作者 | 陈骏达

编辑 | 心缘

智东西 3 月 26 日报道，今天，谷歌发布了 Gemini 2.5 思考模型家族的第一个成员——Gemini 2.5 Pro 实验版本。这一模型在多项基准测试中全面超越 OpenAI o3-mini，Claude 3.7 Sonnet、Grok-3 和 DeepSeek-R1，一经亮相便在大模型竞技场获得1443 分，凭借 39 分的大幅优势，获得断层第一。

不过，谷歌并未放出 Gemini 2.5 Pro 与 OpenAI o1、OpenAI o1-Pro 和 OpenAI o3 等模型在基准测试中的对比。此外，在智能体编程评估基准 SWE-bench verified 上，其得分要低于 Claude 3.7 Sonnet。

Gemini 2.5 Pro 除了在衡量人类偏好的大模型竞技场领先之外，还在常见的编程、数学和科学基准测试中处于领先地位，包括 Humanity ’ s Last Exam（人类最后考试）这一难度超高的基准测试，与 OpenAI o3-mini 相比，其得分提升了近 5%，提升比例达 34%。这款模型现已支持 100 万 tokens 上下文窗口，并将很快拓展至 200 万 tokens。

目前，Gemini 2.5 Pro 已上线面向开发者的谷歌 AI Studio 平台，并很快会在谷歌的在线 AI 开发平台 Vertex AI 上线。普通用户若要体验这款新模型，需要具备 Gemini Advanced 订阅账号。

未来几周，谷歌还将推出模型的定价，允许用户使用具有更高速率的 2.5 Pro 进行大规模商用。

博客地址：https://blog.google/technology/google-deepmind/gemini-model-thinking-updates-march-2025/#gemini-2-5-pro

体验链接：https://aistudio.google.com/app/prompts/new_chat?model=gemini-2.5-pro-exp-03-25

一、谷歌大秀新模型编程能力，一句话生成互动式图表

Gemini 2.5 Pro 发布后，谷歌 DeepMind 在其 YouTube 账号上发布了多个演示视频，主要展现了其编程能力与其他领域能力的结合。

例如，Gemini 2.5 Pro 可以根据用户提出的简单指令，在 p5.js 中探索曼德博集合。这要求大模型具备较好的数学、编程和可视化能力。最终，较好的可视化效果应包括清晰的边缘、平滑的颜色过渡等。

Gemini 2.5 Pro 还能根据提示词，创建互动式的图表。下方案例中，它便将过去几十年的人均 GDP 数据与健康数据结合，在一张图表内呈现了数百个国家过去几十年的变化，从而揭示财富与健康之间的关系。

对于一些更为日常的任务，如游戏开发，Gemini 2.5 Pro 也能在指定特定编程语言的情况下，给出兼具审美和可玩性的游戏。下方的这一恐龙小游戏与 Chrome 内自带的游戏画风颇为接近。

二、获得多项 SOTA 成绩，将支持 200 万 tokens 长上下文

谷歌称，Gemini 2.5 Pro 在一系列需要高级推理能力的基准测试中获得了最佳表现，包括 GPQA 和 AIME 2025。参与测试时，Gemini 2.5 Pro 没有使用多数投票等 token 消耗量巨大的测试时计算技巧。

Gemini 2.5 Pro 在 Humanity ’ s Last Exam 中获得了 18.8% 的最佳得分，且并未调用工具。这一测试集由数百位人类专家设计，包含了人类最前沿深奥的知识和推理。

高级编程能力方面，Gemini 2.5 Pro 在 2.0 版本的基础上实现了较大提升，新模型擅长创建美观的 Web 应用和智能体编程方面表现突出，同时擅长代码转换与编辑任务。

在行业标准的智能体编程评估基准 SWE-bench verified 上，Gemini 2.5 Pro 采用定制智能体配置取得了 63.8% 的得分，不过这一得分仍然低于 Claude 3.7 Sonnet。

与 Gemini 模型家族的其他成员一样，Gemini 2.5 Pro 具备原生多模态处理能力和超长上下文窗口。目前，其支持 100 万 tokens 的上下文窗口，并很快将升级至 200 万 tokens，让该模型能够解析海量数据集，处理来自文本、音频、图像、视频乃至完整代码库等多元信息源的复杂问题。

结语：编程成为 AI 玩家角力新前线

本次 Gemini 2.5 Pro 的发布，与昨日 DeepSeek-V3 新版本的发布相隔不到 30 个小时。与 DeepSeek-V3 一样，谷歌也选择提升了 Gemini 在编程、审美、数学等方面的能力，并将其作为模型的亮点重点展示，放出的 6 个演示视频均为 AI 编程相关。

AI 编程能力的提升，既能给普通用户带来直观的感知变化，也有望在生产场景中带来明显的效益提升。这一领域或将在未来很长一段时间内，成为大模型厂商们竞相角力的方向。