信息始终是人类进步的核心驱动力。过去二十六年间，Google的使命从未改变：整合全球信息，让每个人都能轻松获取并从中受益。正是这一愿景，持续推动着人工智能前沿的突破——从汇聚世界各地信息，到提供多样化的输出形式，使知识真正服务大众。

去年年底推出的Gemini 1.0，作为业界首个原生多模态模型，在多模态处理与长上下文理解方面实现了关键突破。它能够解析文本、视频、图像、音频和代码，应对更大规模的数据。如今，数百万开发者正利用它构建应用，同时它也帮助Google重新构思旗下七款拥有20亿用户的产品——NotebookLM便是典型例证，充分展示了多模态与长上下文能力带来的卓越体验，也解释了其广受欢迎的原因。

过去一年中，团队持续打造更智能的模型，这些模型能更好地感知周围环境，提前规划多个步骤，并在用户监督下代为执行操作。可以说，Gemini 2.0正是为新兴智能体时代量身打造的下一代模型——也是迄今为止功能最强大的版本。

Gemini 2.0 Flash：主力模型的全新进化

今天发布的首个模型是Gemini 2.0 Flash体验版。作为核心模型，它在低延迟与卓越性能之间实现了全新平衡——在关键基准测试中，甚至超越了此前备受赞誉的1.5 Pro，而速度却是后者的两倍。

Gemini 2.0 Flash基于1.5 Flash的成功经验打造。1.5 Flash曾是开发者最青睐的版本。如今，2.0 Flash在保持同样快速响应的同时，性能进一步提升。更重要的是，它带来了全新能力：除多模态输入外，还能直接生成图像与文本混合的内容，以及原生可控的多语言文本转语音音频。此外，它可原生调用Google Search、代码执行和第三方函数——这些工具的组合为开发者提供了更广阔的创造空间。

过去一个月，团队分享了Gemini 2.0的早期体验版，开发者反馈极为积极。现在，2.0 Flash体验版已通过Google AI Studio和Vertex AI中的Gemini API开放。多模态输入和文本输出对所有开发者可用，而原生文本转语音和图像生成功能则面向抢先体验的合作伙伴。明年1月，更多型号将全面上市。

为帮助开发者构建动态交互式应用，Multimodal Live API同步推出——它支持实时音频、视频流输入，以及多种组合工具的使用。

从Gemini App到Search：2.0正在落地

从今天起，全球Gemini用户可通过电脑端和移动端网页的模型下拉菜单，选择2.0 Flash体验版开始对话。移动应用很快也会跟上。基于这一新模型，Gemini助手的能力将更加实用。

Search是受影响最深的产品之一。如今，AI Overviews已触达10亿用户，成为Search有史以来最受欢迎的功能之一。接下来，Gemini 2.0的高级推理能力将融入AI Overviews，帮助它攻克更复杂的问题——包括高等数学、多模态查询和编码。本周小范围测试已启动，明年年初将更大范围推出。同时，AI Overviews计划明年面向更多国家和语言开放。

Gemini 2.0的进展离不开十年全栈式AI创新研究的投入，以及定制硬件第六代TPU Trillium的支撑。TPU为Gemini 2.0的训练和推理提供100%算力。今天，Trillium也全面开放，开发者可基于它进行开发。

解锁智能互动新体验

Gemini 2.0 Flash的原生用户界面操作能力、多模态推理、长文本理解、复杂指令跟随和规划能力、组合函数调用、原生工具使用以及延迟优化——这些改进共同促成了全新的智能化交互体验。

AI智能体在现实中的应用是一个令人振奋且充满可能性的领域。团队正探索这一新前沿，开发出一系列原型，帮助人们完成任务、达成目标：

• Project Astra的升级版，用于探索未来通用AI助手的形态；
• Project Mariner，从浏览器入手，探索人与智能体交互的未来；
• Jules，帮助开发者的AI驱动编码智能体。

目前这些仍处于早期开发阶段，但团队非常期待看到受信任的测试人员使用它们，并从反馈中汲取经验，最终让这些功能进入更广泛的产品。

Project Astra：理解现实世界的智能体

自Google I/O大会推出以来，团队一直在收集Android手机上使用Project Astra的测试人员的反馈。这些意见帮助团队更深入理解通用AI助手在现实应用中的表现，包括安全和伦理方面的挑战。基于Gemini 2.0，Project Astra在多个方面实现了改进：

