谷歌大模型有哪些？全盘点一下

谷歌在大模型领域的布局远比外界想象的更庞大、更系统。除了广为人知的 Gemini，它还有专门面向开发者的 Gemma、用于科学研究的 AlphaFold 系列、以及隐藏在 Google Workspace 和搜索背后的数十个专用模型。如果只把目光放在聊天机器人上，你会错过谷歌真正的野心——一个从底层芯片到终端应用的完整 AI 生态。

一、明星旗舰系列：Gemini（原 Bard 接班人）

这是目前谷歌主推、面向消费者和开发者的多模态大模型。它由 Google DeepMind 团队打造，2023 年底发布，直接对标 OpenAI 的 GPT-4 系列。

核心版本与特点

• Gemini Ultra：最强版本，专为复杂推理、多模态理解设计。在 MMLU（大规模多任务语言理解）基准测试中首次超越人类专家。主要用于 Gemini Advanced 订阅服务。
• Gemini Pro：平衡性能与速度的版本，免费面向公众。支持文本、图像、音频输入，输出文本。目前内置于 Gemini 网页版 和 Google AI Studio 中。
• Gemini Nano：端侧模型，专门为 Pixel 8 Pro 等手机优化，无需联网即可在本地完成录音摘要、智能回复等功能，强调隐私保护。
• Gemini 1.5 Pro：2024 年 2 月推出的重大升级版，最大亮点是 100 万 token 的上下文窗口。你可以直接扔进去整本《三体》三部曲，甚至是一整段长达 1 小时的视频，它都能精准检索细节。

收费情况

• 免费：Gemini Pro 版本可免费使用。
• 付费：Gemini Advanced（采用 Ultra 模型）包含在 Google One AI Premium 计划中，月费约 19.99 美元，附赠 2TB 云存储空间。
• API：开发者通过 Google AI Studio 调用 Gemini API，有免费额度，超出后按 token 计费。

入口链接

消费者版：https://gemini.google.com；开发者版：https://aistudio.google.com

二、开源/轻量级系列：Gemma

很多人不知道，谷歌其实有开源大模型，就是 Gemma。它基于 Gemini 相同的研究和技术，但专为开发者、研究者设计，体积小、可本地部署。

版本与特点

• Gemma 2B 和 7B：参数规模分别为 20 亿和 70 亿，适合在个人电脑、笔记本电脑甚至单张 GPU 上运行。
• CodeGemma：专门针对代码生成和补全优化的变体，适合辅助编程。
• RecurrentGemma：采用循环神经网络架构的变体，推理时内存占用更低，适合长序列任务。

收费情况

完全免费，开源，且允许商用（需遵守 Gemma 使用条款）。可以在 Hugging Face、Kaggle 上直接下载权重。

入口链接

官方主页：https://ai.google.dev/gemma

三、代码与数学专用系列

谷歌针对特定垂直领域训练了专门的模型，这些模型往往在基准测试中屠榜，但公众认知度不高。

AlphaCode 2

• 定位：编程竞赛级代码生成模型。由 DeepMind 开发，是初代 AlphaCode 的升级版。
• 核心能力：在 Codeforces 编程竞赛平台上，其表现超过了 85% 的人类参赛者。它能理解复杂的问题描述、生成多步骤解决方案、并自我测试修正。
• 现状：目前尚未作为独立产品面向大众开放，主要用于研究和技术验证。

Minerva

• 定位：数学推理专用模型。擅长解决定量数学问题，包括微积分、概率论、物理方程等。
• 特点：使用 LaTeX 和自然语言混合输入，能输出带步骤的解题过程。已被集成到 Google Search 的“数学解答”功能中。

四、科学领域核武器：AlphaFold 系列

这是谷歌在 AI 领域最具影响力的产品之一，虽然它不写诗、不聊天，但拯救生命。由 DeepMind 开发。

AlphaFold 2 & AlphaFold 3

• AlphaFold 2：2020 年发布，解决了生物学 50 年难题——蛋白质结构预测。它可以根据氨基酸序列，高精度预测蛋白质的三维结构。
• AlphaFold 3：2024 年发布，从蛋白质扩展到几乎所有生命分子。它可以预测蛋白质、DNA、RNA 以及小分子药物之间的相互作用。
• 收费：AlphaFold 数据库对全球科研人员 免费开放。谷歌通过 AlphaFold Server 提供免费在线预测服务。

