谷歌宣布向云计算客户开放 Gemini Pro,开发者可用其构建应用

12 月 14 日消息,美国时间周三,谷歌宣布了一系列升级的人工智能(AI)功能,旨在为其云计算客户提供更好的服务。这家科技巨头正试图赶上竞争对手,比如微软和 OpenAI,它们都在积极利用人工智能的热潮。

据报道,谷歌发布了面向企业的 Gemini Pro,允许开发者利用谷歌最新的人工智能模型构建应用程序。Gemini 是一个通过大量数据训练的大型人工智能系统,可以根据用户的要求生成新内容。

上周,谷歌推出了 Gemini,声称这是第一款在许多领域都能超越 OpenAI GPT-4 的大语言模型,现在它又推出了面向企业的 GeminiPro。

谷歌云客户可以使用 Gemini Pro 创建人工智能聊天机器人、易于查询的库存数据库以及营销演示等应用程序。该公司还强调,Gemini Pro 最初将免费提供给云客户,但有一些限制。不过,谷歌表示,最终计划确保其云人工智能产品的“价格具有竞争力”。

谷歌公布的参数显示,Gemini Pro 基于文本的功能比其 6 月份发布的上一代人工智能模型 PaLM 2 的输入成本低 4 倍,输出成本低 2 倍。

谷歌云业务首席执行官托马斯・库里安(Thomas Kurian)表示,这款人工智能模型的构建旨在“概括和无缝地理解、操作和组合不同类型的信息,包括文本、代码、音频、图像和视频,就像人类同时看到、听到、阅读、收听和谈论不同类型的信息一样。”

虽然谷歌是生成式人工智能领域的先驱,但其产品的受欢迎程度却远远落后于对手。上周,谷歌试图通过发布 Gemini 来反驳这种说法。Gemini 有三款模型,分别为 Gemini Ultra、Gemini Pro 和 Gemini Nano。谷歌已经开始推出最小的 Nano 版本,可以直接在谷歌旗舰智能手机 Pixel 8 Pro 等设备上运行。

同时,该公司还发布了定制版 Gemini Pro 版本,这是谷歌的人工智能聊天机器人,旨在与 OpenAI 广受欢迎的 ChatGPT 展开竞争。通过向应用程序开发者和企业发布 Gemini Pro,谷歌希望发出这样的信息:它不再落后于 OpenAI 及其最新的人工智能系统 GPT-4,该系统可通过合作伙伴微软的 Azure 云计算平台访问。

谷歌表示,Gemini Pro 支持全球 180 个国家和地区的 38 种语言,目前接受文本作为输入,并可生成文本输出。谷歌还发布了一个专用的 Gemini Pro Vision 平台,可以处理来自用户的基于文本和图像的提示。

该公司还表示,Gemini Ultra 是该公司用于执行“高度复杂”任务的最大、功能最强的模型,在明年向公众发布之前,将向选定的云客户和合作伙伴提供早期试验。

谷歌宣布,Gemini Pro 将被整合到两款关键的云产品中,即 Google AI Studio 和 Vertex AI。其中,Google AI Studio 是一款基于网络的免费开发者工具,谷歌称其为“使用 Gemini 最快的构建方式”。该工具允许客户使用 Gemini API 开发应用程序。与此同时,VertexAI 为开发者和云客户提供了更多的定制服务。企业将能够使用自己的数据定制 Gemini,并构建基于 Gemini 的搜索工具和聊天机器人等应用程序。

库里安表示,Gemini Pro 的定价正变得“更具吸引力”。该公司表示,开发者将可以通过 Google AI Studio 免费使用 Gemini Pro 和 Gemini Pro Vision,这适用于大多数应用程序开发需求。更灵活的 VertexAI 在明年年初之前都是免费的。

谷歌还公布了此前发布的人工智能模型的升级版本 Imagen 2,谷歌的文本到图像技术,将改进照片真实感,文本渲染和 logo 生成能力。谷歌还推出了 MedLM,这是一系列针对医疗保健行业进行微调的模型,基于该公司在 Med-PaLM 2 上所做的工作。Med-PaLM 2 是谷歌的人工智能模型,经过了专业医学知识的培训。

谷歌还宣布与 Mistral AI 建立全球合作伙伴关系,Mistral AI 是一家总部位于巴黎的人工智能初创公司,专注于开源软件。两家公司在一篇博客文章中表示,Mistral AI 将在谷歌云的基础设施上分发一些人工智能产品,包括优化的专有语言模型。

