多款多模態(tài)模型，讓創(chuàng)意變成故事。

與墨鏡品牌Gentle Monster和Warby Parker合作打造的AI眼鏡，配備攝像頭、麥克風(fēng)和揚(yáng)聲器，可與手機(jī)協(xié)同工作，無(wú)需把手機(jī)從兜里掏出來(lái)就能訪問APP。

Gemini模型加持下，AI眼鏡能夠看到和聽到你的一舉一動(dòng)，從而了解你的處境，記住重要事項(xiàng)，并全天提供幫助。

各部分詳情下面一一來(lái)看。

Gemini 2.5系列模型全新升級(jí)

Gemini 2.5系列，2.5 Pro、Flash均進(jìn)行了一波升級(jí)。

首先來(lái)看Gemini 2.5 Pro，除了在學(xué)術(shù)基準(zhǔn)測(cè)試中表現(xiàn)出色外，現(xiàn)在還以1415的ELO分?jǐn)?shù)領(lǐng)先于熱門編碼排行榜WebDev Arena，比上一個(gè)版本提升142分：

同時(shí)霸榜于評(píng)估人類偏好各個(gè)維度的LMArena：

據(jù)介紹，憑借其百萬(wàn)token上下文窗口，2.5 Pro具有更強(qiáng)的長(zhǎng)上下文和視頻理解性能。

2.5 Pro還整合了谷歌與教育專家合作開發(fā)的LearnLM模型系列，在評(píng)估其教學(xué)法和有效性的直接對(duì)比中，教育工作者和專家在各種場(chǎng)景中更青睞2.5 Pro。

更值得一提的是，2.5 Pro全新引入了Deep Think增強(qiáng)推理模式。據(jù)介紹，該模式使用新的技術(shù)，允許模型在回應(yīng)前同時(shí)考慮多種假設(shè)。

效果如何？

2.5 Pro在2025年USAMO這種超難數(shù)學(xué)基準(zhǔn)測(cè)試上得分驚艷，在編程比賽級(jí)別的LiveCodeBench上也有優(yōu)勢(shì)，在測(cè)試多模態(tài)推理的MMMU基準(zhǔn)中獲得84.0%的分?jǐn)?shù)。

不過，谷歌表示Deep Think需要更多時(shí)間進(jìn)行前沿安全評(píng)估，目前僅將通過Gemini API向可信測(cè)試人員開放該功能。

2.5 Flash也進(jìn)行了升級(jí)，在推理、多模態(tài)、代碼和長(zhǎng)上下文等關(guān)鍵基準(zhǔn)測(cè)試中均有改進(jìn)，同時(shí)效率更高，在谷歌的評(píng)估中使用token減少了20-30%。

全新2.5 Flash現(xiàn)在已在Google AI Studio、Vertex AI和Gemini app中提供preview。

不僅如此，Gemini 2.5系列還引入了不少新功能。

1、原生音頻輸出功能&Live API改進(jìn)

Live API 推出了視聽輸入和原生音頻對(duì)話的preview版本，用戶可以直接構(gòu)建更自然、更具表現(xiàn)力的Gemini對(duì)話體驗(yàn)。

模型可根據(jù)用戶要求調(diào)整語(yǔ)調(diào)、口音和說(shuō)話風(fēng)格，感情變化聽得見。

谷歌還為2.5 Pro和2.5 Flash推出了文本轉(zhuǎn)語(yǔ)音（TTS）的新功能。首次支持多揚(yáng)聲器，通過原生音頻輸出實(shí)現(xiàn)雙語(yǔ)音合成，即模擬兩個(gè)不同的聲音角色同時(shí)或交替發(fā)聲，支持24種不同語(yǔ)言。

該文本轉(zhuǎn)語(yǔ)音功能現(xiàn)已在Gemini API中可用。

2、電腦操作能力

谷歌正將Project Mariner的電腦操作能力引入Gemini API和Vertex AI。

支持多任務(wù)處理，最多可同時(shí)執(zhí)行10個(gè)任務(wù)，并且新增 “Learn and Repeat” 功能，讓AI學(xué)會(huì)自動(dòng)完成重復(fù)性任務(wù)。

