在AI的世界里，谷歌一直像是那个憋着大招的“学霸”，虽然之前在大模型的风潮中似乎慢了半拍，但最近它直接祭出了“全家桶”，把大家惊得目瞪口呆！开源模型、AI文生图、机器人AI模型……每一项都像是在说：“看我的厉害！”这篇文章就是这场AI盛宴的“菜单”，带你一探谷歌到底有多“杀疯”！

对于Google来说，作为Transformer等核心技术的发明者，在“AI 4巨头”的讨论中没有它，是一件很尴尬的事情。

这让其一直憋着一口气，决心证明自己。最近Google的系列更新就颇具看点：

“发布开源模型 Gemma 3，性能超越DeepSeek V3、o3mini为全球第二强开源模型，但是模型大小仅为7B。发布Gemini 2.0 Flash Experimental，动动嘴就能PS的AI文生图产品。不仅如此，对指令理解也相当到位，能连续生成一致性图片，并评为AI生图的GPT时刻，这几天在推特传疯了。Deep Research开放免费使用，背后是2.0 Flash Thinking Experimental 提升推理能力并扩展上下文窗口。还有新一代 机器人 AI 模型Gemini Robotics ，对物理世界更懂了。”

国外有网友评价Google这次更新，是几乎每项到了最佳：

到底有没有这么强呢，鲸哥认为是大差不差，有惊喜，也有吹嘘。

先说这次最被热议的更新—Gemini 2.0 Flash Experimental。 原生图像生成功能上线，说话就能PS照片的梦想实现。通过聊天任意编辑图像的局部或者全部，有点类似Adobe firefly 版本。

我们用英伟达CEO黄仁勋此前发布会的图片，来试试是否可以随意PS。

我们先要求换背景，让黄仁勋在直播间中带货。这个难度不大，是不是抠图也不好说。

“321上链接”，5090显卡刀法精准，直接卖爆了，我们让黄仁勋开心地笑起来。看得出来表情有些崩，但整体还是做到了AI改变人物表情。

再要求把脸从黄仁勋换成马斯克，这个挺顺畅完成了，马斯克的脸部还挺逼真，表情也比较自然。一个小细节，摄像机上手机屏幕中的人物也跟着换成了马斯克。

还有一个这两天大家很爱玩的功能，就是这个合成图片的功能，熊的视角略微有一些转向，但是合成图片中还原的还不错。

很多人会质疑这个功能有什么用，国外有小伙，利用gemini-2.0 新推出的图片编辑 API，连夜肝了个工具，实现白底图到产品实拍图的批量自动化生成。

他是这样评价这个产品：“效果炸裂，特别是对产品的特征保留的很好，相比 ComfyUI 工作流调个半死，这不强多了。”

当然它还能给线稿上色，鲸哥生成了“猿力崛起”类似的图片。生成效果确实还没有Midjourney强，但是能力很连贯，这是生成式AI的体现，这是预言挑战画家的颠覆性一步。

Gemini-2.0不仅改图能力强，还能生成连续性的图片故事集，效果也不错。以下是鲸哥测试的成果。

“生成一个关于爆炒羊杂教程系列图片。对于每个场景，生成一个图像和一段介绍文字。”Google生成的教程显示有点长，我在排版时用SVG动画显示了，大家点击下方即可查看。羊杂切碎，调好备料最关键是羊杂焯水·

羊杂切碎，调好备料最关键是羊杂焯水放油，先炒调料再加入羊杂爆炒·

放油，先炒调料再加入羊杂爆炒放入蔬菜，炒至断生加入勾芡，炒熟装盘·

放入蔬菜，炒至断生加入勾芡，炒熟装盘

感谢Google，终于知道中午做的爆炒羊杂为啥不好吃了，原来没有先把羊杂焯水（直男落泪）。

此前的 2 月，Google Veo 2 已通过 Freepik 发布了图像转视频功能，现在与2.0 Flash有很好的结合了。

这个视频是JP博主制作，用一张AI生成的美女和商品图结合，先是生成了带货图片，然后转成了视频，神奇的是视频中饮料的商标都没有变，目前在推特上很火。

最后再讲一个很有用的东西，应该比以上视觉工具更加落地。

是不是大家仍没有Manus邀请码，感觉也不用苦苦等待了。Google deep Research 现在可以免费使用，由 2.0 Flash Thinking模型提供支持，而且可以展示研究过程（chain of research），甚至支持链接你的搜索记录对 Gemini 进行个性化设置。

这是我做的“中国视频类科技商业博主起号及爆款”研究专题，要求生成30页以内的PPT报告。

还能根据这份报告继续提问，我问了下最适合普通人学习的博主是谁，回答结果如下，额，不知道大家怎么看这个结果。

Deep Research能罗列Researching websites，这样你可以清楚看到引用的哪些网站内容，靠不靠谱。同时这也是Google deep Research 的优势，搜索内容的广度上要比OpenAI 大很多，甚至能索引 YouTube 内容。

最重要的是，它输入框底下有行字，“Gemini can make mistakes, so double-check it”，避免出错进行了双倍检查。这就极大避免了幻觉率，确保提供的信息，一定范围内的准确性。

当然问题也有，就是这个产品不太Agent，让生成PPT最终没有生成，估计是因为调用不了其他工具。我体验导出报告，调用Chrome文档也不流畅。以后使用MCP协议估计效果会更好。

在基础语言模型方面，最大的更新是发布最新开源模型 Gemma 3 。

最大仅为27B，性能超越DeepSeek V3、o3mini，为全球第二强开源模型，仅次于DeepSeek R1，但是模型小很多，达到差不多的性能。

其他几个模型分别为 1B、4B、12B 和 27B，微型模型意味着可在手机、电脑上跑。

虽然模型小，但是各方面能力都具备。比如增强文本和视觉能力，可理解文本、图片、短视频。 支持128K上下文窗口 ，支持函数调用，支持AI 代理开发，自动执行任务。

不仅是通用LLM模型更新，Google还在具身智能领域做了很大的改进。

Google DeepMind 推出基于 Gemini 2.0 研发的新一代

机器人 AI 模型Gemini Robotics 。

首先是具备泛化能力：Gemini Robotics利用Gemini 2.0的世界理解能力，机器人能够处理未见过的新物体、新指令和新环境，甚至完成训练中未见过的新任务。

在综合泛化基准测试中，Gemini Robotics的性能比其他最先进的VLA模型高出一倍以上。

例如，它能完成未训练过的任务，如扣篮一个新篮球。-

其次是交互性：它能理解日常语言指令（包括不同语言），并快速响应环境或指令的变化。例如，当物体被移动时，它能迅速重新规划行动路径，无需额外输入即可继续任务。

然后还具有灵活性与灵巧性：通过多模态推理（结合视觉、语言和动作），机器人能精确操控物体，完成多步骤任务。支持执行需要精细动作的复杂任务，如折叠纸鹤、将零食装进拉链袋或轻柔放置眼镜。

要知道，一开始，Google在大模型这波生成式AI浪潮中确实落后了。通过这两年的蛰伏，Google还是证明了其技术储备，完成了一场AI逆袭。