Gemini到底强在哪:音频理解、写作与作曲实测

资讯 腾讯网 作者:腾讯网 全文 2705 字 · 约 7 分钟读完 配图 2 张 分类GeminiCarbonGoogle产品更新

不知道大伙最近关注 Gemini 没,最近哥们的更新挺频繁的。 先是端了个Gemini 4 Argon(氩),又是端了个Gemini 4 Carbon(碳),我还没用明白呢又来个Gemin....

所属频道 大厂动态产品更新Gemini 与 Google AI

最近关注 Gemini 的人可能注意到了,它的更新节奏相当密集。

先是端了个

从网上的讨论看,谷歌的模型跟 O 家和 A 家的差距,似乎越拉越开。哪怕是最新的 Argon、Carbon 甚至 Hydrogen,只要话题一沾上 Gemini,AI 圈里的调侃就跟着来,好像不拿 Claude 和 GPT 出来踩一脚就说不过去。

不过我今天想抛个暴论:这个被大家天天挂在嘴边的“AGI 的模型”,其实被看低了。

先别急着反驳。真正上手用一用就会发现,除了编程,它在别的方面全面得离谱。

比如最近不少网友发帖夸 Gemini 4 的文字功底,说它是无可争议的世一模。

也有人分享自己被 Gemini 庞大世界知识惊到的时刻。

我花了整整一周把 Gemini 从头到尾用了个遍,用下来才意识到,大家确实小瞧它了。对不写代码的人来说,说它是全球最强的模型也不为过,那股人味儿没得挑。

拿一个大家从没注意过的点来说:市面上绝大多数号称“多模态”的顶级大模型,其实都是聋子。

很多人测多模态能力时,会给模型看图片、看视频,但一直忽略了一个点,那就是大模型的听觉。

不少宣传自己多模态的模型,其实并没有听觉,比如 GPT-6、Claude 5.5。你让它们听声音,它们可能会回得有模有样,但实际上是把音频偷偷交给其他工具处理,模型本身听不见声音。

但 Gemini 从 1.5 代开始,就是一个不折不扣的全模态模型,文字、图片、视频、音频等所有文件类型都能理解。光说这么多大伙是体会不到它有多离谱的,我们给了一段音频。

这段其实很好听出来,是 Minecraft 里的一些经典音效。

我们把这段音效,丢给了同样有音频理解的

Gemini 这边呢,轻轻松松就过了关,一下就听出是《我的世界》里的游戏音效,动作对得也基本不差。更夸张的是,这还是个

如果你还不服,觉得这绝对是 Gemini 运气好,别急,还有更恐怖的。

下面这段音频,我相信只有一小部分差友能听出来。

因为这个真的很冷门,答案是英雄联盟卡莎的皮肤——

同样地,千问没听出来,Seed 听出来这是游戏音效,可惜猜成了《堡垒之夜》。

Gemini 可真把我惊到了,本来就是抱着试一试的想法,谁知道它真给猜中了,游戏、角色都点到了,连皮肤都没落下。不是,哥们你是不是真玩过啊?

所以我们已经能下结论了:在听力这块,Gemini 就是毫无争议的世界第一。

但这远不是 Gemini 的上限,因为它不仅能听声音,还能赏析声音,对音乐也有自己的理解。

我们让 Gemini 分析了两段音乐,一段是《雨爱司凤版》,一段是《雨爱》

我压根没跟它说过这是哪首歌,文件名也改掉了。它照样一耳朵听出来:司凤版是 AI 生成的,混音糙、音色又廉价又塑料,也就鬼畜区能收;杨丞琳版听着明显比活凤版舒服。看完这些,很多事一下就想通了。

更超模的是,Gemini 的能力已经不限于乐评了,你把笔给它,它是真能写,它的作曲能力也是数一数二的。

它跟一般的音乐生成模型不一样。

我们又试了一次,让它照着《茉莉花》写一首钢琴变奏曲,下面放一段给大家听听,优雅这东西确实不过时。

音乐之外,Gemini 也是我眼里最有人味、最幽默的模型。不少搞文字创作的人被现在的 AI 折腾得够呛,最典型的就是 GPT 写作时那个劲儿。

你让它做盘番茄炒蛋,它非要先跑两轮冒烟测试;你说别加红烧肉,它端出来的就是“番茄炒蛋(无红烧肉版)”,能把人气笑。

我想玩个梗,让 GPT 扮成 Claude 跟我对话,结果它一点眼力见都没有——Claude 哪能这么跟中国人说话呢?

