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，谷歌推出升级(shēngjí)预览版大(dà)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，在前三个月公布了几个预览版(yùlǎnbǎn)，此前也一直(yìzhí)在大(dà)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超过了此前的版本，继续排在(páizài)榜一。 不过，第一财经也询问了一些开发者(kāifāzhě)，他们认为，不能完全相信(xiāngxìn)榜单，要看实际体验和绝大多数开发者的(de)选择，此前Gemini的模型表现各有优劣，开发者评价(píngjià)两极分化，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(jīzhǔn)测试中取得了更高的(de)分(fēn)数，在 LMArena上Elo分数（衡量模型相对技能水平(shuǐpíng)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 等高难度编程基准(jīzhǔn)测试中保持领先(lǐngxiān)。此外，它在 GPQA（研究生级别的(de)问答测试）中的成绩超过了OpenAI的o3、Claude 4以及DeepSeek-R1的最新版。在“人类的最后(zuìhòu)考试(HLE) ” 中成绩达到(dádào)21.6%，比OpenAI的o3多出(duōchū) 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2.5 Pro新版在总分和所有(suǒyǒu)子榜单位列第一(dìyī)，包括文本、视觉、数学(shùxué)、创意等。 不(bù)过，“高分低能”的(de)产品此前也有过，不乏开发者对这个榜单存疑(cúnyí)。例如，从编程体验上来说，Anthropic的Claude系列(xìliè)模型是公认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(hángyè)人士认为，这一问题或许是(shì)榜单评测问题，只是让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(yìngyòng)过程中，Claude模型在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(hái)没怎么发力。 一位开发者(kāifāzhě)用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(jiějué)的问题，Gemini从(cóng)没有一个能解决；但反之，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编程语言的开发者体验并不相同，最近(zuìjìn)一个月，他无论(wúlùn)在工作场景还是Cursor场景都全面转为了Gemini 2.5 pro，发现(fāxiàn)代码写得比Claude 3.7好，生成的网页(wǎngyè)更漂亮，写出来的文案也更好(gènghǎo)。 目前看起来，在不同的生产场景和个性化(gèxìnghuà)工作中，各个模型的体验和口碑(kǒubēi)并不相同。 大模型(móxíng)竞争进入下半场(xiàbànchǎng)，模型基础能力差距逐渐缩小，模型之间的较量正在从单纯的跑分转向更(gèng)复杂的维度，模型的真正价值，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(shǐyòng)成本(chéngběn)也是开发者(kāifāzhě)较为看重的一个因素，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(jiàgé)1.25美元，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，能让(ràng)开发者更好(gènghǎo)地控制成本(chéngběn)和延迟。 榜单(bǎngdān)分数是起点，真正的较量，在无数开发者和(hé)企业的工作和落地中展开。谁能更好地解决核心问题，谁就能赢得竞争的主动权。 (本文来自第一(dìyī)财经)