解锁 Google Gemini 2.5 Pro：将复杂问题解决的 AI 推理和性能提升 50%

击败 OpenAI-o3、Grok3、Claude 3.7、DeepSeek-R1

预览图

本周首次发布 DeepSeek v3–0324，现在谷歌推出了其新模型 Google Gemini 2.5 Pro。OpenAI 肯定会感受到压力。不要小看这次发布；

这是迄今为止发布的最佳 LLM。

什么是 Gemini 2.5 Pro？

Gemini 2.5 Pro（具体来说，初始发布为 Gemini 2.5 Pro Experimental）是谷歌 DeepMind 发布的 Gemini 2.5 代的第一个模型。它被描述为谷歌 DeepMind 最智能、最先进的 AI 模型，设计为一种“思维模型”，能够在回应之前进行内部推理，旨在解决日益复杂的问题。它在许多基准测试中处于领先地位。

Google Gemini 2.5 Pro 的关键特性是什么？

思维能力：在回应之前进行内部推理，从而提高性能和准确性。

增强推理：在需要高级推理的基准测试中表现出色，包括数学和科学（如 GPQA、AIME 2025）以及知识/推理（人类最后的考试）。

高级编码：显示出强大的编码能力，在创建 web 应用、代理代码应用、代码转换和编辑方面表现突出。在 SWE-Bench Verified 上得分很高。

原生多模态：基于 Gemini 理解和处理来自文本、音频、图像、视频和整个代码库的信息的能力。

长上下文窗口：配备 100 万个 token 的上下文窗口（计划很快扩展到 200 万），使其能够理解庞大的数据集。

基准测试

无

•推理与知识（人类最后的考试 — 无工具）：此基准测试使用来自不同专家的问题测试深度推理和广泛知识，不允许 AI 使用外部工具。Gemini 2.5 Pro 以18.8%的最高分数，表明在无辅助推理和知识回忆方面的先进表现，相较于其他列出的模型。

•科学（GPQA 钻石）：评估对物理、化学和生物学研究生级问题的理解和复杂推理。Gemini 2.5 Pro 在单次尝试中得分84.0%（pass@1），在此方法中在展示的模型中最高，展示了强大的科学推理能力。

•数学（AIME 2025）：使用来自具有挑战性的美国邀请数学考试（2025 版）的问题来测试高级数学问题解决能力。Gemini 2.5 Pro 在单次尝试中以86.7%的成绩领先（pass@1），展示了在复杂数学问题上的优越表现，无需多次尝试。

•数学（AIME 2024）：与上述类似，但使用 2024 AIME 竞赛的问题。Gemini 2.5 Pro 再次在单次尝试中得分最高（pass@1），为92.0%，进一步巩固其强大的数学推理能力。

•代码生成（LiveCodeBench v5）：此基准测试评估根据给定问题编写功能性代码的能力。Gemini 2.5 Pro 得分70.4%（pass@1），显示出强大的代码生成能力，在这一特定指标上与顶级表现者（OpenAI o3-mini）竞争。

•代码编辑（Aider Polyglot）：此测试衡量模型在不同编程语言中修改或调试现有代码的能力。Gemini 2.5 Pro 在整体/差异中取得74.0% / 68.6%的领先分数，表明其在代码编辑方面相较于同行表现出色。

•代理编码（SWE-bench verified）：此测试模型处理复杂的多步骤软件工程任务的能力。Gemini 2.5 Pro 得分高达63.8%，展示了强大的代理能力，尽管在此基准测试中略逊于 Claude 3.7 Sonnet。

•事实性（SimpleQA）：此测试测量回答相对简单的事实性问题的准确性。Gemini 2.5 Pro 得分52.9%，表现稳健，尽管低于 OpenAI GPT-4.5 的得分（62.5%）在此特定测试中。

•视觉推理（MMMU）：此测试评估理解和推理结合视觉（图像）和文本输入的能力，涵盖多个学科。Gemini 2.5 Pro 在单次尝试中取得最高得分81.7%（pass@1），展示了在多模态理解方面的领先能力。

•图像理解（Vibe-Eval（Reka））：此测试专注于理解图像中的内容。Gemini 2.5 Pro 得分69.4%，在支持此多模态基准的模型中领先。

•长上下文（MRCR）：此测试评估对非常长文档（128k 和 100 万个 token）的阅读理解和信息检索能力。Gemini 2.5 Pro 显著超越其他模型，得分91.5%（128k）和83.1%（1M），展示了处理和利用大量上下文的卓越能力。

•多语言表现（Global MMLU（Lite））：此测试测量在多种语言中对各种学科的理解和知识。Gemini 2.5 Pro 达到89.8%的最高分，表明其在多语言和多学科能力方面的优越性。

综合来看

Gemini 2.5 Pro 在各个方面展示了先进或高度竞争的性能，特别是在复杂推理（人类最后的考试）、单次尝试的数学和科学问题（AIME、GPQA）、代码编辑（Aider）、视觉推理（MMMU）、图像理解（Vibe-Eval）、处理极长上下文（MRCR）以及多语言任务（Global MMLU）方面表现突出。这使其成为目前可用的最强大和多才多艺的 AI 模型之一。

应该用于什么？

• 处理需要高级推理的复杂任务。

• 解决数学和科学问题。

• 高级编码任务，如创建视觉吸引力强的 web 应用、开发代理代码应用、代码转换和编辑。

• 分析和理解来自不同格式（文本、音频、图像、视频、代码）的大量信息。

• 开发者和企业的实验。

• 扩展生产使用（一旦价格和更高的速率限制可用）。

如何使用 Google Gemini 2.5 Pro？

目前：

在Google AI Studio中可供开发者和企业实验（如上视频所示）

在 Gemini 应用中为Gemini 高级用户提供（在桌面和移动设备的模型下拉菜单中可选择）。

结论

因此，Gemini 2.5 Pro 显然是智能 AI 的一个重大进步。它不仅仅是获取答案，而是思考这些答案，这在处理复杂问题时确实有助于提高准确性。在复杂推理、创造性编码、理解图像甚至消化庞大文档方面，我们看到它的出色表现。现在开发者和 Gemini 高级用户可以尝试它。