Google AI简介

本课所说的「Google AI」，指的是 Google 旗下统一的人工智能研发体系，其核心机构是 2023 年 4 月由 Google Brain 与 DeepMind 合并组建的 Google DeepMind，由 Demis Hassabis 领导。

Google 在 AI 基础研究上有着深厚积累——本课程附 2 中逐段研读的《Attention Is All You Need》论文，正是 2017 年由 Google Brain 与 Google Research 团队提出，奠定了此后整个大模型时代的架构基础。两大团队合并后，Google 得以把「前沿研究」与「产品工程」整合进同一条技术路线，也就是我们接下来要梳理的 Gemini 系列模型。

Gemini 系列的演进主线，大致可以概括为「原生多模态奠基 → 架构与上下文突破 → 智能体化与推理强化 → 双轨模型矩阵」四个阶段。以下按时间线回顾主要节点。

• 2023-12：Gemini 1.0（Ultra / Pro / Nano），原生多模态首秀
• 2024：Gemini 1.5 Pro，MoE 架构与百万级 token 超长上下文
• 2024-12：Gemini 2.0，面向「智能体时代」设计
• 2025：Gemini 2.5 Pro，内置思考模式登顶多项推理榜单
• 2025：Gemini 3 Pro，深度融合搜索与 Project Astra
• 2026：Gemini 3.1 Pro 与 Gemini 3.8 Flash，当前最新双轨矩阵

2023 年 12 月，Google 发布 Gemini 1.0，是其首个从训练之初就按「原生多模态」设计的模型系列，可以直接理解文本、图像、音频、视频等多种输入形式，而非依靠拼接多个单模态模型实现。

Gemini 1.0 分为 Ultra（旗舰）、Pro（均衡）、Nano（端侧轻量）三档，对标彼时行业最先进的 GPT-4，标志着 Google 正式以「系列化产品矩阵」的姿态重新参与大模型竞争。

2024 年，Google 推出 Gemini 1.5 Pro，采用「混合专家」（Mixture-of-Experts, MoE）架构：模型在处理每个输入时只激活部分「专家」子网络，在提升有效参数规模的同时控制实际计算开销。

Gemini 1.5 Pro 最引人注目的突破是上下文窗口扩展到百万级 token，可以一次性处理长达数小时的视频、数千页文档或整个代码仓库，大幅拓展了大模型的可用场景边界。

2024 年 12 月发布的 Gemini 2.0，明确将「智能体时代」（agentic era）作为设计目标：模型原生支持工具调用、多步骤任务规划，并具备原生的多模态输出能力，可以直接生成图像与语音，而不仅是理解多模态输入。

2025 年，Gemini 2.5 Pro 引入内置的「思考」（thinking）推理模式：模型在作答前会先生成一段内部推理过程，再输出最终答案，思路与 OpenAI 的 o 系列有相通之处，但融合进了 Gemini 原本的原生多模态底座。

凭借这一能力，Gemini 2.5 Pro 在多项数学、编程与综合推理基准测试中取得当时的最优成绩，是 Google 在「推理时间计算」方向上的重要里程碑。

2025 年发布的 Gemini 3 Pro 是新一代旗舰模型，深度打通了 Google 搜索的实时信息能力，并与「Project Astra」实时多模态助手项目进一步融合，使模型具备更强的实时环境感知与连续对话能力。

截至本课程编写时，Google 最新发布的是「Pro / Flash」双轨模型矩阵：Gemini 3.1 Pro 面向复杂推理、长文档处理与企业级部署场景，追求能力上限；Gemini 3.8 Flash 则主打低延迟、低成本，服务于需要大规模在线响应的产品场景，追求效率与成本的最优平衡。

「重能力的 Pro」与「重效率的 Flash」并行发布、协同迭代，是 Google 目前应对不同应用场景的核心产品策略。

从 2017 年奠基 Transformer 架构的研究论文，到 2023 年发布原生多模态的 Gemini 1.0，再到今天的 Gemini 3.1 Pro 与 3.8 Flash 双轨矩阵，Google 在大模型领域走出了一条「深厚研究积累 + 持续产品化」的独特路径。