谷歌Gemini:能听音频辨游戏皮肤,非程序员最好的模型?

资讯 快科技 全文 3407 字 · 约 9 分钟读完 配图 17 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Gemini 4 Hydrogen(氢),谷谷歌歌是想给

所属频道 大厂动态产品更新Gemini 与 Google AI

最近有关注Gemini的朋友应该注意到了,它的更新节奏挺密。

谷歌先拿出Gemini 4 Argon(氩),又推出Gemini 4 Carbon(碳),这边还没摸透,Gemini 4 Hydrogen(氢)又来了。这是打算把元素周期表挨个端一遍?

为什么说Gemini才是目前最被低估的真神?

网上对谷歌模型的评价,确实离O家和A家越来越远。甭管是最新的Argon、Carbon还是Hydrogen,一聊到Gemini,AI圈里就有人开嘲:还不得去给Claude和GPT两位叔叔低头?

但今天我想抛个暴论:被大家天天叫“北美豆包”的Gemini,恰恰是眼下全世界最接近AGI的模型。

先别急着骂。用一用就明白,除了编程,这家伙全面得离谱。

比如最近不少网友发帖夸Gemini 4的文笔,说它无可争议是世一模。

为什么说Gemini才是目前最被低估的真神?

也有人分享自己被Gemini庞大世界知识震到的瞬间:像3.8 Flash这种模型,对冷门材料学的理解有时居然比GPT Astra还强。

为什么说Gemini才是目前最被低估的真神?

于是我花了一周,把Gemini深度用了一遍,才发现它确实被低估了。甚至可以说,对非程序员来讲,它就是世界上最好的模型,是无可争议的人味G.O.A.T。

先说一个大家几乎没留意过的点:市面上大多数号称“多模态”的顶级大模型,其实是聋的。

很多人测多模态时,会让它看图、看视频,却一直忽略一件事——大模型的听觉。

不少标榜多模态的模型,其实没有听觉。像GPT-6、Claude 5.5,你让它们听声音,回答可能挺像样,但音频是偷偷转给别的工具处理的,模型本身听不见。

为什么说Gemini才是目前最被低估的真神?

而Gemini从1.5代起就是彻头彻尾的全模态模型,文字、图片、视频、音频都能理解。光说体会不到它有多离谱,先听一段音频。

应该不难听出,这是Minecraft里的几段经典音效。

我们把这段音效丢给同样有音频理解能力的千问3.8 Omni和豆包Seed 2.1 Lite。千问基本没猜中;豆包强一点,听出了打嗝、机械触发等声音,但没听出这是游戏音效。

为什么说Gemini才是目前最被低估的真神?

为什么说Gemini才是目前最被低估的真神?

Gemini的表现就轻松了,一耳朵听出这是《我的世界》的游戏音效,动作对应也八九不离十。更离谱的是,这还只是3.8 Flash——随便拿个Flash出来,就是别人够不着的高度。

为什么说Gemini才是目前最被低估的真神?

要是还不服,觉得这纯属Gemini运气好,别急,还有更吓人的。

下面这段音频,我估计只有一小部分差友能听出来。

因为它真的很冷门,答案是英雄联盟卡莎皮肤——星之守护者的音效。天天打这游戏的人也不一定听得出来,毕竟不一定有皮肤。

一样地,千问没听出来,Seed听出是游戏音效,可惜猜成了《堡垒之夜》。

为什么说Gemini才是目前最被低估的真神?

但Gemini真把我吓到了。我本来就是抱着试试看的心态,没想到它真猜了出来,不只定位到游戏、角色,连皮肤都点出来了。不是,哥们你真玩过?

为什么说Gemini才是目前最被低估的真神?

那结论可以下了:论听力,Gemini就是毫无争议的世界第一。

但这远不是Gemini的上限。它不光能听声音,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《雨爱司凤版》,一段《雨爱》杨丞琳版,看它听哪个更通透。

我从没告诉它这是什么歌,文件名也改过了。结果它一耳朵听出司凤版是AI生成的,还听出混音粗糙、音色偏廉价和塑料,只配进军鬼畜区;杨丞琳版明显比活凤版耐听。看完真让人想明白了很多事。

为什么说Gemini才是目前最被低估的真神?

为什么说Gemini才是目前最被低估的真神?

更夸张的是,Gemini 的本事不只停留在点评音乐上。把笔交给它,它是真能写;论作曲,它也是数一数二的水平。

音乐生成模型 Suno 走的是另一条路。用 Gemini 这类语言模型作曲,靠的是调用电脑上的专业软件来完成,跟人自己动手搓出来的过程差不多。

我们也试了试,让它照着著名歌曲《茉莉花》写一首钢琴变奏曲。来听一段吧,优雅永不过时。

音乐之外,Gemini 还是我觉得这世上最有人味、最幽默的模型。有文字创作需求的人,不少已经被现在的 AI 折磨到彻底疯狂,最有名的就是 GPT 写作时那顶级防御力。

让它做番茄炒蛋,它得给你来两轮冒烟测试;你不让它加红烧肉,它就端出一份番茄炒蛋(无红烧肉版),能把人气笑。

为什么说Gemini才是目前最被低估的真神?

我还想玩玩梗,让 GPT 扮成 Claude 跟我说话。结果它一点眼力见都没有——Claude 怎么能和中国人说话呢?

为什么说Gemini才是目前最被低估的真神?

同样的话我讲给 Gemini 听,它一个字没回,直接给我发了封封号邮件。。这幽默感 GPT 一辈子学不来吧?

为什么说Gemini才是目前最被低估的真神?