换 Gemini,同样的话丢过去,它一个字没回,直接甩来一封封号邮件。这份幽默,GPT 怕是一辈子学不来。

你要问怎么没测 Claude,号刚没了。

解释梗图这件事上,Gemini 也是解得最准的那个。

比如这张图,笑点在哪?眼尖的人其实已经看出来了。

可 Claude 答错了,GPT 答错了,豆包也答错了,看出来的只有 Gemini。

我猜是因为 Gemini 的世界知识在全世界模型里算最多的。这类大模型聊起来才最舒服,基本有问必答,防御心低,多犄角旮旯的事都能扯两句——大家爱拿它当老公/老婆,原因也在这儿。

再加上它那无敌的多模态能力,聊起来更顺,交互是真的方便。那天我飞书出了点 bug,情况挺小众,我一时不知道怎么描述,就录了段视频发过去。

Gemini 回得飞快,快得不像把视频看完了,可它给出的信息全对。

我还有个买回来就没拼好过的二阶魔方,也不知道该怎么喂给 Gemini,就随手拍了几张照,毫无章法,六个面只拍了五张。

它直接认出了这是什么东西,还靠照片里的空间位置关系把六个面的相对位置还原出来,最后建了模,算出了复原路径。

至于我求助的那个问题——

所以说,需求再小众也不妨找 Gemini 聊聊,Flash 版本都行,它大概率能给出答案。

最后我还是那句话:写作这块,Gemini 是 GOAT,全网找不到替代品。

很多人嫌 Gemini 写出来的东西味道重、像舔狗,但它的写作风格学习能力其实是最强的,多喂语料、加上提示词限制就行。

等你把它调成自己喜欢的样子就会发现,它的品味很独特,每段过渡都自然,还常冒出些我自己都没想到的小巧思。

反观 ChatGPT 和 Claude 这两家,我感受最深的是它们写作抓不住重点,得你认真写大纲告诉它哪儿是重点;还爱过度防御,动不动改掉你的比喻说“不严谨”,删掉你的段子说“不尊重”——致敬世界上最有敬畏之心的模型。

虽然 Gemini 的(此处原文未完)。

当然用下来,Gemini 的缺点也很明显,比如那个经典的——

比如网页版、APP、(此处原文未完)。

Gemini给出的回答照样不能照单全收,突然冒出来的胡编乱造可不是小事。真要办严谨的活儿,还是老老实实交给别的 AI 更稳妥。

可要是需要一点小巧思、小创意,Gemini 还是比别的 AI 高出一档,就算胡编,编得也更有味道。

说到底,对多数普通人来讲,好用的 AI 首先得会说人话,交流起来才顺;其次感官要全,才能从更多渠道接住你的需求;最后得有审美、有态度,才给得出让人意外的惊喜。这几处 Gemini 确实做得不错。

我猜不少人早就看腻了那种震惊瘫坐,也看腻了

这也是为什么还有不少人仍在念叨

在大语言模型越来越趋同的走向里,它们起码带来了一些变数。

哪怕离真正的 AGI 还差得远,只要这种带点活人味的模型还在冒出来,这事本身就挺有意思。

本文由本站编辑组整理与排版,内容基于公开信息核实后归纳发布,与文中提及的产品、公司无隶属关系。我们持续跟踪 AI 领域的模型、产品与行业动态,力求信息准确、表述清晰;文中涉及的名称、价格与功能细节可能随官方调整而变化,请以官方最新说明为准。如发现疏漏或表述有误,欢迎通过站内渠道反馈指正。

