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(rì)，谷歌推出升级预览版大模型Gemini 2.5 Pro（0605），并表示(biǎoshì)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(yuè)公布了几个预览版，此前也一直(yìzhí)在大模型竞技场LMArena排名第一，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(yīxiē)开发者，他们认为，不能完全相信榜单(bǎngdān)，要看实际体验和绝大多数开发者的(de)选择，此前Gemini的模型表现各有优劣，开发者评价(píngjià)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(gēnjù)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(héngliáng)模型相对技能水平的评分(píngfēn)）提升(tíshēng)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(zài)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(zhōng)保持领先。此外，它在 GPQA（研究生级别的问答测试）中的成绩(chéngjì)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(dádào)21.6%，比OpenAI的o3多出 1.3个百分点(bǎifēndiǎn)。 在谷歌模型(móxíng)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(láishuō)，Anthropic的Claude系列模型(móxíng)是公认较为好用的基座模型，此次在榜单的成绩(chéngjì)并不突出。有海外(hǎiwài)网友表示，2.5 Pro新版的表现确实很(hěn)好，但是不如Claude 4 Opus。 有行业人士(rénshì)认为，这一问题或许是榜单评测(píngcè)问题，只是让AI完成基础的任务(rènwù)，但对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、系统化(xìtǒnghuà)、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(tā)对记者(jìzhě)表示(biǎoshì)，Claude比Gemini强太多，“任何Claude和o3无法解决的(de)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(hé)多模态(mótài)，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(kāifāzhě)体验(tǐyàn)并不相同，最近一个月，他无论(wúlùn)在工作(gōngzuò)场景还是Cursor场景都(dōu)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(zhōng)，各个模型的体验(tǐyàn)和口碑并不相同。 大模型(móxíng)竞争进入下半场，模型基础能力差距逐渐缩小，模型之间的(de)较量正在从单纯的跑分转向更(gèng)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(shì)开发者较为看重(kànzhòng)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，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(měiyuán)，输出为10 美元/百万Tokens。而(ér)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(xīn)，谷歌表示新模型引入了“思考预算”功能，能让开发者更好地(dì)控制成本和延迟(yánchí)。 榜单分数是起点，真正的较量，在(zài)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。 (本文来自第一财经(cáijīng))