Gemini 橫空出世！DeepMind AI 霸主稱雄人類專家

多模態大型語言模型（MLLM）近年成為研究焦點，利用大型語言模型的強大功能處理多樣化的跨模態任務。Google DeepMind 團隊推出革命性的 Gemini 系列多模態模型，在文字、圖像、音頻及視頻理解方面表現卓越。這些模型突破語言處理、圖像分析、音頻解讀及視頻理解的界限。以優化的 Transformer 解碼器為基礎，Gemini 提供三種版本：Ultra 應對複雜挑戰、Pro 提供高效能擴展、Nano 適用於設備應用，展現媲美人類專家的能力，預示人工通用智能的未來方向。