自2022年底ChatGPT首次引发关注以来,科技公司一直在生成式AI领域争相布局。长期以来在人工智能领域占据优势地位的谷歌,将重心放在了其Gemini系统上。

Gemini由谷歌DeepMind于2023年12月推出,此后经历了多个模型迭代版本,例如10月发布的Gemini 4 Argon,以及11月12日发布的Gemini 4 Hydrogen。

那么Gemini究竟是什么?最初作为大语言模型起步的它,如今已发展成更为广泛的产品体系。这个名称现在既指代谷歌的AI模型家族,也指代其面向消费者的AI助手。

这些模型能够理解文本、图像、音频、视频和代码,并对相关问题作出回应。

以下是Gemini的运作方式、能力范围以及目前仍存在的局限。

Gemini能做什么

自推出以来,Gemini已经发展成为远超标准问答聊天机器人的产品。

目前的模型阵容包括用于快速回答的Flash-Lite,以及用于日常任务、编码和多步骤工作的Gemini 4 Hydrogen。谷歌表示该模型"更严格地遵循用户指令",因此用户可能不必反复要求它缩短邮件内容。该模型正向Gemini应用中的免费用户和付费用户推出,Google AI Pro和Ultra订阅用户可率先在Google Sheets中使用。这些订阅还包括用于更复杂推理和分析的Gemini 4 Argon。

Gemini 3.8 Flash Cyber仅限通过谷歌Fairwind计划获得批准的网络安全防御人员使用,而Gemini 4 Carbon正在向Google Antigravity、Gemini应用及谷歌搜索中AI模式下的Google AI Ultra订阅用户推出。Gemini 4 Hydrogen也已在Antigravity中向Google AI Pro和Ultra订阅用户开放。

谷歌发言人通过邮件告诉CNET,用户不应期望Gemini能读懂心思。

"Gemini功能非常强大,但其帮助程度取决于你提供的信息量,"谷歌发言人表示,并补充说简短或模糊的提示只会产生同样笼统的回答。他们建议用户通过上传文件、截图或链接提供完整的背景信息,因为更详细的上下文和指令能让输出结果更有帮助。

它可以与Gmail、日历、文档、表格和云端硬盘等谷歌服务连接。根据你授予的权限,可以要求它查找信息、总结文件并协助跨应用协调工作。

现在你可以将Gemini与40多个应用程序连接,例如Adobe和Shopify,还能通过Instacart订购生活用品或通过OpenTable预订餐位。

Gemini还包含多项用于研究、写作、编程和个性化定制的内置功能。

Deep Research(深度研究)功能可以搜索多个信息源,遵循研究计划,并将搜索结果整理成带有可供核实链接的报告。Canvas(画布)功能则专为并排编辑设计,在Gemini内提供一个交互式面板,用于撰写长篇文档或优化代码。

你可以要求Gemini将笔记转换为PDF,并在同一对话中、手机端或网页端进行编辑。文档、表格和幻灯片也可以采用这种方式处理,但仅限于网页端。

技能(Skills)功能让你能够保存那些原本需要反复输入的指令。你可以上传自定义指令、创建新指令,或选择"匹配我的写作风格"之类的建议选项,该功能会利用你在Google Workspace中的写作样本,帮助Gemini在撰写邮件、备忘录或文档时模仿你的语气风格。

从11月17日起,技能功能将在个人账户中取代Gems功能。

Gemini Live提供免提、实时对话体验,新增10种语音选项,即使应用在后台运行或手机处于锁屏状态也能使用。你还可以随时暂停和恢复对话,这是一个相当实用的功能。

Gemini 3.8 Live扩展思考模型能够处理更复杂的请求,并在处理过程中向你讲解进展情况。

你还可以与Gemini Live共享手机摄像头或屏幕,就其所见内容提出问题。例如,你可以展示一个家电设备,询问某个按钮的功能,或者在网上比较商品时共享屏幕。

谷歌还在增加更多智能体功能,这意味着Gemini可以执行一系列较长的任务,而不仅仅是告知操作方法。此前称为Spark的Gemini任务(Tasks in Gemini)功能,可以处理跨关联应用的定时任务和多步骤工作流程。该功能面向支持国家内拥有Pro或Ultra订阅的符合条件的成年用户开放。谷歌发言人告诉CNET,这是最容易被忽视的功能之一,称其为"你的全天候个人AI智能体"。

Gemini的使用场景

Gemini直接内置于谷歌Pixel手机中,并作为许多安卓设备上的主要谷歌AI助手。它可以帮助撰写消息、总结信息、回答有关屏幕显示内容的问题,并与已连接的谷歌应用协同工作。

你还可以通过网页版、安卓版、iOS版、Mac应用和Windows版(Windows 10及以上系统)使用Gemini,也可以通过Chrome浏览器和支持的Google Workspace账户使用。

Gemini为谷歌Home功能提供支持,可以总结摄像头或门铃记录的内容、搜索历史录像并回答有关实时画面的问题。这又是便利性与隐私暴露之间需要权衡的一个例子。

此外还有谷歌搜索结果中的AI概览(AI Overviews)功能。如果你注意到搜索结果顶部出现了更详细的答案,那正是这一集成功能的体现。Gemini通过整合多个信息源,将复杂主题分解为简明易懂的解释。

