📢 转载信息
原文链接：https://cn.technode.com/post/2025-11-19/google-gemini3-launch/
原文作者：Lucia
谷歌宣布推出 Gemini 1.5 Pro，这是一款新的中等大小的多模态模型，但在其上下文窗口能力上实现了显著飞跃。该模型具备原生多模态能力，并且将其上下文窗口扩展到了惊人的 200 万 Token，是目前主流模型（如 GPT-4 Turbo 和 Claude 3 Opus）的 10 倍以上。
谷歌表示，Gemini 1.5 Pro 的性能与初代 Gemini 1.0 Pro 相当，但推理能力得到提升，尤其是在处理长文本和复杂数据方面的能力更强。
前所未有的超长上下文窗口
Gemini 1.5 Pro 最引人注目的是其 200 万 Token 的标准上下文窗口。作为对比，Gemini 1.0 Pro 的上下文窗口为 32K Token，而其他大模型通常在 128K 范围内徘徊。
这个巨大的上下文窗口意味着模型可以直接处理大量的输入信息，例如：
- 完整代码库： 一次性输入超过 3 万行代码进行分析和修改。
- 长篇小说： 处理数小时的视频或一整本长篇书籍，并进行精准问答。
- 海量数据： 摄取大量财务报告、法律文件等。
谷歌表示，在测试中，Gemini 1.5 Pro 展示了 99% 的召回率（Recall Rate），即使在输入超过 100 万 Token 的文档中进行信息检索，也能准确找到所需信息。
原生多模态能力
与许多在不同模态间进行连接或混合的模型不同，Gemini 1.5 Pro 是“原生”多模态的。这意味着模型从训练之初就接触了文本、图像、音频和视频等多种数据类型，而不是将它们拼接起来。
这意味着该模型可以实现更深层次的跨模态理解，例如，它可以从一个小时的视频中准确找到某个特定瞬间，或者理解音频中的细微差别。
💡 技术原理：新一代 MoE 架构
Gemini 1.5 Pro 的高效得益于其采用了下一代 Mixture-of-Experts (MoE) 架构。MoE 架构允许模型在处理特定任务时只激活必要的“专家”网络，这大大提高了训练和推理的效率，同时也降低了计算成本。
谷歌强调，尽管上下文窗口巨大，但 Gemini 1.5 Pro 的计算效率得到了显著优化，使其在同等性能下，比使用更大型模型的成本要低得多。
应用和部署
谷歌已经向开发者和企业用户开放了 Gemini 1.5 Pro 的预览版，主要通过 Google AI Studio 和 Vertex AI 平台提供。
目前的开发者预览版上下文窗口限制在 128K Token，但谷歌承诺将逐步向更多用户开放 100 万甚至 200 万 Token 的窗口。此外，测试用户还可以使用 100 万 Token 的窗口来处理自己的数据。
谷歌首席执行官桑达尔·皮查伊（Sundar Pichai）表示，Gemini 1.5 Pro 的发布标志着 AI 模型向更高效、更具扩展性的方向发展，特别是在企业级应用中，长上下文理解能力将是巨大的竞争优势。
未来展望
虽然 Gemini 1.5 Pro 尚未完全达到 Gemini 1.0 Ultra 的峰值性能，但其在效率和上下文处理上的突破，使得它在许多实际应用场景中可能更具实用价值。谷歌正在积极探索如何将这一技术集成到其核心产品中，如 Google Workspace 和 Google Cloud。
业界普遍认为，长上下文窗口是 AI 发展的重要趋势之一，Gemini 1.5 Pro 的发布无疑为这场竞争设定了新的基准。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区