北京時間6月6日，谷歌推出升級預(yù)覽版大模型Gemini 2.5 Pro（0605），并表示這會在幾周后成為正式的穩(wěn)定版本，適用于企業(yè)級應(yīng)用。

Gemini 2.5 Pro是谷歌旗艦?zāi)Ｐ拖盗校谇叭齻€月公布了幾個預(yù)覽版，此前也一直在大模型競技場LMArena排名第一，這一次更新的版本各方面的分數(shù)都超過了此前的版本，繼續(xù)排在榜一。

不過，第一財經(jīng)也詢問了一些開發(fā)者，他們認為，不能完全相信榜單，要看實際體驗和絕大多數(shù)開發(fā)者的選擇，此前Gemini的模型表現(xiàn)各有優(yōu)劣，開發(fā)者評價兩極分化，目前剛出來大家或許要用一用才能有更客觀的評價。

根據(jù)谷歌官方博客，最新2.5 Pro 在多項AI性能基準測試中取得了更高的分數(shù)，在 LMArena上Elo分數(shù)（衡量模型相對技能水平的評分）提升了24分，目前以1470分的成績保持領(lǐng)先。

具體領(lǐng)域上，谷歌稱，最新模型在代碼方面繼續(xù)表現(xiàn)出色，在 Aider Polyglot 等高難度編程基準測試中保持領(lǐng)先。此外，它在 GPQA（研究生級別的問答測試）中的成績超過了OpenAI的o3、Claude 4以及DeepSeek-R1的最新版。在“人類的最后考試(HLE) ” 中成績達到21.6%，比OpenAI的o3多出 1.3個百分點。

在谷歌模型發(fā)布后，業(yè)界知名的測評方大模型競技場 (lmarena.ai)發(fā)布了一份新的榜單，顯示2.5 Pro新版在總分和所有子榜單位列第一，包括文本、視覺、數(shù)學(xué)、創(chuàng)意等。

不過，“高分低能”的產(chǎn)品此前也有過，不乏開發(fā)者對這個榜單存疑。例如，從編程體驗上來說，Anthropic的Claude系列模型是公認較為好用的基座模型，此次在榜單的成績并不突出。有海外網(wǎng)友表示，2.5 Pro新版的表現(xiàn)確實很好，但是不如Claude 4 Opus。

有行業(yè)人士認為，這一問題或許是榜單評測問題，只是讓AI完成基礎(chǔ)的任務(wù)，但對Agent的能力評測有限，但從實際應(yīng)用過程中，Claude模型在Agent方面做了專門優(yōu)化，可以在大規(guī)模、系統(tǒng)化、長時間的編程任務(wù)中表現(xiàn)出色，和行業(yè)拉開距離。而谷歌在Agent方向還沒怎么發(fā)力。

一位開發(fā)者用C 編程語言較多，他對記者表示，Claude比Gemini強太多，“任何Claude和o3無法解決的問題，Gemini從沒有一個能解決；但反之，Gemini 寫不對的，往往Claude能寫對。”

上述開發(fā)者認為，Gemini擅長的是長上下文和多模態(tài)，而Claude前端更優(yōu)，目前看可能還是這一格局。

不過，另一位用Python和typescript編程語言的開發(fā)者體驗并不相同，最近一個月，他無論在工作場景還是Cursor場景都全面轉(zhuǎn)為了Gemini 2.5 pro，發(fā)現(xiàn)代碼寫得比Claude 3.7好，生成的網(wǎng)頁更漂亮，寫出來的文案也更好。

目前看起來，在不同的生產(chǎn)場景和個性化工作中，各個模型的體驗和口碑并不相同。

大模型競爭進入下半場，模型基礎(chǔ)能力差距逐漸縮小，模型之間的較量正在從單純的跑分轉(zhuǎn)向更復(fù)雜的維度，模型的真正價值，越來越取決于在特定場景下的表現(xiàn)能否贏得開發(fā)者的投票。

不過，除開能力，使用成本也是開發(fā)者較為看重的一個因素，目前來看，Gemini比OpenAI的 o3、Claude 4 Opus和Grok 3都要更有性價比，但仍然是國內(nèi)DeepSeek的R1最便宜。

Gemini 2.5 pro的輸入價格1.25美元，輸出為10 美元/百萬Tokens。而o3在輸入和輸出價格方面則高至10美元和40美元每百萬Tokens ，Claude 4 Opus價格更高。針對此次更新，谷歌表示新模型引入了“思考預(yù)算”功能，能讓開發(fā)者更好地控制成本和延遲。

榜單分數(shù)是起點，真正的較量，在無數(shù)開發(fā)者和企業(yè)的工作和落地中展開。誰能更好地解決核心問題，誰就能贏得競爭的主動權(quán)。

AD：

鄭重聲明：本文版權(quán)歸原作者所有，轉(zhuǎn)載文章僅為傳播更多信息之目的，如作者信息標記有誤，請第一時間聯(lián)系我們修改或刪除，多謝。