距离Google Deepmind发布Gemini 2.0差不多整整三个月（Gemini 2.0确立了Google在2025年AI的统治地位）。团队并没有发布新的版本，但是做了几件事情，其中，有三件是值得一提的：
1、发布了开源模型（开放权重）系列的第三个版本，Gemma 3（Google突然发布了开源的Gemma-3，30B左右或许是开源模型的最佳大小）；
2、新发了Gemini 2.0 Flash的新实验版本（Gemini2-Flash-Exp），加入了“逆天”的图文功能；
3、将Deep Research的底层模型升级到Gemini 2.0；
是的，第一个关于Gemma 3的点评如上面的链接，已经在第一天完成了。实事求是讲，它确实是目前最好的开放权重的多模态模型，如今被低估的价值会随着时间推移不断显现出来。
关于第二件，仅仅在今天一天，就有大量的展示出现了，强大的自动图文能力，图像编辑能力。虽然，我知道目前这些功能对于我的场景而言需求不大，但是多图文能力确实是很多创作者梦想的：可以一个简单的提示词让模型自己生成一个故事，自动分镜头，为每个分镜头生成图片，期间不需要人的操作。
我其实用了好几个故事，这里演示一个基于《哪吒》启发的全新故事。下面是交互的截图，展示自动连续输出的能力。
下面，则是复制过来的模型输出。我相信，它可以生成更长的故事和配图，但是因为Google特殊的“内容安全过滤机制”，我在模型生成到第九个分镜时，就因为安全问题“无数遍”重试后也无法“安全的生成”了，其实Google提供了编辑功能，我大概可以通过修改，让工作继续下去。不过我没有“动漫编剧”的天赋，作为能力展示，就到这里吧。
视觉故事：《炎灵与风息》
导语：哪吒的成功启发了我们，这是一个全新的故事，关于两个拥有元素力量的少年，如何打破预言，成为自己的英雄。
第一幕：异象初现，命运交织
场景一：天降异石
镜头 1: 广角，夜空被撕裂，火光陨石坠落边境，形成燃烧的坑洞——炎灵石降临。
镜头 2: 特写，坑洞中央，一块赤红晶石散发着灼热光芒——炎灵石。
镜头 3: 远景，风谷深处，一道青色光柱冲天，形成强烈的气流旋涡——风息石显现。
镜头 4: 特写，旋涡中心，一块翠绿晶石流转着柔和光芒——风息石。
镜头 5: 内景，边境军营，慕容雪诞下婴儿，周身散发微弱火光，凌霄将军忧虑地看着孩子。
镜头 6: 外景，风谷，族人围着襁褓女婴，微风环绕，族长面色凝重。
场景二：力量觉醒
当然，Gemini 2.0 Flash-Exp 还有图像编辑功能，改图能力不错。
在多模态能力加持下的 Gemini 2.0 Flash-Exp，甚至可以全自动的生成微信公众号图文信息，如果平台不采取点措施的话，可能……
第三个更新：Gemini 2.0 支持的 Deep Research。
是的，Deep Research 已经成为我很多工作中非常重要的一个环节。
实事求是讲，在这之前 OpenAI 的 Deep Research 是我认为唯一“可用”的，所以我很期待 Gemini 2.0 加持后的表现。
上午发了一篇关于 Salesforce 的文章，里面涉及到的基础报告的原文中大部分是由 OpenAI 的 Deep Research 生成的，所以，我就用同样的流程和提示词让 Gemini 2 的 Deep Research 也进行了尝试。
从主观评价看，我认为两个模型基本一致，OpenAI 的篇幅更长，内容更多，但是 Gemini 2.0 的搜索的数据源更多，思考过程看起来更完整，最大特点是，引用的数据会更新一点。
（这一点，显然是因为 Gemini 引用了更新的季报财务数据）
是的，这些示例和比较让我更坚定了去年底的结论：Google Deepmind 在 AI 领域展现出来的越来越强的统治力。
其实带来这种“后来居上”格局的最重要原因当然是 Google “大象级”的体量，和巨大的先发优势。
但真正的胜负手是在两条道路的选择上：自研芯片，长上下文支持（一百万到两百万 tokens 的输入支持）。前者可以让 Google 按照自己的节奏做基础准备、训练、发布、应用生产；后者，实际上是生成式 AI 落地里最重要的功能（谁都想要长上下文，但只有跑在自家芯片上的 Gemini 才可以任性）。
当 OpenAI 为了更健康的现金流甚至在考虑推出更高价格（2000 美金？）月度订阅服务的时候，Google 依然可以大大方方的提供高额度的每日最新模型免费调用量；当其他模型公司需要一个个寻找应用点，甚至不惜代价制造爆款时，Google 只需要有条不紊的打通生态就可以了……
对了，这次的图文和图片编辑功能，如果加进三星的 Galaxy AI（我相信只是时间问题）的话，AI 手机就可能真的站住了。
写在最后：整个 2025 年也许就会证明一件事情，最好的模型就是最好的 AI 应用，我们现在看到的“雕花”大概率都是短暂的“昙花”而已。
因为，如果模型还能不断进步，那么模型能力就会覆盖“雕花”；反之，如果模型不再进步了，那么再怎么雕花，也是白费。