Gemini负责人爆料！多模态统一token表示，视觉至关重要

就在刚刚，Gemini模型行为产品负责人 Ani Baddepudi 在谷歌自家的开发者频道开启了爆料模式。 一水 闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 一次性揭秘Gemini多模态技术！ 他和OpenAI前员工、现谷歌AI Studio产品负责人 （Logan Kilpatrick，右） 探讨了诸多众人好奇已久的问题： 一言以蔽之，整个谈话几乎都围绕着 Gemini多模态 展开，包括其背后设计理念、当前应用以及未来发展方向。 之所以这场谈话值得关注，实在是因为Gemini多模态过于响当当和重要了。 2023年12月，谷歌原生多模态Gemini 1.0模型正式上线，一举将AI竞赛由ChatGPT主导的文本领域带入多模态领域。 而最新的Gemini 2.5 Pro（0605） ，不仅在代码、推理等任务上更上一层楼，而且还拿下视觉能力第一，可以说夯实了谷歌在多模态领域的 领先地位。 此时回看Gemini当时的一些设计理念，会发现其前瞻性与创新性不仅为后续的发展奠定了坚实基础，而且对未来仍具有指导意义。 敲黑板，整场谈话干货满满，咱们这就开始~ 为啥Gemini一开始就被设计为多模态？ 一个智能体的 ...