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(móxíng)Gemini 2.5 Pro（0605），并表示这会在几周后成为正式(zhèngshì)的稳定版本，适用(shìyòng)于企业级应用。 Gemini 2.5 Pro是谷歌旗舰模型系列(xìliè)，在前三个月公布(gōngbù)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(gè)方面的分数都超过了此前的版本，继续(jìxù)排在榜一。 不过，第一财经也询问了(le)一些开发者，他们(tāmen)认为，不能完全相信(xiāngxìn)榜单，要看实际体验和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(liǎngjífēnhuà)，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(duōxiàng)AI性能基准测试中取得了更(gèng)高的分数，在 LMArena上Elo分数（衡量模型相对技能水平(shuǐpíng)的评分）提升了24分，目前以1470分的成绩保持(bǎochí)领先。 具体领域上，谷歌称，最新模型在代码方面继续表现出色，在 Aider Polyglot 等高难度(gāonándù)编程基准测试中(zhōng)(zhōng)保持领先。此外，它在 GPQA（研究生(yánjiūshēng)级别的问答测试）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(bǐ)OpenAI的o3多出(duōchū) 1.3个百分点。 在谷歌模型(móxíng)发布后，业界知名的(de)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(cǐqián)也有(yǒu)过，不乏开发者对这个(zhègè)榜单存疑。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(hǎiwài)网友表示，2.5 Pro新版的表现确实很好，但是(dànshì)不如Claude 4 Opus。 有行业人士认为(rènwéi)，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(dàn)对Agent的能力(nénglì)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方向还没怎么发力。 一位开发者(kāifāzhě)用C++编程语言较多，他对记者(jìzhě)表示(biǎoshì)，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(dàn)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，而Claude前端更优，目前看可能还是这一格局(géjú)。 不过，另(lìng)一位(yīwèi)用Python和typescript编程语言的(de)开发者体验(tǐyàn)并不相同，最近一个月，他无论在工作(gōngzuò)场景还是Cursor场景都全面转为了Gemini 2.5 pro，发现代码写得比Claude 3.7好，生成的网页更漂亮，写出来的文案也更好。 目前看起来，在不同的生产场景和个性化(gèxìnghuà)工作中，各个模型的体验和口碑并不相同(bìngbùxiāngtóng)。 大模型(móxíng)竞争进入下半场，模型基础能力差距逐渐(zhújiàn)缩小，模型之间的较量正在(zhèngzài)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，使用成本也是开发者较为看重的一个(yígè)因素(yīnsù)，目前来看，Gemini比(bǐ)OpenAI的 o3、Claude 4 Opus和Grok 3都要更有性价比，但(dàn)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)(měiyuán)，输出为10 美元/百万Tokens。而o3在输入和输出价格方面则(zé)高至10美元和40美元每百万Tokens ，Claude 4 Opus价格更高。针对(zhēnduì)此次更新(xīn)，谷歌表示新模型引入了“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，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(hǎodìjiějué)核心问题，谁就能赢得竞争的主动权。 (本文来自第一财经(cáijīng))