Gemini的公允评价

  我发现国内外对于Gemini评价分歧很大

  国内主要听一些专家 聊，觉得推的仓促，pro版本已经在Bard上推行，觉得不够惊艳！

    但是海外给了比较好的评价。最大的逻辑是它第一次实现了“原生”，多模态看到了曙光！为什么Gemini比 gpt4v小，但是它花了更多的时间？因为实现原生多模态就是耗时 耗钱，除此以外，在应用上高一个量级体验是应该的。

  Gemini用的传统路径 Auto-regressive model, 生成是decoder 多模态部分有encoder - decoder 大概用的这个：

​

​

  gpt4v 是个拼接模型！双模态的！

  两者差距：好比 拼接模型是一个人和另外一个人说话一样 总有意思传达不到位的地方 ， 原生模型就是人之身的 大脑 身体 眼睛各个协调性很高。当然这要花更多时间和训练费用！

  因为Gemini采用了encoder-decoder的架构，一个多层的decoder，可以直接输出一些在文本空间能够对齐的token。多模态是原生一起从头训练的 而不想很多多模态是拼接而成！

    要关机了，Gemini的商用 可能没有那么快！它确实赶在圣诞节前给大家看一眼而已！但是现在bard底层还暂时不是1.0。后面b端 体验 大约一个月后能看到效果！

    它对于多模态 机器人 边缘端进步挺大