Google Gemini已从一个网络搜索增强工具迅速发展为一个全面的AI聊天机器人，能够处理各种任务。它现在可以处理文件、生成带有声音的视频，并解决复杂的问题，同时受益于云存储以及与Google应用的无缝集成。从回答关于Chrome页面的问题到管理Gmail，Gemini提供了一种统一的AI体验。然而，它的研究信息溯源和图像生成能力并非总是闪耀，而且和其他聊天机器人一样，它有时会提供不准确的信息。
Gemini作为虚拟助手
将Gemini视为一个高级的虚拟助手，擅长处理各种任务。它可以分析文档、回答问题、生成图像和视频、进行研究、协助创意写作、搜索网络以及解决数学问题。它可以通过文本或语音访问，类似于Microsoft Copilot或ChatGPT。
Gemini还拥有专为程序员量身定制的功能，包括Gemini Code Assist和Jules异步编码代理。这些工具可以协助完成创建自定义WordPress插件和调试代码等任务。
核心功能：提示和响应
Gemini的核心是接收用户的提示并生成响应，由基于大量数据集训练的大型语言模型 (LLMs) 提供支持。这些模型为Gemini提供了跨各种主题的大量信息的访问权限，并辅以实时互联网搜索。
用户与Gemini的互动越多，它就变得越好使用。用户参与有助于训练底层模型，使Gemini能够提供更准确的响应并随着时间的推移减少错误。这种持续的学习过程是渐进的，但至关重要。
Gemini的模型系列：Flash和Pro
Gemini采用两个主要的模型系列：Flash和Pro。Flash系列专为对话互动而设计，而Pro系列则专注于复杂的推理任务，例如编码、数学和科学。这些系列中的每个模型都表现出独特的优势。最新的模型是2.5 Flash和2.5 Pro，测试通常侧重于默认的2.5 Flash和用于专门任务的2.5 Pro。
免费与高级：您能得到什么？
Gemini提供免费和高级计划，高级计划解锁了附加功能。
免费计划
免费用户可以访问2.5 Flash模型、有限访问2.5 Pro模型、语音模式 (Gemini Live)、有限的深度研究能力以及自定义AI助手 (Gems)。他们还可以获得对Whisk动画工具的有限访问权限以及15GB的Google Drive云存储空间。
高级计划
高级计划包括Google AI Pro（每月19.99美元）和Google AI Ultra（每月249.99美元）。AI Pro层提供更高的使用限制、Flow电影制作工具、Google Chrome中的Gemini、通过Gemini的Veo 2模型进行的视频生成，以及用于复杂提示的更大的上下文窗口。使用AI Pro，Google Drive云存储增加到2TB，Gemini与Google Workspace应用程序（如Gmail、Calendar、Docs和Sheets）集成。
AI Ultra计划包括AI Pro中的所有内容，以及更高的使用限制和几个新功能：30TB的Google Drive云存储空间、对Gemini的任务简化代理的早期访问权限、对Gemini即将推出的2.5 Pro Deep Think模式的独占访问权限、Google最新的Veo 3视频生成模型以及YouTube Premium。对于大多数用户来说，AI Pro计划通常更具成本效益。专注于通过Google Drive进行云存储的Google One订阅，使您可以获得带有超过2TB云存储的Gemini AI Pro，例如5TB（每月25美元）或10TB（每月50美元）。
价值主张：Gemini vs. 竞争对手
主要的聊天机器人，如Copilot、ChatGPT和Gemini，其高级计划的价格都在每月20美元左右。Gemini和Copilot因其与Google和Microsoft 365应用程序的集成而脱颖而出，ChatGPT则专注于聊天机器人功能。虽然Copilot Pro具有独特的功能，但Gemini的云存储集成提供了卓越的价值。
可访问性：Web、移动和集成
Gemini可通过Web和移动应用程序（Apple和Android）访问。虽然没有桌面应用程序或官方浏览器扩展，但Chrome提供了Gemini集成。Gemini可以在Google应用程序中使用，例如Calendar、Docs、Drive、Gmail、Maps、Keep、Photos、Sheets和YouTube Music。
