Экспериментальная модель искусственного интеллекта Gemini 2.0 Flash Thinking от Google опередила своих конкурентов, показав впечатляющие результаты в тестах по математике, естественным наукам и общей производительности.
По данным платформы тестирования lmarena.ai, последняя версия Gemini добилась значительных успехов в Chatbot Arena, улучшив свой результат на 17 баллов с декабря 2024 года. Это ставит ее впереди таких конкурентов, как модели GPT-4o от OpenAI и Claude 3.5 Sonnet от Anthropic.
Модель демонстрирует улучшения почти по всем категориям, лидируя в сложных задачах, программировании и творческом письме. Единственная область, где ей еще нужно поработать, — это контроль стиля — то, как она форматирует свои выходные данные.
Под капотом Google заявляет, что они добавили новые функции, такие как выполнение кода, и расширили контекстное окно модели, чтобы обрабатывать до миллиона токенов. Они также улучшили то, насколько хорошо мыслительный процесс модели соответствует ее окончательным ответам.
Генеральный директор Google DeepMind Демис Хассабис говорит, что этот прогресс основывается на более чем десятилетней работе с системами планирования AI, начиная с AlphaGo. Объединив эти проверенные методы планирования с современными базовыми моделями, они увидели особенно сильные результаты в тестировании по математике и естественным наукам.
Это обновление следует за первой версией Flash 2.0 Thinking, которую Google запустил в декабре 2024 года . В той версии были введены явные мыслительные процессы, которые помогают модели улучшить свои рассуждения, и она также хорошо показала себя при тестировании.