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(gǔgē)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(zhèngshì)的稳定版本，适用(shìyòng)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(yī)直在大模型竞技场LMArena排名第一，这(zhè)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(bǎng)一。 不过，第一财经也询问了一些开发者，他们认为(rènwéi)，不能完全相信榜单，要(yào)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(píngjià)两极分化，目前刚出来大家或许要用(yàoyòng)一用才能有更客观的评价。 根据谷歌(gǔgē)官方博客，最新2.5 Pro 在多项AI性能基准(jīzhǔn)测试中(zhōng)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(bǎochí)领先。 具体领域上(shàng)，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(biānchéng)基准测试中(zhōng)保持领先(lǐngxiān)。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OpenAI的o3多出 1.3个百分点(bǎifēndiǎn)。 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(yīfèn)新的榜单，显示2.5 Pro新版在总分(zǒngfēn)和所有子榜单位列第一，包括文本、视觉、数学(shùxué)、创意等。 不过，“高分低能”的产品此前也有(yǒu)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(shì)公认(gōngrèn)较为好用的基座模型，此次(cǐcì)在榜单的成绩并不突出(tūchū)。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(zhǐshì)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(móxíng)在(zài)Agent方面做了专门优化(yōuhuà)，可以在大规模、系统化、长时间(zhǎngshíjiān)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，他对记者表示，Claude比Gemini强太多，“任何(rènhé)Claude和o3无法解决的问题，Gemini从没有一个能解决；但反之(fǎnzhī)，Gemini 写不对的，往往(wǎngwǎng)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，目前看可能(kěnéng)还是这一格局。 不过，另一位(yīwèi)用Python和(hé)typescript编程语言的(de)开发者(kāifāzhě)体验并不相同，最近一个月(yígèyuè)，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(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(nénglì)差距(chājù)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(wéidù)，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(shì)开发者较为看重的(de)一个因素，目前来看(láikàn)，Gemini比OpenAI的 o3、Claude 4 Opus和Grok 3都要更(gèng)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(jiàgé)1.25美元(měiyuán)，输出为10 美元/百万(bǎiwàn)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(bǎngdān)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(shuí)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)