入门：界面和用户体验
Gemini不需要帐户，但建议登录以更改模型、使用深度研究和保存聊天记录。
该界面很简单，具有“Ask Gemini”文本字段和侧栏中的最近聊天记录。可点击的示例提示提供了关于Gemini可以做什么的指导。响应通常很快，尤其是对于图像生成。用户可以复制、收听、重新生成或分享响应。偶尔的服务器问题可能会导致响应挂起，类似于ChatGPT和Copilot。
语气和记忆
Gemini比ChatGPT更直接，更少对话性。无法个性化Gemini的语气，但可以保存某些用户信息以供Gemini记住。Gemini强大的记忆可以带来更令人满意的聊天体验，即使在开始新的聊天时也能记住过去的聊天。
语音模式：Gemini Live
麦克风图标启用语音转文本输入，Gemini Live（如ChatGPT的语音模式或Copilot Voice）允许用户使用不同的声音自然地进行对话。
Gemini Live支持相机和屏幕共享，允许用户讨论真实世界的主题。虽然Gemini的图像识别能力通常很强，但该功能更多地发挥了节省时间的作用。
Project Mariner：一个任务简化代理
Project Mariner是AI Ultra用户独有的，是一个AI助手，可以完成诸如求职或公寓搜索之类的任务。Google将Project Mariner称为“研究原型”，表明它仍需要进一步完善。
网络搜索和信息检索
网络搜索是所有主流聊天机器人的标准配置。Gemini、ChatGPT和Copilot可以回答有关当前时间的问题。虽然大多数问题都得到了正确的回答，但有些问题可能会让聊天机器人感到困惑。
Gemini和Copilot的响应通常简短明了，而ChatGPT则提供更详细的信息。Gemini和ChatGPT都具有指向连接文章的来源图标，但是ChatGPT的界面显示了来源的名称和文章的完整标题。
AI模式和购物
Google搜索页面上的AI模式由Gemini提供支持，可通过AI Mode按钮访问。它允许用户根据网络结果提出问题，响应中包含相关的文章图块和相关图片，类似于ChatGPT。它还提供了对Google搜索和图像搜索的便捷访问。
Gemini还可以通过提供购买建议以及带有用户评论，零售商链接和价格跟踪的Google Shopping图块来协助购物。Gemini的购物功能提供相关的建议。
深度研究：深入的报告
深度研究是AI聊天机器人的一个有价值的功能，允许用户提出问题或提出主题，供Gemini研究和报告。报告可以引用大量来源，并在大约10分钟内生成。
两个聊天机器人都可以轻松处理简单的研究主题，但是没有明确答案且需要各种来源的问题更具挑战性。
Gemini引用了更多的来源，但是ChatGPT的来源更易于使用。Gemini允许将报告导出到Google Docs，但ChatGPT的深度研究界面本质上只是一个加载栏。
报告语气差异很大，Gemini的报告类似于学术论文，而ChatGPT的报告类似于论坛帖子。
图像生成：视觉比较
图像生成是AI聊天机器人的另一个主要功能。测试侧重于逼真的和复杂的插图。
在逼真的图像生成中，Gemini可以快速生成图像，并在视觉上吸引人，但可能包含错误。
对于复杂的插图，Gemini的漫画往往不连贯，而ChatGPT的漫画更接近实现其目标。
在技术图生成中，ChatGPT产生高度准确的图表，从而巩固了其优势。
视频生成：一个蓬勃发展的领域
AI视频生成是一种日益普及的功能。Gemini具有Flow电影制作工具，Veo 3视频生成模型和Whisk AI动画器。它生成带有音频的视频的能力使其与ChatGPT的Sora视频生成区分开来，尽管它仅限于AI Ultra订阅者。
Veo 3代表了向前迈出的重要一步，但需要仔细的提示校准。每次生成需要150个积分（AI Ultra每月获得12,500个积分）。
Flow允许修剪视频剪辑并根据新的提示扩展它们。如果有足够的积分，理论上可以使用Flow完全制作电影。
Whisk是Google的AI动画工具，允许用户上传图片。结果可能很有趣，但存在错误和失真。
文件分析：理解上传的内容
Gemini可以分析和理解上传的文件，批判简历、解释图像或翻译文本。
在图像识别中，聊天机器人经过测试，其能够识别上传图像中的组件。ChatGPT可以包含更大的细节量。