至于为什么没测 Claude,号刚没。

解释梗图这件事上,Gemini 也是解得最准的那个。

比如这张图为什么好笑?聪明的你已经发现了,mihoyo 的 mi 很像 mj。

为什么说Gemini才是目前最被低估的真神?

可 Claude 错了,GPT 错了,豆包也错了,只有 Gemini 看出了 mj。

我估摸着,是因为 Gemini 的世界知识大概是全世界模型里最多的。这种大模型聊起来才最舒服:基本有问必答,防御力低,再犄角旮旯的事都能聊上几句(这也是人们爱拿 Gemini 当老公/老婆的原因)。

再加上它无敌的多模态能力,聊起来更舒服,交互是真的方便。那天我飞书出了点 bug,感觉挺小众,不知道怎么描述,就录了段视频发给它。。

Gemini 秒答的速度,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,甚至六个面只拍了五张。

结果 Gemini 直接认出了这东西的名字,还靠照片里的空间位置关系还原出六个面的相对位置,最后建模,把复原路径算了出来。

至于我求助的 Opus 5.5,完全没看懂。

所以需求再小众,也去和 Gemini 聊聊吧,Flash 都行,它大概率能给你答案。

最后,我依然认为 Gemini 是写作界的 GOAT,全网无代餐。

很多人觉得 Gemini 写的东西味道很重,很像舔狗。其实 Gemini 在写作风格上的学习能力是最强的,你只要多喂语料、加提示词限制就行。

等你把它调成自己喜欢的样子就会发现,它的品味很独特,每段过渡都很自然,还常整出一些我都没料到的小巧思。

对比 ChatGPT 和 Claude 两家的模型,我很突出的感受是:它们写作抓不住重点,得你认真写大纲告诉它重点在哪;还爱过度防御,爱改掉你的比喻说“不严谨”,爱删掉你的段子说“不尊重”,致敬世界上最有敬畏之心的模型。

幻觉这块,Gemini 到现在也没搞定。可放到写作上,幻觉偏偏少不了——专业作者就得敢下判断,哪怕判断错了,读者读完至少知道该从哪儿提意见。反过来,一篇文章通篇都是"不一定",挑不出毛病,但也基本没什么价值。

体验下来,Gemini 的短板照样扎眼。最经典的就是 Banana 起手,什么事都想给你画张图,艺术家的天赋根本藏不住。

网页版、APP、Antigravity,一个比一个难用。都这个年代了,怎么还有人能接受那种雷霆排版?

它说的话也不能全信,突发性流口水不是开玩笑的。真要严谨的活,还是老老实实交给别的 AI。

不过碰上需要一点小巧思、小创意的场合,Gemini 还是比别的 AI 高一个档次,就算流口水也流得更有味道。说到底,普通人眼里的好 AI 无非三条:先说人话,交互才舒服;感官健全,才有更多渠道感知你的需求;再有审美、有态度,才会给人意想不到的惊喜。这几处 Gemini 确实做得不错。

我猜不少人早就看腻了震惊瘫坐,看腻了鹈鹕测试,媒体为 Benchmark 上涨欢呼,心里却毫无波澜。大家等的,是有人站出来,给大模型探出一条更有意思的路。

所以到今天还有很多人念叨 GPT-4o、念叨 New Bing,把 Gemini 2.5 Pro 和 Claude Opus 4.6 当成白月光。大语言模型的发展越来越固化,它们至少带来了一些变数。

离真正的 AGI 还差得远,可只要这种带点活人味的模型还在往外冒,这件事本身就已经挺有意思了。

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. 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
  3. 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
  4. 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
  5. 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
  6. 谷歌高管用Gemini让iPhone Duo跑起Win11,项目已开源

    IT之家 11 月 14 日消息,谷歌 AI Studio 产品与设计负责人阿马尔 · 雷希(Ammaar Reshi)于 11 月 12 日在 X 平台发布推文,分享了一段视频,演示在苹果首款折叠手机 iPhone Duo 上运行 Windows 11 系统,并在 GitHub 上开源 WindowsiOS 项目。

    来源 AI 行业观察
  7. 谷歌Gemini接入钱包:AI从对话走向财务管家?

    IT之家 11 月 14 日消息,谷歌宣布 Gemini 的 Personal Intelligence(个人智能)功能已正式支持 Google Wallet 钱包,用户在完成授权后,Gemini 便能根据谷歌 Gemini 个人智能功能接入 Google Wallet:可为用户消费习惯提供个性化分析建议。谷歌表示,用

    来源 腾讯网
  8. 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
  9. 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
  10. 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
  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. Edge AI Daily 早报(11月14日)

    英伟达黄仁勋辞任触发治理与出口审查重估,股价盘中跌破4万亿美元后修复;微软365全球中断暴露云集中化单点风险。Anthropic IPO获六倍认购并签SpaceX月12.5亿美元算力合同,OpenAI融资150亿美元但亏损扩大;谷歌Gemini 4 Hydrogen与Claude默认模型推进AI执行层,SpaceX拟投

    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. 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
  15. 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
  16. 苹果上调美国以旧换新价,三星折叠屏首次进回收名单

    11月13日,苹果更新了美国市场的以旧换新价格表,调整了多款iPhone、Apple Watch及谷歌Pixel手机的最高回收估价,同时首次将六款三星Galaxy折叠屏手机纳入回收名单。这是苹果过去一年内第七次调整以旧换新政策,就在几周前,苹果刚刚上调了iPad和Mac的回收价格。美国市场iPhone系列折抵价格本次涨

    来源 腾讯网
向下滚动自动加载更多