谷歌又来了一波大动作——就在OpenAI“双12直播”如火如荼的节骨眼上，Gemini 2.0悄然登场，CEO皮猜亲自官宣。这一出手，再加上Sora此前表现平平，不少人已经开始替OpenAI捏把汗：护城河到底还在不在？

新一代模型专为AI Agent打造，谷歌表示已向部分开发者开放内测，并正在快速将其集成到Gemini和搜索等产品线中。好消息是，Gemini 2.0 Flash实验版今天就在网页端开放，大家都能上手体验，移动端也即将跟上。

除此之外，谷歌还推出了一项名为深度研究（Deep Research）的新功能。基于高级推理和长上下文能力，它可以直接替你干研究助理的活儿——给个主题，自动出报告。目前该功能已在Gemini Advanced版本中可用。

“面向智能体时代的新AI模型”

在谷歌CEO皮猜、Google DeepMind CEO哈萨比斯与CTO科雷（Koray Ka vukcuoglu）三人联署的博客中，官方给Gemini 2.0的定位清晰而直接：面向智能体时代的AI模型。多模态方面的新进展，加上原生工具的使用，让构建新AI智能体成为可能，也离通用助手的愿景更近一步。

具体怎么体现？除了Flash实验版第一时间上线，谷歌还在Gemini Advanced中推出了深度研究（Deep Research）这个智能体功能。你可以把它理解成一个“科研版AI搜索”——围绕复杂主题自动生成研究报告。有点像请了一位研究助理，但不用发工资。

另一个关键词是多模态。Gemini 2.0 Flash实验版不仅支持图像、视频、音频的多模态输入，还能输出多模态内容。不单单是图文混排，可控的多语种文本到语音（TTS）输出也安排上了，甚至可以直接本地调用谷歌搜索、代码工具和第三方用户定义的功能——颇有几分ChatGPT插件当年的影子。

当然，作为实验模型，文本到语音和原生图像生成能力目前仅面向早期访问合作伙伴开放。谷歌透露，2.0 Flash将在明年1月正式推出，届时会提供更多尺寸的模型。从基准测试看，仅仅Flash实验版的表现就已经全面超越Gemini 1.5 Pro 002——无论是图片、视频能力，还是编码、数学等任务，而且速度是1.5 Pro的两倍。

明年年初，Gemini 2.0将扩展到更多产品中，比如Project Astra——就是I/O大会上谷歌用来对标GPT-4o语音功能的那位。基于Gemini 2.0，Project Astra的更新亮点包括：

• 更好的对话：支持多种语言及混合语言对话，对口音和不常见单词的理解也更精准。

• 使用新工具：学会了调用谷歌搜索、Lens和地图。

• 更强的记忆力：会话记忆提升到10分钟，还能记住更多历史对话——说白了，它更懂你了。

• 改进延迟：对话节奏已经接近人类正常交流。

谷歌还透露，正在将Project Astra移植到眼镜等更多移动终端。同时，他们与Supercell等游戏开发商合作，测试基于Gemini 2.0打造的游戏智能体。这些智能体能根据屏幕上的动作对游戏进行推理，并与玩家实时对话、提供行动建议。玩《突击小队》《部落冲突》《农场日记》时，场面可以想象。

除了网页端，Gemini 2.0 Flash实验模型也通过Google AI Studio和Vertex AI的Gemini API向开发者开放。从OpenAI跳槽到谷歌的Logan Kilpatrick表示，他们在Google AI Studio中创建了一个全新体验，展示了Gemini 2.0在视频理解、原生工具使用和空间理解方面的入门应用。

那么，你觉得这够Agent吗？