Google Next 2024上周放出了不少狠货，这次 Open AI 没能够压下去热度。
首先是 Gemini Pro 1.5 进行了一大波升级，并且所有人都可以使用了。
详细更新内容有:
Gemini现在可以理解音频内容:Gemini 不仅能理解多达9.5小时的音频内容，还能感知你话语中的语调和情感。甚至可以听到背景音。
能处理无限量的文件:现在几乎可以上传无限数量的文件(包括图片、视频帧和音频)让Gemini处理
函数调用和系统指令的进一步改进:可以选择模式来限制模型的输出，提高可靠性。选择文本、函数调用或仅函数本身，
推出了JSON模式:指示模型仅输出 JSON 对象。此模式可从文本或图像中提取结构化数据
具有改进性能的新嵌入模型:新模型 text-embedding-004在 MTEB 基准测试中实现了更强的检索性能，并超越了具有相似维度的现有模型，
详细的更新公告在这里:https://developers.googleblog.com/2024/04/gemini-15-pro-in-public-preview-with-new-features.html
Google的 Imagen 2 图像生成模型现在已经可以通过文本生成4秒的视频。
https://cloud.google.com/blog/products/ai-machine-learning/google-cloud-gemini-image-2-and-mlops-updates
还开源了一个基于 Gemma 的系列模型 CodeGemma。
CodeGemma 7B模型在数学推理方面的能力出众，代码生成能力很强。经过指令调优的CodeGemma 7B模型，在Python编程方面表现更为强大。
技术报告地址:https://storage.googleapis.com/deepmind-media/gemma/codegemma_report.pdf
其他动态 ◆
Open AI 发布了 GPT-4 Tubro 模型正式版，推理能力和代码能力很强。
SDXL 的 Tile 模型 2.0 发布了演示的效果非常强，可以用在图片内容修改和放大上。
Cohere 还发布了一个专门为了RAG设计的 基础模型 Rerank 3 。
Meta 正在印度和非洲部分地区的 WhatsApp、Instagram 和 Messenger 用户中 测试 Meta AI 。
Claude 3 0pus 已经可以在 谷歌 Vertex AI 上使用。
Command R+ 模型专门为了东亚语系做了优化，他们的 技术报告。