Gemini是Google DeepMind开发的多模态大语言模型系列，能够理解和生成文本、图像、音频、视频及代码等多种形式的内容。该系列涵盖不同规模的版本（如Ultra、Pro、Flash、Nano），可部署于云端服务及移动端设备，广泛应用于对话助手、内容生成、编程辅助等场景，是Google核心AI产品和服务的基础底层模型。
谷歌在Gemini中采用了高效注意力机制、混合专家模型（MoE）架构以及多模态token高效编码方案等优化策略
当前主流视频处理采用静态方式，模型以固定帧率（默认 1 FPS，可通过 API 调整）逐帧摄取视频内容
智能体视频理解通过智能体循环（agentic loop）调用内部工具按需加载视频文件的相关部分
智能体视频理解能将 Token 消耗最多降低 88%、成本削减最多 66%，质量提升最多 7%
Chrome DevTools中的AI Agent由Google Gemini大语言模型驱动，具备工具调用能力，可主动操作DevTools面板并读取DOM、网络请求、控制台日志等上下文信息
Gemini的主动检索能力可类比为视频领域的RAG，涉及视频时刻检索和视频时序定位等技术
Pro系列模型追求极限能力、参数量更大但延迟和成本更高，Flash系列强调速度和效率、通过模型蒸馏和稀疏激活降低推理成本
用户反映这些模型需要极其详细的提示词，即便提供规范Prompt，输出结果依然难以信任，大多数时候都会把事情搞砸
Antigravity集成了Gemini（谷歌自研）和Claude（Anthropic开发）等多个主流大语言模型，允许开发者根据任务选择不同模型
MoE架构将模型分成多个专家子网络,每次推理只激活一小部分,在保持知识容量的同时降低计算成本,Google的Gemini和Mistral的Mixtral系列都采用该架构
还有 40 条时间轴事件
多模态AI模型能够同时处理和理解文本、图像、音频和视频等多种数据类型
90%已验证Google通过Google AI Studio和Vertex AI两个平台提供Gemini模型的API访问，其中Google AI Studio为开发者提供了一定的免费调用额度
90%已验证GPT-3时代的上下文窗口仅有2,048个Token，而Google Gemini已支持百万级Token，Claude支持200K Token，GPT-4 Turbo支持128K Token
90%已验证Claude的上下文窗口为200K token，Gemini支持百万级token窗口
90%已验证Gemini是Google于2023年底发布的多模态大语言模型系列
90%已验证Gemini是Google DeepMind于2023年底发布的多模态大语言模型，具备处理文本、图像、音频、视频和代码的能力
90%已验证Gemini 1.5 Pro的上下文窗口达到了1M token
90%已验证GPT-4V、Claude 3、Gemini是现代多模态大模型的代表，能够同时处理文本、图像等多种数据类型
90%已验证Gemini系列从训练阶段就将多种模态联合建模，而非像GPT-4V等方案那样后接视觉编码器
90%已验证GPT-4、Claude、Gemini等大语言模型的核心工作原理是基于Transformer架构的下一个token预测
90%已验证2024年发布的GPT-4o将图像生成能力直接整合进多模态大语言模型中
85%已验证Notable examples of Large Language Models include OpenAI's GPT series, Google's Gemini, Anthropic's Claude, and Meta's LLaMA.
80%已验证Anthropic Claude 和 Google Gemini 随后跟进支持了工具调用能力
80%已验证Gemini 1.5 Pro 由 Google DeepMind 开发，具备原生多模态能力和与 Google Workspace 的深度集成
80%已验证Google将Gemini深度整合进搜索、Workspace、Android等既有产品矩阵
80%已验证GPT-4、Claude等大语言模型的代码生成能力源于训练数据中包含了GitHub上数以亿计的开源代码库
80%已验证Gemini CLI是谷歌推出的开源终端AI编码智能体
80%已验证Gemini系列从设计之初就是多模态原生的，将文本、图像、音频、视频等不同模态的数据统一编码到同一个特征空间中
80%已验证OpenAI API的接口规范已成为AI行业事实上的通信标准，包括Anthropic、Google、Mistral在内的众多模型提供商都提供兼容该格式的接口
80%已验证Gemini 3.5 Transcribe 是 Gemini 系列在语音处理方向的延伸，主打「精准」与「智能」两大核心能力
75%