- A+
新智元报道
编辑：编辑部 YXH
【新智元导读】今夜，谷歌彻底杀疯！2小时发布会，Gemini提及95次点亮全场。Gemini 2.5家族全系升级，Pro深度思考模型正刷榜。全新Imagen 4生成细节超逼真，Veo 3首次实现音视频融合。
谷歌一出手，就是王炸。
刚刚，谷歌I/O 2025大会上，劈柴登场一张图亮出了自家所有旗舰模型。一年时间跨度，可以用马不停蹄来形容。
这一次，Gemini 2.5深夜迎来三连更：
· Gemini 2.5 Pro（新）：再次刷榜LMArena，ELO拿下1448分，所有类别第一，碾压o3，原生文本到音频生成
· Gemini 2.5 Pro（Deep Think）：刷榜数学、编码、多模态榜单，
· Gemini 2.5 Flash（新）：排名仅次Gemini 2.5 Pro，ELO得分1424，原生文本到音频生成
左右
备受期待的Imagen 4、Veo 3也在今天登场。Imagen 4生图细节逆天，10倍提速；Veo 3首次支持原生音频输出，开启音视频融合新时代。
Veo 3逼真地生成了老人声音，以及背景中的海洋声音
此外，大会上还亮相了全新文本扩散模型Gemini Diffusion、AI搜索AI Mode、全新Flow创意平台......
谷歌推出了史上最贵的订阅服务——Google AI Ultra，高达250美元（比ChatGPT Pro贵50美元）。
堪称VIP中的VIP，可无限访问最新模型。
|
|
Pro每个月20美元，开通后可同时使用Gemini 2.5 Pro、Veo 2和NotebookLM等
更让人没想到的，谷歌掏出了两款全新硬件：Project Moohan头显和XR眼镜，由Gemini加持，将革新空间计算。
2小时发布会，全程共提到Gemini 95次，AI 92次。
Gemini 2.5全系上新
深度思考版来了
Gemini 2.5更新，必然是整场大会的重点。
Demis Hassabis一出场激动地表示，「AI正在开启一个令人惊叹的全新未来」。
Gemini 2.5 Pro登顶，编码能力暴涨
Gemini 2.5 Pro在3月首次亮相后，成为谷歌目前有史以来最智能的一款旗舰模型。
两周前，Gemini 2.5 Pro Preview版本首次更新后，便在LMArena排行榜中登顶。
其中，在WebDev Arena排行榜中拿下1415分，相较于3月版提升了142分。
|
|
在大会中，女主持人现场演示了在AI Stuido中只需要上传一张手画草稿，即可在几十秒内生成和需求描述完全一致的页面效果。
比如，生成可旋转的3D照片墙，上述图片描述了这个页面的基本结构，包括照片始终朝向观察者、可以放大和缩小。
而我们使用了I/O大会中的相同命令，只花了几十秒就实现了和演示几乎一模一样的3D页面旋转效果。
现在，所有人皆可在AI编码智能体平台Jules，体验全新Gemini 2.5 Pro，一个提示即可帮你处理任何任务。
此外，凭借100万token上下文，2.5 Pro具备领先的长上下文和视频理解能力。
Gemini 2.5 Flash全面升级，立省30%
Gemini 2.5 Flash这次也得到了全面升级，生成速度更快、成本更低。
在LMArena拿下1424高分，仅次于2.5 Pro。
|
|
在推理、多模态、代码、长上下文的关键基准上，2.5 Flash性能进一步提升。评估中，使用的token减少了20%-30%。
这两款迭代后的模型，支持更多新功能：
· 原生音频输出
就像原生音频对话一样，2.5 Flash和2.5 Pro最新文本转语音极具丰富的表现力，可以捕捉到非常微妙的细节，比如窃窃私语。
它支持超过 24 种语言，并且可以无缝切换，已在Gemini API上线。
以下视频来源于
谷歌黑板报
· 思考预算
2.5 Pro将支持思考预算功能，让回答更加安全、高效。任何人可以开启/关闭思考模型，设置固定的思考预算。
Deep Think制霸数学编码多模态
这次，Gemini 2.5系列迎来了全新成员——2.5 Pro（Deep Think）。
它采用了全新的技术，能够在响应之前考虑多个假设。
2.5 Pro深度思考版在数学、编码、多模态榜单上，刷新了SOTA。
具体来说，在2025 USAMO数学奥赛中（最难数学基准之一），取得了40.4%高分，比2.5 Pro高出了10%多。
在LiveCodeBench上，一举攻克竞赛级编程难题，拿下80.4%分。而且，在多模态推理MMMU上取得了84.0%。
Gemini Diffusion：全新文本扩散模型
此外，谷歌还带了全新文本扩散模型Gemini Diffusion，让模型更加擅长处理编辑任务。
与直接预测文本不同，它通过逐步优化噪声来生成输出。
这种方法，让Gemini Diffusion能快速迭代优化解决方案，在编程和数学领域表现尤为出色。
|
|
Gemini Diffusion每秒输出1000多个token，性能要比Gemini 2.0 Flash-Lite快5倍。
就拿如下例子来说，眨眼之间，就错过了解题过程。
Gemini系列模型更新之后，Hassabis再次回顾了过去十年，谷歌为当前AI时代奠定基础的技术几点。
从Transfromer、到AlphaGo、Alpha Zero等，谷歌不断创造通往AGI所需的下一个重大的突破。