谷歌曾因AI概览在2024年美国推广期间给出的一些离奇建议而受到批评,其中包括建议人们每天吃石头或在披萨食谱中加入胶水。该公司随后迅速进行了修复。

AI概览目前已在200多个国家和地区、40多种语言中推出,月活跃用户超过25亿(不过由于AI概览默认弹出显示,所谓的活跃用户可能只是像往常一样使用谷歌搜索信息的普通用户)。

搜索中的AI模式(AI Mode)是一种专为处理较长问题和后续追问设计的对话式体验,月活跃用户已超过10亿。谷歌目前正在全球范围内向所有用户推出搜索中的Gemini 4 Hydrogen。谷歌在其博客文章中表示,该模型更善于理解用户意图,即便用户一次性提出多项需求或输入出现拼写错误也能准确理解。答案中可以包含图片、对比表格以及你原本可能会错过的网站链接。支持国家内的Google AI Pro和Ultra订阅用户还可以在AI模式中使用Gemini 4 Argon。

一些用户仍然不喜欢AI概览功能,令人遗憾的是目前无法将其关闭。不过,我们已经介绍过一些可能有帮助的变通方法。

用Gemini生成图像、视频和音乐

Gemini可以通过对话方式生成图像并编辑现有图像。

Gemini刚推出不久,就出现了一些问题。谷歌曾因一些幻觉内容以及对历史人物和不同种族的描绘方式而受到批评,其中生成黑人和亚裔纳粹士兵图像的事件更是成为头条新闻。批评者指责谷歌为展示多样性用力过猛。谷歌随即暂停了Gemini的图像生成功能,并承诺解决这一问题。

目前使用的图像模型名为Nano Banana,能够进行有针对性的修改,例如替换物体、调整背景,以及将多张图像中的元素进行组合。

Gemini还能生成视频和音乐。谷歌使用Veo和Gemini Omni进行视频生成与编辑,而Lyria模型则根据文本或图像提示生成音乐。使用权限和生成次数限制取决于你的订阅类型和所在地区。

如今,判断一张照片或一段视频是否由AI制作变得越来越困难。你可以将图像或视频上传到Gemini、Chrome和搜索中,询问谷歌AI是否生成或编辑过该内容。Gemini随后会查找隐藏的SynthID水印,不过它并不能识别出所有AI生成的文件。你也可以通过在设置中开启"媒体水印"选项,为使用Gemini生成的图像、视频和音乐添加水印。

隐私保护与你的Gemini对话记录

由于Gemini可以处理个人文件并与已连接的谷歌应用协同工作,在用它处理可能涉及敏感信息的内容之前,你应该检查一下隐私设置。

对于个人账户,当"保留活动记录"设置处于开启状态时,谷歌可能会利用Gemini的使用活动来改进其服务,其中包括借助人工审核人员的协助。谷歌建议用户不要输入那些不希望被审核或用于改进其产品的机密信息。

你可以关闭"保留活动记录"功能,或开启临时对话。临时对话不会出现在你的近期对话记录中,也不会用于借助人工审核人员的协助来改进谷歌的AI。但谷歌仍会将这些记录保留最长72小时,以提供服务、处理问题并保护用户。

已连接的应用拥有独立的权限设置,你可以进行查看或撤销。

你还可以通过"设置/个人智能"下的"记忆摘要"功能,查看Gemini对你的记忆内容,并对细节进行更正或删除。目前该功能仅面向符合条件的美国订阅用户以英文提供,且需要开启"记忆"和"保留活动记录"功能。最快捷的方式是直接在对话中询问Gemini:"你对我了解多少?"即可触发已保存记忆档案的概览。

谷歌发言人告诉CNET:"控制权在你手中。我们在构建个人智能功能时将隐私保护作为核心,连接你的应用默认情况下是完全关闭的。"该发言人还补充说,Gemini绝不会利用你的私人邮件、照片或文件来训练其基础AI模型。

谷歌的指南说明指出,该公司不会直接利用已连接的Gmail收件箱或Google相册库进行训练。但当"保留活动记录"功能开启时,谷歌可以利用从已连接内容中提取的摘要、片段和推断信息进行训练。

定价与使用权限

作为个人AI助手,Gemini是免费的。免费版本目前使用"自动"设置为用户选择模型,但你可以将思考层级调整为低、中或高,以获得更快的回答或更全面的推理。你可以上传文件、生成图像和音乐,并使用Canvas、引导式学习、Gemini Live和技能等工具。

Deep Research功能从技术上讲在各个订阅层级均可使用,但如果你使用的是免费层级,相比付费订阅用户,你将面临更严格的容量和使用限制。使用限制还可能根据需求、功能和地区而发生变化。

为提供更高的使用限额和更多功能,谷歌目前提供三种主要订阅方案:

Google AI Plus:每月5美元。

Google AI Pro:每月20美元。

Google AI Ultra:起价每月100美元,另有200美元选项提供更高的使用限额。

价格、首次优惠、存储空间和功能可用性因国家而异。

对于开发者和企业用户,谷歌已针对其Gemini API模型(如Hydrogen、Omni和Argon)建立了分层定价结构。开发者可以通过Google AI Studio访问这些模型,或通过谷歌云的Vertex AI将Gemini功能集成到自己的应用程序中。

这两种方式均提供可扩展的AI使用方案,定价和速率限制根据订阅层级和Token长度而有所不同。你可以在谷歌官网查看详细的定价标准。免费层级可供用户初步体验,使用量有限——非常适合在正式订阅前进行测试。

欲了解更多内容,请查阅CNET对Gemini的完整评测。

cnet