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(móxíng)Gemini 2.5 Pro（0605），并表示(biǎoshì)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(jǐgè)预览版(yùlǎnbǎn)，此前也一直在大模型竞技场LMArena排名(páimíng)第一，这一次更新的版本各方面的分数(fēnshù)都超过了此前的版本，继续排在榜一。 不过，第一(dìyī)财经也询问了一些开发者，他们认为，不能完全相信榜单，要看实际体验和绝大多数开发者的(de)选择(xuǎnzé)，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一用才能有更客观(kèguān)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(zhōng)取得了更高的分数(fēnshù)，在 LMArena上(shàng)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(jìxù)表现出色，在 Aider Polyglot 等高难度(gāonándù)编程基准测试(cèshì)(cèshì)中保持领先。此外，它在 GPQA（研究生级别的问答测试）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。 在谷歌模型(móxíng)(móxíng)发布(fābù)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新版在总分和所有子榜单位列第一，包括文本、视觉、数学、创意等。 不过(bùguò)，“高分低能”的(de)产品此前也有过，不乏开发者(kāifāzhě)对这个榜单存疑。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(chéngjì)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。 有行业人士认为，这一问题(wèntí)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(nénglì)评测有限，但从实际应用过程中(zhōng)，Claude模型在Agent方面做了专门优化，可以在大规模、系统化(xìtǒnghuà)、长时间的编程(biānchéng)任务中表现出色，和行业拉开距离。而谷歌在Agent方向还没怎么发力。 一位开发者(kāifāzhě)用C++编程语言较多(duō)，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(shàncháng)的是长上下文和多模态(mótài)，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(zuìjìn)一个月，他无论在工作场景(chǎngjǐng)还是Cursor场景都(dōu)全面(quánmiàn)转为了Gemini 2.5 pro，发现代码写得比(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(kànqǐlái)，在不同的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)。 大模型竞争进入下半场，模型基础能力差距逐渐缩小(suōxiǎo)，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(néngfǒu)赢得开发者的投票。 不过，除开能力，使用(shǐyòng)成本也是开发者较为看重的(de)一个因素，目前来看(láikàn)，Gemini比OpenAI的 o3、Claude 4 Opus和Grok 3都要更有性价比，但仍然(réngrán)是国内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在输入和输出价格方面则高至(gāozhì)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，能让开发者更好地(dì)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(gōngzuò)和落地中展开。谁(shuí)能更好地解决核心问题，谁就能赢得竞争的主动权。 (本文来自第一财经(cáijīng))