Gemini已经成为当今最好的多模态基础模型，未来还将不断扩展其能力，最终成为一个「世界模型」。
Hassabis称，这是我一直热衷的事情，AI系统需要世界模型才能有效运行。
而Gemini robotics是世界模型，进入现实世界的一个载体。
此外，让Gemini成为世界模型的另一个关键是，真正对人类日常生活有所帮助。
这也是谷歌Project Astra的最终愿景，在现场演示中，AI助手全程保姆级指导如何组装自行车，甚至被打断也不会有所影响。
以下视频来源于
谷歌黑板报
AI在加速科学发现上，谷歌也取得了引以为傲的成就，AlphaEvolve、AlphaFold、AIME、Isomorphic Labs。
在最新案例中，谷歌Astra联手Ira公司，帮助盲人在生活中更加独立。
Imagen 4 + Veo 3
生成终极进化
这次年度开发者大会，更少不了AI图像模型和AI视频模型的更新。
Imagen 4：超逼真生图，完美拼写2k画质
历时半年多，谷歌AI图像生成模型终于迭代到了Imagen 4。
在细节表现方面，Imagen 4能够生成复杂的织物、水滴，甚至是动物毛发，逼真度足以让人惊掉下巴。
而且，分辨率最高可达2k。
左右
此外，Imagen 4在拼写、版式方面得到了改进，制作贺卡、海报、漫画，全部拿捏。
左右
在生成速度方面，Imagen 4同样堪称极致——最多比上一代Imagen 3快10倍。
Veo 3：原生音视频融合，对话BGM一次搞定
谷歌AI视频模型Veo 3，也在万众期待中震撼登场。
用发布会大佬的话来说，「我们正在进入一个音频和视频相结合的创作新时代」。
Veo 3不仅在生成质量上超越了Veo 2，而且首次能够生成带有音频的视频。
不论是城市街道中嘈杂音，还是公园里的鸟鸣声，甚至是角色之间的对话，它都能一键还原。
森林中，一只猫头鹰和一只小獾的对话，动画感爆棚。
全面来看，Veo 3 在文本/图像生成提示、真实物理模拟和精准口型同步等各方面都表现出色。
它的理解能力超强，只需在提示词里描述一个小故事，模型就能生成一段生动还原剧情的视频。
Flow：好莱坞电影，随手即来
此外，谷歌还推出了一款专为创意人士打造的新平台Flow，一款AI电影制作工具。
它集成了Veo、Imagen、Gemini最新模型，无缝创建电影片段、场景、故事。
自然对话描述镜头，Flow就能编织出令人惊叹的场景。
AI Mode + Deep Search
AI搜索新纪元开启
谷歌重磅推出了AI Mode搜索功能，开启谷歌搜索全新纪元！
AI Mode将搜索与AI深度集成，谷歌开发了专用于Search的Gemini 2.5模型。
AI Mode是全能的，相比过去的「传统搜索」，AI Mode会根据回复自动规划搜索结果的展现形式，包括文本、视频，甚至地图等等，AI Mode都可以完美展现。
AI Mode目前位于谷歌搜索一级菜单的第一位，可见谷歌对于AI Mode的重视程度。
目前该功能暂时只支持英语地区，聊天语言也要使用英语。
AI Mode的强大之处在于，你可以提问一个非常复杂，包含诸多信息的问题，比如：
展示本赛季和上个赛季使用鱼雷棒（最新款的比赛用棒球棒）的著名球员的击球率和上垒率。
这个问题涉及到信息的定位以及计算概率，AI Mode智能的使用了表格和图表来回答。
|
|
Google Lens
大会中，还提到了Google Lens，用AI的能力帮助搜索各种图片和信息。
Google Lens可以框选页面中的任何信息，框选后答案会自动弹出。
智能购物
劈柴这次是和奥特曼「杠上了」，前不久OpenAI刚刚推出自己的购物功能，这一次谷歌也不甘示弱。
通过上传你自己的个人照片，谷歌可以把商店里的衣服自动穿戴到你身上，让你直观的看到衣服上身的效果。
同时智能体还能够自动下单，自动付款，完全无需人操作。
接下的几个月，这种可视化购物以及智能体自动结账将全面上线。
Gemini应用
谷歌DeepMind的副总裁Josh Woodward上台介绍了Gemini应用未来的三大特点。
Personal：谷歌提出了Personal context的概念，即你在谷歌中的一切，聊天、邮件、日历以及行程安排都将成为你个人的「上下文」，有了这些个人上下文，AI能够更好的了解你，并安排一切。
Proactive：Gemini应用将变得更具启发式，帮助用户完成日常任务，比如通过类比的方法帮助你理解物理学知识。
Powerful：Gemini应用中目前最强大的两个工具，一个是深度研究，另一个是Canvas。
可以上传自己的文件来让Gemini应用帮助进行深度分析。
使用Canvas，你可以与Gemini进行完美的互动，可以解答谜题、制作博客，甚至还可以在Canvas中进行氛围编程。
全新头显和XR眼镜
杀入苹果Meta战场
最后，谷歌惊喜推出了两款Android XR新硬件。
首先是和三星合作，对标苹果推出的Project Moohan头戴显示设备，预计今年内发布。
然后，是对标Meta Rayban的XR眼镜。
话不多说，直接上演示。
参考资料：
https://io.google/2025/返回搜狐，查看更多
- 我的微信
- 这是我的微信扫一扫
-
- 我的微信公众号
- 我的微信公众号扫一扫
-