虽然这项协议不具有排他性,但 Mistral AI 的首席执行官兼联合创始人亚瑟・门施(Arthur Mensch)赞扬了谷歌云灵活的工具和支持该公司产品的能力。他说:“谷歌云的开源支持和负责任开发人工智能技术的原则,广泛而可靠的基础设施能力,以及围绕隐私和安全做出的承诺,与我们开发开放可用模型的使命非常一致。”

随着最近的发布,谷歌对 Gemini 的定位是“我们进入人工智能领域的下一步”,并吹嘘其拥有“最先进的能力”。这可能是谷歌试图转移人们对 OpenAI ChatGPT 的关注,或者与他们正面交锋。如果发生这种情况,他们将更接近他们想要达到的目标。但目前,这些产品需要表现良好,并与消费者产生共鸣,包括云客户。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/222795.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

Axure自定义元件

目录 1.processOne的使用 ​编辑2.自定义元件的使用、 2.1如何自定义一个元件 2.2使用自定义元件 导语: Axure是绘制原型图的软件,但是我们很多时候不知道,画哪一个板块,所以流程图的绘制也是非常重要的 1.processOne的使用…

【图论】普利姆算法,最小生成树

一次加入一个节点到我们的最下生成树中。加入哪个&#xff1f;跟着下面的步骤走一遍你就会了。 1. 把第一个节点A添加进来 2. 看两条边<A,B>,<A,E>,一个长度是3&#xff0c;一个长度是4&#xff0c;把长度短的边的另一个节点添加进来&#xff0c;也就是B 3. 再看A,…

oracle aq java jms使用(数据类型为XMLTYPE)

记录一次冷门技术oracle aq的使用 版本 oracle 11g 创建用户 -- 创建用户 create user testaq identified by 123456; grant connect, resource to testaq;-- 创建aq所需要的权限 grant execute on dbms_aq to testaq; grant execute on dbms_aqadm to testaq; begindbms_a…

超详细 | 哈里斯鹰优化算法原理、实现及其改进与利用(Matlab/Python)

测试函数为F9 在MATLAB中执行程序结果如下&#xff1a; 在Python中执行程序结果如下&#xff1a; 哈里斯鹰优化算法(Harris Hawks Optimization , HHO)是 Heidari等[1]于2019年提出的一种新型元启发式算法&#xff0c;设计灵感来源于哈里斯鹰在捕食猎物过程中的合作行为以及突…

flume系列之:监控flume agent channel的填充百分比

flume系列之:监控flume agent channel的填充百分比 一、监控效果二、获取flume agent三、飞书告警四、获取每个flume agent channel的填充百分比一、监控效果 二、获取flume agent def getKafkaFlumeAgent():# 腾讯云10.130.112.60zk = KazooClient(hosts

Day60力扣打卡

打卡记录 1682分了记录下&#xff0c;希望下回能突破1700捏。作为一个菜鸟&#xff0c;知道自己很菜&#xff0c;一步步走到现在还是很开心的&#xff0c;从以前的周赛稳定1题到稳定2题&#xff0c;到现在的时有时无的3题。每次刷题都期盼有所长进&#xff0c;虽然更多的时候收…

【C语言】字符串函数及其模拟实现

这是最好的时代&#xff0c;这是最坏的时代&#xff0c;我们一无所有&#xff0c;我们巍然矗立 本文由睡觉待开机原创&#xff0c;未经允许不得转载。 本内容在csdn网站首发 欢迎各位点赞—评论—收藏 如果存在不足之处请评论留言&#xff0c;共同进步&#xff01; 系列文章目录…

OpenSSL的源码在哪里下载?

官方网站去下载&#xff0c;网址&#xff1a; https://www.openssl.org/source/ 比较老的版本的下载页面地址&#xff1a; https://www.openssl.org/source/old/ 由于某面板的OpenSSL模块的安装配置语句如下&#xff1a; --with-openssl/root/rpmbuild/BUILD/openssl-1.0.2u所…

2-2基础算法-Nim和/前缀和/差分

文章目录 一.Nim和二.前缀和&区间和三.差分 一.Nim和 Nim游戏是一个数学策略游戏&#xff0c;通常涉及两名玩家轮流从几堆物品&#xff08;如石子或饼干&#xff09;中取走一定数量的物品。每个玩家每次可以从任意一堆中取走任意数量的物品&#xff0c;但必须至少取走一个…

