Gemini 旨在从一开始就跨越多种模态进行预训练。随后，我们使用额外的多模态数据对其进行微调，以进一步提高其效果。这使 Gemini 能够从最初阶段就流畅地理解和推理各种类型的输入，远远超过几乎所有领域中现有的多模态模型。
- Gemini 1.0拥有复杂的多模态推理能力，有助于理解复杂的书面和视觉信息。这种独特的技能使其能够在庞大的数据集中揭示有洞察力的知识内容。
- 训练有素的 Gemini 1.0 能够同时识别和理解文本、图像、音频等。因此，它擅长理解微妙的信息，并回答与复杂主题相关的问题。这使它特别擅长在数学和物理等复杂主题中进行推理。
- 我们的第一代 Gemini 能够理解、解释和生成世界上最流行的编程语言，如Python、Java、C++和Go。其跨语言功能和处理复杂信息的能力使其成为世界领先的编码基础模型之一。