今天小編分享的互聯網經驗：和Gemeni 1.5 pro在一起的第一周：一次處理80萬漢字！強過GPT4？，歡迎閲讀。
上周，在 Sora 震飛 AI 圈之際，谷歌于同日 " 悄悄 " 發布了新一代人工智能大語言模型（LLM）Gemeni 1.5pro。
前有 Open AI 宣布開發新產品并推出 GPT 記憶功能，後有 Sora 重磅登場，雖然被 Open AI 搶了番位，但 Gemini 1.5 Pro 也不容小觑。
在一眾 " 殺招 " 之外，Gemini 1.5 Pro 最亮眼的，還是在跨模态超長文本理解能力上實現的 " 巨大飛躍 "。據悉，Gemini 1.5 Pro 的能夠穩定處理的信息量高達 100 萬個 tokens，這相當于 1 小時的視頻、11 小時的音頻、超過 3 萬行代碼或 70 萬個單詞。
科技網站 Every 的記者 Dan Shipper 在上周四測評了 Gemini Pro 1.5，與其共處一周後，他給出結論：該新一代大模型要比此前谷歌發布的所有型号要 " 好得多 "，" 是一項重大成就 "。
大 " 殺器 "：超長上下文視窗
在 Shipper 看來，Gemeni 1.5 pro 的 " 重大 " 主要緣于兩點：
一是 Gemeni 1.5 pro 擁有 " 史上最長 " 上下文視窗。
上下文視窗（context window）是指語言模型在進行預測或生成文本時，所考慮的前一個詞元（token）或文本片段的大小範圍。
在語言模型中，上下文視窗對于理解和生成與特定上下文相關的文本至關重要。上下文視窗越大，可以提供更豐富的語義信息，幫助模型據此預測或生成更連貫、準确的文本。
正如此前提及，Gemini 1.5 Pro 能夠單次處理 100 萬個 tokens，與之相比，GPT-4 Turbo 只能支持單次處理 12.8 萬個 tokens。
更直觀點，換算成漢字的話，100 萬個 tokens 約等于 80 萬個漢字，相當于 Gemini 1.5 Pro 能一次性處理一部紅樓夢的信息量——幾乎可以理解為無上限。
華爾街此前援引報道稱，在 Gemini 1.5 Pro 發布前，全球公開可用的 LLM 中，最大的上下文視窗來自 Claude 2.1 的 20 萬 tokens，Gemini 1.0 Pro 是 3.2 萬 tokens ——此次 Gemini 1.5 已在視窗長度上成功碾壓所有大模型。
二是 Gemeni 1.5 pro 可以穩定處理整個上下文視窗。
通過測評，Shipper 發現 Gemeni 1.5 pro 在處理巨大任務量時仍表現出色，這和此前的型号相比是一個 " 巨大飛躍 "。
Shipper 表示，此前的 LLM 性能存在這樣的缺陷：當輸入的文本任務量接近其上下文視窗上限時，LLM 的性能就會大打折扣——甚至忽略部分内容或遺漏關鍵信息。
但 Gemeni 1.5 pro 不會出現這類情形。因其對上下文視窗進行了改進，使其更智能，意味着你無需搭建任何基礎架構就能 " 開封即用 "。
首發測評實錄
作為第一波上手測評 Gemeni 1.5 pro 的用户，Shipper 撰文詳細記錄了他對 Gemeni 1.5 pro 的測評，以及其與 GPT-4 的 " 對照實驗 "。
1. 文本理解和推理能力
Shipper 分别向 Gemeni 1.5 pro 和 GPT-4 提問了一本由 Chaim Potok 于 1967 年出版的小説《選民（The Chosen）》中的情節。
GPT-4 的第一個答案完全錯誤，随後 Shipper 上傳了這本小説的純文本全文，GPT-4 在檢索到相應位置後給出了正解。
