谷歌发布面向“智能体时代”的 Gemini 2.0

背景

在大众印象里，大语言模型的使用方式一直是对话：人提问，模型作答。所谓「智能体」（agent），强调的是另一种用法——把工具交到模型手里，让它自己一步步做事：打开网页、运行代码、调用别的软件，再把结果交回来。谷歌把 Gemini 2.0 定位成面向这一转变的模型，公告的措辞也很直接：面向智能体时代的新模型^[1]。发布由 Demis Hassabis 和 Koray Kavukcuoglu 署名，另有 Sundar Pichai 的一段说明^[1]。

先放出来的是哪个模型

率先放出的是 Gemini 2.0 Flash，而且是实验版本，不是完成品。开发者通过 Gemini API 调用它，Gemini 应用的用户也可以试用^[1]。先交付实验版，等于一边让人用起来，一边保留改动的余地。

谷歌给出的性能说法是比较式的：在若干关键基准（benchmark）上，2.0 Flash 的成绩超过 1.5 Pro，速度则是后者的两倍^[1]。与数字并列的是两项能力变化：模型原生支持图像和音频输出，也就是不止会写文字，还能直接生成图片和语音；同时原生支持工具调用（tool use），可以在生成回答的过程中调用外部函数^[1]。这两点都指向智能体——要真正做事，模型就得输出文字之外的东西，也得能伸到模型之外去取数据、触发操作。

三个智能体原型

公告没有停在模型上，还同时展示了三个原型：更新后的 Project Astra、面向浏览器的 Project Mariner，以及面向编程的 Jules^[1]。三者分别对应一个通用助理、一个在浏览器里代替人动手的代理、一个写代码的代理。把模型发布和原型放在同一篇公告里，用意是让「智能体时代」这个说法有具体的落地样子，而不只是一句定位。

支撑它的芯片

谷歌强调，Gemini 2.0 的训练和推理 100% 由 TPU 承担；同时第六代 Trillium TPU 向客户全面开放（general availability）^[1]。TPU 是谷歌自研的加速芯片：训练是把模型造出来的过程，推理是模型对外提供服务的过程，两者跑在同一套自研硬件上。「全面开放」是一个产品状态的说法，意味着不再只对少数测试者开放。

同一天的 Deep Research

同一天，谷歌在 Gemini Advanced 中推出了 Deep Research^[2]。它和实验版的 2.0 Flash 一起出现，说明这次更新不只换了底层模型，助理产品本身也加了新功能。

这次发布的位置

把公告里的几件事放在一起看，能看出这是一次重心的调整，而不是单一产品的登场：标题把智能体摆在中心；首个模型以实验版交付，API 和应用两条路同时开；三个原型勾出智能体可能干活的地方；芯片那一段则说明底下的算力是自己的。智能体是否真会成为人们使用这类模型的主要方式，2024年12月11日给不出答案。这次发布做到的，是把方向讲清楚，并在方向后面放上一个能跑的模型^[1]。