Bard on 科技刺猬

谷歌发布 Gemini：多模态大模型的新标杆？

Thu, 07 Dec 2023 00:00:00 +0000

谷歌 12 月 6 日正式发布了大模型 Gemini 1.0。这是谷歌今年最重要的一次模型发布，也被很多人看作它对 GPT-4 的正面回应。与之前模型最大的不同在于：Gemini 从一开始就是按多模态设计的，文本、图像、音频、视频、代码这些模态不是后期拼上去的，而是在训练阶段就一起学。

三个版本，各司其职

Gemini 1.0 分为三个版本，定位很清晰。

Ultra 是最强的版本，面向高度复杂的任务，谷歌称它在多项基准测试中达到了 GPT-4 级别的水平，尤其是在多模态理解方面。按照谷歌的说法，Gemini Ultra 是第一个在 MMLU 大规模多任务语言理解测试中超过人类专家的模型——不过基准测试的成绩向来只能参考，实际体验还得看产品。

Pro 是中等规模的版本，面向日常应用和开发者，发布后会率先进入 Bard（谷歌的聊天机器人），后续也会通过云端 API 提供给开发者。普通用户最先接触到的就是 Pro。

Nano 是最小的版本，专门为手机等端侧设备设计，可以在设备本地运行，适合需要低延迟和隐私保护的场景，比如手机上的智能回复、摘要功能。Pixel 8 Pro 已经率先用上了 Nano 的部分能力。

这种高中低三档的分工，和 OpenAI 的产品线思路类似，但谷歌的优势在于它有完整的产品矩阵可以承载：搜索、Gmail、Docs、安卓系统，都是 Gemini 的潜在落点。

能不能扭转局面

今年的大模型竞赛里，谷歌的处境一直有点尴尬。年初 Bard 匆忙上线，演示翻车；年中虽然追赶很快，但始终给人"起了个大早、赶了个晚集"的印象。Gemini 是谷歌重新证明自己的一次机会。

从技术路线看，原生多模态确实是个亮点。以前的多模态模型大多是把图像、音频模块"外挂"到语言模型上，Gemini 的训练方式理论上能让它对不同模态的理解更连贯。演示视频里，它能看懂手绘草图的变化、理解视频里的动作逻辑，效果相当直观——当然，演示视频和实际产品之间通常还有距离，发布会上的演示向来是挑最好的部分。

真正决定 Gemini 成败的，是落地速度。谷歌表示 Bard 将逐步切换到 Gemini Pro，更强的 Ultra 版则要等到明年，经过安全测试后才会向开发者和企业开放。这意味着普通用户短期内能用到的主要是 Pro 版本，Ultra 的真实水平还要再等一阵子才能验证。

Ultra 的测试成绩怎么看

谷歌在发布时重点宣传了 Gemini Ultra 的基准测试成绩，包括在 MMLU 测试中超过人类专家水平。听到这种说法，先别急着下结论。基准测试是模型能力的参考坐标，但它有几个天然的局限。

第一，测试集和真实使用场景有差距。模型在标准化测试里表现好，不代表在开放式对话、长文档处理、复杂推理这些实际任务里同样出色。第二，各家厂商的测试口径并不完全一致，同一个指标在不同发布会上的含金量可能不同。第三，测试成绩容易被"应试"优化，专门针对测试集调优的模型，分数好看但泛化能力未必同步提升。

所以 Ultra 的真实水平，要等它正式开放给开发者和企业用户、经过第三方实测之后才能判断。谷歌把 Ultra 的全面开放时间定在明年，并且要先经过安全测试，这个节奏本身是负责任的，但也意味着短期内我们只能看到 Pro 的表现。

Bard 开放之后，和 ChatGPT 正面比一比

Tue, 23 May 2023 00:00:00 +0000

Bard 全面开放之后，AI 聊天工具的选择题终于有了第二选项。过去几个月，ChatGPT 几乎是默认答案；现在谷歌的 Bard 不用排队就能用，很多人问的第一个问题就是：它和 ChatGPT 到底差在哪？这篇不聊参数和跑分，只聊实际用起来的感受，从五个维度正面比较。