不過，由于上下文視窗過小，GPT-4 在後台執行檢索代碼時，将文本内容分稱了若幹個 " 文本塊 "，再在其中檢索用户提問對應内容——這也意味着，在回答這類問題時，GPT-4 有多智能無關緊要，重要的是 GPT-4 能不能檢索到對應文本。
而 Gemeni 1.5 pro 可以一次性讀完整本書，并提供了 GPT-4 無法提供的關鍵情節。
如果説之前你還對 " 超長的上下文視窗 " 這個概念一知半解，那麼，這項 " 對照實驗 " 就直觀地呈現了上下文視窗的長度是如何幫助 Gemeni 1.5 pro 在文本理解和檢索上 " 吊打 "GPT-4 的。
2. 大型項目代碼、文本生成能力
Shipper 指出，Gemeni 1.5 pro 還解鎖了數百個新功能，這些功能難以用 ChatGPT 或自定義的 GPTs 來完成。
比如，Shipper 向 Gemeni 1.5 pro 詢問，如果想要在現有代碼庫中集成 GPT-4，應該在哪裏操作。Gemeni 1.5 pro 不僅在代碼庫中找到了正确的位置，還直接編寫了集成所需的代碼。
Shipper 表示：
" 這極大地提高了開發人員的生產力，尤其是在大型項目上。"
為了檢驗 Gemeni 1.5 pro 的生成能力，Shipper 還要求 Gemeni 1.5 pro 給自己此前的文章增加一段 " 轶事 " 作為開頭。
結果，Gemeni 1.5 pro 給出了一個 " 近乎完美 " 的文本段落，既充分理解了文章主旨，而且段落設計甚至頗具個人色彩—— Shipper 稱其内容 " 來自我自己的浏覽記錄和文字品味 "。
不過，這個測試也暴露了 Gemeni 1.5 pro 的缺陷——這則 " 轶事 " 後來被證實是虛構的。Shipper 對此表示：
"Gemeni 1.5 pro 并不完美，你需要仔細檢查它的工作成果。"
此外，Shipper 還指出自己的測評中存在一些限制因素，有兩點需要注意：
一是 Shipper 測評的是 Gemeni 1.5 pro 私人測試版本，後續版本表現可能因其高昂的成本而有所出入；
二是 Gemeni 1.5 pro 在實際運行中速度 " 相當慢 "，許多請求需要至少 1 分鍾才能得到反饋。因此 Shipper 認為，Gemeni 1.5 pro 不适合作為目前 LLM 的直接替代品，更适合用來處理 ChatGPT 等大模型無法處理的繁重任務。
OpenAI 應該感到威脅了
縱覽 Gemeni 1.5 pro 帶來的數百項新功能，似乎所有都離不開我們最初提到的核心概念：上下文視窗。
因為只要上下文視窗規模足夠大，那麼無需再輸入檢索代碼就能獲得更準确、強大的結果。
從這個角度來説，Gemeni 1.5 pro 無疑是 Sora 之外對 AI 圈而言另一個 " 王炸 " 級别的存在。Shipper 在一年前就曾表示：
"Gemini 就是最好的例子。憑借其大型上下文視窗，您收集的所有個人數據都觸手可及，可以在您需要的任何任務中在正确的位置、正确的時間部署——個人數據越多越好，即使是雜亂無章的數據。"
作為競争對手的 OpenAI，仍需要迎頭趕上。Shipper 認為，" 檢索 " 将成為 LLM 的組成部分，該功能在提供數據庫 / 數據存儲、分塊 / 搜索信息方面都起着重要的作用。
雖然當上下文視窗足夠大時，檢索功能的價值可能會有所削弱，因為用户可以輸入所有請求。但 Shipper 仍認為，從長遠角度來看，檢索功能仍然十分重要。
和手機内存一個道理。就算以後，100 萬個 tokens 已成常态，用户依然會覺得 " 不夠用 "。屆時，檢索的價值不外乎從 " 百裏挑一 " 演變成了 " 萬裏挑一 "。
