1. DeepMind：从伦敦车库到 Google 5 亿美元收购#

2010 年 9 月 23 日，Demis Hassabis（神经科学家、13 岁国际象棋大师）、Shane Legg 与 Mustafa Suleyman 在伦敦创立 DeepMind，使命是”先解决智能，再解决其他一切”。2014 年 1 月 26 日，Google 以约 5 亿美元（报道区间 4–6.5 亿）收购 DeepMind，交易含”禁止军事应用”条款。这比 OpenAI 成立（2015 年 12 月）早近两年——Gemini 的血统源头，是当时地球上最强的一支研究团队。

2. AlphaGo 系：深度学习第一次震动世界#

• 2015.10：AlphaGo 以 5<0> 击败欧洲冠军樊麾，首次有程序战胜职业棋手（Nature 论文 2016.01）；
• 2016.03：首尔五番棋 4<1> 击败李世石，全球轰动，Google 自此宣布”AI-first”战略；
• 2017.05：乌镇击败柯洁（0<3>），赛后 AlphaGo 宣布退役；
• 2017.10–12：AlphaGo Zero 摆脱人类棋谱仅靠自对弈；AlphaZero 单一算法通吃围棋/国际象棋/将棋（训练 4 小时超 Stockfish，5000 块 TPU v1 自对弈 + 64 块 TPU v2 训练）。

📄 本地解读：AlphaGo系列论文解读.md——含 MCTS 与双网络（策略/价值）细节、AlphaGo Zero 纯自对弈 RL 与 72 小时 100<0> 胜 AlphaGo Lee、AlphaZero 三棋通吃的技术路径与训练配置。

3. AlphaFold：科学 AI 的顶点#

2018 年 12 月 AlphaFold 首战 CASP13 夺冠；2020 年 11 月 30 日 AlphaFold2 在 CASP14 中位 GDT 92.4，被 CASP 组织方认定”解决 50 年蛋白质折叠难题”，2021 年开源并发布超 2 亿蛋白质结构数据库。Hassabis 与 John Jumper 凭此获 2024 年诺贝尔化学奖——这是 Gemini 团队”研究驱动长线主义”的最佳注脚。

📄 本地解读：AlphaFold论文解读.md——含 Evoformer（MSA + 成对表示双向互更新）与结构模块（IPA 等变注意力）架构、CASP14 数据（GDT 92.4、z 分数 244.0 vs 次佳 90.8）、端到端可微与 recycling 设计。

4. Google Brain：Transformer 的诞生地#

与 DeepMind 平行，Google Brain（2011 年成立）贡献了现代大模型的全部地基：2017 年发明 Transformer 架构（论文《Attention Is All You Need》）、TensorFlow、BERT、LaMDA（Bard 早期内核，137B 参数）、Imagen。

📄 本地解读：Transformer论文解读.md——含自注意力/多头注意力/位置编码设计、WMT14 英德 BLEU 28.4 与英法 41.8、8×P100 训 3.5 天的成本、以及对整个大模型世系的奠基意义。

5. 合并：Google DeepMind 成立，Gemini 立项#

2023 年 4 月 20 日，面对 OpenAI / 微软的 ChatGPT 冲击，Pichai 官宣 Google Brain 与 DeepMind 合并为 Google DeepMind：Hassabis 任 CEO，Jeff Dean 转任谷歌首席科学家。新部门第一个重点项目即原生多模态大模型——Gemini。

📌 两线并流：DeepMind 带来”研究-工程”一体的 RL 与科学 AI 文化，Google Brain 带来 Transformer 与 TPU 基建——Gemini 是两者合并后的第一个孩子。

6. 前身模型与 Bard：被 ChatGPT 逼出来的发布节奏#

• PaLM（2022.04）：540B 参数，基于 Pathways 系统，约 GPT-3 的 3 倍规模；
• PaLM 2（2023.05 I/O）：四档尺寸 Gecko/Otter/Bison/Unicorn，覆盖 100+ 语言，接入 25 款谷歌产品；
• Bard：2022.11.30 ChatGPT 发布后谷歌内部拉响 “code red”；2023.02.06 Bard 官宣（基于 LaMDA）；2 月 8 日巴黎演示配图翻车致 Alphabet 股价单日跌 7.4%（市值蒸发约千亿美元）；3 月 21 日英美公测；4 月内核换 PaLM；5 月 I/O 升级 PaLM 2 并向 180+ 国家开放；7 月支持中文；2023.12.06 Bard 换用 Gemini Pro（发布以来最大升级）。