視頻鏈接：https://mp.weixin.qq.com/s/Z2WkvmnYIVlmd43S2r35FA

3、為提升開發(fā)者體驗(yàn)，Gemini 2.5增加三大實(shí)用功能：

• thought summaries，會(huì)將模型的原始思考過程整理成帶標(biāo)題、關(guān)鍵細(xì)節(jié)和模型操作信息（如工具調(diào)用）的清晰格式，幫助開發(fā)者更透明地了解模型思考過程。
• thinking budgets，讓開發(fā)者可以控制模型使用多少token進(jìn)行思考；
• Gemini SDK兼容MCP工具，實(shí)現(xiàn)與開源工具的更輕松集成。

關(guān)于谷歌Gemini的下一步，谷歌DeepMind CEO哈薩比斯表示，他們正努力將其最優(yōu)秀Gemini模型擴(kuò)展為一個(gè) “世界模型”，使其能像人類大腦一樣通過理解和模擬世界來(lái)制定計(jì)劃、想象新體驗(yàn)。

異步代碼助手Jules

異步代碼助手Jules正式進(jìn)入公測(cè)階段，全球開發(fā)者無(wú)需等待就能體驗(yàn)。

Jules會(huì)把你的代碼庫(kù)克隆到安全的谷歌云虛擬機(jī)中，全面理解項(xiàng)目上下文，可以寫測(cè)試、構(gòu)建新功能、提供音頻更新日志、修復(fù)bug，以及更新依賴版本。

它以異步方式工作，讓你可以專注于其他任務(wù)，完成后會(huì)展示其計(jì)劃、推理過程和更改內(nèi)容。私有庫(kù)中的工作默認(rèn)保持私密，Jules不會(huì)用你的私有代碼進(jìn)行訓(xùn)練。

得益于Gemini 2.5 Pro的支持，Jules擁有目前最先進(jìn)的編碼推理能力。結(jié)合云VM系統(tǒng)，它能處理復(fù)雜的多文件變更和并發(fā)任務(wù)。

公測(cè)期間完全免費(fèi)，但有使用限制，平臺(tái)成熟后預(yù)計(jì)將引入付費(fèi)方案。

視頻鏈接：https://mp.weixin.qq.com/s/Z2WkvmnYIVlmd43S2r35FA

谷歌搜索引入AI Mode

搜索方面，這次I/O大會(huì)宣布將AI Mode正式引入搜索引擎，面向美國(guó)用戶全面開放。

AI Mode是以Gemini 2.5為核心重構(gòu)的搜索引擎，集成了Gemini最前沿的能力，提供端到端的AI搜索。

它采用query fan-out技術(shù)，自動(dòng)將問題分解為多個(gè)子話題并同時(shí)搜索，從而比傳統(tǒng)搜索更深入、更全面地挖掘網(wǎng)絡(luò)信息。

谷歌預(yù)告了AI Mode未來(lái)的一系列功能，比如：

Deep Search深度搜索模式，能自動(dòng)發(fā)起上百次搜索，跨領(lǐng)域整合信息并生成引用詳盡的專家級(jí)報(bào)告，節(jié)省大量人工研究時(shí)間。

Search Live實(shí)時(shí)互動(dòng)搜索，用戶只需在AI Mode下輕觸“Live”圖標(biāo)，對(duì)著手機(jī)攝像頭提問，AI就能看懂畫面內(nèi)容并給出實(shí)時(shí)的語(yǔ)音解答和相關(guān)資源鏈接。

還有Agent能力，用戶想買音樂會(huì)門票，只需說(shuō)一句話，AI Mode就會(huì)跨平臺(tái)搜羅各大網(wǎng)站的票務(wù)信息，鎖定最優(yōu)選項(xiàng)，填好訂單信息。用戶只需確認(rèn)符合需求的選項(xiàng)，即可在偏好的網(wǎng)站完成購(gòu)買。

谷歌還重點(diǎn)展示了AI Mode所帶來(lái)的全新購(gòu)物體驗(yàn)。

新購(gòu)物體驗(yàn)將Gemini的智能與Shopping Graph結(jié)合，集成了500億+優(yōu)質(zhì)商品信息，可幫助用戶瀏覽、梳理需求并篩選商品。

