今天真是AI圈久違了的熱鬧一天啊！昨天剛被奧特曼發的那篇AI小作文搞得一頭霧水，現在他這波操作的意圖就呼之欲出了。奧特曼想臨門狙擊的正是宿敵Google，更確切地說，是Google今天剛更新的兩款升級版Gemini模型：Gemini-1.5-Pro-002和Gemini-1.5-Flash-002。狙擊方式簡單粗暴：直接宣布萬眾期待的GPT語音功能今天正式開放。

兩個小時不到，就雙詠搶走了Google好不容易的高光時刻。我要是Google我得氣吐血吧。

GPT高階語音來了，會50多種語言

OpenAI稱，ChatGPT的高級語音模式（Advanced Voice Mode）將在本週內逐步向所有Plus和團隊用戶推出。

在人們耐心等待的同時，團隊完善了部分功能，包括新增自訂指令、記憶功能、5種新聲音，並改進了口音。

由於實在被大家念叨了太久，OpenAI特別表示了一下：“它能用50多種語言說出’抱歉，我遲到了’。”

並且放了一個從英文切換到普通話的示例：“奶奶對不起，我遲到了。我不是故意讓您等這麼久的，我可以怎麼補償您呢？”

——好傢伙，這一下子都當上GPT的奶奶輩了，硬逼我原諒你啊。

影片中可以看到，語音模式現在以一個跳動的藍色球體表示，而不是OpenAI在5月​​展示技術時使用的黑色動畫點。

當獲得存取權限時，應用程式內會彈出一個提示。先是對Plus和Teams層級用戶開通，下週起擴展到企業和教育用戶。

ChatGPT還增加了五種新語音以供體驗：Arbor、Maple、Sol、Spruce和Vale。至此，加上先前的Breeze、Juniper、Cove和Ember，ChatGPT的語音總數已達到了9種（Google的Gemini Live語音數量為10種）。

也許你也注意到了，這些名字都是從大自然中汲取靈感的，從“楓樹”、“微風”到“太陽”、“山谷”，也許是為了讓使用感覺更加自然。一個缺席的聲音是Sky，也是OpenAI在春季發布會時展示的語音，因涉及與電影《Her》主演斯嘉麗·約翰遜的法律爭議而下架。

OpenAI也將ChatGPT的一些客製化功能擴展到了高級語音模式，包括允許用戶個性化回應的「自訂指令」功能，以及讓ChatGPT記住對話以供日後參考的記憶功能。

例如下面影片裡，在系統設定的自訂ChatGPT選單中，輸入「我的名字是夏洛特，我住在舊金山灣區。」再問週末戶外活動時，GPT就會以夏洛特稱呼用戶，提供符合本地天氣和交通的建議。

OpenAI稱團隊改進了部分外語中的反應速度、流暢性以及口音。語音會根據對話語氣調整，你可以創造場景，提示它扮演不同的角色。聲音延遲非常低，理解力也更強，真的像是和另一個人自然對話。

不過OpenAI四個月前展示過的影片和螢幕分享功能此次並未更新。當時工作人員向GPT詢問紙上的數學題和電腦螢幕上的程式碼，透過自然語音對話獲得了即時解答。目前，OpenAI尚未提供這項多模態功能的推出時間表。

此外高級語音模式也暫時不對歐盟、英國、瑞士、冰島、挪威和列支敦士登等地區開放。

儘管如此，終於能親自上手OpenAI版的“her”，對已經混AI圈混到審美疲勞的人們來說，確實算一件值得興奮的事了。加上才製造了一波熱潮的o1-preview，OpenAI又妥妥硬控業界一週。

這項激動也把大夥兒整地間歇性失憶了：

話說Google今天是發了個啥來著？

Gemini 1.5 升級兩款新模型，價格減半，速率提升

Google這次的更新其實也很重磅，至少對開發者來說。

根據Google Blog，這次他們更新了兩款生產級Gemini車型：Gemini-1.5-Pro-002 和Gemini-1.5-Flash-002。所謂“生產級”，是指AI模型經過了充分的開發、測試和優化，已準備好商業化部署，能處理大量用戶請求、應用於產品服務中，而不僅僅是用於實驗或研究。

作為今年5月I/O大會亮相的Gemini 1.5系列車型的重大升級，新車型更快、更強大，也更具成本效益。

主要亮點概括為：

1. 價格大幅降低：1.5 Pro的輸入和輸出價格下降約50%，大幅降低了建置成本，尤其是小於128K token的提示。

2. 整體品質改進：尤其在數學、程式碼產生、長文字情境和視覺任務上的表現提升顯著，包括在MATH、HiddenMath等基準測試中提高約20%，視覺和程式碼應用提高2%-7%。

3. 速率限制提高：1.5 Flash和1.5 Pro的速率限制分別從每分鐘1000RPM（Requests Per Minute）和360RPM提高至每分鐘2000 RPM和1000 RPM，使開發者能夠更快建置和處理任務。

4. 更快輸出與更低延遲：輸出速度提升2倍，延遲降低3倍，為更有效率的應用場景提供支援。

5. 更簡潔的回應：回應風格更簡潔、成本更低，輸出長度縮短5%-20%，同時在許多主題上減少了拒絕和迴避的次數，並保持高有用性。

6. 多模態和長上下文支援：1.5 Pro的200萬token長上下文視窗支援處理長文本和多模態任務，如1000頁PDF或長視訊的內容生成。

7. 更新的過濾設定：模型的預設安全過濾器不再自動套用，開發者可以根據需要自訂模型的安全設定。

開發者可以透過Google AI Studio和Gemini API免費存取這兩個最新模型。大型組織和Google Cloud客戶也可在Vertex AI上使用新模型。

