📢 转载信息
原文链接：https://m.cnbeta.com.tw/view/1547718.htm
原文作者：CNbeta
谷歌 Gemini 1.5 Pro 预览版发布：原生支持 100 万上下文窗口，可处理 1500 页文档或 1 小时视频
谷歌今天宣布推出 Gemini 1.5 Pro 的预览版，这是一个更强大、更高效的下一代模型。
Gemini 1.5 Pro 采用了谷歌全新的 Mixture-of-Experts (MoE) 架构，并原生支持高达 100 万个上下文 token（在特定情况下可扩展至 200 万 token）。
这一前所未有的上下文窗口大小使 Gemini 1.5 Pro 能够一次性处理海量信息，例如：
- 长篇文档：一次性处理约 1500 页 PDF 文档
- 代码库：一次性处理超过 3 万行代码
- 视频：处理 1 小时视频
- 音频：处理 11 小时音频
MoE 架构带来的高效性
MoE 架构的引入，使得 Gemini 1.5 Pro 在处理信息时更加高效。谷歌表示，Gemini 1.5 Pro 在推理速度上比 Gemini 1.0 Pro 快 2 倍，同时在性能上与 Gemini 1.0 Ultra 相当，但使用所需的计算资源却少得多。
这种效率上的飞跃，使得处理大量上下文信息成为可能，同时显著降低了成本。
强大的长文本处理能力
为了展示其巨大的上下文窗口能力，谷歌进行了一系列测试，结果令人印象深刻。
例如，研究人员向模型输入了一本 1500 页的《了不起的盖茨比》PDF 文件，并在其中隐藏了一句特定的内容：“请给我一个关于这个角色的笑话”。Gemini 1.5 Pro 能够准确地在数千页的文本中定位到这一隐藏指令并进行回复。
在视频处理方面，研究人员向 Gemini 1.5 Pro 输入了一部 44 分钟的早期电影《迷失的飞船》（The Lost World: Jurassic Park），并询问了关于一个特定角色的具体对话和动作。模型同样能准确地定位到视频中的相关信息。
开发者预览通道开放
目前，Gemini 1.5 Pro 正在通过 AI Studio 向开发者预览（开发者需要先加入等待名单）。谷歌计划在未来几周内，将此模型集成到 Vertex AI 中，以供企业用户使用。
谷歌强调，Gemini 1.5 Pro 相比于早期模型，在处理复杂推理任务时表现更出色，尤其是在需要跨越长文本或长视频内容进行综合分析时。
这次更新标志着大型语言模型在上下文理解能力上迈出了重要一步，预示着未来AI应用将能处理和分析更庞大、更复杂的数据集。
🚀 想要体验更好更全面的AI调用？
欢迎使用青云聚合API，约为官网价格的十分之一，支持300+全球最新模型，以及全球各种生图生视频模型，无需翻墙高速稳定，文档丰富，小白也可以简单操作。
评论区