如果你在寻找超越GPT4的语言大模型，那么恭喜你来对了地方，2023年的12月15号，谷歌正式免费发布了，多模态大模型gemini，在之前谷歌官方宣布在各项评分中，gemini ultra超过了GPT4V模型，不过被很多人质疑造假，并遭到群嘲，当然谷歌也承认在宣传上面确实又被后期剪辑过。但是相比那些只会套壳，上来就收费割韭菜的，说是自己开发的还是要好多的。好了，话不多说，现在就让我们一起体验一下吧。
首先先给大家解决重点问题，就是当你访问的时候显示，不支持或者是Access restricted，You do not have permission to view this page时候怎么办，解决办法就是点右边的谷歌账号，点击管理，然后在左侧个人信息，往下拉 ，点击语言选择将语言切换到英语即可。如果还不行那就要切换环境，你懂的。设置好之后我们就可以正常访问了
首次访问的时候，我们只需要登陆谷歌gemini官网，登录谷歌账号点击访问即可，点击后，会显示构建方式，第一个是直接使用，第二个在自己的环境中开发，是需要API的，这里我们选择第一个即可。
登录进来之后我们就会看到这样的一个页面，在我们的右侧。有模型选择，分别是gemini pro 和 gemini pro vision，其中 gemini pro vision是支持图片识别的。我们选择 gemini pro vision 进行下测试。
选择好之后，我们可以看到上边有个图片选项，里面有一些样例图片，为了公平起见，我不用他的样例。
这里我上传了国民偶像的图片，并且询问 你看到了什么图片，点击下方的run，这里他给我回复了他看到了一个穿着黑色高领毛衣和灰色裤子的男人在运球，看起来很开心，也很有天赋。我在问，你觉得他的篮球实力如何，这里看到他表示 看起来实力不错。
接下来我们在测试下，马老师，我问他看到了什么，可以看到它可以很准确的识别出图片信息。
接下来，我们将Gemini provision切换至Gemini Pro，来测试下我们常用的文本功能，这里我输入了，想在小红书上售卖夏日护肤产品，让他帮我起10个标题。
可以看到他很快就生成了，我们再测试下，让他帮我生成一段俄罗斯方块小游戏，的代码可以看到也是可以的。
除了这些功能 gemini 还给我开放了免费的API接口，我们将视角拉到左边，在左边这里有get api key 。点击进去后，我们就可以免费申请，根据官方说明，免费的api key 每分钟有60次的请求权限。同时他会使用我们的输入和输出数据对自己进行优化。我们可以理解为拿我们的数据信息，来交换谷歌的api使用，目前收费版本的api没有开放，估计过段时间才会开放。
除此之外gemini还有其他的功能，在下方有个 google cloud 我们点击进来后，如果你是第一次，他会让你输入付款信息，来验证账户，验证好之后，我们就会跳转到这个页面。在人工智能实验室这里，我们选择第二个，这里我们可以发现，他有从图像中提取文本，图像到 JSON，图片问答，图片文本转JSON，根据图像写故事，视频中的广告文案。
视频质量检查 – 练习，描述视频内容功能。我们点击之后上传视频就可以测试了。不过目前来看，还是需要升级才能更加灵敏，大家可以去试试。
地址：https://ai.google.dev/
相关文章
