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(běijīng)时间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(zhèhuì)在几周后成为正式的(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(jìngjìchǎng)LMArena排名第一，这一次(yīcì)更新的版本各(gè)方面的分数都超过(chāoguò)了此前的版本，继续排在榜一。 不过，第一财经也询问了(le)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(de)选择，此前Gemini的模型表现各有(yǒu)优劣，开发者评价两极分化，目前刚出来大家或许要用一用才能(cáinéng)有更客观的评价。 根据谷歌官方博客，最新(zuìxīn)2.5 Pro 在多项AI性能(xìngnéng)基准测试中取得了更高的分数(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(chéngjì)保持领先。 具体领域上，谷歌(gǔgē)称，最新模型在代码(dàimǎ)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(yánjiūshēng)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。在“人类的最后考试(HLE) ” 中成绩达到(dádào)21.6%，比(bǐ)OpenAI的o3多出 1.3个百分点。 在谷歌模型发布后，业界知名的(de)测评方大(fāngdà)模型竞技场 (lmarena.ai)发布了一份新(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、创意等。 不过(bùguò)，“高分低能”的产品此前也有过，不乏开发者对这个榜单存疑(cúnyí)。例如，从编程体验上来说，Anthropic的Claude系列模型是公认较为好用(hǎoyòng)的基座(jīzuò)模型，此次(cǐcì)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，但是不如Claude 4 Opus。 有行业人士认为，这一(zhèyī)问题或许是榜单评测(píngcè)问题，只是让(ràng)AI完成基础的任务，但对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，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(lākāijùlí)。而谷歌在Agent方向(fāngxiàng)还没怎么发力。 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(wúfǎ)解决的(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。” 上述开发者认为，Gemini擅长的是长上下文和多模态，而Claude前端更优(gèngyōu)，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(biānchéngyǔyán)的(de)开发者体验(tǐyàn)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(gènghǎo)。 目前(mùqián)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并不相同。 大模型竞争进入下半场，模型基础(jīchǔ)能力差距逐渐缩小，模型之间的较量正在(zài)从单纯的跑分转向(zhuǎnxiàng)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(shǐyòng)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(guónèi)DeepSeek的R1最便宜。 Gemini 2.5 pro的输入价格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(gāozhì)10美元和40美元每百万Tokens ，Claude 4 Opus价格更高。针对此次更新，谷歌表示新模型(móxíng)引入了“思考(sīkǎo)预算”功能(néng)，能让(ràng)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(hé)企业的工作和落地中展开。谁能更好地解决(hǎodìjiějué)核心问题，谁就能赢得竞争的主动权。 (本文(běnwén)来自第一财经)