谷歌殺回來(lái)了！新版Gemini跑分超o1登頂?shù)谝?，CEO：這才哪到哪兒

一水 2024-11-15 13:28:32 來(lái)源：量子位

鯊瘋了！谷歌新版Gemini超越o1，強(qiáng)勢(shì)登頂競(jìng)技場(chǎng)總榜第一！

在經(jīng)6000+網(wǎng)友匿名投票后，不僅數(shù)學(xué)成績(jī)和學(xué)霸o1相當(dāng)，還拿下其它5個(gè)單項(xiàng)第一。

新模型名為Gemini（Exp 1114），成績(jī)一公布，連CEO皮猜也親自飛奔來(lái)站臺(tái)。

而競(jìng)技場(chǎng)官方也在第一時(shí)間公布喜訊，并祝賀谷歌：

恭喜達(dá)到這一非凡里程碑！

這下尷尬了！說(shuō)好的谷歌正在遭遇瓶頸呢？沒(méi)想到人家反手就是一個(gè)王炸。

怕了怕了，或許，只有OpenAI立即發(fā)布滿(mǎn)血版o1才能與之一戰(zhàn)了？

目前新模型可在谷歌AI Studio體驗(yàn)，官方后續(xù)也計(jì)劃提供API。

網(wǎng)友們也紛紛猜測(cè)，難道這就是傳說(shuō)中的Gemini 2——

拿下7項(xiàng)第一，數(shù)學(xué)也和o1不分伯仲

一夜之間，競(jìng)技場(chǎng)Imsys排名再被刷新：

從總榜來(lái)看，谷歌新模型Gemini（Exp 1114）分?jǐn)?shù)直漲40+，擠下了之前一直霸榜的OpenAI模型（包括o1-preview、GPT-4o）。

而且假如正面1v1遇敵，新Gemini貌似都有一半及以上概率取勝。

整體勝率熱圖顯示，Gemini（Exp 1114）對(duì)戰(zhàn)4o-latest勝率為50%，對(duì)戰(zhàn)o1-preview勝率為56%，對(duì)戰(zhàn)Claude-3.5-Sonnet勝率為62%。

同時(shí)，Gemini（Exp 1114）在單項(xiàng)上也很能打，一舉拿下6個(gè)第一，包括：

• 復(fù)雜提示（Hard Prompts）：模型處理復(fù)雜或困難提示的能力；
• 數(shù)學(xué)；
• 創(chuàng)意寫(xiě)作；
• 指令遵循：評(píng)估模型遵循給定指令的能力；
• 長(zhǎng)查詢(xún)處理（Longer Query）：衡量模型處理較長(zhǎng)查詢(xún)的能力；
• 多輪對(duì)話（Multi-Turn）：模型在多輪對(duì)話中保持上下文連貫性的能力；

要說(shuō)最大看點(diǎn)，還是Gemini（Exp 1114）竟能與o1模型在數(shù)學(xué)能力上不分伯仲。

要知道，據(jù)OpenAI官方說(shuō)法，o1不需要專(zhuān)門(mén)訓(xùn)練，就能直接拿下數(shù)學(xué)奧賽金牌，甚至可以在博士級(jí)別的科學(xué)問(wèn)答環(huán)節(jié)上超越人類(lèi)專(zhuān)家。

不過(guò)比較遺憾的是，對(duì)于寫(xiě)代碼這項(xiàng)重磅功能，Gemini（Exp 1114）雖說(shuō)相較于谷歌上一版本有所改進(jìn)，但仍然未能擠進(jìn)前三。（o1-mini/preview仍處于領(lǐng)先地位）

另外，在風(fēng)格控制下，Gemini-Exp-1114也和前三無(wú)緣，甚至不及自家的Gemini-1.5-pro。（排在o1、4o-latest和Sonnet之后）

解釋一下，風(fēng)格控制（Style Control）是競(jìng)技場(chǎng)今年新推出的功能，確保分?jǐn)?shù)反映模型真正解決問(wèn)題的能力，而不是用漂亮的格式、增加回答長(zhǎng)度。

不過(guò)也有意外之喜，Gemini-Exp-1114這一次在視覺(jué)能力上拿下第一，超越了GPT-4o。

整體看下來(lái)，對(duì)于谷歌這次的反超，大家也感到十分意外。

目前，Gemini-Exp-1114已經(jīng)可以在谷歌AI Studio體驗(yàn)，且官方計(jì)劃后續(xù)提供API。

這不，有很多網(wǎng)友已經(jīng)上手測(cè)試了，但好像爭(zhēng)議蠻多——

網(wǎng)友反應(yīng)不一

先總結(jié)一下，通過(guò)網(wǎng)友測(cè)試，目前可知Gemini-Exp-1114的以下信息：

• 擁有32k上下文窗口
• 模型回答知識(shí)截止日期為2023年4月，但回答結(jié)果會(huì)不一樣
• 加上了思維鏈

其中，32k上下文被大家狠狠吐槽。有人直言相比200萬(wàn)上下文窗口的Gemini 1.5，擱這兒不升反降呢！

興許是感受到大家的怨懟了，谷歌AI Studio負(fù)責(zé)人趕緊出來(lái)打圓場(chǎng)：馬上更！馬上更！

安撫好眾人情緒后，大家終于樂(lè)顛顛曬起了使用反饋。

透過(guò)其中一位小哥的觀察，Gemini-Exp-1114這次也是用上了思維鏈，在回答時(shí)也能像人類(lèi)一樣一步步思考了。

而且，在數(shù)學(xué)能力上確實(shí)不錯(cuò)？

Gemini-Exp-1114正確回答了2024美國(guó)數(shù)學(xué)奧林匹克預(yù)選賽II 1-8題。

甚至相對(duì)弱項(xiàng)的編碼，也有人第一次嘗試就成功了。

然而，翻車(chē)總是難免的。

有人問(wèn)了基準(zhǔn)測(cè)試中的物理問(wèn)題，結(jié)果Gemini-Exp-1114雖然有思維鏈加持，卻仍然回答錯(cuò)誤。

甚至老生常談的數(shù)字比大小和數(shù)草莓中的“r”，竟還是失敗。

更搞笑的是，有人問(wèn)Gemini-Exp-1114“你叫什么？”

結(jié)果回答了claude（doge）。

實(shí)際上，大家一直在猜測(cè)Gemini-Exp-1114會(huì)不會(huì)是傳說(shuō)中谷歌計(jì)劃更新的Gemini 2。

但根據(jù)實(shí)測(cè)，相當(dāng)一部分網(wǎng)友出來(lái)表示否定。

畢竟，它好像連舊版1.5 Pro會(huì)的問(wèn)題也無(wú)法解決。

更有人聲稱(chēng)，這是谷歌推遲發(fā)布更大模型（即Gemini 2）的策略，先弄一個(gè)殘血版讓大家玩玩，這樣就別急著催更了。

結(jié)合CEO皮猜順勢(shì)放煙霧彈的做法，好像又有點(diǎn)道理（doge）！