谷歌新模型发布首周，用户讨论热度曲线像极了恋爱关系——前72小时刷屏，第7天开始问"这能干活吗"。

正方：这是多模态的质变时刻

打开网易新闻 查看精彩图片

支持者的兴奋点很具体。原生多模态（文本、图像、音频、视频统一处理）不再是拼接，而是"一个大脑"同时理解。开发者实测显示，视频理解延迟从秒级降到毫秒级。

更关键的是上下文窗口。100万token的实测能力，意味着可以一次性丢进去一整部电影的剧本加分镜，让模型直接输出拍摄预算表。这在三个月前还需要拆成十几个提示词。

谷歌这次把"工具使用"做进了预训练。不是后期插件，是模型本身知道该调用日历、地图、代码解释器。这种"原生Agent"架构，被部分工程师认为比竞品的人工编排更优雅。

反方：蜜月期后全是待填的坑

冷静派指出了三个硬问题。

第一，延迟。演示视频很流畅，但真实场景里复杂任务仍需等待。一位产品经理吐槽："客户不会接受'请稍等，我在思考'超过5秒。"

第二，成本。多模态推理的算力消耗呈非线性增长。100万token的上下文，企业级定价还没公布，但参考行业规律，批量使用可能比纯文本模型贵一个数量级。

第三，最致命的：证明价值。过去18个月，模型能力曲线陡峭，但企业落地曲线平缓。多模态能做什么"以前做不到且值得付费"的事？目前案例集中在创意预览、教育演示，真正的生产流集成还在早期。

我的判断：热恋期结束，才是正经事开始

首周热度是技术发布的标准剧本。真正区分成败的，是第4周到第12周——开发者是否愿意把核心工作流迁移过来，企业是否愿意为多模态能力单独立项。

谷歌的优势在于"全栈可控"：自研芯片、自研模型、自有数据（YouTube、地图、搜索）。劣势也在于此：生态封闭性可能重蹈语音助手时代的覆辙。

一个观察指标：三个月内，如果涌现出一批"只有这个模型能做"的爆款应用，热恋期就算续费成功。否则，它只是又一段被记住发布日期、被遗忘使用场景的关系。

毕竟，技术史上的"首周热恋"太多了。能过周年纪念日的，屈指可数。