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大模型Gemini 2.5 Pro（0605），并表示这会在几周(jǐzhōu)后成为正式的稳定版本(bǎnběn)，适用(shìyòng)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(le)几个预览版，此前也一直在大模型竞技场(jìngjìchǎng)LMArena排名第一，这一次更新的(de)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，不能完全相信榜单，要看实际体验和(hé)绝大多数开发者的(de)选择，此前Gemini的模型表现各有优劣(yōuliè)，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(gēnjù)谷歌官方(guānfāng)博客，最新2.5 Pro 在多项AI性能基准测试中取得了更高的分(fēn)数，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(lǐngxiān)。 具体领域上，谷歌称，最新模型在(zài)代码方面继续表现出色，在 Aider Polyglot 等高难度编程基准测试中保持(bǎochí)领先。此外，它在 GPQA（研究生(yánjiūshēng)级别的(de)问答测试）中的成绩超过了OpenAI的o3、Claude 4以及(yǐjí)DeepSeek-R1的最新版。在“人类的最后(zuìhòu)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(de)测评(cèpíng)方大模型竞技场 (lmarena.ai)发布了一份新的榜单，显示(xiǎnshì)2.5 Pro新版在总分和所有子榜单位列第一，包括文本、视觉、数学、创意等。 不过(guò)(bùguò)，“高分低能”的产品此前也有过，不乏开发者对这个榜单(bǎngdān)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(wǎngyǒu)表示，2.5 Pro新版的表现确实很好，但是不如(bùrú)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AI完成基础的任务，但对(duì)Agent的能力评测有限，但从实际应用过程中，Claude模型(móxíng)在(zài)Agent方面做了专门优化(yōuhuà)，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(biānchéngyǔyán)较(jiào)多(duō)，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；但反之(fǎnzhī)，Gemini 写不对的，往往Claude能写对。” 上述开发者认为，Gemini擅长的(de)是(shì)长上下文和多模态，而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编程语言的开发者体验并不相同，最近一个月，他无论在工作场景(chǎngjǐng)还是Cursor场景都全面转为了Gemini 2.5 pro，发现代码写得比Claude 3.7好，生成(shēngchéng)的网页更(gèng)漂亮(piàoliàng)，写出来的文案也(yě)更好。 目前看起来，在不同的生产场景和个性化工作中，各个(gègè)模型的体验和口碑并不相同(bìngbùxiāngtóng)。 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从(cóng)单纯的跑分转向更复杂的维度(wéidù)，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(yíngde)开发者的投票。 不过，除开(chúkāi)能力，使用(shǐyòng)成本也是(shì)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(gèng)有性价比，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(fāngmiàn)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(móxíng)引入了“思考预算(yùsuàn)”功能，能让开发者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(wúshù)开发者和企业的工作和落地中展开。谁能(néng)更好地解决核心问题，谁就能赢得竞争的主动权。 (本文来自第一财经(cáijīng))