如何免费访问Google Gemini 2.0型号？

>最先进的推理LLM的竞赛正在加热，比赛比以往任何时候都更加激烈。 DeepSeek用DeepSeek R1启动了它，其次是OpenAI的O3-Mini，现在Google进入了强大的阵容：Gemini 2.0 Flash，Flash Lite，Pro和两个实验模型 - Flash 2.0 2.0思考和对应用程序进行思考。尽管Flash模型已经进入公共测试，但实验性的模型可以重新定义推理和应用程序集成，挑战O3-Mini和DeepSeek-R1。在此博客中，我们将研究这些新模型，它们的独特功能及其竞争优势。让我们潜入！

目录的目的表

>什么是Gemini 2.0？实验性
• gemini 2.0 flash Thinking flash Thinking apps
• gemini 2.0模型：基准比较
• gemini 2.0 2.0模型：功能比较
什么是Gemini 2.0？
• Gemini 2.0是Google最新多模型的伞。这些模型是由Google开发的，可以看到代理时代对高延迟且性能提高的高效士兵模型的需求。在Gemini 2.0系列中，以下模型已经发布到目前为止：
• Gemini 2.0 Flash
• Gemini 2.0 Flash Lite
• gemini 2.0 Pro实验
>与这些强大的模型一起，Google还秘密发布了目前处于实验阶段的另外两个模型。这两个型号是：

Gemini 2.0 Flash思考实验

gemini 2.0 flash用应用程序

进行实验
这些实验模型是迄今为止任何AI公司最令人兴奋的模型。它们不仅提供了复杂的推理和逻辑思维，而且还可以与Google最常用的应用程序（如YouTube，地图和搜索）一起使用。
2. >
所以，让我们探索Google的每一个最新版本，一一。
3. Gemini 2.0 Flash

闪光灯模型是为大容量的高频任务而设计的，优先考虑速度和效率。 Gemini 2.0 Flash现在公开可供所有人使用，使其适用于生产应用程序。这是该模型的关键特征：

• >它可以通过100万个令牌的巨大上下文窗口来处理繁重的任务并执行多模式推理。
• >在Gemini应用程序以及通过Google AI Studio和Vertex AI中的Gemini API中可以访问。
• 该模型与OpenAI的GPT-4O，DeepSeek的V3和Qwen-2.5相媲美，其速度和效率在处理任务方面。

>

可用性：当前仅适用于Gemini高级订户在Gemini应用程序上使用，而在Google AI Studio中，可以免费使用。因此，如果您没有付费的Gemini帐户（免费的一个月试用），则可以在Google AI Studio中尝试。>

现在，让我们在Gemini应用程序上进行测试。

提示：“在https://www.analyticsvidhya.com/blog/2024/07/building-agentic-agentic-rag-systems-with-langgraph/上阅读文章，以了解为Wikipedia数据创建矢量数据库的过程。然后，提供关键步骤的简明摘要。 响应：

>评论：

>模型擅长通过Web链接阅读。它产生了一个明确的摘要，然后列出了博客中涵盖的广泛步骤。因此，Gemini Flash 2.0被证明是一个快速有效的模型，可以通过访问Internet进行求解查询而迅速。这对于日常内容相关的任务以及图像分析和生成非常有用。>

Gemini 2.0 Flash Lite

Flash Lite模型的设计考虑了成本效益。它建立在其前任1.5闪存的基础上，在保持同样令人印象深刻的速度和负担能力的同时，可以显着提高质量。以下是其中的一些亮点：

2.0 Flash Lite是寻求绩效和预算之间平衡的开发人员的绝佳选择。 该模型拥有100万个令牌上下文窗口，并支持多模式输入，从而可以处理各种任务。

>

>目前正在公共预览中，可通过Google AI Studio和Vertex AI的Gemini API访问。这使开发人员可以实验并将Flash Lite集成到他们的工作流程中。

• >可用性：
• Gemini 2.0 Flash Lite，可在Google AI Studio中免费使用。它也可以在Vertex AI中使用，但在Gemini App中尚未可用。
>
• >如何访问Gemini 2.0 Flash Lite