當(dāng)用戶決定購(gòu)買時(shí)，全新的智能結(jié)賬功能會(huì)按照符合預(yù)算的價(jià)格輕松完成交易。

只需在任意商品頁(yè)面點(diǎn)擊“跟蹤價(jià)格”，設(shè)置尺寸、顏色和預(yù)算金額等，當(dāng)價(jià)格下跌時(shí)，用戶會(huì)收到通知，確認(rèn)購(gòu)買細(xì)節(jié)后點(diǎn)擊“代我購(gòu)買”，系統(tǒng)就會(huì)自動(dòng)將商品加入購(gòu)物車，并通過Google Pay安全完成結(jié)賬。

另外在購(gòu)買衣服時(shí)，它還提供虛擬試穿工具，支持使用用戶自拍照。只需上傳一張自拍照，就能在海量服飾中隨意試穿，AI模型能精準(zhǔn)還原不同材質(zhì)的垂墜和褶皺。

多模態(tài)模型全線升級(jí)

在多模態(tài)方面，谷歌還重磅推出了最新視頻生成模型Veo 3、圖像生成模型Imagen 4。

Veo 3首次實(shí)現(xiàn)原生音畫同步生成，無(wú)論是城市街道的車流聲、公園中的鳥鳴，甚至是角色對(duì)話，均可通過文本提示生成。

用戶只需用提示講述一個(gè)短故事，模型就能生成栩栩如生的視頻片段。

從文本/圖像提示到現(xiàn)實(shí)世界物理效果的模擬和精準(zhǔn)的口型同步，Veo 3在各維度均表現(xiàn)出眾。

Veo 3已向美國(guó)Ultra訂閱用戶開放，企業(yè)用戶也可在Vertex AI平臺(tái)調(diào)用。

視頻鏈接：https://mp.weixin.qq.com/s/Z2WkvmnYIVlmd43S2r35FA

在推出新模型的同時(shí)，Veo 2也增添了多項(xiàng)新功能，包括參考驅(qū)動(dòng)視頻生成、相機(jī)控制、畫面擴(kuò)展以及對(duì)象添加和移除功能。這些功能已在Flow中提供，未來(lái)幾周內(nèi)將在Vertex AI API中推出，并在未來(lái)幾個(gè)月內(nèi)集成到更多產(chǎn)品中。

谷歌最新圖像生成模型Imagen 4則兼具速度與精度，速度比上一代快10倍，生成的圖像在精細(xì)細(xì)節(jié)上表現(xiàn)驚人，從復(fù)雜織物、水滴到動(dòng)物皮毛均清晰逼真，同時(shí)擅長(zhǎng)寫實(shí)與抽象風(fēng)格。

Imagen 4支持多種縱橫比與最高2K分辨率，文字拼寫與排版能力顯著提升，輕松創(chuàng)作賀卡、海報(bào)、漫畫。

目前Imagen 4已在Gemini app、Whisk、Vertex AI等上線。

除此之外，谷歌還介紹了新一代AI電影制作工具Flow，它專為創(chuàng)意人士設(shè)計(jì)，集成了谷歌最強(qiáng)的視覺模型（Veo、Imagen和Gemini）。

Flow具備卓越的提示遵循能力，可輸出震撼的電影級(jí)畫面。背后Gemini模型讓提示輸入直觀易用，用戶可通過日常語(yǔ)言描述創(chuàng)意愿景，支持導(dǎo)入自有素材創(chuàng)建角色，或利用Imagen的文生圖功能在Flow中生成故事要素。

一旦創(chuàng)建了角色或場(chǎng)景，即可以在不同片段與場(chǎng)景中連貫復(fù)用這些要素，也可以用單一場(chǎng)景圖像啟動(dòng)新鏡頭。

視頻鏈接：https://mp.weixin.qq.com/s/Z2WkvmnYIVlmd43S2r35FA

即日起，美國(guó)Google AI Pro與Ultra訂閱用戶可率先使用Flow。

One More Thing

在大會(huì)現(xiàn)場(chǎng)，CEO Sundar Pichai還透露了這樣一個(gè)數(shù)據(jù)。

去年4月，谷歌產(chǎn)品和模型API合計(jì)每月處理9.7T的tokens。

一年時(shí)間過去，這個(gè)數(shù)據(jù)增長(zhǎng)到50倍，每月處理480T+ tokens。

世界采用人工智能的速度比以往任何時(shí)候都快。

視頻回放：https://www.youtube.com/watch?v=o8NiE3XMPrM

參考鏈接：
[1]https://google-i-o-2025-press-site.prezly.com/