近日,Google 推出了 Gemini 2.0 Flash 的体验版本(gemini-2.0-flash-exp
),从命名来看,正式版发布已为期不远,预计不会有太大改动。因此,本次测试结果可以很好地反映 Gemini 2.0 Flash 的实际性能。
话不多说,直接上测试结果。
一、普通图片识别:全面超越前代,对比 1.5 Pro 优势明显
从测试结果来看,之前的几个体验版本似乎都在为 Flash 做铺垫。相比之下,Gemini 1.5 Pro 的表现则显得有些逊色。
对于其他厂商的模型,由于之前已经进行过测试,这里不再赘述。
二、文字 OCR 识别:提升巨大,2.0 Flash 表现最佳
除了普通图片识别,日常使用中更重要的场景是文字 OCR 识别。测试表明,Gemini 2.0 Flash 在这方面也有着巨大的提升。
在中文 OCR 测试中,个人认为 Gemini 2.0 Flash 的表现是最好的。
而在英文 OCR 测试中,其表现更佳,仅识别错了两个字母(gin 误识别为 gum),日常使用基本无碍。
甚至,我们还测试了 CAPTCHA 验证码的识别,结果同样令人满意。
三、价格与响应速度:免费、快速,堪称“日常使用神器”
那么,为什么说 Gemini 2.0 Flash 是日常使用的最佳视觉模型呢?关键在于其价格和响应速度。
Gemini 2.0 Flash 每天提供 1500 次免费调用,响应时间仅需 4 秒,可以说非常良心了。
高并发用户可以考虑接入付费中转,价格也是很实惠。
我已经计划将其集成到我的个人工具 Pot 中,并准备用它来进行日常的 OCR 任务。
四、总结与展望
总而言之,Gemini 2.0 Flash 体验版在各项测试中都展现出了强大的实力,尤其是在文字 OCR 识别方面,其准确率、响应速度和免费策略使其成为日常使用的最佳选择。
客观评价与补充说明:
本文主要基于实际测试结果进行评述,并尽可能地保持客观。为了更全面地评估 Gemini 2.0 Flash 的性能,建议读者也参考其他评测文章和官方文档,并结合自身需求进行选择。
此外,需要指出的是,本次测试主要针对的是静态图片识别,对于视频、实时图像流等场景的性能还有待进一步验证。