联网时效：Bard 占优

这是两者目前最明显的分水岭。Bard 背后连着谷歌搜索，问"今天有什么新闻"“这支股票最近怎么样"这类时效性问题，它能直接给出带时间的信息；ChatGPT 的免费版本知识有截止时间，对近期事件经常回答"我不知道"或者编一个看似合理的答案。

如果你经常用 AI 查新闻、查实时信息、追热点，Bard 的体验更好。但要注意，“能联网"不等于"全对”，Bard 也会把搜索结果拼错、把旧闻当新闻，关键信息还是要自己点开源链接核对。

中文表现：ChatGPT 更稳

中文对话方面，ChatGPT 目前更稳。它的中文表达更自然，长段落的逻辑连贯性更好，写中文邮件、润色中文文案时翻车率更低。Bard 的中文能用，日常问答没问题，但在处理中文长文本、古文、成语典故或者需要"中文语感"的创作时，偶尔会露出翻译腔。

不过这个差距在缩小。Bard 背后是谷歌多年的多语言积累，中文支持的进步速度很快，日常使用已经够用；只是如果你主要用中文写作，ChatGPT 仍是更省心的选择。

引用出处：Bard 更透明

Bard 回答问题时经常附带来源链接，点开就能看到它参考了哪些网页，这对查资料、写报告的人非常友好。ChatGPT 的免费版本一般不给出来源，你得自己再去验证一遍。

当然，Bard 的引用也不是万无一失：它有时会把来源和结论张冠李戴，或者引用一个不太权威的页面。引用功能最大的价值，是帮你省掉"从哪验证"的功夫，而不是替你验证。

创作场景：各有胜负

写故事、写文案、想点子这类开放式创作，ChatGPT 的想象力更放得开，文风变化也更多，适合需要"灵感"的场合。Bard 的创作偏稳妥，结构完整但惊喜感稍弱，写出来的东西更像一篇工整的说明文。

代码场景也是类似的分化：ChatGPT 写代码、解释报错、给优化建议的成熟度更高，程序员用它当结对编程助手已经很普遍；Bard 也能写代码，但复杂逻辑和调试场景下翻车的概率更大，需要你自己多检查一遍。

实测几道题，差距就出来了

光讲维度有点抽象，不妨看几道实际题目。第一道是旅行规划：问"下个月去成都玩三天，怎么安排”。Bard 能结合最新信息给出景点和交通建议，时效性明显更好；ChatGPT 给的行程结构更完整、节奏感更好，但个别景点信息可能停留在旧版本，需要自己核对营业时间。

第二道是写求职信：给一段个人经历，让 AI 写一封应聘文案的初稿。ChatGPT 的版本语气更自然、句式变化更多，改动幅度小；Bard 的版本结构工整，但读起来偏模板化，需要你再加工一遍才像自己写的。

第三道是解释概念：让 AI 用大白话讲清楚"什么是大语言模型"。两者都能讲明白，Bard 喜欢附带来源链接，方便顺藤摸瓜；ChatGPT 更擅长打比方，用生活化的例子把抽象概念讲透，适合完全没接触过的人。

第四道是多轮追问：先问一个问题，再根据回答连续追问三轮。ChatGPT 在长对话里保持上下文的能力更稳，不容易跑题；Bard 偶尔会在第三轮之后丢掉前面的关键信息，需要你重新提醒一遍。

这几道题跑下来，结论和前面的维度分析基本一致：Bard 赢在时效和出处，ChatGPT 赢在表达和长对话。没有一边倒的胜负，只有场景适配。

长文本与表格场景：谁更顺手

除了问答，再看两个办公高频场景。第一个是长文本处理：把一篇几千字的文章丢给 AI，让它提炼要点、列出结论。两者都能做，但风格不同：ChatGPT 的摘要更像"人读完之后复述"，重点突出、语言连贯；Bard 的摘要更像"带出处的摘录"，每条结论后面往往跟着来源，适合需要进一步核查的场合。

