新智元報道

編輯：桃子 犀牛

【新智元導讀】谷歌深夜攜全新Gemini 2.5 Pro強勢歸來，僅用一個月碾壓舊版Gemini 2.5。數學、編程、推理全面封神，穩坐所有榜單第一。

凌晨，谷歌帶著全新的Gemini 2.5 Pro炸場了！

僅一個月的時間，Gemini 2.5 Pro（06-05）直接干趴了I/O大會放出的Gemini 2.5 Pro（05-06）。

果然，能打敗谷歌的，只有谷歌自己。

這次，Gemini 2.5 Pro（06-05）依舊是所有榜一。

在數學、編程、推理基準測試中，新版模型全部刷新SOTA，完全碾壓o3、Claude 4、DeepSeek-R1。

相較于上一代，Gemini 2.5 Pro整體Elo提升了24分，尤其是在Web Arena上Elo提升了足足35分。

值得一提的是，更新后版本token依舊維持原價，性價比極高，輸出價格僅為o3的四分之一，Claude 4就更別提了。

而且，Gemini 2.5 Pro（06-05）還引入了「思考預算」，最高達32k，還改進了函數調用等功能。

Gemini 2.5數學編碼再進化，所有榜一

新版Gemini 2.5 Pro（06-05）和舊版Gemini 2.5 Pro（05-06），名字后面版本的時間，值得玩味。

很明顯，谷歌這次特意選擇在這個時間點放出新模型。

根據官博介紹，此次是Gemini 2.5 Pro的升級預覽版，這是谷歌迄今最智能的模型。

升級基于5月I/O大會展示的基礎上，這個模型將在幾周后成為普遍可用的穩定版本，適合企業級應用。

最新的2.5 Pro在LMArena排行榜上Elo分數躍升24分，達到了1470，穩居榜首。

更夸張的是，它在所有領域里都排名第一。

在WebDevArena上實現了35分的Elo評分飛躍，達到1443 分。

它在編程方面表現卓越，在Aider Polyglot等高難度編程基準測試中名列前茅。

同時，它在GPQA和「人類最后考試」（HLE）等極具挑戰性的基準測試中也展現了頂尖性能，這些測試評估模型的數學、科學、知識和推理能力。

谷歌還針對之前2.5 Pro版本的反饋進行了改進，提升了其風格和結構——現在它能提供更有創意、格式更優的回答。

開發者可以通過Google AI Studio和Vertex AI中的Gemini API開始使用更新的2.5 Pro進行開發，此次還新增了「思考預算」功能，能讓開發者更好地控制成本和延遲。

它也在Gemini app中正式上線。

網友實測

Gemini 2.5 Pro（06-05）在真實任務中表現如何？

劈柴的一張圖，早已暗示了，Gemini就是獸中之王。

網友們早已摩拳擦掌，開始了一波實測。

編碼能力碾壓o3、Claude 4并不只是說說而已，現在，Gemini 2.5 Pro直接通過了六邊形物理模擬測試。

更驚艷的是，它還能通過Three.js創建出3D DNA模型，效果非常逼真。

數據科學家Diego測試Gemini 2.5 Pro 06-05編寫一段Python代碼，可視化單行道中交通燈的工作原理，要求車輛以隨機速率進入。

代碼運行后的效果。

可以看出整體上動畫還是比較精美的，沒有什么太大的問題。

作為對比，下面是GPT 4.5生成代碼的效果。

不僅畫面粗糙，車子也不符合物理規律。

Diego之前還測試了Claude Sonnet 3.7和Grok 3，下面是這兩個模型的表現。

大家可以評判一下，到底哪個模型更強。

Claude Sonnet 3.7

Grok 3

參考資料：

https://x.com/sundarpichai/status/1930656033237823862

https://x.com/GoogleDeepMind/status/1930656243346976925

https://blog.google/products/gemini/gemini-2-5-pro-latest-preview/

https://x.com/lmarena_ai/status/1930658518560133435