有媒体报道称，一段由人工智能开发机构谷歌DeepMind制作的演示视频夸大了Gemini的性能。视频显示Gemini能迅速判断画面中的实物并给出像人一样的语音反馈。但一些媒体和用户使用时发现，Gemini并不能达到视频中的效果。谷歌DeepMind首席执行官德米斯·哈萨比斯强调，Gemini是人工智能的新品种“原生多模态”，区别于现有的“拼凑多模态”模型，即从一开始就使用多种模态（例如音频、视频和图像）训练而成。（澎湃）