相关推荐 按相关度与热度排序

全部资讯 →
  1. Gemini被称美国豆包,张一鸣活成中国布林:两人都把时间押给AI

    在太平洋两岸的科技版图上,一种奇妙的镜像正在发生。大洋彼岸的硅谷,早已退居幕后的 Google 联合创始人 Sergey Brin (谢尔盖布林)重新走进办公室,与一线研究员并肩推演大模型架构。而在亚洲,2021 年便将字节跳动 CEO 权杖交给梁汝波、此后极少公开露面的张一鸣,也正以一种高密度、深介入的姿态重回技术腹

    来源 腾讯网
  2. WorkBuddy国际版接入Gemini 4 Carbon:Pro用户专享

    腾讯旗下AI办公智能体WorkBuddy国际版宣布接入谷歌Gemini 4 Carbon大模型,目前仅向Pro计划用户开放。该模型由谷歌于11月10日开放,主要用于复杂知识工作、软件工程等长周期智能体任务。

    来源 凤凰科技
  3. 谷歌Gemini 4 Hydrogen发布:定价低于Argon,AA指数反超

    谷歌DeepMind于2026年11月12日发布Gemini 4 Hydrogen,定价$1.50/$7.50(百万token),在Artificial Analysis智能指数上以51分(默认高档)和54分(最高档)超越同系Argon的50分,同时面向所有用户免费开放。模型主打代码执行与agentic工作流,配套推出

    来源 AI 科技快讯
  4. Gemini 3.1 Pro守约榜89.83分登顶,Qwen3 Max 58.85分垫底

    Gemini 3.1 Pro 以 89.83 分位居 WDCD v3.1 守约测试首位,Qwen3 Max 58.85 分垫底。15 个模型中 R3 崩溃率 8.5%,满分率 41%。头部模型在连续施压轮次保持约束的能力显著强于尾部,提示企业接入生产流程时需针对安全合规场景额外加护栏。

    来源 AI 行业观察
  5. SpaceX豪掷740亿建AI超算:数GW电力够撑吗?

    本期资讯聚焦三大动态:SpaceX据传计划投入巨资建设两座AI超算园区;Google推出面向影视创作的Flow新工具及Gemini 4 Hydrogen模型,后者展示了实时3D可视化能力;AWS发布Bedrock推理成本优化指南。此外,LMArena提出智能体交互评测新范式,DeepMind发布AlphaGenome

    来源 AI 应用前沿
  6. 谷歌Gemini智能眼镜开启预售:395美元起,违规拍摄可远程锁机

    人工智能硬件市场迎来全新重磅产品。当地时间11月12日,据媒体报道,谷歌正式开启了 Intelligent Eyewear 系列智能眼镜的预购。作为谷歌在具身智能与穿戴设备领域的最新力作,该产品由谷歌联合三星、Gentle Monster 以及 Warby Parker 共同打造,起售价为395美元。 豪华大厂联手打造

    来源 AI 开发者社区
  7. 谷歌Gemini接入Google Wallet,美国用户可使用AI分析个人财务

    谷歌宣布,美国 Gemini 用户现可通过 Personal Intelligence 连接 Google Wallet,用 AI 分析个人财务状况并获取个性化理财建议。用户还能经 Plaid 关联银行账户和信用卡;该平台也为 ChatGPT 提供金融账户集成。连接后,Gemini 可分析交易记录,回答日常支出、预算、

    来源 AI 产业速递
  8. Gentle Monster / Warby Parker 将于下月推出 Android XR 智能眼镜:均搭载高通 AR1 芯片,接入谷歌 Gemini

    IT之家 11 月 13 日消息,知名眼镜品牌 Gentle Monster 和 Warby Parker 各自宣布将于下月推出首款基于 Android XR 平台打造的智能眼镜,产品由三星与谷歌联合参与开发。目前,两大品牌的相关产品均已开启预订,预计将于 12 月 10 日正式在线上及指定线下门店发售。 据介绍,Ge

    来源 AI 行业观察
  9. Gemini Decision 1发布:毫秒级批量判断,不闲聊

    谷歌推出首个专用决策模型Gemini Decision 1,主打“不生成文本,只做判断”。它能在150-250毫秒内,基于同一份多模态输入一次性回答上千道是非题或选择题,并输出置信度。这种跳过Token解码的架构,让它在模型路由、内容审核等需要快速二选一或多选一的场景中,比传统大模型更快且更便宜。