第二个是表格场景：让 AI 整理一份对比表，比如几款手机的参数对比、几种方案的优缺点。ChatGPT 生成的表格结构更规整，适合直接复制进文档；Bard 的表格胜在信息较新，涉及近期产品时不容易过时。实际用下来，很多人最后是两个混着用：一个负责整理，一个负责核对。

Google I/O 2023：折叠屏 Pixel Fold 与全面开放的 Bard

Sun, 14 May 2023 00:00:00 +0000

谷歌一年一度的 I/O 大会，今年 5 月 10 日开场。往年这场大会经常是"发布一堆开发者听不懂的东西"，今年不一样：硬件一口气上了三款，AI 聊天机器人 Bard 取消排队全面开放，整场发布会的主题非常明确——谷歌要把 AI 塞进所有产品里，顺便把手机产品线补齐。

Pixel Fold：谷歌的第一款折叠屏

主角是 Pixel Fold，谷歌的第一款折叠屏手机。展开是一块平板大小的内屏，合起来就是一台正常尺寸的手机，铰链设计让它可以像笔记本一样半开着放在桌上，谷歌管这个叫"桌面模式"，看视频、视频通话时不用找支架。

折叠屏这个品类，三星已经耕耘了好几年，OPPO、vivo 也都出了产品，谷歌这时候入场不算早。但它的优势在软件：Pixel Fold 出厂就带针对大屏优化的系统，多任务分屏、应用接力这些功能是亲儿子才有的待遇；相机也是 Pixel 一贯的计算摄影路线，夜景和变焦是强项。

当然，折叠屏的老问题它一个也没躲掉：贵、重、内屏耐用性需要时间验证。对于已经在用 Pixel 的用户，Fold 是个值得等评测的选择；对于折叠屏尝鲜者，它最大的意义可能是让这个品类多了一个"原生安卓"的选项。

Pixel 7a 与 Pixel Tablet：补齐产品线

中端机 Pixel 7a 同步发布，定位很清晰：把旗舰的芯片和相机下放到更亲民的价位，适合预算有限但又想要干净安卓体验的人。Pixel 的 a 系列一直是这个策略，7a 延续了无线充电、IP67 这些越级配置，短板依然是充电速度和长焦缺失。

平板 Pixel Tablet 则走了另一条路：它附带一个充电扬声器底座，插上底座就变成一台带屏幕的智能家居中枢，拔下来又是一台普通平板。这个思路挺讨巧，等于一台设备同时抢了平板和智能音箱两个位置，适合已经在用谷歌智能家居的用户。

Bard 取消排队：AI 大战进入下一阶段

硬件之外，真正影响更多人的消息是 Bard 全面开放。此前 Bard 需要排队等候邀请，这次之后，符合条件的用户可以直接使用，还新增了对更多国家和语言的支持。谷歌同时给 Bard 加了不少能力：回答里可以插入图片，导出到 Gmail 和 Docs 更方便，还能接上自家的各种服务。

时间点值得注意：Bard 全面开放距离 GPT-4 发布不到两个月，距离微软把聊天功能塞进必应也没多久。三大厂的聊天机器人竞争，正在从"谁能用"变成"谁好用"。对普通用户来说，这反而是好消息——不用抢邀请、不用翻墙找门路，主流工具一个接一个开放，试错成本越来越低。

不过也要提醒一句：Bard 和同类产品一样会"一本正经地胡说八道"，引用它给出的事实之前，最好多验证一次，尤其是数字、日期和人名。

AI 写进搜索和办公

硬件之外，这场大会的另一条主线是 AI 如何渗透谷歌的老本行。搜索方面，谷歌推出了生成式搜索体验（SGE）的试验：搜一个问题时，搜索结果顶部会出现 AI 整理的摘要，再往下才是传统链接。这对搜索的形态是个不小的改变——以前搜索是给出一堆网页让你自己挑，现在 AI 先帮你读一遍、总结一遍。