谷歌最强模型-Gemini-2.5-Pro-发布即屠榜-创下史上最大分数飞跃纪录

感谢本站网友 風見暉一、软媒用户1392612、求其、华南吴彦祖 的线索投递！

Gemini 2.5 Pro，刚刚深夜上线了！这个「思考」模型专为复杂任务打造，推理能力强大，一经诞生就横扫各大榜单、拿下各类 TOP 1，还创下了历史上最大分数飞跃纪录。

Gemini 2.5 Pro 是一个「思考」模型，能够在回应前先进行思考推理，从而提升性能，并改善准确性。

谷歌称，它是世界上最强大的模型，具备统一的推理能力，以及用户所喜爱的 Gemini 的所有功能（长上下文、工具等）。

它在多个基准测试中达到了 SOTA 水平，并且以显著的优势在 LMArena 上排名第一。

现在，Gemini 2.5 Pro 已经登顶了 Arena 排行榜的第一位，而且创下了历史最大分数飞跃，比 Grok-3 / GPT-4.5 整整高出了 40 分！

在代号「nebula」的测试中，它也横扫所有类别夺得第一，并且独揽数学、创意写作、指令遵循、长查询和多轮对话五大领域的冠军！

在困难提示词和编程两大领域，它与 Grok-3 / GPT-4.5 拿到了并列冠军，而且在所有其他比拼中都以微弱优势胜出，成功问鼎榜首！

此外，Gemini 2.5 Pro 还成功登顶了视觉竞技场（Vision Arena）排行榜榜首！

在网页开发领域，它也同样大放异彩，成功斩获网页开发竞技场（WebDev Arena）亚军宝座！

它是首个实力媲美 Claude 3.5 Sonnet 的模型，相比之前版本的 Gemini 更是实现了质的飞跃。

这一次，谷歌的模型又展现出巨大的飞跃，OpenAI、Anthropic、DeepSeek 等竞争对手，在多久时间内会赶上？

目前，Gemini 2.5 Pro 已在 Google AI Studio 和 Gemini 应用中，向 Gemini Advanced 用户开放，并将很快在 Vertex AI 上推出。

而它的定价方案，会在未来几周内公布，用户可以在更高使用配额下，将模型应用于大规模生产环境。

网友实测后发现，它果然实力惊人，在所有模型中效果拔群，第一次尝试就只用几秒解决了一道难题。

Gemini 2.5 Pro 上线

谷歌表示，在 AI 领域，系统的「推理」能力不仅仅指分类和预测，而是指系统分析信息、得出逻辑结论、融入上下文和细微差别，以及做出明智决策的能力。

长期以来，谷歌一直在探索通过强化学习和思维链提示词等技术，让 AI 更智能、更具推理能力的方法。

正是在此基础上，他们在 2 月推出了第一个思考模型，Gemini 2.0 Flash Thinking。

而今天，通过 Gemini 2.5，他们结合了显著增强的基础模型和改进的后期训练，让模型达到了新的性能水平。

推理和代码能力大幅提升

Gemini 2.5 Pro 展现出了强大的推理和代码能力，在常见的编程、数学和科学基准测试中均处于领先地位。

另外，在各类需要高级推理能力的基准测试中，它都达到了 SOTA 水平。

无需使用测试阶段会增加计算成本的技术（如多数投票法），2.5 Pro 就能在 GPQA 和 AIME 2025 等数学和科学基准评测中表现卓越。

而且，在不使用任何外部工具的条件下，它就在挑战人类知识和推理能力的极限前沿「人类最后的考试」中取得了 18.8% 的准确率，达到业界领先。

在编程能力上，Gemini 2.5 相比 2.0 版本也实现了质的飞跃，而这，仅仅是个开始。

2.5 Pro 在创建视觉精美的网页应用和 AI 智能体代码应用方面都表现卓越，在代码转换和编辑领域中，也同样实力出色。

在智能体代码评估的行业标准测试 SWE-Bench Verified 上，Gemini 2.5 Pro 靠使用自定义智能体配置，就获得了 63.8% 的优异成绩。

以下这波 demo，就展示了 Gemini 2.5 Pro 如何运用强大推理，仅通过一行提示词，就能生成可执行代码，来创建完整的动画和游戏。

在下面这个 demo 中，仅仅根据下面这行 prompt，它就生成了一段 p5js 的交互式动画，展示了「宇宙鱼」的场景，并且还显示了鱼们都在想什么。

它还根据以下 prompt，生成了一个无限的恐龙跑酷游戏。

按照要求，它生成了像素化的恐龙图像和有趣的游戏背景。

随后，Gemini 2.5 Pro 还通过编程实现了分形可视化。

它创建出了精细分形图案的模拟程序，展现出了神奇的曼德布洛特集合。

此外，它还能构建一个交互式气泡图，直观展示出了每个大陆的经济与健康指标随时间的变化。

或者用一段交互式的 Javascript 动画，展示了旋转六边形内多彩的人工生命群体，并且按要求做成了「超新星星云」的感觉。

另外，它还能开发粒子系统模拟，给出了一个 HTML 文件，创造出了反射星云的沉浸式交互模拟场景。

原生多模态和超长上下文

Gemini 2.5 继承并发扬了 Gemini 模型的优势 —— 原生多模态能力和超长上下文长度。

自己发布之初，2.5 Pro 就支持 100 万 token 的上下文窗口（而 200 万 token 也即将推出！），性能显著超越了前代模型。

这能让它理解海量数据集，并处理来自多种信息源的复杂问题，包括文本、音频、图像、视频，甚至完整的代码仓库。

最后，既然谷歌已经掏出了地表最强模型，接下来，就让我们坐等 OpenAI 的反应了。

参考资料：

//blog.google/technology/google-deepmind/gemini-model-thinking-updates-march-2025/gemini-2-5-thinking

//deepmind.google/technologies/gemini/pro/

//x.com/lmarena_ai/status/1904581128746656099