籠罩在GPT陰影下的Gemini

但在同儕對比下，不少一般使用者對Google這次動作表達了失望，覺得這甚至不算是真正意義的「發布」。

Abacus.AI CEO、知名部落客Bindu Reddy說，「唉，OpenAI發布了通過智商測試的o1，而Google只是對Gemini 1.5進行了一些小更新。他們擁有100倍的資源、10倍的人才和10倍的所有東西，怎麼會這樣呢？

儘管開發者中還是有些人為Google說話，例如Reddit討論區就有網友表示：

「對於那些實際在建立應用程式並試圖降低成本、增加利潤的人來說，這些都是有用的東西。我正在做的應用程式有一個每次操作的固定成本，由token長度決定，這讓我的利潤提高了大約30%以上。

價格對半砍、速率提升、延遲降低，這些確實正中開發者下懷。但正如大家所說，吸引力也許僅限於開發者群體了。

甚至連一些開發者也嗤之以鼻：「我沒看到跟Claude或o1的比較，而我們馬上就要迎來下一代OpenAI和Anthropic模型。DeepMind其實擁有遠超目前的模型，但他們在走直接面向企業的路線，繞過了大眾。

Google對於模型的糟糕命名也被網友群嘲，認為其冗長且易混淆。

The Information近期發布了一篇名為《Why AI Developers Are Skipping Google’s Gemini》的文章。其中透過對多位AI公司創始人和Google內部員工的採訪，講述了Gemini如何被開發者“拋棄”，在追趕ChatGPT時遇到的阻滯和困境。

例如，相較於競爭對手的技術，呼叫Gemini對於開發者和企業來說過於複雜。 Topology創辦人Aidan McLaughlin表示，他第一次使用OpenAI的API僅花了30秒，使用Gemini花了4個小時。同時Google的大模型效能卻排在OpenAI和Anthropic之後，並不值得他跨越這些障礙。

相較於ChatGPT，Gemini在開發者中的不受歡迎似乎是現實世界公開的秘密。

企業軟體新創公司Retool在6月針對750多位科技員工進行的調查發現，僅有2.6%的受訪者表示他們最常使用Gemini來建立AI應用，超過76%的人選擇使用GPT。

Similarweb追蹤的網站流量資料顯示，6月至8月期間，OpenAI的應用程式開發者頁面瀏覽量達8,280萬次，而Google的頁面瀏覽量為840萬次。

較小的非正式調查也提供了類似的證據。上月底，Finetune的創辦人Julian Saks向他在舊金山共同工作空間的50位AI新創公司開發者詢問他們最常使用的對話式AI模型。幾乎所有人都表示，他們主要使用的是Anthropic或OpenAI的模型，沒有人提起Gemini。

儘管Gemini模型在分析長文件或長程式庫時非常有用，但許多開發者表示，Google的模型選項種類繁多，步驟複雜，開發者係統也與OpenAI的不同，更難使用。而且有時，Google提供的不同服務還會在它自己的搜尋結果中互相競爭，使得人們在試圖搞清楚這些工具時很容易被「絆住」。

Gemini因此常在X上被嘲笑。安全新創公司Xbow的AI研究員Brendan Dolan-Gavitt本月稍早發了一條推文，詳細介紹了他透過Vertex開始使用Gemini所需的眾多步驟，迅速走紅。其他開發者紛紛評論區表示同情。

在一個「世界上領先的工程師都在使用OpenAI、Claude或Cursor」的環境中，開發者確實沒有必要再去嘗試其它。而反過來說，使用量的走低又無法讓Gemini獲得ChatGPT一樣多的數據回饋，致使Google在改進模型上會面臨更模糊的路線圖。

失望是因為人們對Google期待很高

Google正試圖改變這種看法，包括透過在X上回應對Gemini的批評，將更多OpenAI等公司的明星技術專家納入麾下、將部分重疊的開發功能合併等。他們也透過舉辦開發者活動來宣傳Gemini。

今天與Gemini-1.5-Pro-002推出同步進行的，還有一場Gemini for Work的線上活動，Google花了大量篇幅宣講Gemini目前在Best Buy、Snap、UPS Capital、Wayfair等公司的應用案例。 據悉，他們正試圖透過提供一定程度的「白手套」服務來拉攏更多大企業客戶。

只是在根深蒂固的市佔率面前，Google的反擊之路可能沒那麼好走。

AI Studio的產品負責人Logan Kilpatrick今年4月加入前曾於OpenAI負責開發者關係，他表示：「實際情況是，OpenAI在LLM API開發者工具方面領先於Google。我們必須與他們目前在開發者中根深蒂固的市場佔有率作鬥爭。

稍早前AI圈知名部落客Rowan Cheung曾預告，自己完成了一個關於AI模型重大升級的採訪，今天開發者們將迎來一個大日子。

那篇推文下面，Logan Kilpatrick的笑臉字元表情在一大片「怎麼不是Claude Opus 3.5」的遺憾聲中略顯尷尬。

保守、爭議、落後是今天Google這位AI巨頭對社區的刻板印象。 Gemini-1.5-Pro-002的推出似乎也未打破這項僵局。

人們對這家公司的失望，都是來自對它的期待很高：這麼強的實力和人才儲備，卻無法給世界更多的「替代」OpenAI的選項，誰會感到遺憾。