27億刀天價員工首個成果Google版推理模型算出最難高考數學題
Google版o1震撼登場，一誕生直接屠榜了Chatbot Arena，橫掃所有類別。複雜數學、物理、程式碼難題都能解決，思考速度快如閃電。更勁爆的是，此模型似乎是谷歌天價請回沙哥Noam Shazeer後，他的第一個成果，27億美元花得值了。
OpenAI十二天直播，殺瘋了的竟然是Google。
就在深夜，「Google版o1」Gemini 2.0 Flash Thinking突然發布。
跟o1的策略類似，它同樣是將更多計算能力投入「推理時計算」──也就是模型實際解決問題的時長。
但不一樣的是，Flash Thinking能清楚地展現思考過程。
一發布，它就直接屠榜Chatbot Arena。
從戰績來看，新模型在總榜排名第一，數學榜第一，創意寫作第一，Hard Promt第一，視覺榜單第一！
舉一個比較複雜的機率問題的例子。
如果一直擲硬幣，直到得到“正正正”或“正反正”，得到其中一個的幾率和另一個的幾率之比是多少？
這種水平的機率題，絕大多數LLM都會折戟。
但模型展現出了詳細完備的思考過程，並行雲流水般地在34.7秒內就給出了最終答案——2:3。
點擊“展開查看模型思維”，即可觀察推理過程
現在，Gemini 2.0 Flash Thinking已經在Google AI Studio和Vertex AI中上線了，開發者可以去免費測試。
對此，網友紛紛表示，明明是OpenAI的聖誕特別活動，怎麼發出炸裂成果的全是Google？
現在都是Google每天欺負OpenAI
Google版o1徹底殺瘋了，全是第一
在LLM競技場上，Gemini 2.0 Flash Thinking連同Gemini-Exp-1206一起，「橫掃所有類別，榮登榜首」。
無論是複雜提示、程式碼、數學、創意寫作、指示跟隨、長QA等等。
不過，這些排名並未包含OpenAI的完整o1模型。
但無論如何，Flash Thinking打了相當漂亮的一仗。
這個模型，大機率就是Google對打OpenAI o1系列的武器，而且，它很可能不是最強版本，或許還有Pro或Ultra Thinking的存在。
根據外媒THE DECODER報道，Flash Thinking似乎是著名AI研究員Noam Shazeer進入Google後的首個工作成果。
Shazeer是著名論文「Attention is All You Need」的作者之一
在80百分位的情況下，Flash Thinking的反應速度幾乎是o1-mini的2倍！
例如下面這題，OpenAI的o1和o1 Pro分別花了102秒和138秒，而Gemini 2.0 Flash Thinking只花了14秒。
一舉沖頂成為最強理科生，最難高考題也不在話下
有人試著把號稱「史上最難」的高考數學題目丟給Flash Thinking，它居然也給了精確的答案。
這種表現，震驚了所有網友。
要知道，這題連o1都做不出來。
而且更厲害的是，這題是中文題。
能做出數學高考題的含金量，不用詳細解釋了。
畢竟，中國的高考可是被Erudera評為地球上最難的考試。
而在Chatbot Arena的數學領域中，Flash Thinking對比Flash同樣也有顯著性進步。
在物理方面，可以來看看下面這個演示，Flash Thinking展示了是如何解決物理問題並闡明其推理過程。
示範中的題目為：一個電子被限制在一個一維無限深度阱中，位勢阱壁位於x=- 0.15nm和x=+0.15nm處。求出電子在勢阱中能階躍遷時所發射的四種最長波長的光子。
Flash Thinking首先會將問題本身複述清晰，接著就開始進行逐步思考問題的求解步驟。
經過16.9s的計算分析後，Flash Thinking給出了最終答案，為98.9nm，59.3nm，42.4nm ，37.1nm。
下面這個演示，則展示了Flash Thinking如何處理涉及視覺和文字線索的挑戰性難題。
演示中用戶首先上傳了一張有四個台球的圖片，並提出要求“我怎麼能使用這其中的三個數字使其總和為30？”
在這個演示中，有一個很有趣的地方就在於中間第二個台球既可以識別為9，也可以顛倒一下，識別為6。
Flash Thinking在首次嘗試中先是將其識別為正常觀察值的9，但是發現並不能實現問題的求解。
於是，他很聰明的做出了一個判斷：「在題目中並沒有清楚的說明每個數字只能出現一次」。
於是它開始嘗試將數字重複利用，但是還是無法實現問題的求解。
接著，有趣的地方便來了，它出奇地想到了可以把9識別為顛倒的6，這說明它成功地察覺到了這不僅僅只是一個數字遊戲，而是實際上可以翻滾的台球。
最後得到了問題的正確答案：利用11、13、6三個數字即可實現總和為30。
整個思考過程清清楚楚，一目了然。
從解題過程中可以看出，Gemini 2.0 Flash Thinking不僅能夠實現處理多模態訊息，在求解實際的問題方面，它不再是曾經的大模型那種較為機械死板的智能水平，而是像人一樣能夠學會多視角地變通看待問題，最終靈活地得到問題的解決方案。
GoogleDeepMind研究者讓Thinking模型嘗試用不同方法，求解普特南2024的一到數學題，然後自我驗證答案是否正確。
35.9秒內，模型給了答案。
網友實測
手快的網友們，已經紛紛甩給了Gemini 2.0 Flash Thinking一堆難題。
網友給的題目，難度都不小。
例如這道數列問題，要求寫出一個數列的前六個數字，其中每個數字都是前一個數字的三倍，而第一個數字是2。
最終，模型給出了正確答案——E。
這位網友實測後發現，新模型的推理能力實在強大，不光破解了單字網格難題，甚至連複雜的經濟學問題都做得出來。
設想太陽能和模組化核反應器的廣泛應用帶來了巨大的能源供應，從經濟學的角度深入思考未來十年可能出現的經濟變化。請詳盡地分析可能產生的影響。
模型給出的答案是：通貨膨脹率會下降，經濟環境會發生重大變化。
結論：變革的十年如果太陽能和模組化核反應器（SMR）電力的充足性和可負擔性得以實現，未來十年將見證一場深刻的經濟變革。我們可以預期通貨膨脹率下降，經濟環境會發生重大變化。
Hallid.ai聯創indigo給了它一道填數題，Thinking只需要20秒就做出來了。
而且給了正確答案。
相較之下，o1就花了40秒，而且還錯了。
不過，不知道是不是測試版的原因，Flash Thinking能不能數清楚「草莓」裡的r，似乎完全取決於你給了啥prompt…
相較之下，我們在本地跑的QWQ，可以輕鬆解決這個問題。
參考資料：
https://the-decoder.com/googles-gemini-2-0-flash-thinking-is-googles-answer-to-openais-o1