当谷歌决定把 AI 改名叫 Gemini

它和别人不一样的地方

从 Bard 到 Gemini：一次不寻常的更名

要理解 Gemini，得先理解 Bard 为什么消失。

Bard 是谷歌在 2023 年 3 月匆忙推出的聊天机器人——名字来自莎士比亚（「吟游诗人」），定位是对标 ChatGPT。但它出生就带着问题：底层用的是 PaLM 2 模型，能力有限；品牌认知混乱（很多人分不清 Google Assistant、Bard 和 Google Search AI 的关系）；更重要的是，谷歌内部意识到「聊天机器人」这个产品形态本身就不够。

这次更名的深层含义是：谷歌不再想做一个「ChatGPT 竞品」。它要做的是一个基础理解层——一个能同时处理文本、图像、声音、视频和代码的大脑，然后把这个大脑塞进谷歌的所有产品里。Gemini 这个名字本身也有意思：双子座，暗示着「两种智能的融合」（Google Brain 的工程能力 + DeepMind 的科研深度）。

原生多模态：不是「能看图」，是「生来就能」

这是 Gemini 最核心的技术差异化，也是最容易被人误解的一点。

大多数模型怎么做？

GPT-4o、Claude 这些模型的路线是：先训练一个超强的语言模型，然后在外面接一个视觉编码器（比如 CLIP），让模型「学会看图」。这叫多模态对齐（multimodal alignment）。效果不错，但本质上还是「文本模型戴了副眼镜」。

Gemini 怎么做？

Gemini 从预训练的第一天起，就是文本、图像、音频、视频和代码混合在一起喂的。它的训练数据集包含扫描文档、手写笔记、数学公式截图、YouTube 视频帧、音频波形和数十种编程语言的代码库。这意味着：

实际效果举例：你可以直接把一张手写的物理题照片贴给 Gemini，它会识别公式、理解题目、给出解题步骤，然后如果你追问「用 Python 模拟这个过程」，它能直接写出可运行的代码——全程不需要你打一个字描述图片内容。

这种「原生」带来的好处是跨模态推理能力更强。比如给它看一张数据图表，它不只是「读出数字」，而是能理解趋势、发现异常值、结合行业知识给出分析——因为它在训练时见过大量「图表+解读」的配对数据，而不是只学了「如何把图转成文字描述」。

百万 token 上下文窗口：意味着什么

Gemini 1.5 Pro 支持最多 100 万（1M）token 的上下文窗口。这个数字需要翻译成人话：

对普通用户来说，最直观的应用场景是：把一整学期所有课件 PDF 扔进去，然后问「第三次期中考涉及了哪些第一章的概念？」；或者把一个 GitHub 项目的全部代码丢进去，让它解释架构设计并找出潜在 bug。

模型家族：从 Nano 到 Ultra，各有所长

Gemini 不是单一模型，而是一个系列。谷歌根据不同的速度、成本和能力需求，把它切成了几档：

对大多数开发者来说，Flash 是性价比之选（速度快、价格低、1M 上下文）；Pro 用于需要最强推理能力的任务；Nano 则主要服务于需要在设备本地运行的场景（隐私敏感、无网络环境）。

背后的团队：DeepMind 和一群拿诺奖的人

Gemini 由 Google DeepMind 直接操刀。这家公司的前身是 2010 年在伦敦成立的 DeepMind Technologies，2014 年被谷歌收购后保持高度独立运营。2023 年 4 月，谷歌将 DeepMind 与自家的 Google Brain 团队合并，组建了现在的 Google DeepMind——这是全球 AI 研发资源最集中的组织之一。

关键人物：

• Demis Hassabis——DeepMind 联合创始人兼 CEO，2024 年诺贝尔化学奖得主^[5]（因 AlphaFold 蛋白质结构预测）。他是 Gemini 项目的精神领袖。
• Shane Legg——DeepMind 首席科学家，AGI（通用人工智能）概念的早期推动者。
• Koray Kavukcuoglu——负责模型架构的核心研究，MoE（混合专家）等关键技术的主要贡献者。

这意味着 Gemini 的研发不是「快速迭代上线的互联网产品思维」，而是带着科学研究的方法论：先发论文、再做工程、然后规模化。AlphaFold、AlphaGo、AlphaZero 这些里程碑都出自同一批人。Gemini 可以看作是他们从「攻克围棋」「预测蛋白质」之后，向「通用理解能力」迈出的下一步。

它已经住进了你的生活

这是 Gemini 和 OpenAI、Anthropic 产品最大的结构性差异：你不需要「使用 Gemini」——你可能已经在用了，只是没意识到。

对开发者来说，还有两个重要入口：

• Google AI Studio——免费的 Web 端测试环境，可以直接调 Gemini API，有额度限制但适合原型开发和个人项目。
• Vertex AI——企业级平台，提供完整的模型微调、评估、部署流水线，以及企业级 SLA 和合规保障。

怎么用 Gemini

方式一：直接对话（免费起步）

打开 gemini.google.com，用 Google 账号登录即可。免费版基于 Gemini Flash 模型，日常问答、写作辅助、图像分析都够用。付费升级 Gemini Advanced（约 $20/月，部分地区捆绑 Google One）解锁 Ultra 模型和更大用量。

方式二：API 调用（开发者）

通过 Google Generative AI SDK 或 REST API 接入。支持 Python、Node.js、Go、Swift 等语言。定价采用按量计费（每百万 token 收费），Flash 比 Pro 便宜一个数量级。

方式三：在 Google 产品里「偶遇」它

如前所述，Gmail 的「帮我写」、Google 搜索的 AI Overview、Docs 的总结功能、Android 的 Circle to Search——这些都是 Gemini 在工作，只是换了张脸。

和 ChatGPT / Claude 相比，选谁？

简化的选择逻辑：

• 如果你已经在用 Gmail / Google Docs / Android → Gemini 是最省事的选择，因为它是内置的。
• 如果你需要最强的对话体验和最丰富的第三方插件 → ChatGPT Plus 目前仍领先。
• 如果你主要处理超长文档、写报告、做代码审查 → Claude Pro 的长文本能力更有优势。
• 如果你是开发者想做应用接入 → 三家 API 都成熟，选哪家主要看你偏好的生态系统（Google Cloud vs Azure vs AWS）。

常见问题