Google I/O大会发布 Gemini 2.5 Flash/Pro，性能提升！Deep Think推理模型将通过 Gemini API 提供，并加入 Gemini AI Ultra 计划。全新 Gemini diffusion 模型加速文本生成。Project Mariner 接管浏览器，集成到 AI 模式，实现自动化任务，云原生AI能力更进一步。
译自：Google's Gemini Models Go Deeper
作者：Frederic Lardinois
谷歌今年的 I/O 开发者大会 的主题是人工智能。考虑到该公司几周前已经发布了通常会在活动中推出的传统 Android 更新，这实际上并不令人惊讶。去年，谷歌 CEO Sundar Pichai 宣布了 Gemini 时代的开始，在某些方面，我们现在已经进入了 Gemini 2.0 时代（或者可能是 2.5，考虑到其模型的当前版本号）。
在许多方面，今天的 Gemini 公告并非革命性的，而是在谷歌过去一年建立的基础之上构建的。例如，我们没有得到 Gemini 3.0 模型，而是得到了 2.5 Flash 和 Pro 模型的更好版本，它现在在一些标准基准测试中得分更高。
图片来源: The New Stack.
在今天的主题演讲之前的新闻发布会上，Pichai 指出，在其他年份，谷歌会在活动前几周保持沉默，并将最佳模型的发布保留到 I/O 大会上，但由于技术发展如此之快，这在“Gemini 时代”是不可能的。
公平地说，它们确实获得了一些新功能，例如用于更自然的对话体验的本机音频输出、新的安全保障等。
有趣的是，消费者将比开发者更早获得这些更新的模型。它现在已在 Gemini 应用程序中提供，Google AI Studio 和 Vertex AI 将在 6 月初获得对 2.5 Flash 的支持，2.5 Pro 将在稍后推出。
然而，真正的创新在于如何使用这些模型。
例如，谷歌展示了一个增强的“Deep Think”推理模型，用于 2.5 Pro 模型，它建立在今天的研究模型之上，但能够更深入地研究并在响应之前测试多个假设。谷歌表示，这种新模式几乎在所有当前的 Frontier 模型中都优于数学和编码基准。
然而，该模式尚未向消费者或开发者提供，但很快将通过 Gemini API 提供给一些受信任的测试人员。
图片来源: The New Stack.
所有这些深度意味着该模型将使用相当多的 tokens，并且成本也会相应提高。即将推出，开发者将能够为 Gemini 2.5 Pro 设置一个思考预算，允许他们设置在思考项目期间生成的最大 tokens 数量。
这里还有另一个注意事项：Deep Think 将成为谷歌新的 Gemini AI Ultra 计划的一部分，该计划每月收费 249 美元，甚至高于 OpenAI 每月 200 美元的 Pro plan。谷歌的计划将包括访问 Deep Think、提前访问 Gemini in Chrome、NotebookLM 的更高使用限制，以及以视频为中心的 Whisk 和 Flow 生成式 AI 工具（Flow 是谷歌新的 AI 电影制作工具）。还包括 YouTube Premium 和 30TB 的在线存储。
谷歌今天还推出了一个新的 Gemini diffusion 模型。通常，diffusion 模型用于图像生成而不是文本生成，以多个步骤生成图像，随着时间的推移变得更加详细，谷歌找到了一种使用这种技术生成文本的方法，模型在生成文本时来回移动。
在公司今天展示的演示中，该模型在一秒钟内生成了数学解决方案。但目前，该公司没有提供有关此模型的任何其他详细信息。
也许这些即将推出的新 Ultra 功能中最有趣的是 Project Mariner。Project Mariner 于去年宣布，现在已准备好更广泛地使用，它是谷歌的代理计算机使用工具——这意味着它可以代表用户使用浏览器。Mariner 可以同时处理多达 10 个任务，从查找信息到为用户进行预订和购买商品。这些功能将在今年晚些时候的某个时候添加到 Gemini API 中。
OpenAI 的 Operator 和其他公司最近也宣布了类似的功能。 在谷歌搜索中，谷歌也开始展示 Project Mariner。去年，谷歌在搜索中发布了“AI 模式”。这种模式结合了谷歌搜索及其最新的大型语言模型，以前只作为一项实验提供，但现在，它可以代表所有谷歌用户（在美国）进行研究。
谷歌表示，由于许多此类搜索都是关于完成某件事，因此它正在将 Project Mariner 集成到 AI 模式中，以帮助用户购买门票、进行餐厅预订和进行本地预约。对其他用例的支持将在稍后推出。
AI 模式还将提供个性化建议，这些建议将考虑来自 Gmail 和其他 Google 应用程序的数据。这是一个可选功能，虽然谷歌强调它正在以隐私至上的方式进行所有这些操作，但并非所有人都会对此感到满意。