更流畅的对话——现在支持多种语言和混合语言对话，能更好理解不同口音和生僻单词；新工具的使用——借助Gemini 2.0，Project Astra可使用Google Search、Google Lens和Google Maps，在日常场景中发挥更实际的助手作用；更强的记忆力——最多可记住长达10分钟的会话内容，并能回忆过去更多对话，从而提供更好的个性化服务；更低的延迟——借助流式处理技术和原生音频理解能力，延迟接近人类对话水平。

这些功能正在向Google产品落地，包括Gemini app和智能眼镜等设备。一小部分受信任的测试人员将很快开始测试Project Astra在原型智能眼镜上的表现。

Project Mariner：帮您完成复杂任务的智能体

Project Mariner是使用Gemini 2.0构建的早期研究原型，从浏览器入手探索人机交互的未来。它能够理解和推理浏览器页面中的信息——包括像素和文本、代码、图像和表单等网页元素，然后通过实验性的Chrome扩展程序为您完成任务。

在WebVoyager基准测试中，Project Mariner作为单个智能体实现了83.5%的工作效率，达到了最先进的水平。当然，它目前运行并非总是准确，完成任务的速度也较慢，但作为早期阶段的产品，改善速度值得期待。

团队正积极研究新型风险和应对措施，始终确保有人类的参与和监督。例如，Project Mariner只能在活动标签页中键入、滚动或单击，而在采取敏感操作（如购买）之前，会要求用户最终确认。受信任的测试人员现在已开始使用实验性Chrome扩展程序进行测试，并正在与网络生态系统展开合作。

Jules：面向开发者的智能体

团队还探索AI智能体如何通过Jules——一种直接集成到GitHub工作流程中的实验性AI代码智能体——来协助开发者。它可以解决问题、制定并执行计划，所有操作都在开发者的指导和监督下进行。这是构建跨领域AI智能体长期目标的一部分。

游戏和其他领域

Google DeepMind一直利用游戏来帮助AI模型更好地遵守规则、规划并运用逻辑思维。上周推出的Genie 2，可以从单个图像创建无限多种可玩3D世界。基于Gemini 2.0构建的智能体，则能帮助玩家在电子游戏中做出更明智的决策——根据屏幕实时画面分析情况，提供下一步行动建议。

团队正在与Supercell等顶尖游戏开发团队合作，在《部落冲突》《海岛奇兵》等游戏中测试这些智能体，评估它们理解规则、应对挑战的能力。除了做虚拟游戏伙伴，这些智能体还可以通过Google Search让玩家接触到丰富的游戏相关知识。

除此之外，Gemini 2.0的空间推理能力也被应用在机器人领域，尝试让智能体在现实世界中提供帮助。虽然研究仍处于初期阶段，但前景令人兴奋。

在智能体时代负责任地进行构建

通过Gemini 2.0 Flash和研究原型，团队能够不断测试和迭代AI研究的前沿新功能，这些新功能最终将提升Google产品的实用性。

团队深知新技术带来的责任，也意识到AI智能体在安全方面可能引发的诸多问题。因此，探索性和渐进式的开发方式被采用——对多个原型深入研究，迭代实施安全培训，与受信任的测试人员和外部专家合作，并进行全面的风险评估和安全性测评。

作为安全管理流程的一部分，团队一直与内部审查小组及责任与安全委员会（RSC）合作，识别和评估潜在风险。借助Gemini 2.0强大的推理能力，AI辅助的红队测试也取得了重大进展——不仅能检测潜在风险，还能自动生成评估报告和训练数据来帮助减少风险，从而更有效地大规模优化模型、提升安全性。

随着Gemini 2.0多模态能力增强，潜在输出的复杂性也随之增加。团队持续评估和训练模型处理图像和音频的输入输出，提升安全性。通过Project Astra，团队积极探索防止用户无意中泄露敏感信息的措施，并内置了隐私控制功能，用户可以轻松删除会话。通过Project Mariner，团队确保模型优先处理用户指令，并有效抵御外部输入的恶意提示词，降低欺诈和网络钓鱼攻击的风险。

可以确定的是，AI的构建必须从一开始就秉持高度的责任感。安全和责任始终被置于模型开发过程的优先位置，模型和智能体也在不断完善中。

Gemini 2.0、AI智能体以及更多

今天的发布标志着Gemini模型迈入了新的发展阶段。Gemini 2.0 Flash的推出，以及一系列探索AI智能体可能性的研究原型，意味着一个重要的里程碑已经达到。团队将继续安全地探索所有可能性，向构建通用人工智能（AGI）不断迈进。