要在Google AI Studio中使用Gemini 2.0 Flash Lite，您将必须：

>在网页上注册。

完成后，单击左侧面板中的“创建提示符”。>

>从右侧面板，“型号”部分下，选择“ Gemini 2.0 Flash Lite 02-05”。

让我们对其进行测试。
2. 提示：
3. “

>

>用简单的单词向我解释以下图像。

响应：

“此图像显示了与“世界”和用户相互作用的AI代理。这是一个故障：

• 世界：这代表了AI在内的环境，包括Internet，操作系统，API服务器，硬件和物理世界。
• ai代理： >中央框代表AI代理，该代理从用户接收输入并与世界互动。它由多个部分组成：
  用户：
  1. >与AI互动的人。它们提供了AI的输入。 llm（大语言模型）：
  >
  2. > AI的大脑。它接收信息，处理并做出决定。 >工具：
  >
  3. > 该部分包含AI可以用来与世界交互的各种工具（网站API，应用程序，应用程序，Shell，Database等）。 内存：
  4. > AI的内存，它存储和检索信息（例如RAM，SQL数据库和Vectordbs中的数据）。 > action：
  >
  5. > AI的操作模块，使AI执行了LLM生成的指令。 >它如何工作：
• 用户>
  > ai。
  1. > llm
  2. > 处理此输入。 >
  3. llm > > action >工具> > world
  4. >>> > 内存 这个过程重复 评论： 响应以对图像的小介绍开始。然后，它描述了图像的每个部分，然后分解所有单个元素。最后，它简要说明了图像的所有组件如何工作。该型号很快起作用！很快将图像分析并将图像分解为简单的解释。对于需要速度的任务，例如为客户查询解决方案或Q/A会议构建聊天机器人以及面试准备； Gemini 2.0 Flash Lite是理想的。 gemini 2.0 Pro实验 Gemini 2.0 Pro实验代表双子座家族关于能力的巅峰。它设计用于解决最复杂的任务，尤其是涉及编码的任务。以下是有关Gemini 2.0 Pro的实验版本的一些要点
     • 这个最新模型具有200万个令牌上下文窗口，使其能够处理并了解大量信息。
     >它具有拨打Google搜索和直接执行代码等工具的独特能力，从而大大扩展了其解决问题的潜力。
     • 当前，在实验阶段，Gemini 2.0 Pro实验在更广泛的释放之前进行了完善和测试。
     • >
     可用性：此模型也仅适用于Gemini Appl上的Gemini Advanced的付费用户。同时，用户可以在Google AI Studio和Vertex AI中免费访问它。因此，如果您没有付费的双子座帐户（提供一个月的免费试用），则可以在Google AI Studio中尝试。

     > 了解更多：Google Gemini 2.0比Openai O3-Mini更好的实验？

     >让我们看一下该模型的性能。

     > 提示：

     >

     >“解决这个难题，给我由解决方案组成的表。

     这个难题是从以下网站中获取的。

     响应：

     将这些值放在网站上：

     

     >评论：

     >该模型解释了其解决方案，并按照提示进行解决方案表。它根据给出的信息产生了正确的响应，尽管在几个地方，它确实假定了颜色和货币的不正确值。但是，其最终结果仍然不受影响，因为这些值在整体响应中无关紧要。不用说，Gemini 2.0 Pro实验确实将强大的推理与速度和准确性相结合。

     Gemini 2.0 Flash思考实验

     > Flash Thinking实验模型是一个令人兴奋的发展，它结合了Gemini 2.0 Flash的速度和效率和增强的推理能力。这使其不仅可以快速处理信息，还可以将逻辑思维应用于复杂的问题。

     >当前，该模型可用于双子座应用程序的用户，仅提供一些用户的早期访问其高级功能的访问。

     作为一个实验模型，它仍在开发中，但它指向LLM的未来，可以更有效地推理和解决问题。

     >可用性：

     Gemini 2.0 Flash模型仅在付费版本中可用 - Gemini Advanced，在Gemini App上。但是，在Google AI工作室中，可以免费使用。因此，如果您没有付费的Gemini帐户（提供一个月的免费试用版），则可以在Google AI Studio中尝试。
     • 现在让我们看看这个型号可以做什么。

