文章來源：矽星人Pro
作者：Jessica
今天真是AI圈久違了的熱鬧一天啊！
昨天剛被奧特曼發的那篇AI小作文搞得一頭霧水，現在他這波操作的意圖就呼之欲出了。
奧特曼想臨門狙擊的正是宿敵Google，更确切地說，是Google今天剛剛更新的兩款升級版Gemini模型：Gemini-1.5-Pro-002和Gemini-1.5-Flash-002。
狙擊方式簡單粗暴：直接宣布萬衆期待的GPT語音功能今天起正式開放。
兩個小時不到，就雙叒搶走了Google好不容易的高光時刻。我要是Google我得氣吐血吧。
GPT高級語音來了，會50多種語言
OpenAI稱，ChatGPT的高級語音模式（Advanced Voice Mode）将在本周内逐步向所有Plus和團隊用戶推出。
在人們耐心等待的同時，團隊完善了部分功能，包括新增自定義指令、記憶功能、5種新聲音，并改進了口音。
由于實在被大家念叨了太久，OpenAI特别表示了一下：“它能用50多種語言說出’抱歉，我遲到了‘。”
并且放了一個從英文切換到普通話的示例：“奶奶對不起，我遲到了。我不是故意讓您等這麼久的，我可以怎麼補償您呢？”
——好家夥，這一下子都當上GPT的奶奶輩了，硬逼着我原諒你啊。
語音模式現在以一個跳動的藍色球體表示，而不是OpenAI在5月展示技術時使用的黑色動畫點。
當獲得訪問權限時，應用内會彈出一個提示。先是對Plus和Teams層級用戶開通，下周起擴展到企業和教育用戶。
ChatGPT還添加了五種新語音以供體驗：Arbor、Maple、Sol、Spruce和Vale。至此，加上之前的Breeze、Juniper、Cove和Ember，ChatGPT的語音總數已達到了9種（Google的Gemini Live語音數量為10種）。
可能你也注意到了，這些名字都是從大自然中汲取靈感的，從“楓樹”、“微風”到“太陽”、“山谷”，也許是為了讓使用感覺更加自然。一個缺席的聲音是Sky，也是OpenAI在春季發布會時展示的語音，因涉及與電影《Her》主演斯嘉麗·約翰遜的法律争議而下架。
OpenAI還将ChatGPT的一些定制功能擴展到了高級語音模式，包括允許用戶個性化回應的「自定義指令」功能，以及允許ChatGPT記住對話供以後參考的記憶功能。
比如下面視頻裡，在系統設置的自定義ChatGPT菜單中，輸入 “我的名字是夏洛特，我住在舊金山灣區。”再詢問周末戶外活動時，GPT就會以夏洛特稱呼用戶，提供符合本地天氣和交通的建議。
OpenAI稱團隊改進了部分外語中的響應速度、流暢性以及口音。語音會根據對話語氣進行調整，你可以創建場景，提示它扮演不同的角色。聲音延遲非常低，理解力也更強，真的像是和另一個人自然對話。
不過OpenAI四個月前展示過的視頻和屏幕共享功能此次并未更新。當時工作人員向GPT詢問紙上的數學題和電腦屏幕上的代碼，通過自然語音對話獲得了實時解答。目前，OpenAI尚未提供這項多模态功能的推出時間表。
此外高級語音模式也暫時不對歐盟、英國、瑞士、冰島、挪威和列支敦士登等地區開放。
盡管如此，終于能親自上手OpenAI版的“her”，對已經混AI圈混到審美疲勞的人們來說，确實算一件值得興奮的事了。加上才制造了一波熱潮的o1-preview，OpenAI又妥妥硬控業界一周。
這一激動也把大夥兒整地間歇性失憶了：
話說Google今天是發了個啥來着？
根據Google Blog，這次他們更新了兩個生産級Gemini模型：Gemini-1.5-Pro-002 和 Gemini-1.5-Flash-002。所謂“生産級”，是指AI模型經過了充分的開發、測試和優化，已準備好商業化部署，能處理大量用戶請求、應用于産品服務中，而不僅僅是用于實驗或研究。
作為今年5月I/O大會亮相的Gemini 1.5系列模型的重大升級，新模型更快、更強大，也更具成本效益。
主要亮點概括為：
1. 價格大幅降低：1.5 Pro的輸入和輸出價格下降約50%，大幅降低了構建成本，尤其是對小于128K token的提示。
2. 整體質量改進：尤其在數學、代碼生成、長文本上下文和視覺任務上的性能提升顯著，包括在MATH、HiddenMath等基準測試中提高約20%，視覺和代碼應用提高2%-7%。
3. 速率限制提高：1.5 Flash和1.5 Pro的速率限制分别從每分鐘1000RPM（Requests Per Minute）和360RPM提高至每分鐘2000 RPM和1000 RPM，使開發者能夠更快構建和處理任務。
4. 更快輸出和更低延遲：輸出速度提升2倍，延遲降低3倍，為更高效的應用場景提供支持。
5. 更簡潔的響應：響應風格更簡潔、成本更低，輸出長度縮短5%-20%，同時在許多話題上減少了拒絕和回避的次數，并保持高有用性。
6. 多模态和長上下文支持：1.5 Pro的200萬token長上下文窗口支持處理長文本和多模态任務，如1000頁PDF或長視頻的内容生成。
7. 更新的過濾設置：模型的默認安全過濾器不再自動應用，開發者可以根據需要定制模型的安全設置。
開發者可以通過Google AI Studio和Gemini API免費訪問這兩個最新模型。大型組織和Google Cloud客戶也可在Vertex AI上使用新模型。
