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(móxíng)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(shìyòng)于企业级应用。 Gemini 2.5 Pro是(shì)谷歌旗舰模型系列，在前(qián)三个月公布了几个(jǐgè)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(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，他们认为，不能(bùnéng)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(cáinéng)有更客观的评价。 根据谷歌官方博客，最新2.5 Pro 在多项(duōxiàng)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(tíshēng)了24分，目前以1470分的成绩保持领先。 具体领域(lǐngyù)上，谷歌称，最新(zuìxīn)模型在(zài)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(jíbié)的(de)(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。 在谷歌(gǔgē)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(zibǎng)单位列第一，包括文本、视觉(shìjué)、数学、创意等。 不过，“高分低能”的(de)产品此前也有过，不乏开发者对(duì)这个(zhègè)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(biǎoshì)，2.5 Pro新版的表现(biǎoxiàn)确实很好，但是不如Claude 4 Opus。 有行业人士(rénshì)认为，这一问题或许是(shì)榜单评测(píngcè)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(érgǔgē)在Agent方向还没怎么发力(fālì)。 一位开发者(kāifāzhě)用C++编程语言(biānchéngyǔyán)较多，他对(duì)记者(jìzhě)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(ér)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typescript编程语言(biānchéngyǔyán)的开发者体验并不相同，最近一个月，他无论在(zài)工作场景(chǎngjǐng)还是Cursor场景都全面转为了Gemini 2.5 pro，发现代码写得比Claude 3.7好，生成的网页更漂亮，写出来(chūlái)的文案也更好。 目前看起来，在(zài)不同的生产场景和个性化工作中，各个模型的体验和口碑(kǒubēi)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场景下的表现能否赢得(yíngde)开发者的投票。 不过，除开能力，使用(shǐyòng)成本也是开发者较为看重(kànzhòng)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(dàn)仍然是国内DeepSeek的R1最便宜(piányi)。 Gemini 2.5 pro的(de)输入价格1.25美元(měiyuán)，输出为10 美元/百万Tokens。而o3在输入和输出价格方面则(zé)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(biǎoshì)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(yánchí)。 榜单分数是起点(qǐdiǎn)，真正的(de)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。 (本文来自第一(dìyī)财经)