27亿刀天价员工首个成果，谷歌版o1算出最难高考数学题！物理代码难题闪电秒解

新智元报道
编辑：编辑部 HYZh
【新智元导读】谷歌版o1震撼登场，一诞生直接屠榜了Chatbot Arena，横扫所有类别。复杂数学、物理、代码难题都能解决，思考速度快如闪电。更劲爆的是，此模型似乎是谷歌天价请回沙哥Noam Shazeer后，他的首个成果，27亿美元花得值了。
OpenAI十二天直播，杀疯了的竟然是谷歌。
就在深夜，「谷歌版o1」Gemini 2.0 Flash Thinking突然发布。
跟o1的策略类似，它同样是将更多计算能力投入「推理时计算」——即模型实际解决问题的时长。
但不一样的是，Flash Thinking能清晰地展示思考过程。


一经发布，它就直接屠榜Chatbot Arena。
从战绩来看，新模型在总榜位列第一，数学榜单第一，创意写作第一，Hard Promt第一，视觉榜单第一！


举一个比较复杂的概率问题的例子。
如果一直掷硬币，直到得到「正正正」或「正反正」，得到其中一个的几率和另一个的几率之比是多少？
这种水平的概率题，绝大多数LLM都会折戟。
但模型展示出了详细完备的思考过程，并行云流水般地在34.7秒内就给出了最终答案——2:3。


点击「展开查看模型思维」，即可观察推理过程
现在，Gemini 2.0 Flash Thinking已经在Google AI Studio和Vertex AI中上线了，开发者可以去免费测试。


对此，网友纷纷表示，明明是OpenAI的圣诞特别活动，怎么发出炸裂成果的全是谷歌？






现在都是谷歌每天欺负OpenAI
谷歌版o1彻底杀疯了，全是第一
在LLM竞技场上，Gemini 2.0 Flash Thinking连同Gemini-Exp-1206一起，「横扫所有类别，荣登榜首」。
无论是复杂提示、代码、数学、创意写作、指令跟随、长QA等等。


不过，这些排名并未包含OpenAI的完整o1模型。
但无论如何，Flash Thinking打了相当漂亮的一仗。
这个模型，大概率就是谷歌对打OpenAI o1系列的武器，而且，它很可能不是最强版本，或许还有Pro或Ultra Thinking的存在。
据外媒THE DECODER报道，Flash Thinking似乎是著名AI研究员Noam Shazeer进入谷歌后的首个工作成果。


Shazeer是著名论文「Attention is All You Need」的作者之一


在80百分位的情况下，Flash Thinking的响应速度几乎是o1-mini的2倍！


比如下面这道题，OpenAI的o1和o1 Pro分别用了102秒和138秒，而Gemini 2.0 Flash Thinking只花了14秒。






一举冲顶成为最强理科生，最难高考题也不在话下
有人尝试把号称「史上最难」的高考数学题扔给Flash Thinking，它居然也给出了准确的回答。
这种表现，震惊了所有网友。


要知道，这道题连o1都做不出来。
而且更为厉害的是，这道题是中文题。














能做出数学高考题的含金量，不用详细解释了。
毕竟，中国的高考可是被Erudera评为地球上最难的考试。




而在Chatbot Arena的数学领域中，Flash Thinking对比Flash同样也有着显著性进步。


在物理方面，可以来看看下面这个演示，Flash Thinking展示了是如何解决一道物理题并阐明其推理过程。

演示中的题目为：一个电子被限制在一个一维无限深势阱中，势阱壁位于x=- 0.15nm和x=+0.15nm处。求出电子在势阱中能级跃迁时发射的四种最长波长的光子。
Flash Thinking首先会将问题本身复述清晰，接着就开始进行逐步思考问题的求解步骤。


经过16.9s的计算分析后，Flash Thinking给出了最终答案，即为98.9nm，59.3nm，42.4nm ，37.1nm。


下面这个演示，则展示了Flash Thinking如何处理涉及涉及视觉和文本线索的挑战性难题。

演示中使用者首先上传了一张有四个台球的图片，并提问道「我能怎么使用这其中的三个数字使其总和为30？」


在这个演示中，有一个很有趣的地方就在于中间第二个台球既可以识别为9，也可以颠倒一下，识别为6。
Flash Thinking在首次尝试中先是将其识别为正常观察的9，但是发现并不能实现问题的求解。
于是，他很聪明的做出了一个判断：「在题目中并没有清楚的说明每个数字只能出现一次」。


于是它开始尝试将数字进行重复利用，但是还是无法实现问题的求解。


接着，有趣的地方便来了，它出奇地想到了可以把9识别为颠倒的6，这说明它成功地察觉到了这不仅仅只是一个数字游戏，而是实际上可以翻滚的台球。
最终得到了问题的正确答案：利用11、13、6三个数字即可实现总和为30。
整个思考过程清清楚楚，一目了然。


从解题过程中可以看出，Gemini 2.0 Flash Thinking不仅能够实现处理多模态信息，在求解实际的问题方面，它不再是曾经的大模型那种较为机械死板的智能水平，而是像人一样能够学会去多视角地变通看待问题，最终灵活地得到问题的解决方案。
谷歌DeepMind研究者让Thinking模型尝试用不同方法，求解普特南2024的一到数学题，然后自我验证答案是否正确。


35.9秒内，模型给出了答案。
‍‍

‍



网友实测
手快的网友们，已经纷纷甩给了Gemini 2.0 Flash Thinking一堆难题。
网友们给出的题目，难度都不小。


比如这道数列问题，要求写出一个数列的前六个数字，其中每个数字都是前一个数字的三倍，且第一个数字是2。


最终，模型给出了正确答案——E。


这位网友实测后发现，新模型的推理能力实在强大，不光破解了单词网格难题，甚至连复杂的经济学问题都做得出来。




设想太阳能和模块化核反应堆的广泛应用带来了巨大的能源供应，从经济学的角度深入思考未来十年可能出现的经济变化。请详尽地分析可能产生的影响。
模型给出的答案是：通货膨胀率会下降，经济环境会发生重大变化。


结论：变革的十年如果太阳能和模块化核反应堆（SMR）电力的充足性和可负担性得以实现，未来十年将见证一场深刻的经济变革。我们可以预期通货膨胀率下降，经济环境发生重大变化。
Hallid.ai联创indigo给了它一道填数题，Thinking只需要20秒就做出来了。


而且给出了正确答案。


相比之下，o1就花了40秒，而且还错了。
不过，不知道是不是测试版的原因，Flash Thinking能不能数清楚「草莓」里的r，似乎完全取决于你给了啥prompt……


相比之下，我们在本地跑的QWQ，可以轻松解决这个问题。


参考资料：
https://x.com/JeffDean/status/1869789813232341267
https://the-decoder.com/googles-gemini-2-0-flash-thinking-is-googles-answer-to-openais-o1/