文 | 鯨選ai
2024年，google想奪回ai場子，但總是被openai攪局。
每次一宣布某日要開發布會，openai就會提前發布實力更強的產品。導致每次google的ai產品發布會都特別尷尬。
2025年的google學聰明了，發布ai產品不再大張旗鼓，而是偷偷滴直接上線。這次今晚又沒任何預熱，google直接上線了gemini 2.5 pro模型。
這是一款會推理的混合大模型，實力超越gpt4.5和grok3 ，最大特點是能夠模仿人類快慢思考，這不是堪比gpt-5前奏嗎？而它就這麼不聲不響上線了。
就在大家以為盛譽會屬於google時，openai又在推特上宣布：
太平洋時間上午11點直播。最終openai發布了gpt-4o image generation，圖像生成技術模型。
具有媲美人類攝影的出圖質量，隨心所欲的構圖以及細節處理，超乎尋常的圖文理解，以及任意的圖中文字和logo生成的特性，也是在x上引起一片歡呼。
深夜2點多，鯨哥還沒睡覺，看到朋友圈很多人發北京地震了。於是我寫下如此朋友圈：
並沒有感受到北京地震，但此刻，正在被google和openai天雷勾地火的競爭震撼。熟睡中的普羅大眾，並不知道在這一夜中，在通往agi 之路上，人類又躍進了一大步！
無心睡眠，向agi前進一大步
gemini 2.5炸裂出場，首個類人大模型
gemini 2.5 pro 實驗版這次很炸裂，gemini 2.5 號稱可以處理更複雜的編程、科學和數學問題，並支持更具有情境感知能力的智能體。
這個新的「思考模型」在 lmarena 上以顯著優勢領先，並在數學、科學和編碼基準測試中擊敗了 deepseek-r1、grok 3 和 claude 3.7。也幾乎全面優於openai家的兩款模型—o3-mini和gpt4.5。
gemini 2.5 pro 現在在競技排行榜上位居第一——這是有史以來最大的分數跳躍（比 grok-3/gpt-4.5 高出 40 分）。
配備100 萬 token 的上下文（即將推出 200 萬），能夠處理多模態數據，並且經過 vibe coding 認證，可以僅通過一個提示構建整個遊戲。這是gemini 2.5 的神奇之處。
更重要的是，當你向 gemini 2.5 提問時，它會在回答之前通過思考進行推理，模仿人類處理思想的方式—逐步接近問題，細化潛在解決方案，並選擇最佳方案。
鯨哥測試生成「近3年國內直播帶貨kol的動態演示頁面」，2.5 pro飛速生成了相關代碼。
這裡就需要提到google ai的亮眼好處，就是他可以調用之前的 flash 2.0 就已經融合的google系工具，比如分析youtube視頻、輸出內容到docs。這波代碼演示，生成後也直接調用colab演示。
以下是2.5 pro 生成的主播熱度動態演示效果，側重是代碼到生成的過程，至於內容準確性並沒有體現，但整體還可以參考。畢竟2023年的小楊哥還沒出事，還是直播帶貨領域的絕對一哥。
同時，我們測試了2.5 pro的深度推理能力，要求其生成一份具身智能報告。這份報告不是那種很虛、不能用的內容，而是具有一定的可讀性。
openai殺死攝影師
在openai展示的官方案例ai生圖中，第一個圖就足夠震撼。
如果不明說，恐怕任何人都猜不到，這張圖是ai生成的。畢竟反射畫面和密密麻麻們的文字，都在說ai不可能這麼神奇！
但實際上，這就是4o生成的ai圖片，openai放出它的提示詞如下。
這是用手機拍攝的玻璃白板的廣角圖像，拍攝地點是一間俯瞰海灣大橋的房間。視野中可以看到一位女士正在寫字，她身穿一件印有大型 openai 標誌的 t 恤。筆跡看起來很自然，但有點凌亂，我們可以看到攝影師的倒影。
更神奇的是第二張圖片轉了人物朝向，生成的圖像還是毫無破綻，也放出來震撼下大家。如果你沒有gpt plus，那麼用gpt免費的圖片生成功能，其實已經能秒殺大部分文生圖產品了。這是鯨哥直接用上面同款提示詞生成的圖片。
同時，鯨哥也用google 2.0 flash模型，同款提示詞生成了同樣的圖。可以看到google不太有審美，手部細節也崩了。
但openai是不是為了官網案例特調，還需要以後全量上線模型，大家長期測試。
另外，4o的圖像生成指令也足夠強大，很多系統在處理約 5-8 個對象時會遇到困難，而 gpt‑4o 可以處理多達 10-20 個不同的對象。下圖就是4o在同一張圖上，生成了16個物體，每個都準確生成了用戶表達的內容，amazing！當然，對於類似google 2.0 flash的圖片編輯能力，4o也是不在話下。可謂精準狙擊了google剛火出圈的圖片編輯能力。
我們即將接近agi了嗎？
openai同時宣布，從今天起，chatgpt 和 sora 的所有 plus、pro、team 和 free 用戶都可以開始使用4o 圖像功能。
山姆奧特曼則表示，「chatgpt 中圖像的新版本仍在推出中，所以如果今天沒有獲得很好的圖像，請稍後再試 」。應該預示著將繼續整合多模態模型，以及產品端的融合。
有網友評論，4o圖像功能超越了數百家ai圖像公司。委實，甚至一些攝像和設計師等影像工作的飯碗，也將不保。
而對於google來說，gemini席捲的各種基準測試，在證明他的強大。實際體驗中，應該快速回答的問題很快回答，需要深度推理的問題也非常快速執行，一份報告、一份遊戲生成基本都在60秒以內。
鯨哥驚艷於它的速度，更驚訝這種融合模型帶來的體驗。不會再出現問個簡單問題，ai也去深度推理了。當然，2.5還不能生成圖片，也許下一步3.0，就會帶來這一能力。
google這波拉響了矽谷的ai軍備競賽，此前anthropic ceo稱，還有更強的大模型沒有放出，預計也會近期推出，防止claude 3.7無法維持領先。而openai在gpt 4.5發布會中，山姆奧特曼都沒有出現，也許意味著新的模型也會近期發布。
在這場openai和google對決的主角戲中，沒想到最著急的是埃隆馬斯克，他在x上發了多條內容，表明grok是更好的那一個模型。
馬斯克發布這張圖時說道：這是很重要的區別，嘲諷其他家模型撒謊和追求政治正確，而grok則追求真理。
馬斯克的出現，為今晚這場競爭增添了趣味因素。
就在deepseek v3剛剛拿回的頭牌中，google和openai展示了強大的競爭實力，而大家在你追我趕中，進一步拉近了agi的夢想。
也許就在不遠的某個夜晚中，agi就會突然降臨！
更多精彩內容，關注鈦媒體微信號（id：taimeiti），或者下載鈦媒體app
