先说说模型方面的动作。这次谷歌几乎把目前所有生成模型类型都覆盖了一遍，堪称全线开花。

重点侧重模型层面的内容，几个关键更新值得关注：

• Gemini 1.5 Pro 宣布支持200万上下文，在翻译、编码、推理等关键用例上做了质量改进——不过，并没有发布具体的测试结果。
• 推出了更小的 Gemini Flash，针对较窄或高频任务优化，尤其看重响应速度。官方提到百万Token的价格比GPT-3.5还要便宜。
• Gemini 模型家族的构成更清晰了：Ultra（最大模型，仅在Gemini Advanced中可用）、Pro（最佳总体性能模型，今天在API预览版提供，6月发布）、Flash（轻量级速度/效率模型，今天在API预览版提供，6月正式发布）、Nano（设备上模型，将内置于Chrome 126中）。
• Gemini Gems 相当于谷歌版的GPTs，支持自定义与Gemini的互动方式。
• Gemini Live 主打使用声音进行深入的双向对话，而Project Astra——实时视频理解个人助理聊天机器人，正是基于这个能力。
• Gemma 2将于6月发布，规模为27B（之前只有7B和2B），以一半的尺寸提供接近Llama-3-70B的性能。
• PaliGemma：谷歌的第一个视觉语言开放模型，灵感来自PaLI-3。
• Veo：DeepMind对标Sora的模型。不过HN上有些体验过的人表示不太行，连国际象棋的棋盘和棋子都生成不对。
• Imagen 3：图像模型，能理解自然语言提示，生成更高质量逼真图像，渲染文本能力尤其突出。
• Music AI Sandbox：一套旨在彻底改变音乐创作方式的AI工具套件，用户可以全新创作乐器部分，轻松在不同曲目间转换风格。
• Trillium：最新的TPUs，每颗芯片的计算性能相比上一代TPU v5e提升了4.7倍。

产品侧内容

• 谷歌搜索的更新：
  1. AI Overviews 今天开始向美国所有人推出，很快将能通过选项调整AI概述，简化语言或更详细地解释。
  2. 引入多步骤推理能力，能把复杂问题拆解成多个小部分，明确解决问题的顺序和方法。
  3. 很快就能在搜索中使用视频提问了。
  4. 提前计划功能：直接在搜索中具有规划功能，可以为任何事物制定计划，从餐饮到度假。
  5. AI组织的搜索结果：搜索将使用生成式AI与你进行头脑风暴，并创建由AI组织的结果页面（跟Arc那个Demo类似）。
• Workspace（Gmail）：内置了Gemini Pro 1.5，能帮助总结查找邮件内容并编写回复。
• 谷歌文档：侧边栏的Gemini Pro 1.5集成，支持文档的改写、总结等。
• 谷歌表格：今年晚些时候将推出使用Gemini和Data Q&A功能创建表格和数据分析的能力。
• Google Photos：Ask Photos可以用自然语言搜索图片和视频，理解并回答复杂问题。
• Circle to Search：变成了极佳的学习小帮手，可以在手机或平板上圈选复杂的物理问题，获得分步骤指导帮助解题。