    来源 AI 应用前沿
  10. Gemini 4 Hydrogen提速2.5倍:AI从聊天转向干活

    Google发布Gemini 4 Hydrogen,主打日常智能体与编码,速度提升2.5倍;LangChain完成3亿美元C轮融资,推出全生命周期平台LangSmith。安全领域警示AI将网络攻击准备时间压缩至20分钟。此外,Google Wallet接入Gemini提供财务分析,DeepMind发布AlphaGeno

    来源 AI 应用前沿
  11. Fable 5.2登顶AI大模型榜:65分,27美元一次评测

    截止今日,11 月的榜有个反转:9 日 Anthropic 放出 Fable 5.2,综合指数 65,把 Gemini 4 Carbon 挤到第二。但这一分不是白拿的。图按五档排,分数取自 Artificial Analysis 的 Intelligence Index v5,收了 74 个模型、中位数 40 分。带「

    来源 腾讯网
  12. 谷歌Teamwork多智能体系统:2.88万次调用形式化韦伊猜想

    IT之家 11 月 14 日消息,谷歌宣布进一步扩展旗下 Antigravity 多智能体系统,利用多个由 Gemini 模型驱动的专业智能体组成 Teamwork 系统,号称可解决“长期悬而未决的数学难题”、“验证复杂数学证明”,并优化各种软件系统性能。 例如,谷歌已成功对韦伊猜想(Weil conjectures)

    来源 AI 行业观察
  13. 谷歌Pixel屏保故障:11月更新后亮度自动回升

    IT之家 11 月 15 日消息,据科技媒体 Android Authority 前天报道,谷歌为 Pixel 系列手机推出的 11 月大型更新似乎出现多项故障,据多名用户反馈,他们的手机充电时显示的屏保不再自动调暗。IT之家从原报道获悉,谷歌 Pixel 系列手机的屏幕保护程序允许屏幕自动调暗,用户可以设置仅充电时、

    来源 腾讯网
  14. qwen3-max数据边界仅1.36分,WDCD五场景横评全員最低分

    WDCD v3.1试点数据显示,数据边界场景全体得分最低,qwen3-max仅1.36/4;业务规则区分度最大,gpt-6.1-sol 3.88/4与gemini-2.5-pro 2.23/4差距达1.65分。工程规范最高分达4分,五个场景中偏科现象普遍,qwen3-max场景差距2.04分。

    来源 AI 科技快讯
  15. DeepMind开源气象数据集:SatWeave与PARDIG详解

    Google DeepMind正式开放SatWeave和PARDIG两大气象数据集。前者整合五颗静止卫星图像,提供每小时更新的全球云图;后者利用AI生成高分辨率全球降水数据,精度超越NASA现有产品。这些资源已托管于Google Cloud,旨在帮助开发者构建更精准的气象、水文及气候应用,特别是在地面雷达覆盖不足的地区

    来源 AI 应用前沿
  16. Perplexity开源Decider决策模型:智能体决策过程可查了

    2026年11月中旬,AI基础设施与智能体生态迎来几项关键更新。Perplexity开源Decider系列模型并增强定位能力,Google发布TPU Sync库优化KV cache传输,Meta联合行业推出Poppy个人智能体开放标准。此外,Vercel更新Workflow SDK,AWS分享生产数据闭环实践,MIT提

    来源 AI 应用前沿
  17. Agent如何越用越强?中科院自动化所、美团等推出RSI综述

    从 Prompt 优化到 Harness 进化,梳理 RSI 的发展趋势,用三个问题、七步生命周期,理解 Agent 如何把经验转化为持续改进。想象这样一个场景:一个编程 Agent 调用 API 时遇到报错,发现接口参数已经更新。经过几轮尝试,它终于修复了问题。但到了下一个任务,它还会不会犯同样的错误?这次修复能否沉

    来源 腾讯网
向下滚动自动加载更多