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(shíjiān)6月6日，谷歌推出升级预览版大模型Gemini 2.5 Pro（0605），并表示这会在几周后成为(chéngwéi)正式的稳定版本，适用于企业级应用(yìngyòng)。 Gemini 2.5 Pro是(shì)谷歌旗舰模型系列，在前三个月公布了几个预览版，此前也一直在大模型竞技场LMArena排名(páimíng)第一，这一次更新的(de)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，第一财经也询问了一些开发者，他们(tāmen)认为，不能完全相信榜单，要看(kàn)实际体验和绝大多数开发者的(de)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一用(yīyòng)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了(le)更(gèng)高的(de)分数(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(jùtǐ)领域(lǐngyù)上，谷歌称，最新模型(móxíng)在代码方面继续表现出色，在 Aider Polyglot 等高难度编程基准测试中保持领先。此外，它在 GPQA（研究生级别的问答测试）中的成绩超过(chāoguò)了OpenAI的o3、Claude 4以及DeepSeek-R1的最新版(zuìxīnbǎn)。在“人类的最后考试(HLE) ” 中成绩达到(dádào)21.6%，比OpenAI的o3多出 1.3个百分点。 在(zài)谷歌模型发布后(hòu)，业界知名的测评方大模型竞技场 (lmarena.ai)发布了一份新的榜单，显示2.5 Pro新版在总分和所有子榜单位(dānwèi)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，不乏开发者对这个(zhègè)榜单存疑。例如，从(cóng)编程体验上来说，Anthropic的Claude系列(xìliè)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(biǎoxiàn)确实很好，但是不如Claude 4 Opus。 有行业(hángyè)人士认为，这一问题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，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(dàguīmó)、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(méi)怎么发力。 一位开发者用C++编程语言较多，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从没有一个(yígè)能解决；但(dàn)反之，Gemini 写不(bù)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模态，而(ér)Claude前端更优，目前看(kàn)可能还是这一格局。 不过，另一位用Python和typescript编程语言的(de)开发者体验并不相同，最近一个月(yígèyuè)，他无论在工作场景(chǎngjǐng)还是Cursor场景都全面转为了Gemini 2.5 pro，发现代码写(xiě)得(dé)比Claude 3.7好，生成的网页更漂亮，写出来的文案也更好。 目前(mùqián)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。 大模型竞争进入下半场，模型基础能力(nénglì)差距逐渐缩小，模型之间的较量正在从单纯的跑分转向更复杂(fùzá)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(nénglì)，使用成本也是开发者较为(jiàowéi)看重的一个因素，目前来看，Gemini比(bǐ)OpenAI的 o3、Claude 4 Opus和Grok 3都要更有性价比(xìngjiàbǐ)，但仍然是国内DeepSeek的R1最便宜。 Gemini 2.5 pro的输入价格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(měi)百万Tokens ，Claude 4 Opus价格更高(gènggāo)。针对此次更新，谷歌表示新模型(móxíng)引入了“思考预算”功能，能让开发者更好地控制成本(chéngběn)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(qǐyè)的工作和落地中展开。谁能更好地解决核心问题，谁就能赢得竞争的主动权。 (本文来自第一财经(cáijīng))