谷歌发布最新两款Gemini 1.5系列模型，与草莓o1模型对比谁表现更好？

9月25日，Google旗下的Gemini 1.5系列模型迎来了最新版本的发布，分别是Gemini-1.5-Pro-002和Gemini-1.5-Flash-002两款模型。据了解，与之前的版本相比，Gemini-1.5-Pro-002 和 Gemini-1.5-Flash-002在数学、上下文和视觉方面的能力得到了显著提升。

根据官方数据显示，两款模型在MMLU-pro的性能提高了7%，而在MATH和HiddenMath(一个内部保留的竞赛数学问题集)基准测试中，两个模型都分别取得了约20%的改进。还有，在视觉和代码生成用例中，这两个模型的性能也有所提升（范围为2-7%），特别是在评估视觉理解和Python代码生成时。

除此之外，Gemini-1.5-Flash-002速率限制提高到每分钟2,000个请求（RPM），Gemini-1.5-Pro-002的速率限制提高到每分钟1,000个请求（RPM），两个模型的输出速度都提高了2 倍，延迟降低 3 倍。

以下是通过302.AI的模型竞技场对比Gemini-1.5-Pro-002、Gemini-1.5-Flash-002、Gemini-1.5-Pro和Gemini-1.5-Flash四款模型的响应速度，可以看到Gemini-1.5-Pro-002和Gemini-1.5-Flash-002对比旧版本速度方面的确有了提升：

然而，因为中国大陆限制访问Google服务，国内用户无法在官方网站直接访问或使用Gemini-1.5-Pro-002 和 Gemini-1.5-Flash-002，而302.AI已经在聊天机器人和模型竞技场同步更新了Gemini-1.5-Pro-002和Gemini-1.5-Flash-002两款最新模型，且提供按需付费的服务方式，为用户带来了极大的灵活性和便利性：

Gemini-1.5-Pro-002和Gemini-1.5-Flash-002既然在这个时间点发布，就免不了被拿来和OpenAI的草莓模型作比较。接下来，小编就使用302.AI的模型竞技场，对Gemini-1.5-Pro-002、Gemini-1.5-Flash-002和“草莓”模型o1-preview三个模型进行比较，更方便更直观地对比三个模型的回答：

由于“草莓”模型o1-preview还无法处理多模态内容，以下测试将注重在数学、理解、推理能力上。

首先，第一题是热身题，提问：“昨天的当天是明天的哪一天？”热身题题目比较简单，第一题三个模型都是回答正确的：

接下来正式开始测试数学理解能力，提问：“地面上放着20厘米高的砖。我在上面放了一个30厘米高的花盆。花盆里有10厘米深的土，土上面种着5厘米高的幼苗。从地面到苗头的高度是多少厘米?”

以下三个模型的答案中可以看到，只有o1-preview的回答是正确的，正确答案就是35厘米。Gemini-1.5-Pro-002和Gemini-1.5-Flash-002两个模型虽然分析过程稍稍有不同，但给出的答案都是一样的，是错误的。从回答中可以很明显看出两个模型都只是把题目中出现数据进行简单累加，显然没有理解并分析题目的具体情境。

接下来继续提问：“3307是质数吗？”

从三个模型给出的答案中可以看到，Gemini-1.5-Pro-002和Gemini-1.5-Flash-002的回答逐渐有点“胡说八道”，前后的逻辑并不通，提问的是3307是不是质数，Gemini-1.5-Pro-002出的回答解析却是31×107=3317，让人属实觉得莫名其妙；而Gemini-1.5-Flash-002更是，整除的意思是商为整数，且没有余数，但是答案中出现了却分数3/7。只有o1-preview草莓模型给出了正确的解答过程和答案。

进行简单的测试之后，可以得出Gemini-1.5-Pro-002和Gemini-1.5-Flash-002两个模型在数学、理解能力上还有比较大的上升空间，与o1-preview模型对比之下，差距还是比较明显的。

值得一提的是，302.AI的API超市也更新了Gemini-1.5-Pro-002和Gemini-1.5-Flash-002的API，支持在线调试，开发者无需下载额外的软件或进行繁琐的配置，就可以直接在302.AI的平台上对API进行实时测试和调试，而且API分类清晰，开发者能快速找到所需的API，节省了大量的时间和精力：