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），并表示这会在几周后成为正式的稳定版本，适用于(yú)企业级(qǐyèjí)应用。 Gemini 2.5 Pro是谷歌(gǔgē)旗舰模型系列，在前(qián)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，这一次更新的版本各方面(fāngmiàn)的分数都超过了此前的版本，继续排在榜(bǎng)一。 不过，第一财经也询问了一些开发者，他们认为(rènwéi)，不能完全相信榜单，要看实际体验(tǐyàn)和绝大多数开发者的(de)选择，此前Gemini的模型表现各有优劣，开发者评价两极分化，目前刚出来大家或许要用(yàoyòng)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(qǔde)了更高的分数(fēnshù)，在 LMArena上Elo分数（衡量模型相对技能(jìnéng)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(jìxù)表现出色，在 Aider Polyglot 等高难度编程基准测试(cèshì)中保持领先。此外，它在 GPQA（研究生(yánjiūshēng)级别的问答(wèndá)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21.6%，比OpenAI的o3多出 1.3个百分点。 在谷歌(gǔgē)模型发布后，业界知名的测评方大(fāngdà)模型竞技场 (lmarena.ai)发布了一份新的榜单，显示2.5 Pro新版在总分和所有子榜(zibǎng)单位列第一，包括文本、视觉、数学、创意等。 不过，“高分低能”的产品此前也有过，不乏(bùfá)开发者对这个榜单存疑(cúnyí)。例如，从编程体验上来说，Anthropic的Claude系列模型(móxíng)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(hǎiwài)网友表示(biǎoshì)，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，这一问题或许(huòxǔ)是榜单评测问题，只是让AI完成基础的(de)任务，但(dàn)对Agent的能力评测有限(yǒuxiàn)，但从实际应用过程中，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从没有(méiyǒu)一个能(néng)解决；但(dàn)反之，Gemini 写不对的，往往Claude能写对。” 上述开发者(kāifāzhě)认为，Gemini擅长的是长上下文和多模态，而Claude前端更优，目前(mùqián)看可能还是这一格局。 不过，另(lìng)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，他无论在工作场景还是Cursor场景都(dōu)全面转为了Gemini 2.5 pro，发现代码写(xiě)得比Claude 3.7好，生成的网页更漂亮(piàoliàng)，写出来的文案也更好。 目前看起来，在不同的(de)生产场景和个性化工作中，各个模型的体验和口碑并不相同(bìngbùxiāngtóng)。 大模型竞争进入(jìnrù)下半场，模型基础能力差距逐渐缩小，模型之间的较量正在从单纯(dānchún)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下的表现能否赢得开发者(kāifāzhě)的投票。 不过(bùguò)，除开能力，使用(shǐyòng)成本也是开发者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(xìngjiàbǐ)，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(cǐcì)更新(gēngxīn)，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和延迟(yánchí)。 榜单分数是起点，真正(zhēnzhèng)的较量，在无数开发者和企业的工作和落地(luòdì)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(běnwén)来自第一财经)