📄 本地解读：PaLM系列论文解读.md——含 PaLM 540B 的 Pathways 训练与涌现现象（GSM8K CoT 58% → 自一致性 74%）、PaLM 2 的 compute-optimal 缩放与四档尺寸、Med-PaLM 2 首个通过 USMLE 专家级。

⚠️ 口径修正：Bard 正式更名 Gemini 是 2024 年 2 月 8 日（同日上线 Gemini Advanced / Ultra 1.0），2023 年 12 月 6 日只是 Bard 换用 Gemini Pro 内核。

1. Gemini 1.0：首个原生多模态模型#

2023 年 12 月 6 日，Pichai 官宣 Gemini 1.0，定位”迄今规模最大、能力最强的通用模型”。

📄 技术报告：Gemini: A Family of Highly Capable Multimodal Models | arXiv<2312>.11805（2023-12）

核心创新：原生多模态（natively multimodal）——从零开始同时预训练文本、代码、音频、图像、视频五种模态，区别于 GPT-4V 那种”视觉编码器 + 语言模型拼接”的路线，无需 OCR 即可端到端理解图像。

三档尺寸：

• Gemini Ultra：最强，面向高度复杂任务；
• Gemini Pro：多任务通用主力，即日驱动 Bard；
• Gemini Nano：端侧模型，Nano-1（1.8B 参数）/ Nano-2（3.25B），预装 Pixel 8 Pro。

关键成绩：

• MMLU 90.0%（CoT@32）——首个超过人类专家（89.8%）的模型，GPT-4 为 86.4%；
• 32 项学术基准中 30 项超过当前 SOTA（Hassabis 口径”30/32 领先 GPT-4”）；
• 多模态评测全面超 GPT-4V，MMMU 59.4%；HumanEval 74.4%。

算力与规模：基于 TPU v4 与 v5e 大规模预训练，同日发布更强加速器 TPU v5p；上下文窗口 32K。参数量官方未公布，SemiAnalysis 等 2023 年 11 月报道估计 Ultra 约 1.8 万亿参数（MoE），未经证实，仅作传闻。

争议：官方演示视频被质疑剪辑，DeepMind 研究副总裁 Oriol Vinyals 承认”视频真实但为演示而缩短”。

📄 本地解读：Gemini-1.0论文解读.md——含五模态联合预训练的技术主张、多模态编码器与时序整合细节、goodput >97% 的工程数据、与 GPT-4/GPT-4V 全项对比表、演示视频争议与参数量传闻的考证。

2. Bard 更名 Gemini（2024.02.08）#

2024 年 2 月 8 日，Bard 正式更名 Gemini，推出 Android App 与 iOS 版，上线 Gemini Advanced（Ultra 1.0），并入 Google One AI Premium 订阅（$19.99/月）。Gemini 从一个”模型名”正式成为”产品线”。

1. Gemini 1.5 Pro：1M 上下文与 MoE#

2024 年 2 月 15 日发布 Gemini 1.5 Pro，两个颠覆：

• 百万级上下文（1M token）——标准版 128K，预览版 1M，可一次处理约 1 小时视频、11 小时音频、70 万字文本；
• MoE 混合专家架构——按需激活专家通路，性能接近 1.0 Ultra 但计算成本更低。这标志着 Gemini 从”大而全”转向”稀疏高效”，与 DeepSeek-V2 的 MLA+MoE 几乎同期确立稀疏化路线。

2. I/O 2024：1.5 Flash 与 2M 预告（2024.05.14）#

• 1.5 Flash：通过蒸馏 1.5 Pro 知识而来的轻量版，同享 1M 上下文，主打低延迟高吞吐（一次分析 1500 页文档 / 3 万行代码）；
• 1.5 Pro 增强翻译/编码/推理/原生音频理解，预告 2M token 上下文（waitlist 预览）；
• 产品侧上线 Gems 定制助手、Gemini Live 语音对话。

