北京时间6月6日，谷歌推出升级预览版大模型Gemini 2.5 Pro（0605），并表示这会在几周后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，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排名第一，这一次更新的版本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更高的分数，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，这一问题或许是榜单评测问题，只是让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。而谷歌在Agent方向还没怎么发力。
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无法解决的问题，Gemini从没有一个能解决；但反之，Gemini 写不对的，往往Claude能写对。”
上述开发者认为，Gemini擅长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。
不过，另一位用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，模型基础能力差距逐渐缩小，模型之间的较量正在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。谁能更好地解决核心问题，谁就能赢得竞争的主动权。
举报 第一财经广告合作，请点击这里此内容为第一财经原创，著作权归第一财经所有。未经第一财经书面授权，不得以任何方式加以使用，包括转载、摘编、复制或建立镜像。第一财经保留追究侵权者法律责任的权利。如需获得授权请联系第一财经版权部：banquan@yicai.com 文章作者
刘晓洁
相关阅读
AI进化速递 丨国产具身大模型首次获得汽车制造全场景验证①国产具身大模型首次获得汽车制造全场景验证；②2025全球人工智能技术大会在杭举办；③广西在AI技术研发与应用领域获重要突破。
101 06-08 20:28
AI周报 | OpenAI 最强模型 GPT-5 即将面世；Anthropic 年化收入突破30亿美元AI 编程黑马Windsurf 遭 Anthropic断供；谷歌新模型2.5 Pro霸榜AI竞技场。
152 06-08 10:11
基座模型成掣肘，AI游戏革命卡在“最后一公里”AI体验革命目前仍受限于基座模型的能力天花板。
185 06-04 08:20
AI进化速递丨阿里云内部AI辅助代码生成比例近40%①黄仁勋谈中美AI竞争：中国的Deepseek和阿里通义千问是开源模型中最好的；②国产AI编程工具加速“上新”，阿里云内部AI辅助代码生成比例近40%；③腾讯多业务全面接入DeepSeekR1-0528。
16 05-30 20:46
AI进化速递丨SAP宣布接入阿里通义千问①夸克健康大模型通过副主任医师职称考试；②SAP宣布接入阿里通义千问；③快手：第一季度可灵AI收入超过1.5亿元。
44 05-27 20:36 一财最热 点击关闭睿迎网配资提示：文章来自网络，不代表本站观点。
