7ced8076b5826af73de898a518d604036c12e976ab20fdde050e


Jim Fan의 트윗 번역:

Google I/O. 몇 가지 생각: 모델이 입력 측면에서는 멀티모달을 지원하지만 출력 측면에서는 멀티모달을 지원하지 않는 것 같습니다. Imagen-3와 음악 생성 모델은 여전히 독립적인 구성 요소로 Gemini와 분리되어 있습니다. 모든 모달리티 입출력을 본질적으로 통합하는 것은 필연적인 미래입니다:

- "더 로봇 같은 목소리 사용", "2배 빠르게 말하기", "이 이미지를 반복적으로 편집하기", "일관된 만화 생성하기"와 같은 작업을 가능하게 합니다.
- 감정이나 배경음악 등 모달 경계 간 정보 손실이 없습니다.
- 새로운 문맥 기반 기능을 열어줍니다. 소수의 예시만으로 모델에게 다양한 감각을 결합하는 새로운 방법을 가르칠 수 있습니다.

GPT-4o는 완벽하지 않지만 폼 팩터는 제대로 맞췄습니다. Andrej의 LLM-as-OS 비유에 따르면, 우리는 가능한 한 많은 파일 확장자를 네이티브로 지원하는 모델이 필요합니다.

구글이 잘하고 있는 한 가지는 AI를 검색 창에 통합하려는 진지한 노력을 기울이고 있다는 것입니다. 저는 에이전트 흐름을 감지합니다: 계획, 실시간 브라우징, 멀티모달 입력, 모두 랜딩 페이지에서 이루어집니다. 구글의 가장 강력한 해자는 분배입니다. Gemini는 세계에서 가장 많이 사용되는 모델이 되기 위해 최고의 모델일 필요는 없습니다.