谷歌新模型2.5 Pro霸榜AI竞技场，开发者评价两极分化

北京时间6月6日，谷歌推出升级预览版(yùlǎnbǎn)大模型Gemini 2.5 Pro（0605），并表示这会(zhèhuì)在几周后成为正式的稳定版本，适用于(yú)企业级应用。 Gemini 2.5 Pro是谷歌旗舰模型(móxíng)系列，在前三个(sāngè)月公布(gōngbù)了几个预览版，此前也一直在大模型竞技场LMArena排名第一，这一次更新的版本各方面的分数都(dōu)超过了此前的版本，继续排在榜一。 不过，第一财经也询问了一些开发者，他们认为，不能完全相信(xiāngxìn)榜单，要看实际(shíjì)体验和绝大多数(juédàduōshù)开发者的选择，此前Gemini的模型表现各有优劣，开发者评价两极分化(liǎngjífēnhuà)，目前刚出来大家或许要用一用才能有更客观的评价。 根据谷歌官方博客，最新2.5 Pro 在多项AI性能基准测试中(zhōng)取得了更高的分(fēn)数，在 LMArena上Elo分数（衡量(héngliáng)模型相对技能水平的评分）提升了24分，目前以1470分的成绩保持领先(lǐngxiān)。 具体领域上，谷歌称，最新模型在代码方面继续表现出色，在 Aider Polyglot 等(děng)高难度编程基准测试(cèshì)中保持领先。此外，它在 GPQA（研究生级别的(de)问答测试）中的成绩(chéngjì)超过了(le)OpenAI的o3、Claude 4以及DeepSeek-R1的最新版。在“人类的最后考试(HLE) ” 中成绩达到(dádào)21.6%，比OpenAI的o3多出 1.3个百分点。 在(zài)谷歌(gǔgē)模型发布后，业界知名的测评方大模型竞技场 (lmarena.ai)发布了一份新的榜单，显示2.5 Pro新版在总分(zǒngfēn)和所有子榜单位列第一，包括文本、视觉、数学、创意等。 不过(guò)，“高分低能”的产品(chǎnpǐn)此前也有过，不乏开发者对这个(zhègè)榜单存疑。例如，从编程体验上来说，Anthropic的Claude系列模型是公认(gōngrèn)较为好用的基座模型，此次(cǐcì)在榜单的成绩并不突出。有海外网友表示，2.5 Pro新版的表现确实很好，但是不如Claude 4 Opus。 有行业人士认为(rènwéi)，这一问题(wèntí)或许(huòxǔ)是榜单评测问题，只是让AI完成基础的任务，但对Agent的能力评测有限，但从实际应用过程中，Claude模型在(zài)Agent方面做了专门优化，可以在大规模、系统化、长时间的编程任务中表现出色，和行业拉开距离。而谷歌在Agent方向还没怎么发力(fālì)。 一位开发者(kāifāzhě)用(yòng)C++编程语言较多，他对记者表示，Claude比Gemini强太多，“任何Claude和o3无法解决的问题，Gemini从没有一个能解决；但(dàn)反之，Gemini 写(xiě)不对的，往往Claude能写对。” 上述开发者认为，Gemini擅长(shàncháng)的是长上下文和多模态，而Claude前端(qiánduān)更优，目前看可能还是这一格局。 不过，另一位用Python和typescript编程语言(biānchéngyǔyán)的开发者体验并不相同，最近一个月，他(tā)无论在工作场景还是Cursor场景都全面转为了Gemini 2.5 pro，发现代码写得比(bǐ)Claude 3.7好，生成的网页(wǎngyè)更(gèng)漂亮，写出来的文案也更好。 目前看起来，在不同(bùtóng)的生产场景和个性化工作(gōngzuò)中，各个模型的体验和口碑并不相同。 大模型(móxíng)竞争进入下半场，模型基础能力差距逐渐缩小，模型之间的(de)较量正在从单纯的跑分转向更复杂的维度，模型的真正(zhēnzhèng)价值，越来越取决于在特定场景下的表现能否赢得开发者的投票。 不过，除开能力，使用成本也是(shì)开发者较为(jiàowéi)看重的一个因素(yīnsù)，目前来看，Gemini比OpenAI的 o3、Claude 4 Opus和Grok 3都要更有(yǒu)性价比，但仍然是国内DeepSeek的R1最便宜。 Gemini 2.5 pro的输入价格1.25美元(měiyuán)，输出为(wèi)10 美元/百万Tokens。而o3在输入和输出价格方面则高至10美元和40美元每百万Tokens ，Claude 4 Opus价格更高。针对此次更新(gēngxīn)，谷歌表示新模型引入了(le)“思考预算”功能，能让开发者(kāifāzhě)更好地控制成本和延迟。 榜单分数是起点，真正的较量，在无数开发者和企业的工作和落地(luòdì)中(zhōng)展开。谁能更好地解决核心问题，谁就能赢得竞争的主动权。 (本文(běnwén)来自第一财经)