谷歌这周扔出了 Gemini 1.5，首发模型是 1.5 Pro。最大的噱头只有一个数字：100 万 token 上下文。这是什么概念？一次性能塞进去 1 小时视频、11 小时音频，或者 70 万行代码。下面用问答把这次发布讲透，顺带和 GPT-4、Claude 横向对比一下。
插图来源：Storyset
Q：100 万 token 到底多长？#
A：按谷歌的换算，100 万 token 约等于：
- 70 万行代码，或 30 万行英文文本
- 1 小时高清视频，或 11 小时音频
- 一整套中等规模代码仓库，或几百页财报合集
对比一下同时期的对手：GPT-4 Turbo 是 12.8 万 token，Claude 2.1 是 20 万 token。Gemini 1.5 直接翻了 5-8 倍，量级完全不同。这也是 2024 年初大模型竞争的新维度：从"谁更聪明"变成"谁记得更多"。
Q：超长上下文有什么用？普通人用得上吗？#
A：三个典型场景：
- 整库代码问答：把整个项目扔进去，让 AI 找 bug、解释调用链、生成文档，不用再分段投喂。程序员狂喜
- 长视频/长音频理解：1 小时发布会视频直接问"第 37 分钟讲了什么"，不用先转文字再总结
- 海量文档检索：几百页财报、论文合集、法律文件，一次问完，还能让它横向对比
普通人最直接的用法是第 3 个：考证党的教材、打工人的项目文档，一股脑扔进去问。
Q：和 GPT-4、Claude 比，1.5 Pro 水平如何？#
A：横向对比 2024 年初的三家旗舰：
| 维度 | GPT-4 Turbo | Claude 2.1 | Gemini 1.5 Pro |
|---|---|---|---|
| 上下文 | 12.8 万 | 20 万 | 100 万 |
| 综合智能 | 最强 | 强 | 追赶中 |
| 生态/工具 | 最好 | 一般 | 谷歌全家桶 |
| 获取难度 | 需订阅+网络 | 需网络 | 预览中 |
谷歌放出的测试里，1.5 Pro 在长上下文检索（大海捞针）上几乎满分，常规基准也追平了 Gemini 1.0 Ultra。但要注意两点：长上下文不等于全程高质量，塞满 100 万 token 后中后段的注意力衰减是所有模型的通病；实际体验要等公测放开才能验证，发布会数字一向是最乐观的。
Q：普通用户现在能用什么？#
A：分两条路：
- 免费尝鲜：Gemini 网页版（刚从 Bard 改名过来）继续免费，模型还是 1.0 Pro 级别，日常问答、写作、翻译够用
- 开发者尝鲜：去 Google AI Studio 申请 1.5 Pro 的预览额度，有免费 tier
国内用户访问谷歌服务需要自行解决网络问题，先看这篇注册教程的思路是通用的，Plus 值不值得开可以参考这篇对比。想本地跑开源模型不折腾网络的，可以看看 Llama 3 的本地部署。
Q：100 万 token 会不会很贵？#
A：按谷歌公布的预览定价，100 万 token 的输入输出费用比短上下文贵不少。好在日常用根本到不了 100 万，开发者可以按需用。普通用户用免费版就行，别为数字焦虑。
Q：100 万 token 会不会很贵？#
A：按谷歌公布的预览定价，100 万 token 的输入输出费用比短上下文贵不少。好在日常用根本到不了 100 万，开发者可以按需用。普通用户用免费版就行，别为数字焦虑。等正式版定价出来，再算这笔账。
Q：Gemini 1.5 对 2024 年的 AI 竞争意味着什么？#
A：三点影响：
- 上下文军备竞赛开始了：OpenAI、Anthropic 必然跟进，2024 年底 100 万可能只是起步价
- Agent 落地加速：超长上下文是 AI Agent 的基础设施，记得住更多，才能做更复杂的事
- 谷歌回来了：2023 年谷歌被 OpenAI 压着打，2024 年开年这一波，存在感拉满
一句话总结#
Gemini 1.5 把"上下文长度"这个维度直接拉到了新量级。对普通用户来说，先免费玩着 Gemini 网页版，等 1.5 公测放开再说。对开发者来说，长上下文打开了一批新场景：整库问答、长视频理解、海量文档分析，2024 年值得重点关注。