OpenAI谷歌AI激战正酣AGI时代加速到来
2024年,人工智能领域见证了Google与OpenAI的激烈交锋。每当Google高调宣布即将推出重要AI产品时,OpenAI总能以更具竞争力的产品抢先一步,让Google的发布会显得黯然失色。2025年,Google改变了策略,选择低调上线Gemini 2.5 Pro模型,这款会推理的混合大模型实力强劲,超越GPT4.5和Grok3,最大特点在于能够模仿人类思考的快慢节奏,这难道不是GPT-5的雏形吗?然而,Google却选择如此低调地推出这一重磅产品。
就在人们以为Google将独占鳌头时,OpenAI却在推特上宣布将在太平洋时间上午11点进行直播。最终,OpenAI发布了GPT-4o image generation模型,这款图像生成技术模型的表现堪称惊艳,其出图质量媲美人类摄影作品,能够随心所欲地构图,处理细节,并具备超强的图文理解和任意生成图中文字及LOGO的能力,在X上引发了热烈反响。
深夜2点多,尽管北京并未发生地震,但鲸哥却因Google和OpenAI的激烈竞争而辗转难眠,他在朋友圈写道:并未感受到北京地震,但此刻,正在被Google和OpenAI天雷勾地火的竞争震撼。熟睡中的大多数人,并不知道在这一夜中,人类在通往AGI的道路上又迈出了坚实的一步!
无心睡眠,向AGI前进一大步Gemini 2.5炸裂出场,首个类人大模型Gemini 2.5 Pro 实验版这次的表现极为亮眼,Gemini 2.5号称能够处理更复杂的编程、科学和数学问题,并支持更具情境感知能力的智能体。这个新的“思考模型”在LMArena上以显著优势领先,并在数学、科学和编码基准测试中击败了DeepSeek-R1、Grok 3 和 Claude 3.7,几乎全面优于OpenAI家的两款模型—o3-mini和GPT4.5。Gemini 2.5 Pro现在在竞技排行榜上位居第一——这是有史以来最大的分数跳跃(比 Grok-3/GPT-4.5 高出 40 分)。配备100万token的上下文(即将推出200万),能够处理多模态数据,并且经过vibe coding认证,可以仅通过一个提示构建整个游戏。这是Gemini 2.5的神奇之处。
更重要的是,当你向Gemini 2.5提问时,它会在回答之前通过思考进行推理,模仿人类处理思想的方式—逐步接近问题,细化潜在解决方案,并选择最佳方案。鲸哥测试生成“近3年国内直播带货KOL的动态演示页面”,2.5 Pro飞速生成了相关代码。这里就需要提到Google AI的亮眼好处,就是他可以调用之前的Flash 2.0就已经融合的Google系工具,比如分析YouTube视频、输出内容到Docs。这波代码演示,生成后也直接调用Colab演示。以下是2.5 Pro生成的主播热度动态演示效果,侧重是代码到生成的过程,至于内容准确性并没有体现,但整体还可以参考。毕竟2023年的小杨哥还没出事,还是直播带货领域的绝对一哥。
同时,我们测试了2.5 Pro的深度推理能力,要求其生成一份具身智能报告。这份报告不是那种很虚、不能用的内容,而是具有一定的可读性。
OpenAI杀死摄影师在OpenAI展示的官方案例AI生图中,第一个图就足够震撼。如果不明说,恐怕任何人都猜不到,这张图是AI生成的。毕竟反射画面和密密麻麻们的文字,都在说AI不可能这么神奇!但实际上,这就是4o生成的AI图片,OpenAI放出它的提示词如下。这是用手机拍摄的玻璃白板的广角图像,拍摄地点是一间俯瞰海湾大桥的房间。视野中可以看到一位女士正在写字,她身穿一件印有大型OpenAI标志的T恤。笔迹看起来很自然,但有点凌乱,我们可以看到摄影师的倒影。更神奇的是第二张图片转了人物朝向,生成的图像还是毫无破绽,也放出来震撼下大家。如果你没有GPT Plus,那么用GPT免费的图片生成功能,其实已经能秒杀大部分文生图产品了。这是鲸哥直接用上面同款提示词生成的图片。同时,鲸哥也用Google 2.0 Flash模型,同款提示词生成了同样的图。可以看到Google不太有审美,手部细节也崩了。但OpenAI是不是为了官网案例特调,还需要以后全量上线模型,大家长期测试。
另外,4o的图像生成指令也足够强大,很多系统在处理约5-8个对象时会遇到困难,而GPT‑4o可以处理多达10-20个不同的对象。下图就是4o在同一张图上,生成了16个物体,每个都准确生成了用户表达的内容,Amazing!当然,对于类似Google 2.0 Flash的图片编辑能力,4o也是不在话下。可谓精准狙击了Google刚火出圈的图片编辑能力。
我们即将接近AGI了吗?OpenAI同时宣布,从今天起,ChatGPT 和 Sora 的所有 Plus、Pro、Team 和 Free 用户都可以开始使用4o 图像功能。山姆奥特曼则表示,“ChatGPT 中图像的新版本仍在推出中,所以如果今天没有获得很好的图像,请稍后再试 ”。应该预示着将继续整合多模态模型,以及产品端的融合。有网友评论,4o图像功能超越了数百家AI图像公司。委实,甚至一些摄像和设计师等影像工作的饭碗,也将不保。
而对于Google来说,Gemini席卷的各种基准测试,在证明他的强大。实际体验中,应该快速回答的问题很快回答,需要深度推理的问题也非常快速执行,一份报告、一份游戏生成基本都在60秒以内。鲸哥惊艳于它的速度,更惊讶这种融合模型带来的体验。不会再出现问个简单问题,AI也去深度推理了。当然,2.5还不能生成图片,也许下一步3.0,就会带来这一能力。
Google这波拉响了硅谷的AI军备竞赛,此前Anthropic CEO称,还有更强的大模型没有放出,预计也会近期推出,防止Claude 3.7无法维持领先。而OpenAI在GPT 4.5发布会中,山姆奥特曼都没有出现,也许意味着新的模型也会近期发布。在这场OpenAI和Google对决的主角戏中,没想到最着急的是埃隆马斯克,他在X上发了多条内容,表明Grok是更好的那一个模型。马斯克发布这张图时说道:这是很重要的区别,嘲讽其他家模型撒谎和追求政治正确,而Grok则追求真理。马斯克的出现,为今晚这场竞争增添了趣味因素。
就在DeepSeek V3刚刚拿回的头牌中,Google和OpenAI展示了强大的竞争实力,而大家在你追我赶中,进一步拉近了AGI的梦想。也许就在不远的某个夜晚中,AGI就会突然降临!