OpenAI甚至为了狙击Google，在人发布会开始几分钟后，发了一个Blog，就这么个破Blog，还让他们的AI草莓哥当谜语人预告了两天。

　　现在的OpenAI，真的跟狼来了一样，我对他已经没有任何期待和信任可言了。每次就差那两个脏话骂出来了！

　　目前它们已经支持200多个国家和地区的45种语言，它可以在数十个设备制造商的数百个手机型号上使用，全球数十亿台设备上得到支持。

　　作为多模态AI，图像拍摄识别似乎被卷成必须有的功能了。最能考验照片识别能力的，就是拍摄说明书、日程表这类信息密集的内容——既要识别图像，还得看得懂文本内容给出答案。

　　演示的小哥拍摄了一张纸质音乐会海报，上面巡演的日程安排。演示者让Gemini查看自己的计划，选择可以去看Sabrina Carpenter演出的时间。

　　Gemini前两次拍照都很不给面子地现场演示失败，隔着太平洋我都感觉现场尬住了，还是两次。。。= =

　　Gemini直接给出了很具体的日期：Sabrina会在2024年11月9日到达旧金山，并且这一天演示者没有其他安排，可以去看演出。

　　比如晚上观看油管上美食视频后，都不用你挨个识图，自动生成视频中出现的食物清单，并添加到用户的个人待尝试列表中。

　　你也可以要求gemini制作一个“适合在首尔散步的韩国流行音乐播放列表”，它能根据用户描述的场景、情绪或活动类型推荐合适的音乐。

　　Google推出了类似于GPT4o的可以随时打断的实时对话功能，他们称为Gemini Live。

　　演示的小姐姐跟Gemini Live聊了半天，音色效果不错，延迟也足够低，但是其实看着就是一个低延迟的TTS，而不是GPT4o那种原生的多模态大模型。

　　因为没有任何情绪理解和表达的演示，按照Google的尿性，真要是有他们一定会疯狂展示的，另外在一些长一点的回答上，还是能明显的感觉到延时。

　　目前得Gemini Advanced订阅用户才能用，一个月20美刀，立刻上线 是首款搭载多模态 Gemini Nano 的手机。

　　这是迄今为止在手机上发布的功能最强大的设备端 AI 模型，比之前在 Pixel 8 Pro 上用的 AI 强大了三倍。

　　现在，Pixel的“通话助手”变得更强大了，增加了“Call Notes”功能。在你打完电话后，它会为你提供一个完全私密的通话总结。这样即使你在通话时没有纸笔，也能轻松获取电话号码、时间、细节和其他你不想忘记的信息。

　　有个大家都熟悉的场景：你在手机上看到一些想记住的东西用谷歌框架算翻墙嘛，也许你会在脑海中记下来，或者截图保存。但通常，你要么忘记了要记的东西，要么在需要的时候找不到。

　　比如，你可以在与Gemini对话时共享你的相机，这样你可以直接展示自己在微积分作业中遇到的问题，或者寻求下一步家具组装的帮助。

　　在AI方面，跟硬件的结合，还是蛮有意思的，Gemini Live至少不是期货，今天就可以用。