     >提示：>“你走进房间看床。在床上，有两只狗，四只猫，一只长颈鹿，五头牛和一只鸭子。还有三把椅子和一张桌子。地板上有几条腿？

     响应：

     “

     >让我们分解：

     >

     >
     >床上的东西：狗，猫，长颈鹿，牛，鸭。这些动物在床上，所以它们的腿不在地板上。
     • >>房间里的东西（除非另有说明，否则可能在地板上）
     >
     • 椅子：椅子有腿，通常在地板上。每个椅子有4个腿，有3椅。 表：桌子有腿，它们通常在地板上。桌子通常有4个腿，有1个表。 您：您走进房间。据推测，您站着或走路，双腿在地板上。你有2条腿。
       • 让我们计算地板上的腿：
       • 椅子：3椅子 * 4腿/椅子= 12腿
       >
     表：1个表 * 4腿/表= 4腿

     > 你：1人 * 2腿/人= 2腿

     >
     • 地板上的总腿​​> ：12 4 2 = 18腿
     • > 因此，地板上有18条腿。 >评论：
     • 这个问题的正确答案是22，其中包括3张椅子的12张腿，桌子的4腿，4张床的4腿和2腿。 Gemini 2.0 Flash实验思维模型展示了出色的思维，对单个腿（大多数LLM都错过的东西）说明了。然而，它忘了在床的腿上数。因此，即使很棒，该模型也可以更好地在逻辑推理上。 gemini 2.0 flash用应用程序
     进行实验
     >在Flash思考实验模型的基础上，使用应用程序版本的Flash Thinking实验增加了至关重要的交互层：与外部应用程序互动的能力。这是使其成为强大模型的原因：

     它与外部应用程序的集成使该模型不仅能够成为理性，还可以在不同的应用程序中采取行动。这为复杂工作流程自动化的可能性开辟了世界。

     > 该模型展示了LLM深入我们的数字生活的潜力，与我们每天使用的工具无缝互动。

     >>可用性：

     gemini 2.0闪光灯仅在付费版本中可用 - gemini Advanced。同时，在Google AI工作室中，可以免费使用。因此，如果您没有付费的Gemini帐户（免费的一个月试用），则可以在Google AI Studio中尝试。

     > 所以，让我们进行测试。>

     提示：>“告诉我我可以从我的位置到新德里火车站的所有可能路线。我目前在这里：https：//maps.app.goo.gl/xciqxpugasxtxytk8”

     响应：

     “这是您目前在印度哈里亚纳邦Gurugram的K-3 Road的新德里火车站的可能路线，印度Haryana 122022。 >

     这是您位于印度哈里亚纳邦Gurugram 25号地区K-3 Road的新德里火车站的可能路线，

     路线1：通过NH 48

     >

     距离：16.4英里

     • 持续时间：大约49分钟
     >
     • 摘要：此路线主要遵循NH 48。
     >
     • >映射URL
     • >这是当前提供的唯一路由。如果您想探索替代路线，则可以指定标准，例如避免高速公路或通行费，我可以检查这些选项。
     评论：

     >在短短几秒钟内，该模型通过提示进行思考，访问我通过地图共享的位置，并为我提出了最佳的路径。它为我提供了路线的详细信息，并共享一个地图链接以供我的参考。在寻找新城市的地方或快速定位地址时，这样的功能可能是一个很好的补充。此LLM也非常适合转录或总结长YouTube视频。尽管它在使用YouTube短裤时会遇到错误。> 该模型结合了推理，速度和外部应用程序可访问性的力量 - 一组。这样的功能表明，我们很快就会看到这些思维模型。

     Gemini 2.0型号：基准比较
     >现在我们已经与Google所有最新型号合作，让我们快速研究这些模型在不同基准测试中的性能。思考实验模型的详细信息尚不可用，因此我们将仅使用其余三个模型：Gemini 2.0 Flash，Flash Lite和Pro。