3. 生产级更新与降价（2024.09.24）#

1.5 Pro / Flash 升级为生产级模型（-002 版）：MMLU-Pro +7%、MATH/HiddenMath +20%；API 降价：输入 −64%、输出 −52%；发布轻量版 1.5 Flash-8B；输出提速 2 倍、延迟降 3 倍。

📌 口径说明：1.5 的 GA 是 2024-05-30；2024-09-24 是”-002”大版本更新（含降价与 Flash-8B），二者勿混。

📄 本地解读：Gemini-1.5论文解读.md——含 MoE 稀疏架构、1M/2M 上下文的实现与大海捞针评测（文本 1M 召回 >99.7%、11 小时音频 100%、3 小时视频 100%）、1.5 Flash 蒸馏路线、Kalamang 语言上下文学习达人类水平等细节。

1. Gemini 2.0 Flash：Agentic 时代宣言（2024.12.11）#

Google 官宣”the agentic era”（智能体时代）。2.0 Flash 实验版带来：

• 原生多模态输出：原生图像生成 + 原生音频输出（TTS）；
• 原生工具调用：Google 搜索、代码执行、第三方函数调用，无需提示词工程拼装；
• 速度约为 1.5 Pro 的 2 倍且关键基准反超；
• 同日发布 Multimodal Live API（实时音视频流输入），Gemini Advanced 上线 Deep Research（自主研究 Agent）；
• 基于 100% 自研 Trillium（第六代 TPU） 训练与推理——“模型-系统-硬件”三位一体至此闭环。

同期发布三个 Agent 原型：Jules（GitHub 原生集成、自动开 PR 的编程 Agent）、Project Mariner（浏览器 Agent，WebVoyager 83.5%，购物等敏感操作需确认）、Project Astra（实时多模态通用 Agent，10 分钟会话记忆，原型智能眼镜测试）。

📄 本地解读：Gemini-2.x系列解读.md——含 2.0 的原生工具调用/多模态输出/Trillium TPU、Jules/Mariner/Astra 三大 Agent 原型细节，以及 2.5 的思考模型转向、可调思考预算与 Deep Think 并行假设推理（USAMO 49.4%）。

2. 2.0 全家族（2025.02.05）#

• 2.0 Flash GA：$0.10/M 输入；
• 2.0 Pro（实验版）：迄今最强编码/复杂指令能力，2M token 上下文——一次可处理《哈利·波特》全 7 册；
• 2.0 Flash-Lite：最性价比模型，$0.075/M 输入（缓存后 $0.01875），质量优于 1.5 Flash。

1. Gemini 2.5 Pro：首个思考模型（2025.03.25）#

LMArena（Chatbot Arena）登顶 #1——首款登顶的 Google 模型，约领先 40 ELO。关键成绩：SWE-Bench Verified 63.8%、GPQA Diamond 84%、AIME 2025 86.7%、MMMU 81.7%、MRCR 1M 上下文 83.1%。

核心转向：“thinking model”——回答问题前先内部推理。这改变了 Gemini 长期”快但不深”的定位，也开启了与 OpenAI o 系列 / DeepSeek R1 的推理竞赛。

2. 混合推理与 Deep Think（2025.04–2025.08）#

• 2025.04.17 | 2.5 Flash：首个可切换思考预算的混合推理模型——同一模型可快可深，由用户/调用方控制思考量；
• 2025.05.20（I/O 2025）| 2.5 Pro Deep Think：并行假设推理（同时探索多假设再收敛）：2025 USAMO 数学 49.4%、LiveCodeBench 80.4%、MMMU 84.0%；WebDev Arena ELO 1415 登顶；
• 2025.06.17 | 2.5 Pro / Flash GA：上下文扩至 2M、思考预算可调、原生音频输出；定价 $1.25/$10（超长上下文 $2.50/$15）；
• 2025.08.01 | 2.5 Deep Think（AI Ultra）：并行推理正式产品化，USAMO、LiveCodeBench 领先。

📌 2.5 系列的完整形态：思考模型（默认）+ 思考预算可调（Flash）+ Deep Think（并行推理扩展）——“深度与速度解耦”的设计从此固定，成为 3 系混合推理的雏形。

