最早推出Transformer架構(gòu)的谷歌，一度在大模型競(jìng)賽中落后。好在隨著Gemini的不斷進(jìn)化，谷歌正在回到第一梯隊(duì)。

3月26日，Gemini 2.5 Pro上線，這個(gè)模型一經(jīng)推出就登頂各大榜單，在Chatbot Arena上較第二名高出整整39分！

Gemini 2.5 Pro是一款推理模型。谷歌表示，推理能力不僅僅指分類和預(yù)測(cè)，而是指系統(tǒng)分析信息、得出邏輯結(jié)論、融入上下文和細(xì)微差別，以及做出明智決策的能力。

據(jù)悉Gemini 2.5 Pro 目前支持 100 萬 token 的上下文窗口，很快將推出200萬token的上下文窗口，繼承并發(fā)揚(yáng)了 Gemini 模型的優(yōu)勢(shì)——原生多模態(tài)能力和超長(zhǎng)上下文長(zhǎng)度。

這讓它能夠理解海量數(shù)據(jù)集，并處理來自多種信息源的復(fù)雜問題，包括文本、音頻、圖像、視頻，甚至完整的代碼倉(cāng)庫(kù)。

在Chatbot Arena（由加州大學(xué)伯克利分校 SkyLab 和 LMSYS 的研究者開發(fā)，主要用于根據(jù)人類偏好評(píng)估大語言模型的性能）上，Gemini 2.5 Pro以橫掃所有類別的顯著優(yōu)勢(shì)排名第一，并且比緊隨其后的Grok-3整整高出了39分。

同時(shí)Gemini 2.5 Pro還獲得了創(chuàng)意寫作、指令遵循和長(zhǎng)查詢?nèi)箢I(lǐng)域唯一的冠軍。

此外，Gemini 2.5 Pro成功登頂了視覺競(jìng)技場(chǎng)（Vision Arena）排行榜榜首。

在網(wǎng)頁開發(fā)領(lǐng)域，作為首個(gè)實(shí)力媲美 Claude 3.7 Sonnet 的模型，Gemini 2.5 Pro成功獲得了網(wǎng)頁開發(fā)競(jìng)技場(chǎng)（WebDev Arena）的第二名。

不僅如此，Gemini 2.5 Pro在Humanity’s Last Exam(no tools)，GPQA和 AIME 2025等數(shù)學(xué)和科學(xué)基準(zhǔn)評(píng)測(cè)中同樣表現(xiàn)卓越。

Humanity’s Last Exam (no tools)即 “人類的最后考試（無工具）”，這里的 “無工具” 指在進(jìn)行該考試時(shí)，不允許使用外部工具，如搜索引擎、數(shù)據(jù)庫(kù)等。已往實(shí)驗(yàn)顯示，最先進(jìn)的 LLMs 在 HLE 上的準(zhǔn)確率普遍低于 10%，且存在信心與能力失衡、推理效率低等問題，表明當(dāng)前 LLM 的能力與人類專家在封閉式學(xué)術(shù)問題上的前沿能力之間的差距。在這一背景下，Gemini 2.5 Pro 18.8%的成績(jī)顯得非常突出。

據(jù)悉，Gemini 2.5 Pro 已在 Google AI Studio 和 Gemini 應(yīng)用中，向 Gemini Advanced 用戶開放，并將在 Vertex AI 上推出。

而它會(huì)在未來幾周內(nèi)公布定價(jià)方案，用戶可以在更高使用配額下，將模型應(yīng)用于大規(guī)模生產(chǎn)環(huán)境。

有意思的是，最近國(guó)內(nèi)和國(guó)外兩大著名的“起大早趕晚集”選手都發(fā)布了最新大模型，含金量是否都能達(dá)到評(píng)測(cè)顯示的效果呢？

本文系觀察者網(wǎng)獨(dú)家稿件，未經(jīng)授權(quán)，不得轉(zhuǎn)載。