谷歌新推理模型重磅来袭百万上下文代码执行推理能力飙升

大家好，我是木易，一个持续关注AI领域的互联网技术产品经理，国内Top2本科，美国Top10 CS研究生，MBA。我坚信AI是普通人变强的“ 外挂 ”，所以创建了“AI信息Gap”这个公众号，专注于分享AI全维度知识，包括但不限于 AI科普 ， AI工具测评 ， AI效率提升 ， AI行业洞察 。关注我，AI之路不迷路，2025我们继续出发。

几乎不论是什么行业，都有一条通用的“金科玉律”： 越“卷”越强 。

这话放到AI领域，那简直是太对了。

回想2023年，还是OpenAI、ChatGPT“独霸天下”的时代。短短不到两年过去了，国外有“御三家”： Anthropic 的 Claude 3.5 Sonnet ， 谷歌 的 Gemini-Exp-1206 、 Gemini-2.0-Flash ，马斯克的 xAI ， Meta 的 Llama 3.1 405B ，这些AI模型都足以和 GPT-4 分庭抗礼；国内更不用多说，最近各个AI厂商都在紧锣密鼓的发布自家的新模型，包括： DeepSeek 的 DeepSeek-V3 、 DeepSeek-R1 ， MiniMax 的 MiniMax 01 ， 阶跃星辰 的 Step R-mini ， 面壁智能 的 MiniCPM-o 2.6 ， Kimi 的 K 1.5 ，以及字节旗下 豆包 昨天发布的 Doubao-1.5-pro 。

网友直呼：AI界的“春晚”提前来了，好不热闹！

马上要过年了，怎么少得了外国“友人”的祝福。独乐乐不如众乐乐，前方 谷歌 发来贺电。

北美时间1月21日（昨天），就在我们的国产模型 DeepSeek-R1 刷屏海外AI圈的一天后，谷歌不甘示弱的发布了Gemini系列中新一代的 推理模型 ： Gemini-2.0-Flash-Thinking-Exp-01-21 。

划重点，新版本的 Gemini 2.0 Flash Thinking 依旧在 谷歌AI Studio 里向所有用户 免费 提供使用，并且支持 API调用 ，当然也是免费的（会有速率RPM限制）。

插播一句，关于如何使用谷歌AI Studio，看这里： 手把手教你免费使用排名第一的谷歌Gemini模型！

这是AI Studio里 Gemini 2.0 Flash Thinking 的模型卡片，可以看到费用（Pricing）都是0，擅长推理、代码（ 推理模型的强项 ）和多模态理解。速率限制是每账号10 RPM（requests per minute），也就是每分钟可以进行10次对话，每天的上限是1500次，正经人都够了吧！

那么，新版本的 Gemini 2.0 Flash Thinking 有什么特点？

从官方的介绍来看，有这么4点。一是 100万tokens 的上下文窗口。长上下文一直是谷歌Gemini系列模型的强项，目前排名第一的通用模型 Gemini-Exp-1206 上下文长度是200万tokens，你品一品。

二是 代码执行功能 。 Gemini 2.0 Flash Thinking 支持原生代码执行，执行过程是在沙盒里完成的。只需在使用时把 Code execution 工具的开关打开即可。

三是 更长的输出长度 。但谷歌官方并没有明确说明 Gemini 2.0 Flash Thinking 具体的输出长度。从技术文档可以查到，基座模型 Gemini 2.0 Flash 的输出长度为8192 tokens。

四是 减少了模型矛盾 。意思是提高了这个推理模型的可靠性和一致性。（也就是我经常提到的推理模型的“自我怀疑”、“自我否定”）

新模型的发布少不了基准测试对比。

这是 Gemini 2.0 Flash Thinking 的基准测试结果，包括 AIME 2024 （73.3%）和 GPQA Diamond （74.2%）。可以看到这个新模型和前代模型相比 明显的进步 。

以难度非常大的 GPQA Diamond 测试为例， Gemini 2.0 Flash Thinking 的得分（74.2%）应该是介于OpenAI满血版 o1 （75.7%）和 DeepSeek-R1 （71.5%）之间。