对于文档处理，聊天机器人的任务是仅根据上传的文档来回答问题。Gemini和ChatGPT都提供了正确的答案，但在上传文件时应谨慎。ChatGPT在处理文件方面可能比Gemini略有优势，但这只是很小的优势。
创意写作：诗歌生成
AI聊天机器人可以协助创意写作，包括笑话，独白和诗歌。
当被要求写一首自由诗歌时，ChatGPT更严格地遵循指示。Gemini的诗歌未使用标点，而Copilot的诗歌的换行符感觉不足。
复杂推理：考试题
通过向聊天机器人提供计算机科学，数学和物理的本科考试问题来测试复杂推理。
聊天机器人表现出色，有效地回答了所有物理问题。ChatGPT返回的错误答案总体上最少。
Chrome中的Gemini：无缝集成
Chrome现在集成了Gemini。付费帐户持有人可以单击Gemini图标以打开聊天窗口，像往常一样与Gemini互动并查询活动选项卡的内容。Chrome中的Gemini集成允许用户消除打开新选项卡以通过类似于Edge中的Copilot Vision的功能询问Gemini的需求，尽管Gemini’s Live功能在其Web界面中不可用。
文本响应非常快。响应速度使我想知道，在您与Gemini共享之前，它是否具有对网页的某种访问权限。
尽管Chrome中的Gemini有一些局限性；Gemini无法理解视频，并且使用Live的回复不如通过文本那样快，但总的来说，它很有用，因为它消除了复制和粘贴的需要。但是，除非您一直使用Gemini，否则单击一下即可节省的时间可能并不重要。Live功能同样有帮助，使我可以提出有关我正在看到的问题，而无需触摸键盘。
Chrome中的Gemini对它可以查看和理解的内容有一些限制。结果，Gemini可能会感到具有侵入性。一旦您共享某些选项卡，Gemini就可以查看和回应有关这些选项卡的问题。
Google Apps集成：增强生产力
AI Pro计划用户可以在Google的应用程序中获得AI功能，包括Calendar，Docs，Drive，Gmail，Maps，Keep，Photos，Sheets和YouTube Music。
Google强调了Gemini网站本身的集成能力。您可以根据传单将活动添加到Google Calendar，在Google Keep中生成购物清单，或让Gemini在YouTube Music中管理播放列表。Docs，Gmail，Sheets和Slides中的Gemini反映了Microsoft 365应用程序中的Copilot，基于提示创建幻灯片，草拟电子邮件，生成文本并建议公式。
Gmail中的Gemini脱颖而出，授予Gemini对您的电子邮件历史记录的完全访问权限，从而可以搜索特定信息或提供收件箱清理建议。但是，它不是一种无所不能的功能。Gemini做不到所有事情。此集成感觉像是侵犯了隐私。
取决于您利用Gemini可用集成的方式，可能没有满足您特定需求的集成。但是，由于具有多种功能，因此可能是有益。
Gems：定制AI专家
Gems是为特定目的量身定制的Gemini的自定义版本。讲师可以添加文件并创建一个PC Builder Gem，以帮助首次构建计算机的构建者。
响应与与Gemini交谈略有不同。那些计划与Gemini讨论指定主题的人可以创建一个Gem。但是，Gems并没有真正兑现Google的承诺。
安全和隐私
Gemini没有意识，无法像人一样思考或理解事物。
成人内容、非法活动、逼真的人物图像和禁忌话题违反了Gemini的政策，Gemini的过滤系统最宽松。
Gemini有一个上下文窗口。Gemini的AI Pro计划上的上下文窗口一次可以使用多达1,500页文本或30,000行代码（付费）。如果广泛使用免费版本，订阅者可能会遇到障碍。
当您使用Gemini时，Google会收集数据，包括文件、位置信息、产品使用情况和聊天记录。此数据用于改进Google产品和机器学习技术。
用户可以关闭Gemini Apps Activity。默认情况下，Google会将聊天数据存储18个月。
至于Gemini的Google Workspace集成，例如Gmail、Docs、Drive、Sheets和Slides，Google承诺不使用经过训练的模型，不出售它，也不将其用于定向广告。
Google过去曾经历过一些问题，包括恶意行为者利用Google Chrome漏洞、意大利监管机构因其数据实践而引用Google，以及未经同意的数据收集导致数十亿美元的损失。因此，建议不要分享敏感数据。