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(tuīchū)升级预览版大模型Gemini 2.5 Pro（0605），并表示这会在几周(jǐzhōu)后(hòu)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(xìliè)，在前三个月公布了几个预览版，此前(cǐqián)也一直在大(dà)模型竞技场LMArena排名第一，这一次更新的版本(bǎnběn)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(yě)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选择，此前Gemini的模型(móxíng)表现各有(yǒu)优劣，开发者评价两极分化，目前刚出来大家(dàjiā)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(zài)多项AI性能基准测试中取得了更高的(de)分数(fēnshù)(fēnshù)，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。 具体领域上，谷歌称，最新(zuìxīn)模型在代码方面继续表现出色，在 Aider Polyglot 等高难度编程基准测试(cèshì)中(zhōng)保持领先(lǐngxiān)。此外，它在 GPQA（研究生级别的问答(wèndá)测试）中的成绩超过(chāoguò)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(yèjiè)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新版在总分和所有子榜(zibǎng)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(cúnyí)。例如(lìrú)，从编程体验上来说，Anthropic的Claude系列模型是公认(gōngrèn)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(hángyè)人士认为，这一问题或许是榜单(bǎngdān)评测问题，只是让AI完成基础的任务，但(dàn)对Agent的能力评测有限，但从实际应用过程中，Claude模型在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++编程语言较多，他对(duì)记者表示，Claude比Gemini强太多，“任何(rènhé)Claude和o3无法(wúfǎ)解决的问题，Gemini从没有一个能解决；但反之，Gemini 写(xiě)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多(duō)模态，而Claude前端更优，目前(mùqián)看可能还是这一格局。 不过，另(lìng)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Cursor场景都全面(quánmiàn)转为了(le)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(chūlái)的文案也更好(gènghǎo)。 目前看起来(kànqǐlái)，在不同的生产场景和(hé)个性化工作中，各个模型的体验和口碑并不相同。 大模型竞争进入下半场，模型基础能力差距(chājù)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，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(kāifāzhě)较为看重的(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DeepSeek的R1最(zuì)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则高至10美元和40美元每(měi)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(sīkǎo)预算”功能，能让开发者更好地(dì)控制成本(chéngběn)和延迟。 榜单分数(fēnshù)是起点，真正的较量，在无数开发者和企业的工作和落地(luòdì)中展开。谁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(dìyī)财经)