新智元報(bào)道

編輯：桃子 犀牛

【新智元導(dǎo)讀】谷歌深夜攜全新Gemini 2.5 Pro強(qiáng)勢(shì)歸來(lái)，僅用一個(gè)月碾壓舊版Gemini 2.5。數(shù)學(xué)、編程、推理全面封神，穩(wěn)坐所有榜單第一。

凌晨，谷歌帶著全新的Gemini 2.5 Pro炸場(chǎng)了！

僅一個(gè)月的時(shí)間，Gemini 2.5 Pro（06-05）直接干趴了I/O大會(huì)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(shù)學(xué)、編程、推理基準(zhǔn)測(cè)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(jià)，性?xún)r(jià)比極高，輸出價(jià)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(yù)算」，最高達(dá)32k，還改進(jìn)了函數(shù)調(diào)用等功能。

Gemini 2.5數(shù)學(xué)編碼再進(jìn)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(shí)間，值得玩味。

很明顯，谷歌這次特意選擇在這個(gè)時(shí)間點(diǎn)放出新模型。

根據(jù)官博介紹，此次是Gemini 2.5 Pro的升級(jí)預(yù)覽版，這是谷歌迄今最智能的模型。

升級(jí)基于5月I/O大會(huì)展示的基礎(chǔ)上，這個(gè)模型將在幾周后成為普遍可用的穩(wěn)定版本，適合企業(yè)級(jí)應(yīng)用。

最新的2.5 Pro在LMArena排行榜上Elo分?jǐn)?shù)躍升24分，達(dá)到了1470，穩(wěn)居榜首。

更夸張的是，它在所有領(lǐng)域里都排名第一。

在WebDevArena上實(shí)現(xiàn)了35分的Elo評(píng)分飛躍，達(dá)到1443 分。

它在編程方面表現(xiàn)卓越，在Aider Polyglot等高難度編程基準(zhǔn)測(cè)試中名列前茅。

同時(shí)，它在GPQA和「人類(lèi)最后考試」（HLE）等極具挑戰(zhàn)性的基準(zhǔn)測(cè)試中也展現(xiàn)了頂尖性能，這些測(cè)試評(píng)估模型的數(shù)學(xué)、科學(xué)、知識(shí)和推理能力。

谷歌還針對(duì)之前2.5 Pro版本的反饋進(jìn)行了改進(jìn)，提升了其風(fēng)格和結(jié)構(gòu)——現(xiàn)在它能提供更有創(chuàng)意、格式更優(yōu)的回答。

開(kāi)發(fā)者可以通過(guò)Google AI Studio和Vertex AI中的Gemini API開(kāi)始使用更新的2.5 Pro進(jìn)行開(kāi)發(fā)，此次還新增了「思考預(yù)算」功能，能讓開(kāi)發(fā)者更好地控制成本和延遲。

它也在Gemini app中正式上線。

網(wǎng)友實(shí)測(cè)

Gemini 2.5 Pro（06-05）在真實(shí)任務(wù)中表現(xiàn)如何？

劈柴的一張圖，早已暗示了，Gemini就是獸中之王。

網(wǎng)友們?cè)缫涯θ琳疲_(kāi)始了一波實(shí)測(cè)。

編碼能力碾壓o3、Claude 4并不只是說(shuō)說(shuō)而已，現(xiàn)在，Gemini 2.5 Pro直接通過(guò)了六邊形物理模擬測(cè)試。

更驚艷的是，它還能通過(guò)Three.js創(chuàng)建出3D DNA模型，效果非常逼真。

數(shù)據(jù)科學(xué)家Diego測(cè)試Gemini 2.5 Pro 06-05編寫(xiě)一段Python代碼，可視化單行道中交通燈的工作原理，要求車(chē)輛以隨機(jī)速率進(jìn)入。

代碼運(yùn)行后的效果。

可以看出整體上動(dòng)畫(huà)還是比較精美的，沒(méi)有什么太大的問(wèn)題。

作為對(duì)比，下面是GPT 4.5生成代碼的效果。

不僅畫(huà)面粗糙，車(chē)子也不符合物理規(guī)律。

Diego之前還測(cè)試了Claude Sonnet 3.7和Grok 3，下面是這兩個(gè)模型的表現(xiàn)。

大家可以評(píng)判一下，到底哪個(gè)模型更強(qiáng)。

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