使用qt实现四则运算计算机项目

这是我们要包含的头文件 #include <QWidget> #include<QStack> #include<string.h> #include<string> 这是我在ui界面创建的计算机基础框架。 接下来要实现按住每个按钮在白框内显示&#xff1b; 因此我们要定义一个QString 类型的变量 QString e…

Linux系统上64位ATT汇编语言多个源文件计算两个数的平方

运行程序的环境 sudo lsb_release -a看到操作系统是Ubuntu 22.04 LTS。 sudo uname -r看到内核版本是5.15.0-86-generic。 sudo as --version看到as的版本是2.38。 sudo ld --version看到ld的版本是2.38。 sudo gcc --version看到gcc版本是11.2.0。 sudo gdb --version看到gdb…

Yum仓库架构解析与搭建实践

1.Yum仓库搭建 1.1本地Yum仓库图解 1.2Linux本地仓库搭建 配置本地光盘镜像仓库 1&#xff09;挂载 [roothadoop101 ~]# mount -t iso996 /dev/cdrom/mnt 2&#xff09;查看 [rooothadoop101 ~] # df -h | |grep -i mnt /dev/sr0 4.6G 4.4G 3&#xf…

服务器上配置jupyter,提示Invalid credentials如何解决

我是按照网上教程在服务器上安装的jupyter以及进行的密码配置&#xff0c;我利用 passwd()这个口令生成的转译密码是"argon...."。按照教程配置jupyter notebook配置文件里面的内容&#xff0c;登陆网页提示"Invalid credentials"。我谷歌得到的解答是&…

学生选课系统基础版

目录 一.Java 中的集合框架&#xff08;上&#xff09; 1.Java中的集合框架概述 2.Collection接口&接口简介 3.学生选课——创建学生类和课程类 4.学生选课——添加课程Ⅰ 5.学生选课——添加课程Ⅱ 6.学生选课——课程查询 7.学生选课——课程修改 8.学生选课——课程删…

EduSoho教培系统 任意文件读取漏洞复现(CNVD-2023-03903)

0x01 产品简介 EduSoho教培系统是由杭州阔知网络科技有限公司研发的开源网校系统 0x02 漏洞概述 该教培系统classroom-course-statistics接口存在未授权任意文件读取漏洞,通过该漏洞攻击者可以读取到config/parameters.yml文件的内容,拿到该文件中保存的secret值以及数据库…

ShenYu网关Http服务探活解析

文章目录 网关端服务探活admin端服务探活 Shenyu HTTP服务探活是一种用于检测HTTP服务是否正常运行的机制。它通过建立Socket连接来判断服务是否可用。当服务不可用时&#xff0c;将服务从可用列表中移除。 网关端服务探活 以divide插件为例&#xff0c;看下divide插件是如何获…

Java监听器与观察者模式

Java监听器与观察者模式 Java中的监听器&#xff08;Listener&#xff09;和观察者模式&#xff08;Observer Pattern&#xff09;都是用于处理对象间的事件通知和响应的设计模式。它们的目的是在对象之间建立一种松散的耦合&#xff0c;使得一个对象的状态变化可以通知到其他…

vue中element-ui日期选择组件el-date-picker 清空所选时间,会将model绑定的值设置为null 问题 及 限制起止日期范围

一、问题 在Vue中使用Element UI的日期选择组件 <el-date-picker>&#xff0c;当你清空所选时间时&#xff0c;组件会将绑定的 v-model 值设置为 null。这是日期选择器的预设行为&#xff0c;它将清空所选日期后将其视为 null。但有时后端不允许日期传空。 因此&#xff…

Kubernetes 容器编排(1)

前言 知识扩展 早在 2015 年 5 月&#xff0c;Kubernetes 在 Google 上的搜索热度就已经超过了 Mesos 和 Docker Swarm&#xff0c;从那儿之后更是一路飙升&#xff0c;将对手甩开了十几条街,容器编排引擎领域的三足鼎立时代结束。 目前&#xff0c;AWS、Azure、Google、阿里云…

使用 PyTorch FSDP 微调 Llama 2 70B

引言 通过本文&#xff0c;你将了解如何使用 PyTorch FSDP 及相关最佳实践微调 Llama 2 70B。在此过程中&#xff0c;我们主要会用到 Hugging Face Transformers、Accelerate 和 TRL 库。我们还将展示如何在 SLURM 中使用 Accelerate。 完全分片数据并行 (Fully Sharded Data P…