谷歌地表最強模型深夜來襲！Gemini 2.5 Pro發布即屠榜，代碼推理殺瘋了
就在剛剛，谷歌的全新模型Gemini 2.5 Pro，果然深夜上線了！
Gemini 2.5 Pro是一個「思考」模型，能夠在回應前先進行思考推理，從而提升性能，并改善準確性。
谷歌稱，它是世界上最強大的模型，具備統一的推理能力，以及用戶所喜愛的Gemini的所有功能（長上下文、工具等）。
圖片
它在多個基準測試中達到了SOTA水平，并且以顯著的優勢在LMArena上排名第一。
現在，Gemini 2.5 Pro已經登頂了Arena排行榜的第一位，而且創下了歷史最大分數飛躍，比Grok-3/GPT-4.5整整高出了40分！
在代號「nebula」的測試中，它也橫掃所有類別奪得第一，并且獨攬數學、創意寫作、指令遵循、長查詢和多輪對話五大領域的冠軍！
圖片
在困難提示詞和編程兩大領域，它與Grok-3/GPT-4.5拿到了并列冠軍，而且在所有其他比拼中都以微弱優勢勝出，成功問鼎榜首！
圖片
此外，Gemini 2.5 Pro還成功登頂了視覺競技場（Vision Arena）排行榜榜首！
圖片
在網頁開發領域，它也同樣大放異彩，成功斬獲網頁開發競技場（WebDev Arena）亞軍寶座！
它是首個實力媲美 Claude 3.5 Sonnet 的模型，相比之前版本的Gemini更是實現了質的飛躍。
圖片
這一次，谷歌的模型又展現出巨大的飛躍，OpenAI、Anthropic、DeepSeek等競爭對手，在多久時間內會趕上？
圖片
目前，Gemini 2.5 Pro已在Google AI Studio和Gemini應用中，向Gemini Advanced用戶開放，并將很快在Vertex AI上推出。
而它的定價方案，會在未來幾周內公布，用戶可以在更高使用配額下，將模型應用于大規模生產環境。
網友實測后發現，它果然實力驚人，在所有模型中效果拔群，第一次嘗試就只用幾秒解決了一道難題。
圖片
Gemini 2.5 Pro上線！
谷歌表示，在AI領域，系統的「推理」能力不僅僅指分類和預測，而是指系統分析信息、得出邏輯結論、融入上下文和細微差別，以及做出明智決策的能力。
長期以來，谷歌一直在探索通過強化學習和思維鏈提示詞等技術，讓AI更智能、更具推理能力的方法。
正是在此基礎上，他們在2月推出了第一個思考模型，Gemini 2.0 Flash Thinking。
而今天，通過Gemini 2.5，他們結合了顯著增強的基礎模型和改進的后期訓練，讓模型達到了新的性能水平。
推理和代碼能力大幅提升
Gemini 2.5 Pro展現出了強大的推理和代碼能力，在常見的編程、數學和科學基準測試中均處于領先地位。
圖片
另外，在各類需要高級推理能力的基準測試中，它都達到了SOTA水平。
無需使用測試階段會增加計算成本的技術（如多數投票法），2.5 Pro就能在GPQA和 AIME 2025等數學和科學基準評測中表現卓越。
而且，在不使用任何外部工具的條件下，它就在挑戰人類知識和推理能力的極限前沿「人類最后的考試」中取得了18.8%的準確率，達到業界領先。
圖片
在編程能力上，Gemini 2.5相比2.0版本也實現了質的飛躍，而這，僅僅是個開始。
2.5 Pro在創建視覺精美的網頁應用和AI智能體代碼應用方面都表現卓越，在代碼轉換和編輯領域中，也同樣實力出色。
在智能體代碼評估的行業標準測試SWE-Bench Verified上，Gemini 2.5 Pro靠使用自定義智能體配置，就獲得了63.8%的優異成績。
以下這波demo，就展示了Gemini 2.5 Pro如何運用強大推理，僅通過一行提示詞，就能生成可執行代碼，來創建完整的動畫和游戲。
在下面這個demo中，僅僅根據下面這行prompt，它就生成了一段p5js的交互式動畫，展示了「宇宙魚」的場景，并且還顯示了魚們都在想什么。
圖片
它還根據以下prompt，生成了一個無限的恐龍跑酷游戲。
圖片
按照要求，它生成了像素化的恐龍圖像和有趣的游戲背景。
圖片
隨后，Gemini 2.5 Pro還通過編程實現了分形可視化。
它創建出了精細分形圖案的模擬程序，展現出了神奇的曼德布洛特集合。
圖片
此外，它還能構建一個交互式氣泡圖，直觀展示出了每個大陸的經濟與健康指標隨時間的變化。
圖片
或者用一段交互式的Javascript動畫，展示了旋轉六邊形內多彩的人工生命群體，并且按要求做成了「超新星星云」的感覺。
圖片
另外，它還能開發粒子系統模擬，給出了一個HTML文件，創造出了反射星云的沉浸式交互模擬場景。
圖片
原生多模態和超長上下文
Gemini 2.5繼承并發揚了Gemini 模型的優勢——原生多模態能力和超長上下文長度。
自己發布之初，2.5 Pro就支持100萬token的上下文窗口（而200萬token也即將推出！），性能顯著超越了前代模型。
這能讓它理解海量數據集，并處理來自多種信息源的復雜問題，包括文本、音頻、圖像、視頻，甚至完整的代碼倉庫。
圖片
最后，既然谷歌已經掏出了地表最強模型，接下來，就讓我們坐等OpenAI的反應了。
參考資料：
