国投证券：计算机行业周报：谷歌Gemini大模型发布，原生多模态能力升级

谷歌Gemini立足原生多模态，推理能力大幅提升12月7日，谷歌发布原生多模态大模型Gemini。此次的Gemini1.0，包含三个版本：适用于高度复杂任务的GeminiUltra、适用于各种任务的最佳模型GeminiPro以及适用于端侧设备的GeminiNano。该模型的主要特点如下：1）原生多模态，30项学术基准取得最优。Gemini可以同时识别和理解文本、图像、音频、视频和代码五种信息。不同于市面上的图文拼接的多模态模型，Gemini是一个原生的多模态大模型，是将文本、代码、图片、视频、语音合在一起放进模型里训练而来的，因此能实现更均衡的多模态输出及任意模型切换。GeminiUltra首次在MMLU（大规模多任务语言理解）测评上超过人类专家，在32个多模态基准中取得30个SOTA（当前最优效果），几乎全方位超越GPT-4。2）更强大的图像/视频等多模态推理能力。Gemini具有复杂的多模态推理能力，可帮助理解复杂的书面和视觉信息。谷歌在宣传视频中展示了几种多模态能力：空间逻辑推理能力（识别太阳、地球、土星的位置关系）；时间线推理能力（拆解猜硬币魔术）；图文理解能力（根据展示的地图