📄 本地解读：Gemini-2.x系列解读.md——2.5 Pro 的 LMArena 登顶（约 1370 Elo、领先约 40）、SWE-Bench Verified 63.8%、GPQA Diamond 84% 等成绩，以及 2.5 全系的定价与 2M 上下文规格。

1. Gemini 3 Pro：全面登顶（2025.11.18）#

距 2.5 代仅 8 个月，Google 发布 Gemini 3 Pro + Deep Think 模式 + Antigravity 平台。官方口径：原生多模态、1M token 上下文 / 64K 输出、TPU v5p 训练、稀疏 MoE（参数量未公开，据泄露模型卡）。

基准全面登顶（2025.11 时点）：

• LMArena 1501 Elo 登顶；
• Humanity’s Last Exam（无工具）37.5%（破 GPT-5 Pro 的 31.64 纪录）；
• GPQA Diamond 91.9%；SimpleQA Verified 72.1%；ARC-AGI-2 破纪录；
• SWE-bench Verified 76.2%（较 2.5 Pro 大幅提升）；Terminal-Bench 2.0 54.2%；WebDev Arena 1487 Elo。

生态数据（皮查伊发布）：AI Overviews 月活 20 亿；Gemini App 月活 6.5 亿；开发者 1300 万；Alphabet Q3 营收 1023.46 亿美元（+16%）。API 定价：输入 $2.00 / 输出 $12.00（超 200k token 后 $4.00/$18.00）。

竞争态势：全面压制 GPT-5.1 与 Claude Sonnet 4.5；Anthropic 当天下宣布与英伟达、微软结盟；奥特曼评价”看起来很不错”。

⚠️ 口径修正：2025-11-18 首发旗舰是 Gemini 3 Pro（Gemini 3 Flash 系 12 月中旬补发）；3 Pro 发布时上下文为 1M，“2M”是后续 3.1 Pro（Vertex 企业版）与 3.5 Pro 的规格。

2. Gemini 3 Deep Think：并行推理登顶（2025.12.04）#

向 AI Ultra 订阅（$249.99/月）开放，非独立模型，是 3 Pro 的推理时扩展模式：HLE 41.0%、GPQA Diamond 93.8%、ARC-AGI-2 45.1%（ARC Prize 验证，“空前”）。基于获 IMO/ICPC 金牌的 2.5 Deep Think 增强版。2026.02.12 再发重大升级。

3. Gemini 3 Flash：混合推理主力（2025.12.16–17）#

发布并成为 Gemini App 默认模型（替换 2.5 Flash）：混合推理、思考量可调，日常任务 token 比 2.5 Pro 少 30%；GPQA Diamond 90.4%、HLE 33.7%、SWE-bench 78%（反超 3 Pro）；速度比 2.5 Pro 快 3 倍；定价输入 $0.50 / 输出 $3.00；发布时 API 日处理量已破 1 万亿 token；同时成为搜索 AI Mode 默认模型。

4. Gemini 3.1 Pro：首个 “.1” 增量（2026.02.12–19）#

首次采用 “.1” 增量命名（2.12 应用内上线、2.19 官方发布）：GPQA 94.3%（无工具，公开最高）、HLE 44.4%（带工具 51.4%）、ARC-AGI-2 77.1%（3 Pro 的两倍多）、SWE-bench 80.6%、LiveCodeBench Pro 2887；1M 上下文（Vertex 企业版 2M）、输出 66K；定价维持 $2/$12；LMArena 约 1501 Elo。

📄 本地解读：Gemini-3系列解读.md——含 3 Pro 的”真实 Agent 能力”与 Antigravity 平台、3 Deep Think 的并行推理登顶（HLE 41%、ARC-AGI-2 45.1%）、3 Flash 混合推理反超 Pro（SWE-bench 78%）、3.1/3.5/3.6 系列迭代，以及附带的 Gemma 开源线速览。

