谷歌发布Gemini1.5，最长100万上下文token

Google发布的多模态人工智能模型Gemini 1.5，在长上下文理解、运算效率和多模态输入方面取得了显著进展。该模型可支持长达1小时的视频、11小时的音频文件、30k行代码和700k多的文字的一次性输入，为人工智能应用提供了更广泛的可能性。

多模态输入：Gemini 1.5支持文字和图片输入，甚至可以处理长达1小时的视频和11小时的音频文件。

长上下文理解：模型可以处理多达100万个tokens的上下文窗口，实现了迄今为止任何大型基础模型中最长的上下文窗口。

高效运算：通过Sparsely-Gated MoE, GShard-Transformer, Switch-Transformer, M4等研究，极大地提高了模型的运算效率。

应用场景广泛：模型可用于电影、电视剧制作，代码开发和文学讨论等多个领域。