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(dà)模型Gemini 2.5 Pro（0605），并表示这会在几周后成为正式(zhèngshì)的稳定版本(bǎnběn)，适用于企业级应用。 Gemini 2.5 Pro是谷歌旗舰模型(móxíng)系列(xìliè)，在前三个月公布了几个预览版(yùlǎnbǎn)，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(yào)看(kàn)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(yǒu)优劣，开发者评价两极分化，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(le)更高的分数，在 LMArena上Elo分数（衡量(héngliáng)模型相对技能水平的评分）提升(tíshēng)了24分，目前以1470分的成绩保持领先。 具体(jùtǐ)领域上，谷歌称，最新模型(móxíng)在(zài)代码方面继续(jìxù)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（研究生级别(jíbié)的问答测试）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(hé)所有子榜单位列第一，包括文本、视觉、数学、创意等(děng)。 不过(guò)，“高分低能(gāofēndīnéng)”的产品此前也有过，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系列模型是公认较为好用(hǎoyòng)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(guòchéng)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(biānchéng)任务中表现出色，和(hé)行业拉开距离。而谷歌在Agent方向还没怎么发力。 一位开发者用C++编程语言(biānchéngyǔyán)较多，他(tā)对记者表示，Claude比Gemini强太多，“任何Claude和o3无法解决的(de)问题，Gemini从没有一个能(néng)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(hé)多模态，而Claude前端更优，目前看可能(kěnéng)还是这一格局。 不过，另一位用Python和typescript编程语言的(de)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(háishì)Cursor场景都全面转为了Gemini 2.5 pro，发现代码(dàimǎ)写得比(bǐ)Claude 3.7好，生成的网页更漂亮，写出来的文案也更好。 目前看起来，在(zài)不同的生产场景和(hé)个性化工作中，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(jīchǔ)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复杂的维度，模型的真正价值，越来越取决于(qǔjuéyú)在特定场景下的表现能否赢得开发者的投票。 不过，除开(chúkāi)能力，使用成本也是开发者较为看重的(de)(de)一个因素，目前来看，Gemini比OpenAI的 o3、Claude 4 Opus和Grok 3都要更有性价比，但仍然是国内(guónèi)DeepSeek的R1最便宜。 Gemini 2.5 pro的输入价格1.25美元(měiyuán)(měiyuán)，输出为10 美元/百万Tokens。而o3在输入和(hé)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，谷歌表示新模型引入了“思考预算”功能，能让开发者(kāifāzhě)更好地控制成本和延迟(yánchí)。 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中(zhōng)展开。谁能更(gèng)好地解决核心问题，谁就能赢得竞争的主动权。 (本文来自(láizì)第一财经)