谷歌Gemini实验AI模型惊艳亮相：1.5 Pro跃居榜单亚军，1.5 Flash强势攀升至第六

近日消息，谷歌AI Studio的产品总监洛根·基尔帕特里克通过X平台发布了一则引人注目的推文，正式揭晓了三款Gemini系列的实验性模型。这一宣布标志着谷歌在人工智能领域的探索再次迈出创新步伐，每款模型均蕴含着前沿技术与无限可能，预计将在行业内激起新一轮的讨论与期待。

附上谷歌本次推出的 3 款实验性 Gemini AI 模型如下：

Gemini 1.5 Flash-8B

Gemini 1.5 Flash-8B 是 Gemini 1.5 Flash 的更小尺寸模型，拥有 80 亿参数，专为多模态任务而设计，包括大容量任务和长文本摘要任务。

Gemini 1.5 Pro Exp-0827

主要增强编程、复杂提示词，现已通过 Google AI Studio 和 Gemini API 免费提供，名称为“gemini-1.5-pro-exp-0827”。

Kilpatrick 表示，新的 Gemini 1.5 Pro Exp 0827 型号在各方面都优于 8 月初发布的实验型号，目前在 LMSYS 上的排名为第 2 位，仅次于 OpenAI 的 GPT-4o-latest 模型。

谷歌将于 9 月 3 日起，将 gemini-1.5-pro-exp-0801 模型的请求，自动重定向到新的 gemini-1.5-pro-exp-0827 模型上。

gemini-1.5-pro-exp-0801 模型将从 Google AI Studio 和 API 中删除。

Gemini 1.5 Flash Exp-0827

Gemini-1.5-Flash (0827) 版本在性能方面有明显提升，在 LMSYS 上的排名从此前的 23 位提高第 6 位。

用户可以通过 Gemini API 和 Google AI Studio 访问上述两个模型，名称分别为 gemini-1.5-pro-exp-0827 和 gemini-1.5-flash-exp-0827。

谷歌DeepMind AI刷新数学竞赛纪录：银牌组巅峰，力解4道国际奥数难题

7月26日消息，DeepMind团队在最近的博文中宣布，其开发的AlphaProof和AlphaGeometry 2模型展现了杰出的数学推理能力，能够应对国际数学奥林匹克竞赛级别的难题，并取得了相当于银牌的成绩，这标志着人工智能在解决复杂数学问题上取得了新的突破。

AI 模型简介

AlphaProof：基于强化学习的全新数学形式推理系统。

AlphaGeometry 2：几何解题系统的改进版。

DeepMind 团队结合两个 AI 模型，协作解决了今年国际数学奥林匹克（IMO）6 道题目中的 4 道，首次在竞赛中取得与银牌得主同等的成绩。

评分团队

DeepMind 团队两位专家，根据 IMO 的评分规则进行评分，这两位专家分别为：

蒂莫西・高尔斯教授（Prof Sir Timothy Gowers）：著名数学家、IMO 金牌得主和菲尔兹奖得主。

约瑟夫-迈尔斯博士（Dr Joseph Myers）：两届 IMO 金牌得主、IMO 2024 年问题遴选委员会主席

AI 模型推理

AI 会将 IMO 的 6 道题目翻译成为模型可以理解的数学语言。

AlphaProof 通过确定答案并证明其正确性，解决了两个代数问题和一个数论问题，而其中解决的 1 个问题是比赛中最难的，在今年的 IMO 中只有 5 位选手解决了这一问题。

AlphaGeometry 2 证明了几何问题，没有解决 2 个组合问题。

AI 模型结果

按照 IMO 规则，6 道题目每道题可获得 7 分，总分最高为 42 分。

DeepMind 系统最终获得了 28 分，每个问题都得到了满分，相当于银牌组的最高分。

2024 年的金奖门槛从 29 分开始，在正式比赛中，609 名参赛者中有 58 人获得了金奖。

谷歌Pixel 9系列迎重大升级：传将搭载超声波屏下指纹识别，与竞品并驾齐驱

近日消息，业内讨论再次聚焦于谷歌的Pixel系列手机，尽管该系列一直是安卓阵营中的标杆产品，集成了谷歌自家的先进软件技术和AI能力，但自初代Pixel发布以来，历代产品也伴随着一些让用户头疼不已的问题。

好在谷歌已经解决了上述问题，而即将发布的 Pixel 9 系列也将针对 Pixel 手机的一个长期痛点做出改进 —— 解锁速度稍慢且有时不太可靠的屏下指纹识别。据报道，消息人士透露，谷歌计划在其即将推出的新机中使用超声波屏下指纹识别技术。

Pixel 6 是谷歌首款采用屏下指纹识别的机型，在此之前谷歌一直使用传统的背面指纹识别模块。但 Pixel 6 的指纹解锁速度和扫描可靠性方面都存在问题，虽然之后的系统更新以及下一代 Pixel 手机在一定程度上改善了这种情况，但解锁速度仍然比竞品机型慢一些，并且这一问题延续至今。

造成这些问题的原因在于指纹识别模组的选择。谷歌选择了来自 Goodix 的光学扫描仪，而竞争对手则一直在使用超声波扫描仪。光学扫描仪通常解锁速度更慢、精度更低，并且对手指上的任何水渍或污渍更敏感。此外，在低光环境下使用时也会存在问题，光学扫描仪需要在扫描仪的位置使屏幕闪光，这意味着如果不完全盖住屏幕上的圆圈，用户可能会被闪光灯闪到眼睛。

在 Pixel 9 系列上，谷歌终于决定改用超声波指纹识别传感器。具体使用的型号是高通的 3D Sonic Gen 2 (QFS4008)，与三星 Galaxy S24 Ultra 所使用的型号完全相同。虽然整体解锁体验和速度不仅仅取决于硬件，但超声波传感器肯定比光学传感器更好。

新的超声波指纹识别传感器将应用于 Pixel 9 的所有机型，折叠屏 Pixel Fold 除外，后者将继续沿用电源键中的指纹识别方案。谷歌已经确认 Pixel 9 系列将于 8 月 13 日发布，让我们拭目以待。

谷歌推出NeuralGCM气象预测AI，实现成本与精准度双重优化

近日消息，谷歌公司近日宣布了一项AI领域的重大突破，他们新推出的NeuralGCM模型，巧妙融合了机器学习算法与经典气象学方法，为天气预测领域带来了革新。这项创新成果已被国际顶级科学期刊《Nature》刊载，标志着AI技术在气象预报中的应用迈上了新的台阶。

谷歌公司表示相比较其它纯粹基于机器学习的天气预报模型，NeuralGCM 的特点在于成本更低，在预报未来 1-10 天天气方面准确度更高。

研究报告的共同作者、谷歌研究公司的斯蒂芬·霍耶尔（Stephen Hoyer）表示，NeuralGCM 模型是开源的，用户可以在笔记本电脑上相对快速地运行。

NeuralGCM 模型由谷歌研究院、谷歌 DeepMind、麻省理工学院、哈佛大学和欧洲中期天气预报中心的科学家利用机器学习和神经网络研发而成，附上其训练模式如下：

以大脑神经元为模型，根据过去几十年的天气数据进行训练。

它还使用物理方程描述大尺度天气模式，本质上结合了全球环流模型、物理密集型方法与人工智能驱动的任务。

保留了一些大尺度物理学，并用人工智能取代了部分建模工作。

研究人员说，这样做的结果是，该模型可以用更少的计算能力更快地做出高质量的预测。他们说，NeuralGCM 的准确度不亚于欧洲中期天气预报中心（ECMWF）的 1-15 天预报。