AI 与大模型 · 入门
Gemini(大语言模型)
谷歌推出的大语言模型,和 ChatGPT、Claude 属于同一类产品。强项之一是能同时看懂文字、图片和声音,并和谷歌自家服务连得紧。
TL;DR三十秒版本
- 谷歌做的大语言模型,和 ChatGPT、Claude 属于同一类东西。
- 它的强项是能同时看懂文字、图片、声音,不用你先把图片描述一遍。
- 各家底层做的事差不多,区别在擅长方向和价格,不必迷信某一个。
Overview详细说说
Gemini 是谷歌开发的大语言模型,和 ChatGPT、Claude 属于同一类东西,都能对话、能写、能答题。它比较突出的地方是天生支持多种输入,文字、图片、音频可以一起理解,不用你先把图片单独描述成一段话再喂给它。
谷歌靠搜索起家,所以 Gemini 常和搜索、办公套件、安卓生态绑在一起,用起来和谷歌自家的服务衔接得比较顺。它对外宣传时也常强调能看图、看视频这类能力;如果你本来就在用谷歌的邮箱、文档、日历,用它往往更省事。
你在某些工具里会看到“支持切换 Gemini、GPT、Claude 等模型”,意思是同一个工具可以调用不同公司的模型。选哪个,看你这次是更想要写代码强、看图理解强,还是更看重价格。
名字看着花哨,但别把它们当成完全不同的东西。它们做的事本质上差不多,都是根据你给的文字生成回答,区别主要在训练方式、擅长的方向、收费高低,以及在你手上能不能方便地用上。
它和 ChatGPT 这类产品是竞品关系,不存在谁“包含”谁。同一时间可能有多个版本,能力和价格都不一样;选的时候按手头的活和预算来,而不是只看名字响不响。
Myths常见误解
- ✕以为它和谷歌搜索是同一个东西 ✓搜索是找现成的网页,它是当场给你算出一段回答,两件事
- ✕以为一个工具只能用一家模型 ✓不少工具背后能切换不同公司的模型,看这次哪个更合适
In practice你会在哪用到它
- 把一张截图或照片丢进去,问里面写了什么、哪里不对劲
- 你本来就在用谷歌的邮箱和文档时,让它跨这几样帮你办事
- 在支持多模型的工具里,同一个问题换不同模型比一比结果
Summary记住这几点就够了
- 谷歌公司推出的大语言模型产品
- 和 ChatGPT、Claude 属于同一类产品
- 强项之一是能同时看懂文字和图片
- 常和谷歌搜索与办公生态连在一起
常见问题
Gemini(大语言模型)是什么意思?
谷歌做的大语言模型,和 ChatGPT、Claude 属于同一类东西。它的强项是能同时看懂文字、图片、声音,不用你先把图片描述一遍。各家底层做的事差不多,区别在擅长方向和价格,不必迷信某一个。
Gemini(大语言模型)一般用在什么地方?
把一张截图或照片丢进去,问里面写了什么、哪里不对劲;你本来就在用谷歌的邮箱和文档时,让它跨这几样帮你办事;在支持多模型的工具里,同一个问题换不同模型比一比结果。
关于Gemini(大语言模型),最容易搞错的是什么?
以为它和谷歌搜索是同一个东西,其实搜索是找现成的网页,它是当场给你算出一段回答,两件事;以为一个工具只能用一家模型,其实不少工具背后能切换不同公司的模型,看这次哪个更合适。
Gemini(大语言模型)要记住哪几点?
谷歌公司推出的大语言模型产品;和 ChatGPT、Claude 属于同一类产品;强项之一是能同时看懂文字和图片;常和谷歌搜索与办公生态连在一起。
容易踩的坑 各家模型底层做的事差不多,区别主要在擅长方向和价格,不必迷信某一个。
全站第 10 / 186 条 · 全部词条
接着读Related reading
智能体(Agent)
一种能自己定目标、拆步骤、调用工具去完成任务的 AI 程序。你交给它一件事,它自己安排怎么做,而不是你问一句它才答一句。
LLM(大语言模型)
读过海量文字之后学会“接下一句”的超大程序。你输入的任何一句话,它都在猜后面最可能出现什么,写作、翻译、答题都是这一件事的不同用法。
嵌入(Embedding)
把一段文字换算成一串数字,让电脑能比较哪两句话意思更接近。搜索和知识库能在换了说法时也找对答案,靠的就是它。
Claude(大语言模型)
Anthropic 公司开发的大语言模型,以长文档理解和写作、写代码见长。它既是网页和手机里的聊天助手,也有专门的编程形态。
提示词(Prompt)
你发给 AI 的那段话,也就是给它的指令或提问。这一段写得好不好,直接决定它给你的答案对不对路。
MCP(模型上下文协议)
一套让 AI 能统一接上外部工具和数据的接口标准。工具按它做一次,各种 AI 助手就能直接调用,省得给每个工具单独写对接代码。