📖 AI 总结

谷歌发布Gemini 2.0 Flash，成为首个实现原生多模态输入与输出的模型。该模型性能超越1.5 Pro，速度提升至两倍，支持直接生成图像、多语言文本转语音音频，并可原生调用Google搜索、代码执行等工具，通过单一API调用即可生成文本、音频和图像的集成响应。同步推出四款产品：通用助手Project Astra实现更低延迟、更强记忆力和多语言对话能力；浏览器Agent Project Mariner在WebVoyager基准测试中达83.5%完成率；AI代码助手Jules在SWE-bench Verified测试中通过率51.8%，超过Claude 3.5。谷歌CEO皮查伊将Agent定义为能提前多步思考并代表用户行动的模型，Gemini 2.0的工具调用能力为Agent发展奠定基础，标志着原生多模态输入输出的大模型时代正式到来。