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的稳定版本，适用于企业级(qǐyèjí)应用(yìngyòng)。 Gemini 2.5 Pro是谷歌旗舰模型系列，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(gēngxīn)的版本各方面的分数都超过(chāoguò)了此前的版本，继续排在榜(bǎng)一。 不过，第一财经也询问了一些开发者(kāifāzhě)，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的模型表现各有(gèyǒu)优劣，开发者评价两极分化，目前刚出来(chūlái)大家(dàjiā)或许要用一用才能有更客观的评价。 根据谷歌官方(guānfāng)博客，最新2.5 Pro 在多项AI性能基准测试中取得了更高的(de)分数(fēnshù)，在 LMArena上Elo分数（衡量(héngliáng)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(lǐngyù)上，谷歌称，最新模型在(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(zhōng)保持领先。此外，它在 GPQA（研究生级别的(de)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 1.3个百分点。 在谷歌模型发布后(hòu)，业界知名的测评方大模型竞技场 (lmarena.ai)发布了一份新(xīn)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(chuàngyì)等。 不过(guò)，“高分低能”的产品此前也有过，不乏开发者对(duì)这个榜单存疑。例如，从编程体验(tǐyàn)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。有海外网友表示，2.5 Pro新版的表现确实(quèshí)很(hěn)好，但是不如Claude 4 Opus。 有行业人士认为，这一问题或许是榜单评测问题，只是让AI完成(wánchéng)基础的(de)任务，但对Agent的能力评测有限，但从实际应用过程中，Claude模型(móxíng)在(zài)Agent方面做了专门(zhuānmén)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(yīwèi)开发者用C++编程语言较多(duō)，他对记者表示，Claude比Gemini强太多(qiángtàiduō)，“任何Claude和o3无法解决的问题(wèntí)，Gemini从没有一个能解决；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(duō)模态，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(hé)typescript编程语言的开发者体验并不相同(bìngbùxiāngtóng)，最近一个月，他无论在工作场景还是Cursor场景都全面转为了Gemini 2.5 pro，发现(fāxiàn)代码写(xiě)得比Claude 3.7好，生成的网页更漂亮(piàoliàng)，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工作中(zhōng)，各个模型的体验和口碑(kǒubēi)并不相同。 大(dà)模型竞争进入下半场，模型基础能力差距逐渐缩小，模型之间的较量正在从单纯的跑(pǎo)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(chǎngjǐng)下的表现能否赢得开发者的投票。 不过，除开能力(nénglì)，使用(shǐyòng)成本也是(shì)开发者较为看重的一个因素，目前来看，Gemini比OpenAI的 o3、Claude 4 Opus和Grok 3都(dōu)要更有性价比，但仍然是国内DeepSeek的R1最便宜。 Gemini 2.5 pro的(de)输入价格1.25美元，输出(shūchū)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美元每百万Tokens ，Claude 4 Opus价格更高(gènggāo)。针对此次更新，谷歌表示新模型引入了(le)“思考预算”功能，能让开发者(kāifāzhě)更好地控制成本和延迟。 榜单分数是(shì)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。谁能更好地解决核心问题，谁就能赢得竞争(jìngzhēng)的主动权。 (本文来自(láizì)第一财经)