入口链接

AlphaFold 数据库：https://alphafold.ebi.ac.uk；AlphaFold Server：https://alphafoldserver.com

五、多模态与图像生成：Imagen 系列

谷歌的图像生成模型，目前主要作为技术储备和内部工具，尚未像 Midjourney 那样大规模开放。

Imagen 2 & Imagen 3

• 定位：文本到图像生成，强调照片级真实感和精准的文本理解。
• 特点：Imagen 2 被集成在 Google Cloud Vertex AI 中，供企业客户使用。Imagen 3 据说在图像质量、细节和光影处理上远超 DALL-E 3。
• 现状：普通用户无法直接使用 Imagen，但可以通过 Google 的 ImageFX 实验平台体验其部分能力。

入口链接

ImageFX 体验：https://aitestkitchen.withgoogle.com/tools/image-fx

六、音频与音乐：MusicLM & AudioLM

谷歌在音频生成领域的探索，虽然不如 Suno 火，但技术底蕴深厚。

• MusicLM：根据文字描述生成 10 秒到 2 分钟的音乐片段。支持“一段钢琴独奏，带有爵士风格”这类提示，能生成高保真音频。
• AudioLM：不仅能生成音乐，还能生成语音、环境音（如雨声、打字声）。它学习的是音频的“语义”和“声学”特征。
• 现状：目前以研究论文和演示页面为主，尚未作为独立产品发布。部分功能已集成到 Google 的“AI 音乐”实验中。

七、搜索与工作场景：嵌入的“隐形”模型

这些模型没有独立的品牌名称，但你在使用时正被它们驱动。

• MUM（多任务统一模型）：驱动 Google 搜索的底层模型之一。它能理解 75 种语言，并跨文本、图像、视频理解复杂查询。例如，搜索“我去年在富士山脚下穿的那双红色登山鞋”，MUM 能理解你的意图。
• PaLM 2：虽然名义上被 Gemini 取代，但 PaLM 2 的变体仍运行在 Google Workspace 的“帮我写”功能、Gmail 智能回复中。
• BERT / LaMDA：早期奠基性模型。BERT 至今仍是 Google 搜索排名算法的重要组成部分；LaMDA 则是早期 Bard 的基础。

八、硬件底座：TPU（张量处理单元）

虽然 TPU 不是大模型，但它是所有谷歌大模型运行的基石。最新一代 TPU v5p 专为训练超大模型设计，能提供 459 TFLOPS 的算力。谷歌通过 Cloud TPU 向开发者出租算力，形成从芯片到模型到应用的闭环。

总结对比

相关问题

• Gemini 和 ChatGPT 到底哪个更强？ 各有胜负。Gemini 在长上下文（100 万 token）和多模态原生理解上领先，ChatGPT 在插件生态和代码执行方面更成熟。实际使用建议都试试，看哪个更符合你的工作流。
• 谷歌有类似 GPT-4o 的“全模态”模型吗？ 有，Gemini 本身就是原生多模态的，它从一开始就训练文本、图像、音频、视频和代码。而 GPT-4o 是后来才融合的。
• 谷歌开源模型 Gemma 能商用吗？ 可以，但需遵守其使用条款。它采用自定义许可证，对月活用户数有限制，超过一定规模需向谷歌申请授权。
• 普通人现在能体验到 AlphaFold 吗？ 可以，通过 AlphaFold Server 网页版，输入蛋白质序列即可在线预测结构，完全免费，无需科学背景。
• 谷歌大模型在中国大陆能用吗？ 大部分官方服务（如 Gemini 网页版）目前受网络限制，无法直接访问。但开源模型 Gemma 可以自由下载使用，AlphaFold 数据库在中国科研机构中也有广泛使用。