2024 年 8 月 21 日，谷歌宣布在 Google AI Studio 和 Gemini API 中将 PDF 上传限制从 300 页提升至 1000 页或 2GB。这一更新利用了 Gemini 的文本理解和多模态处理能力，每页处理一张图像，提升了用户处理大型 PDF 文档的效率和便捷性。
谷歌此次更新不仅增加了 PDF 上传的页数和大小限制，还在技术上进行了多项优化。首先，Gemini API 的文本理解能力得到了进一步提升，能够解析和理解复杂的文档内容。其次，多模态处理能力的增强使得每页的图像处理更加高效，确保了图像和文本的同步解析。
这一更新的技术核心在于 Gemini 的多模态处理能力。多模态处理指的是同时处理文本和图像等多种数据类型的能力。Gemini 通过机器学习算法，能够在处理文本的同时，解析每页的图像内容。这对于需要处理大量图表、图片和复杂排版的 PDF 文档尤为重要。
用户体验方面，谷歌在 Google AI Studio 中引入了一些新的功能。例如，用户现在可以通过拖拽的方式直接上传 PDF 文件，系统会自动进行解析和处理。此外，新的界面设计更加直观，用户可以查看和管理上传的文档。谷歌还增加了键盘快捷键，提升了用户的操作效率。
早在 2023 年，谷歌就已经开始在其 Gemini AI 平台上进行多项技术升级。2023 年 10 月，谷歌推出了 Gemini 1.5 Flash 模型，这一版本在速度和效率上都有了提升。Gemini 1.5 Flash 保留了 Gemini 1.5 Pro 的多模态推理和长上下文处理能力，并优化了低延迟响应和整体性能。这些技术积累为此次 PDF 上传限制的提升奠定了基础。
在竞争对手方面，OpenAI 的 ChatGPT 和 Anthropic 的 Claude 也在不断推出新的功能和改进。OpenAI 的 ChatGPT 早在 2023 年就已经免费提供了文件上传功能，允许用户上传 PDF 文档进行分析和处理。Anthropic 的 Claude 则在多模态处理和长文本理解方面表现出色。