AI 图鉴 AI ATLAS

Gemini

把搜索、办公与多模态模型收进一个对话入口

Google DeepMind 应用免费增值

输入文本图像音频文本图像音频

它是什么

Gemini 是 Google DeepMind 于 2024 年 2 月推出的对话应用，由此前名为 Bard 的产品更名而来。它以对话为主要入口，支持文本、图像与语音输入，并可从 Google 搜索与 Workspace 应用中取用信息。Gemini 提供网页端与移动端，随后加入图像生成与实时语音对话。

为什么值得记住

把 Google 的搜索、办公套件与多模态模型收进同一个对话入口，是 Google 面对对话式 AI 的主线产品。

关键规格

形态: 网页端与移动端应用
支持模型: Google 的 Gemini 系列模型
模态: 文本、图像、音频输入；文本、图像、音频输出

所属能力

对话与指令遵循

在一来一往中理解意图并照做

文本生成与续写

给定前文，一个词一个词地往下写

推理与思维链

把难题拆成中间步骤再求解

图像理解与视觉问答

看图回答关于它的任意问题

图像文本文本

相关概念

多模态生成

同一个模型，同时学会说、画、动——甚至建模三维世界

提示工程与对齐

让模型「有用、诚实、无害」，比单纯把它做得更大更难

自然语言处理与大模型

智能体与工具调用

让模型不再只是回答问题，而是能查资料、调接口、跑代码——并在每一步的结果之后再决定下一步

AI 工程、安全与伦理

同类产品

ChatGPT

把大模型变成一个人人可用的对话窗口

应用免费增值

文本图像音频文本图像音频

Microsoft Copilot

把对话式 AI 嵌进操作系统与办公软件

应用免费增值

文本图像音频文本图像

Claude

以长上下文与安全对齐见长的通用对话模型

文本图像文本

Perplexity

边检索边作答、每条答案都带出处

应用免费增值

Apple Intelligence

端侧与私有云协同的系统级 AI 功能

文本图像音频文本图像

Siri

把语音助手带进主流手机的早期产品

音频音频文本

Character.AI

自定角色、可以长期聊下去的角色扮演式对话

应用免费增值

文本音频文本音频

DeepL Translator

以译文质量为卖点的神经机器翻译服务

应用免费增值