     Capability	Benchmark	Gemini 2.0 Flash-Lite (Public Preview)	Gemini 2.0 Flash (GA)	Gemini 2.0 Pro Experimental
     General	MMLU-Pro	71.6%	77.6%	79.1%
     Code	LiveCodeBench (v5)	28.9%	34.5%	36.0%
     Code	Bird-SQL (Dev)	57.4%	58.7%	59.3%
     Reasoning	GQPA (diamond)	51.5%	60.1%	64.7%
     Factuality	SimpleQA	21.7%	29.9%	44.3%
     Factuality	FACTS Grounding	83.6%	84.6%	82.8%
     Multilingual	Global MMLU (Lite)	78.2%	83.4%	86.5%
     Math	MATH	86.8%	90.9%	91.8%
     Math	HiddenMath	55.3%	63.5%	65.2%
     Long-context	MRCR (1M)	58.0%	70.5%	74.7%
     Image	MMMU	68.0%	71.7%	72.7%
     Audio	CoVoST2 (21 lang)	38.4%	39.0%	40.6%
     Video	EgoSchema (test)	67.2%	71.1%	71.9%

     来源：Google DeepMind博客

     Gemini 2.0型号：功能比较

     >每个新型号都有自己独特的功能集。在下表中，我列出了我们在此博客中探索的所有模型的功能和应用。

     结论

     Google的Gemini 2.0阵容标志着生成AI模型功能的重要一步，为速度，效率和高级推理提供了定制的各种型号。 Gemini 2.0 Flash和Flash Lite迎合了高通量和成本效益的用例，而Gemini 2.0 Pro实验看起来很有希望，可用于长篇文化的理解和工具集成。实验模型，尤其是使用应用程序的Flash Thinking和Flash Thinking，引入了逻辑推理和无缝应用程序交互的可能性。

     Google使用Gemini 2.0

     为Genai模型奠定了基础，这些模型更感知了上下文，多模式并深入整合到我们的数字生态系统中。随着这些模型的发展，它们对AI驱动的工作流，内容产生和实时决策的影响只会增长。

     常见问题

     > Q1。什么是Gemini 2.0？ Gemini 2.0是Google最新的AI Gen AI模型系列，旨在增强推理，多模式处理和高效任务。它包括Flash，Flash Lite，Pro和两个实验模型 - 使用应用程序的Flash Thinking和Flash Thinks。 Gemini 2.0与Openai的O3-Mini和DeepSeek R1相比如何？ Gemini 2.0型号，尤其是Flash和Pro系列，就推理，效率和工具集成而言，直接与OpenAI的O3-Mini和DeepSeek R1竞争。 Gemini 2.0 Flash专注于速度和成本效益，而Gemini 2.0 Pro实验在复杂的推理和编码方面表现出色。 Gemini 2.0 Flash和Flash Lite有什么区别？ The key differences between Gemini 2.0 Flash and Flash Lite are as follows:

     Gemini 2.0 Flash: Designed for high-throughput tasks, offering speed, efficiency, and a 1M token context window.
     Gemini 2.0 Flash Lite: A budget-friendly version with similar capabilities but optimized for lower-cost applications.

     > Q4。 Gemini 2.0中有多少个实验模型？ Gemini2.0中的当前有2个实验模型：

     flash思维实验：增强了逻辑推理和解决问题的方法。

     
     使用应用程序的闪光思考：
     构建思维模型，但基于思维模型，但与Google搜索，Maps和YouTube和YouTube等外部应用程序集成在一起，实现了现实的互动。如何访问Gemini 2.0型号？您可以通过以下方式访问这些模型：gemini 2.0 flash：

     >在Google AI Studio（免费）中可用，而Vertex ai。用户。 gemini 2.0 Pro实验：

     在Google AI Studio（免费）和Gemini Advanced（付费）中可用

以上是如何免费访问Google Gemini 2.0型号？的详细内容。更多信息请关注PHP中文网其他相关文章！