北京时间5月15日凌晨，在谷歌I/O开发者大会上，谷歌CEO桑达尔·皮查伊(Sundar Pichai)发布几十款Google和AI结合产品，包括支持200万token长文本的Gemini 1.5 Pro。
据悉，全新Gemini 1.5 Pro具有原生音频理解、系统指令、JSON模式等，能够使用视频计算机视觉来分析图像(帧)和音频(语音)的视频，这使其具有人类水平的视觉感知。使用深度神经网络，Gemini 1.5可以以超人的精度识别图像(和视频帧)中的物体、场景和人物。同时，为了快速响应与成本效益，谷歌还推出更轻的模型Gemini 1.5 Flash。
同时，针对OpenAI发布的GPT-4o，谷歌也发布了对标的大模型Project Astra。此外，谷歌进一步升级开源模型Gemma 2。
过去一年，谷歌在生成式AI领域奋起直追。2023年12月，谷歌推出全球最强大、最通用的多模态通用大模型：Gemini，中文称“双子座”。在此次大会上，皮查伊透露，Gemini发布后短短3个月内就有100万+Gemini Advanced注册;20亿用户产品(user products)全部使用 Gemini;超过150万开发者使用Gemini。