跟GPT4o、o1拜拜，Gemini2.0取代了我的AI应用们

上线一周，

gemini-2.0-flash-exp、gemini-2.0-flash-thinking-exp 已经成为了我日常对话频率最高的模型之一。

看着名字很长，其实就是对标 GPT-4o 和 o1。

2.0-flash 在 SWE-bench（代码能力评估） 得分超过 Claude-Sonnet-3.5，2.0-flash-thinking 在 LMArena 所有类别拿到冠军，且速度比 o1 快 5 倍！

重要的是，他们还把思考过程公开了（o1每次都会因为这点被吐槽）

还有还有，不同于贵到肉疼的 o1 API，

也区别于“升级版封号斗罗pro-max-plus-ultra”的 Claude（额度是上午充的，号是中午没的。。。）

Gemini 它免费啊！

这就能做很多事了，翻译、编程、日常对话、联网搜索、中文视频聊天、视频剪辑、屏幕共享，把我其他AI应用的活也抢了。

之前用别家模型的 API 是为了节约成本，这次是真的离不开 Gemini 了。

上一次，我是因为 API 价格跳水，梳理了在日常工作流里面如何搭配不同模型的 API 和网页版。

当时我的选择是：

• 日常对话：Gemini 1.5 Flash
• 翻译：Llama-3.1-70B
• 代码：Deepseek-V2.5
• 本地：qwen-7b-instruct-q5_K_M
• 网页版：GPT-4o

使用OpenAI API的最后一条路断了，我连夜组合出了新的平价方案

但经过这两周的反复尝试后，这几个应用都被 Gemini 取代了，好处就是不需要自建服务集合十来个API，也不需要担心费用了。

官方的羊毛好暖好贴心～

 一、日常对话 & 联网搜索 

先来简单说说，如何获取 Gemini 的 API Key：

• 访问 https://makersuite.google.com/
• 用账号登录，点击 Get API Key -> Create API key in new project
• 得到的 Key 就是我们后面所有的设置里的“万能钥匙”了

本地的大模型对话端我还是推 Chatbox，作者的更新是真的快，我是自来水💦

最近更新还支持了联网、图片预处理

软件操作界面的右下角“设置”里面就可以选择 Gemini，Chatbox 支持了几乎是全系列的模型，单单是Gemini 系列足足有30个。

再分享一下我的默认设置：上下文消息上限保留12-18个、Temperature保留0.5～0.7。

能回答“9.11跟9.9哪个大”的推理模型免费用上了！

再来就是高频的使用场景 - 代码生成了。

Cursor已经算是半取代我的 vscode，我的 vscode 现在只出现在云端了。

Cursor原生支持Gemini

给大家看看实际生成的速度：

 二、网页 & PDF翻译 

沉浸式翻译，也是老朋友了，

基本上网页、PDF翻译都已经是主力工具，我额外会搭配一个 Bob 来满足更灵活的划词翻译和图片翻译。

因为这两款软件原生就支持 Gemini API Key，

设置上基本没有难度：

沉浸式翻译可以同时对比多个服务

Bob的设置界面

1.5-flash 的翻译速度还是蛮快的，虽说比不上非大模型的翻译接口，但胜在翻译质量是真的高。

 视频聊天 & 屏幕共享 

不得不说，Gemini 2.0 这个实时语音加屏幕获取太有用了。体验感比 GPT mac 应用的实时屏幕更加丝滑。

这次用的是这款软件：https://www.dinopal.ai，

跟官网相比的话，多支持了中文聊天。

视频里我就尝试让 Gemini 帮我调整生成的图片风格，整体感觉可以充当聊天助理，要用在实时辅助的话，还是有一段距离的。

也期待后续能跟 AI 眼镜、AI 耳机联动起来，搞点新花样。

 视频剪辑 & 辅助视频生成 

Gemini能看懂多模态，输入多模态的好处还有更多。

一开始是 @晨然 测试 Gemini 自动剪辑的时候，发现 2.0 可以直接理解到精确毫秒的信息。而且在没有给大量 prompt 情况下给出了这个效果的剪辑，剪除了气口，保留了有效信息。

而 @海辛 根据这个特点实现了控制时间轴的视频生成，简单来说就是靠在 prompt 上写上具体的时间节点来控制镜头的运动，

具体的步骤就是：

• 在 AI Studio 选择 Starter APPs
• 然后选择 Video Analyzer
• 将视频上传选择 Custom
• 输入下面提示词
• 然后等待 Gemini 生成提示词输入海螺进行文生视频

<提示语>

视频每一个分镜的开始时间和画面详细描述，时间需要精确到小数点后两位，画面描述需要非常详细，比如环境描述、人物表情穿着、氛围等

</提示语>

关键这还是有论文支持的（666）。

素材来源：@时辰

@歸藏 还专门做了个内容复制，

而且还有衍生的玩法，我做了一个卡比兽和可达鸭推倒比萨斜塔的视频，可以上传到 AI Studio，让 Gemini 给出合适的音效建议，然后就可以在11labs里制作出合适的音效。

 写在最后 

可以说，有了Gemini API Key后，起码能顶五个AI应用。

这两个月没白等啊！

如果说 Gemini 1.0 是关于组织和理解信息，

那么 Gemini 2.0 就是让信息变得更加有用。

这就是人工智能的升级，

和人类的升级一样，

从最初的石器和狩猎，

演变到今天操控庞大的信息网。

我已经迫不及待地想看看，

下一个时代会带来什么。

文章来自于微信公众号“卡尔的AI沃茨”，作者“卡尔 & 阿汤”