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(yuè)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(zài)几周后成为正式的(de)稳定版本，适用于企业级应用。 Gemini 2.5 Pro是谷歌旗舰模型(móxíng)系列，在前三个月公布了几个预览版，此前(cǐqián)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的分数都超过(chāoguò)了此前的版本，继续排在(páizài)榜一。 不过，第一(dìyī)财经也询问了一些开发者，他们认为(rènwéi)，不能完全相信榜单，要看实际体验和(hé)绝大多数开发者的选择，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性能基准测试中取得(qǔde)了更高的分数(fēnshù)，在 LMArena上Elo分数（衡量模型(móxíng)相对技能水平的评分）提升了24分，目前以(yǐ)1470分的成绩保持领先。 具体领域上，谷歌称，最新模型(móxíng)在代码方面继续(jìxù)表现出色(biǎoxiànchūsè)，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)级别的问答测试）中的成绩(chéngjì)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(fābù)后，业界知名的测评方大模型竞技场(jìngjìchǎng) (lmarena.ai)发布了一份新的榜单，显示2.5 Pro新版在总分(zǒngfēn)和所有子榜单位列第一，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，不乏开发者(kāifāzhě)对这个榜单存疑。例如，从(cóng)编程(biānchéng)体验上来说，Anthropic的Claude系列模型是公认较为(jiàowéi)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完成基础的任务，但对Agent的能力评测有限(yǒuxiàn)，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(xìtǒnghuà)、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(duì)记者表示，Claude比Gemini强太多，“任何Claude和o3无法解决的(de)(de)问题，Gemini从(cóng)没有一个能解决；但反之，Gemini 写不对的，往往Claude能写对。” 上述(shàngshù)开发者认为，Gemini擅长的是长上下文和多模态，而Claude前端更优，目前看可能还是这一(zhèyī)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，他无论在工作场景还是(háishì)Cursor场景都全面转为了Gemini 2.5 pro，发现代码写得(dé)比Claude 3.7好，生成(shēngchéng)的网页更漂亮，写出来(chūlái)的文案也更好(gènghǎo)。 目前看起来，在不同的生产(shēngchǎn)场景和个性化工作(gōngzuò)中，各个模型的体验和口碑并不相同。 大模型竞争进入下半场，模型基础能力(nénglì)差距逐渐缩小，模型之间(zhījiān)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，越来越取决于在特定(tèdìng)场景下的表现能否赢得开发者的投票。 不过，除开能力，使用成本也是(shì)开发者较为(jiàowéi)看重的(de)一个因素，目前(mùqián)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DeepSeek的R1最便宜。 Gemini 2.5 pro的输入(shūrù)价格1.25美元，输出为10 美元/百万(bǎiwàn)Tokens。而(ér)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(biǎoshì)新模型引入了“思考预算”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(jiàoliàng)，在无数开发者和企业的工作和落地中展开。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(láizì)第一财经)