Gemini

它最大的优势是多模态的深度理解和生成能力，能同时处理文本、图像、音频、视频甚至代码，比如可以看懂一张电路图后解释原理，或者根据一张风景照生成一段配乐和描述性文字。Gemini 还有很强的逻辑推理能力，在数学、物理题和编程任务上表现突出，而且支持实时翻译、语音识别等功能，谷歌还把它整合进了 Pixel 手机、Chrome 浏览器和 Workspace 办公套件里。