1. Google I/O 2026：3.5 Flash、Omni、Spark（2026.05.19）#

• Gemini 3.5 Flash 首发：输出速度较其他前沿模型快 4 倍；基准全面超 3.1 Pro（Terminal-Bench 2.1 76.2%、GDPval-AA 1656 Elo、MCP Atlas 83.6%、CharXiv 84.2%）；定价 $1.50/$9.00；成为 Gemini App 与搜索 AI Mode 全球默认模型；
• Gemini Omni Flash（世界模型）：任意输入→任意输出，首攻视频生成（含数字化身，SynthID 水印）——多模态主线走到尽头；
• Gemini Spark（个人智能体）：24/7 云端个人代理，接入 Gmail/Docs 及 30+ 三方工具——Agent 主线产品化；
• Daily Brief 个性化简报。

I/O 数据：平台月处理 3200 万亿 token（同比 ×7）；Gemini App 月活 超 9 亿（一年前 4 亿）；AI Overviews 月活 25 亿；开发者 850 万+；API 每分钟 190 亿 token；订阅改为 $99 新 Ultra 档 + $250→$200/月。

2. Gemini 3.5 Pro 跳票与 3.6 Flash（2026.06–07）#

• 3.5 Pro（2M 上下文 + Deep Think，Ultra 专属）原预期 6 月发布，因编码性能不达标推迟，6 月底重置训练数据仍不如预期，截至 7 月下旬仅限企业与政府伙伴测试；
• 2026.07.21 | Gemini 3.6 Flash + 3.5 Flash-Lite：3.6 Flash 定价 $1.50/$7.50，输出 token 省 17%（DeepSWE 最高省 65%），DeepSWE 37→49%、MLE-Bench 49.7→63.9%、OSWorld 78.4→83%；Flash-Lite 定价 $0.30/$2.50、350 token/s，3.5 家族最快最便宜；
• Gemini 4 预训练已启动。

Q2 2026 财报（7 月）：Gemini App 月活 9.5 亿、日活同比 ×3；开发者 900 万+；API 每分钟 220 亿 token；Antigravity 周活 240 万；Ask YouTube 单月 1.4 亿用户；单季资本开支 449 亿美元（+100%）。

落地场景：车载（沃尔沃 EX60 语音控车）、智能眼镜（三星/Gentle Monster/Warby Parker，纯音频款 2026 晚些、带屏款 2027）、Android XR、Workspace/Gmail、Google Maps Ask Maps、搜索 25 年来最大改版（Search Agent）。

主线一：原生多模态——从拼接走向统一#

拼接式（PaLM 时代）→ 原生统一预训练（1.0，五模态）→ 原生音频理解（1.5）→ 原生图像+音频输出（2.0）→ 视频生成与化身（Omni）→ 任意输入→任意输出世界模型（3.5 Omni）

• 1.0 确立”原生”路线：从零联合训练，而非事后拼接编码器；
• 1.5 补原生音频理解；2.0 首次实现多模态输出（TTS + 图像生成）；
• 2026 年 Omni Flash 把多模态推到”任意输入→任意输出”，并叠加世界模型叙事。

主线二：推理能力——从快到深，再到”可调”#

快速响应（1.0–2.0）→ 思考模型（2.5 Pro）→ 思考预算可调（2.5 Flash）→ 并行假设推理（2.5 Pro Deep Think）→ 深度推理扩展（3 Deep Think，HLE 41%）→ 混合推理（3 Flash / 3.5 Flash）

• 2.5 是关键转向：默认”先想后答”；
• 思考深度与速度的解耦（可调预算 + 独立 Deep Think 模式）是 Gemini 区别于竞品的差异化设计；
• 数据佐证：USAMO 49.4%（2.5 DT）→ ARC-AGI-2 45.1%（3 DT）→ 77.1%（3.1 Pro）。

主线三：Agent 能力——从聊天到真实世界#

聊天（Bard）→ 原生工具调用（2.0）→ 专用 Agent（Jules / Mariner / Astra / Deep Research）→ 通用智能体平台（3 + Antigravity）→ 个人智能体（Spark）

• 2.0 宣言”Agentic 时代”，Native tool use 是地基；
• 3 系首次把”Agent 能力”作为卖点中心（自动执行任务、Antigravity 工作流）；
• 2026 年 Spark 将 Agent 产品化为”24/7 个人助理”，接入 30+ 三方工具。