言變圖的“LLM時刻”，還有AI全家桶，Google殺瘋了

摘要：Google AI主導了一場逆襲

作者丨鯨哥

對于Google來說，作為Transformer等核心技術的發明者，在“AI 4巨頭”的討論中沒有它，是一件很尷尬的事情。

發布開源模型 Gemma 3，性能超越DeepSeek V3、o3mini為全球第二強開源模型，但是模型大小僅為7B。

發布Gemini 2.0 Flash Experimental，動動嘴就能PS的AI文生圖產品。不僅如此，對指令理解也相當到位，能連續生成一致性圖片，并評為AI生圖的GPT時刻，這幾天在 傳瘋了。

Deep Research開放免費使用，背后是2.0 Flash Thinking Experimental 提升推理能力并擴展上下文窗口。

還有新一代 機器人 AI 模型Gemini Robotics ，對物理世界更懂了。

國外有網友評價Google這次更新，是幾乎每項到了最佳：

到底有沒有這么強呢，鯨哥認為是大差不差，有驚喜，也有吹噓。

先說這次最被熱議的更新—Gemini 2.0 Flash Experimental。 原生圖像生成功能上線，說話就能PS照片的夢想實現。通過聊天任意編輯圖像的局部或者全部，有點類似Adobe firefly 版本。

我們用英偉達CEO黃仁勛此前發布會的圖片，來試試是否可以隨意PS。

我們先要求換背景，讓黃仁勛在直播間中帶貨。這個難度不大，是不是摳圖也不好說。

“321上鏈接”，5090顯卡刀法精準，直接賣爆了，我們讓黃仁勛開心地笑起來。看得出來表情有些崩，但整體還是做到了AI改變人物表情。

再要求把臉從黃仁勛換成馬斯克，這個挺順暢完成了，馬斯克的臉部還挺逼真，表情也比較自然。一個小細節，攝像機上手機屏幕中的人物也跟著換成了馬斯克。

還有一個這兩天大家很愛玩的功能，就是這個合成圖片的功能，熊的視角略微有一些轉向，但是合成圖片中還原的還不錯。

很多人會質疑這個功能有什么用，國外有小伙，利用gemini-2.0 新推出的圖片編輯 API，連夜肝了個工具，實現白底圖到產品實拍圖的批量自動化生成。

他是這樣評價這個產品：“效果炸裂，特別是對產品的特征保留的很好，相比 ComfyUI 工作流調個半死，這不強多了。”

當然它還能給線稿上色，鯨哥生成了“猿力崛起”類似的圖片。生成效果確實還沒有Midjourney強，但是能力很連貫，這是生成式AI的體現，這是預言挑戰畫家的顛覆性一步。

Gemini-2.0不僅改圖能力強，還能生成連續性的圖片故事集，效果也不錯。以下是鯨哥測試的成果。

“生成一個關于爆炒羊雜教程系列圖片。對于每個場景，生成一個圖像和一段介紹文字。”Google生成的教程顯示有點長，我在排版時用SVG動畫顯示了，大家點擊下方即可查看。

羊雜切碎，調好備料 最關鍵是羊雜焯水

羊雜切碎，調好備料 最關鍵是羊雜焯水

放油，先炒調料 再加入羊雜爆炒

放油，先炒調料 再加入羊雜爆炒

放入蔬菜，炒至斷生 加入勾芡，炒熟裝盤

放入蔬菜，炒至斷生 加入勾芡，炒熟裝盤

感謝Google，終于知道中午做的爆炒羊雜為啥不好吃了，原來沒有先把羊雜焯水（直男落淚）。

此前的 2 月，Google Veo 2 已通過 Freepik 發布了圖像轉視頻功能，現在與2.0 Flash有很好的結合了。

這個視頻是JP博主制作，用一張AI生成的美女和商品圖結合，先是生成了帶貨圖片，然后轉成了視頻，神奇的是視頻中飲料的商標都沒有變，目前在上很火。

最后再講一個很有用的東西，應該比以上視覺工具更加落地。

是不是大家仍沒有Manus邀請碼，感覺也不用苦苦等待了。Google deep Research 現在可以免費使用，由 2.0 Flash Thinking模型提供支持，而且可以展示研究過程（chain of research），甚至支持鏈接你的搜索記錄對 Gemini 進行個性化設置。

這是我做的“中國視頻類科技商業博主起號及爆款”研究專題，要求生成30頁以內的PPT報告。

還能根據這份報告繼續提問，我問了下最適合普通人學習的博主是誰，回答結果如下，額，不知道大家怎么看這個結果。

Deep Research能羅列Researching websites，這樣你可以清楚看到引用的哪些網站內容，靠不靠譜。同時這也是Google deep Research 的優勢，搜索內容的廣度上要比OpenAI 大很多，甚至能索引 YouTube 內容。

最重要的是，它輸入框底下有行字，“Gemini can make mistakes, so double-check it”，避免出錯進行了雙倍檢查。這就極大避免了幻覺率，確保提供的信息，一定范圍內的準確性。

當然問題也有，就是這個產品不太Agent，讓生成PPT最終沒有生成，估計是因為調用不了其他工具。我體驗導出報告，調用Chrome文檔也不流暢。以后使用MCP協議估計效果會更好。

在基礎語言模型方面，最大的更新是發布最新開源模型 Gemma 3 。

最大僅為27B，性能超越DeepSeek V3、o3mini，為全球第二強開源模型，僅次于DeepSeek R1，但是模型小很多，達到差不多的性能。

其他幾個模型分別為 1B、4B、12B 和 27B，微型模型意味著可在手機、電腦上跑。

雖然模型小，但是各方面能力都具備。比如增強文本和視覺能力，可理解文本、圖片、短視頻。 支持128K上下文窗口 ，支持函數調用，支持AI 代理開發，自動執行任務。

不僅是通用LLM模型更新，Google還在具身智能領域做了很大的改進。

Google DeepMind 推出基于 Gemini 2.0 研發的新一代 機器人 AI 模型Gemini Robotics 。

首先是具備泛化能力：Gemini Robotics利用Gemini 2.0的世界理解能力，機器人能夠處理未見過的新物體、新指令和新環境，甚至完成訓練中未見過的新任務。

在綜合泛化基準測試中，Gemini Robotics的性能比其他最先進的VLA模型高出一倍以上。

例如，它能完成未訓練過的任務，如扣籃一個新籃球。-

其次是交互性：它能理解日常語言指令（包括不同語言），并快速響應環境或指令的變化。例如，當物體被移動時，它能迅速重新規劃行動路徑，無需額外輸入即可繼續任務。

然后還具有靈活性與靈巧性：通過多模態推理（結合視覺、語言和動作），機器人能精確操控物體，完成多步驟任務。支持執行需要精細動作的復雜任務，如折疊紙鶴、將零食裝進拉鏈袋或輕柔放置眼鏡。

要知道，一開始，Google在大模型這波生成式AI浪潮中確實落后了。通過這兩年的蟄伏，Google還是證明了其技術儲備，完成了一場AI逆襲。

視頻內容推薦：

主理人交流：

加入AI鯨英社群，和上千CEO、資本和大牛一起共話未來！

Anthropic CEO最新預言：90%程序員的飯碗年內不保！