Gemini Ultra是由Google DeepMind开发的多模态大型语言模型，于2023年12月6日发布，作为Gemini 1.0系列中的旗舰组件。它被定位为谷歌最强大的AI模型，专为高度复杂的任务而设计，并且是首个在57个学科的Massive Multitask Language Understanding（MMLU）测试中超越人类专家表现的语言模型，得分达到90%。该模型是OpenAI的GPT-4的直接竞争对手，其发布标志着生成式AI竞赛的显著升级。
Gemini系列还包括Gemini Pro和Gemini Nano，其名称源自拉丁语中“双胞胎”一词，象征着Google Brain和DeepMind合并为Google DeepMind，同时也呼应了NASA的Project Gemini。Gemini Ultra在谷歌的张量处理单元（TPU）上训练，旨在同时处理多种数据类型，包括文本、图像、音频、视频和计算机代码。
开发背景
谷歌于2023年5月10日在Google I/O主题演讲中首次宣布Gemini，CEO Sundar Pichai将其描述为PaLM 2的更强大继任者。该项目是DeepMind与Google Brain的合作成果，两者在CEO Demis Hassabis的领导下刚刚完成合并。Hassabis强调，Gemini将结合DeepMind的AlphaGo程序（该程序在2016年击败围棋冠军李世石而获得全球关注）的优势与先进的语言模型能力。
2023年8月，The Information报道称，谷歌计划在2023年底推出该模型，并希望通过将对话式文本功能与AI驱动的图像生成相结合来超越竞争对手。谷歌联合创始人Sergey Brin被召回参与开发，与Google Brain和DeepMind的数百名工程师一起工作。他后来被列为Gemini的“核心贡献者”。由于该模型基于YouTube视频转录进行训练，律师被引入以过滤可能受版权保护的材料。
Gemini的开发因ChatGPT和GPT-4日益流行而加速。据报道，OpenAI在得知Gemini即将发布后，加快了将多模态功能集成到GPT-4中的工作。多家公司通过谷歌云的Vertex AI服务获得了该模型早期版本的访问权限。
发布活动与初步可用性
2023年12月6日，Pichai和Hassabis在虚拟新闻发布会上宣布了“Gemini 1.0”。此次发布包括三个模型：面向高度复杂任务的Gemini Ultra、面向广泛任务的Gemini Pro，以及面向设备端任务的Gemini Nano。发布时，Gemini Pro和Nano分别集成到Bard和Pixel 8 Pro智能手机中。Gemini Ultra将用于驱动“Bard Advanced”，并于2024年初向软件开发者开放。
谷歌表示，由于需要进行广泛的安全测试，Gemini不会在次年之前广泛开放。该模型在发布时仅提供英文版本。谷歌计划将Gemini整合到其他产品中，包括搜索、广告、Chrome、Google Workspace中的Duet AI，以及AlphaCode 2。
基准性能与比较
据称，Gemini Ultra在多种行业基准测试中超越了GPT-4、Anthropic的Claude (AI model family)、Inflection AI的Inflection-2、Meta的Llama 2和xAI的Grok。Gemini Pro据称也超越了GPT-3.5。最显著的成就是Gemini Ultra在MMLU测试中取得90%的得分，使其成为首个在该基准上超越人类专家表现的语言模型。
这些声明受到了一些研究人员的质疑，他们指出基准结果可能受到测试污染或特定评估条件的影响。然而，谷歌坚持认为该模型的性能代表了AI能力的真正进步。
集成与部署
Gemini Pro于2023年12月13日在AI Studio和Vertex AI上向谷歌云客户开放。Gemini Nano也向Android开发者开放。2024年1月，谷歌与Samsung Electronics合作，将Gemini Nano和Gemini Pro集成到其Galaxy S24智能手机系列中。
2024年2月，Bard和Duet AI统一到Gemini品牌下，通过Google One订阅服务的新“AI Premium”层级发布了“Gemini Advanced with Ultra 1.0”。这标志着Gemini Ultra首次面向消费者开放，此前仅限于选定的开发者和企业客户。
安全与监管考量
根据美国总统乔·拜登于2023年10月签署的行政命令，谷歌表示将与美国联邦政府共享Gemini Ultra的测试结果。同样，该公司与英国政府进行了讨论，以遵守2023年11月在Bletchley Park举行的AI安全峰会上确立的原则。
Hassabis进一步透露，DeepMind正在探索如何将Gemini与Robotics结合，以实现与物理世界的交互。这反映了AI行业向具身AI系统发展的更广泛趋势。
后续发展
2024年2月，谷歌推出了Gemini 1.5，将其描述为比1.0 Ultra更强大、能力更强的模型。变化包括新架构、专家混合方法，以及更大的百万级token上下文窗口。同月，谷歌推出了Gemma，这是一个更小、免费且开源的Gemini模型系列，被广泛描述为对Meta等公司开源其AI模型的回应。
2024年12月，谷歌宣布了新的Gemini 2.0 Flash Experimental模型，引入了诸如用于实时音频和视频交互的Multimodal Live API、原生图像生成以及改进的代理能力等功能。2025年6月，谷歌推出了Gemini CLI，这是一个开源AI代理，将Gemini功能直接带到终端中。
影响与遗产
Gemini Ultra的发布代表了Large language model开发竞争格局中的关键时刻。它证明了谷歌能够生产与OpenAI相当或超越其的前沿模型，并加速了多模态功能向主流AI产品的集成。该模型的成功也验证了Google Brain与DeepMind在2023年4月完成的合并。
Gemini Ultra的基准性能，尤其是在MMLU上的表现，为评估AI系统设定了新标准。它在谷歌产品生态系统中的部署，从智能手机到云服务，展示了该公司将先进AI嵌入日常工具的策略。该模型还促进了关于AI安全、监管以及日益强大系统负责任开发的持续辩论。