Abacus.AI CEO、知名博主Bindu Reddy說，“唉，OpenAI發布了通過智商測試的o1，而Google隻是對Gemini 1.5進行了一些小更新。他們擁有100倍的資源、10倍的人才和10倍的所有東西，怎麼會這樣呢？”
盡管開發者中還是有些人為Google說話，比如Reddit讨論區就有網友表示：
“對于那些實際在構建應用并試圖降低成本、增加利潤的人來說，這些都是有用的東西。我正在做的應用有一個每次操作的固定成本，由token長度決定，這讓我的利潤提高了大約30%以上。這對大多數人來說可能沒什麼意思。我知道很多人會因為谷歌的這個“公告”而生氣——但實際上這對開發人員來說是一個不錯的更新。”
價格對半砍、速率提升、延遲降低，這些确實正中開發者下懷。但正如大家所說，吸引力也許僅限于開發者群體了。
甚至連一些開發者也嗤之以鼻：“我沒看到跟Claude或o1的比較，而我們馬上就要迎來下一代OpenAI和Anthropic模型。DeepMind其實擁有遠超目前的模型，但他們在走直接面向企業的路線，繞過了大衆。Gemini令人印象深刻嗎？完全不，簡直令人失望透頂。”
Google對于模型的糟糕命名也被網友群嘲，認為其冗長且易混淆。
The Information近期發布了一篇名為《Why AI Developers Are Skipping Google’s Gemini》的文章。其中通過對多位AI公司創始人和Google内部員工的采訪，講述了Gemini如何被開發者“抛棄”，在追趕ChatGPT時遇到的阻滞和困境。
比如，相比競争對手的技術，調用Gemini對于開發者和企業來說過于複雜。Topology創始人Aidan McLaughlin表示，他首次使用OpenAI的API僅用了30秒，而使用Gemini則花了4個小時。同時Google的大模型性能卻排在OpenAI和Anthropic之後，并不值得他跨過這些障礙。
相較于ChatGPT，Gemini在開發者中的不受歡迎似乎是現實世界公開的秘密。
企業軟件初創公司Retool在6月份對750多名科技員工進行的調查發現，僅有2.6%的受訪者表示他們最常使用Gemini來構建AI應用，超過76%的人選擇使用GPT。
Similarweb追蹤的網站流量數據顯示，6月至8月期間，OpenAI的應用開發者頁面訪問量達8280萬次，而谷歌的頁面訪問量為840萬次。
較小的非正式調查也提供了類似的證據。上月底，Finetune的創始人Julian Saks向他在舊金山聯合辦公空間的50名AI初創企業開發者詢問他們最常使用的對話式AI模型。幾乎所有人都表示，他們主要使用的是Anthropic或OpenAI的模型，沒有人提起Gemini。
盡管Gemini模型在分析長文檔或長代碼庫時非常有用，但許多開發者表示，谷歌的模型選項種類繁多，步驟複雜，開發者系統也與OpenAI的不同，更難使用。并且有時，Google提供的不同服務還會在它自己的搜索結果中互相競争，使得人們在試圖搞清楚這些工具時很容易被“絆住”。
Gemini因此經常在X上被嘲笑。安全初創公司Xbow的AI研究員Brendan Dolan-Gavitt本月早些時候發了一條推文，詳細介紹了他通過Vertex開始使用Gemini所需的衆多步驟，迅速走紅。其他開發者紛紛評論區表示同情。
在一個“世界上領先的工程師都在使用OpenAI、Claude或Cursor”的環境中，開發者們确實沒有必要再去嘗試其它。而反過來說，使用量的走低又無法讓Gemini獲得ChatGPT一樣多的數據反饋，緻使Google在改進模型上會面臨更模糊的路線圖。
Google正試圖改變這種看法，包括通過在X上回應對Gemini的批評，将更多OpenAI等公司的明星技術專家納入麾下、将部分重疊的開發功能合并等。他們還通過舉辦開發者活動來宣傳Gemini。
今天與Gemini-1.5-Pro-002推出同步進行的，還有一場Gemini for Work的線上活動，Google花了大量篇幅宣講Gemini目前在Best Buy、Snap、UPS Capital、Wayfair等公司的應用案例。 據悉，他們正試圖通過提供一定程度的“白手套”服務來拉攏更多大企業客戶。
隻是在根深蒂固的市場份額面前，Google的反擊之路可能沒那麼好走。
AI Studio的産品負責人Logan Kilpatrick今年4月加入前曾于OpenAI負責開發者關系，他表示：“實際情況是，OpenAI在LLM API開發者工具方面領先于谷歌。我們必須與他們當前在開發者中根深蒂固的市場份額作鬥争。”
稍早前AI圈知名博主Rowan Cheung曾預告，自己完成了一個關于AI模型重大升級的采訪，今天開發者們将迎來一個大日子。
那篇推文下面，Logan Kilpatrick的笑臉字符表情在一大片“怎麼不是Claude Opus 3.5”的遺憾聲中略顯尴尬。
保守、争議、滞後是今天Google這位AI巨頭給社區留下的刻闆印象。Gemini-1.5-Pro-002的推出似乎也并未打破這一僵局。
人們對這家公司的失望，都是來自對它的期待很高：這麼強的實力和人才儲備，卻無法給世界更多的“替代”OpenAI的選項，誰都會感到遺憾。
