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(běijīng)时间6月6日(rì)，谷歌推出(tuīchū)升级预览版大模型Gemini 2.5 Pro（0605），并表示这会在几周后成为正式的稳定版本，适用于企业级应用。 Gemini 2.5 Pro是谷歌旗舰模型系列，在(zài)(zài)前三个月公布了几个预览版，此前也一直在大模型竞技场LMArena排名第一，这一次更新的(de)版本各方面的分数都超过了此前的版本，继续排在榜(bǎng)一。 不过，第一财经也询问(xúnwèn)了一些开发者(kāifāzhě)，他们认为，不能完全相信榜单，要看实际体验和绝大多数开发者的选择，此前Gemini的模型(móxíng)表现各有优劣，开发者评价两极分化，目前刚出来大家(dàjiā)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(de)分(fēn)数(fēnshù)，在 LMArena上Elo分数（衡量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。 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(biānchéng)基准测试中保持(bǎochí)领先(lǐngxiān)。此外，它在 GPQA（研究生级别的(de)问答测试）中的成绩(chéngjì)超过了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21.6%，比OpenAI的o3多出 1.3个百分点。 在谷歌模型发布后，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(xiǎnshì)2.5 Pro新版在总分和(hé)所有子榜单位列第一，包括文本、视觉、数学、创意等(děng)。 不过，“高分低能”的(de)产品此前(cǐqián)也有过，不乏开发者对这个榜单存疑。例如，从编程体验上来说，Anthropic的Claude系列模型是公认较为好用的基座模型，此次在榜单的成绩并不突出。有海外网友表示，2.5 Pro新版(xīnbǎn)的表现(biǎoxiàn)确实很好，但是(dànshì)不如Claude 4 Opus。 有行业人士认为，这一问题或许是榜单评测问题，只是让(ràng)AI完成基础的(de)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Agent方面做了专门(zhuānmén)优化，可以在大规模、系统化、长时间的编程任务中表现出色(biǎoxiànchūsè)，和行业拉开距离。而谷歌在Agent方向(fāngxiàng)还没怎么发力。 一位开发者用C++编程语言较多，他(tā)对(duì)记者(jìzhě)表示，Claude比Gemini强太多，“任何Claude和o3无法解决的问题，Gemini从没有(méiyǒu)一个能解决；但反之，Gemini 写不对的，往往Claude能写对。” 上述开发者认为，Gemini擅长的是长上下文和多(duō)模态，而(ér)Claude前端更优，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(kāifāzhě)体验并不相同，最近一个月，他无论在工作场景还是Cursor场景都全面转为(zhuǎnwéi)了Gemini 2.5 pro，发现代码写(xiě)得比Claude 3.7好，生成的网页更漂亮，写出来的文案也(yě)更好。 目前看起来，在不同的生产(shēngchǎn)场景和个性化工作中(zhōng)，各个模型的体验和口碑并不相同。 大模型竞争进入下半场，模型基础能力差距逐渐缩小，模型之间的较量正在(zhèngzài)从单纯的跑分转向更复杂的维度，模型的真正价值，越来越取决于在特定场景(chǎngjǐng)下的表现能否赢得(yíngde)开发者的投票。 不过，除开能力，使用成本也是开发者较为(jiàowéi)看重的一个因素，目前来看(láikàn)，Gemini比OpenAI的 o3、Claude 4 Opus和(hé)Grok 3都要更有性价比，但(dàn)仍然是国内DeepSeek的R1最便宜。 Gemini 2.5 pro的输入(shūrù)价格1.25美元(měiyuán)，输出为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(xīn)，谷歌表示新模型引入了“思考预算”功能(gōngnéng)，能让开发者更好地控制成本(chéngběn)和延迟。 榜单分数是起点(qǐdiǎn)，真正的较量，在无数开发者和企业的工作和落地中展开。谁能更好地解决核心问题，谁就(jiù)能赢得竞争的主动权。 (本文来自第一财经(cáijīng))