DeepSeek 推动 Gemini 强化应对，ChatGPT 免费开放搜索功能，AI 领域掀起让利竞争潮

Google DeepMind 推出 Gemini 2.0 系列模型，引领智能体时代

去年底，Google DeepMind 推出了面向智能体时代的 Gemini 2.0 Flash 模型，标志着其正式迈入了 2.0 时代。经过两个月的优化和改进，Gemini 2.0 系列终于全面上新。在 DeepSeek 的竞争压力下，这次发布不仅提升了性能，还强调了性价比和多模态能力。

DeepMind CEO Demis Hassabis 表示：“我们非常兴奋地看到 Gemini 2.0 系列在提升质量的同时降低了成本。这些模型不仅具备强大的推理和多模态能力，也为未来的智能工作奠定了基础。”

Gemini 2.0 系列的性能与特点

最新发布的 Gemini 2.0 系列在多个评测中表现出色。其中，Gemini-2.0-Pro 在所有类别中排名第 1，而 Gemini-2.0-Flash 则排名第 3。即使是性价比更高的 Flash-Lite 版本也成功跻身前十。

Gemini 2.0 系列的主要特点如下：

- 2.0 Pro Experimental：专为编码性能和处理复杂提示设计，在知识理解和逻辑推理方面表现出色。

- 2.0 Flash：面向开发者提供 API 接口，支持快速构建应用程序。

- 2.0 Flash-Lite：在保持高性能的同时实现了更优的成本效益和响应速度。

- 2.0 Flash Thinking Experimental：已在 Gemini App 中开放使用，供用户体验。

不到 1 美元能做些什么？

Gemini 2.0 系列的定价策略非常亲民。例如，为 4 万张图片生成标题的成本仅需不到 1 美元。具体来说，文本、图像和视频输入每百万 tokens 收费 0.10 美元，音频输入则为 0.70 美元（2 月 20 日起生效）。文本输出每百万 tokens 收费 0.40 美元。此外，各类缓存费用也维持在较低水平。

轻量版的 Gemini 2.0 Flash-Lite 定价更为实惠，文本、图像和视频输入每百万 tokens 仅需 0.075 美元，几乎比标准版便宜了三分之一。音频输入也为 0.075 美元，文本输出为 0.30 美元，文本/图像/视频缓存为每百万 tokens 仅需 0.01875 美元。

性能测试与应用场景

在 MMLU-Pro 测试中，Gemini 2.0 Pro Experimental 以 79.1% 的得分领先，而 Flash Lite 和 Flash GA 分别获得 71.6% 和 77.6% 的成绩。在代码生成、数学和多语言能力等方面，Pro Experimental 同样表现优异，特别是在数学（91.8%）和多语言能力（86.5%）方面的成绩尤为突出。

尽管 Gemini 2.0 Pro Experimental 在某些方面略逊于 OpenAI 的 o3 模型，但其优势在于快速响应能力和较低的成本，特别适用于命名实体识别或分类等特定任务。随着图像生成和文本到语音等新功能的推出，Gemini 2.0 系列的应用场景将进一步扩展。

Gemini 2.0 的趣味应用

除了专业用途，Gemini 2.0 还带来了不少有趣的玩法。例如，有开发者用它编写了一个贪吃蛇游戏，甚至用 p5.js 编写脚本生成了包含 100 个动态弹跳黄球的三维场景。这些创意展示了 Gemini 2.0 的强大编程和推理能力。

竞争对手的反应

与此同时，OpenAI 也在持续发力。近日，OpenAI 宣布 Deep ReSearch 功能向所有 Pro 用户开放，并且 ChatGPT 的搜索功能现已向所有用户开放，无需注册即可使用。这进一步降低了用户的使用门槛，加剧了市场竞争。

命名难题

随着 AI 模型的快速迭代，命名问题也逐渐浮现。无论是 Gemini 系列还是 OpenAI 的 GPT/o 系列，版本号和命名规则都让人眼花缭乱。就连 OpenAI CEO Sam Altman 和 Anthropic CEO Amodei 都承认，找到一个简单清晰的命名方式是一个挑战。这一问题或许也是各大 AI 公司少有的共识之一。