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），并表示这会在几周后成为正式的稳定版本，适用于(yú)企业级(qǐyèjí)应用。 Gemini 2.5 Pro是(shì)谷歌旗舰模型系列，在前三个月公布了几个预览版，此前(cǐqián)也一直在大模型竞技场(jìngjìchǎng)LMArena排名第一，这一次更新的(de)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(kāifāzhě)，他们认为，不能完全相信榜单，要看实际体验和(hé)绝大多数开发者的选择(xuǎnzé)，此前Gemini的模型表现各有优劣，开发者评价两极分化，目前刚(gāng)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(gāo)的分数，在 LMArena上Elo分数（衡量模型相对(xiāngduì)技能水平的评分）提升了24分，目前以(yǐ)1470分的成绩保持领先。 具体领域上，谷歌称，最新模型在(zài)(zài)代码方面继续(jìxù)表现出色，在 Aider Polyglot 等高难度编程基准测试中保持(bǎochí)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(zuìxīnbǎn)。在“人类的最后考试(kǎoshì)(HLE) ” 中成绩达到21.6%，比OpenAI的o3多出 1.3个百分点。 在(zài)谷歌模型(móxíng)(móxíng)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(duì)这个榜单存疑。例如(lìrú)，从编程体验上来说，Anthropic的Claude系列模型(móxíng)是公认较为好用的基座模型，此次在榜单的成绩并不突出。有海外网友表示，2.5 Pro新版(xīnbǎn)的表现确实很好，但是(dànshì)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(rènwù)，但对Agent的能力评测有限，但从实际应用过程中，Claude模型在(zài)Agent方面做了(le)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(biǎoxiànchūsè)，和行业拉开距离(lākāijùlí)。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Claude和o3无法(wúfǎ)解决的问题(wèntí)，Gemini从没有一个能(néng)解决；但反之，Gemini 写不对的，往往Claude能写对。” 上述(shàngshù)开发者认为，Gemini擅长(zhǎng)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(tǐyàn)并不相同，最近一个月(yígèyuè)，他无论在工作(gōngzuò)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(piàoliàng)，写出来的文案也(yě)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(móxíng)的体验和口碑并不相同。 大模型竞争进入(jìnrù)下半场，模型基础能力差距(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，模型的真正(zhēnzhèng)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)成本也是开发者较为看重的一个因素，目前来看，Gemini比OpenAI的 o3、Claude 4 Opus和(hé)Grok 3都要(yào)更有性价比，但仍然是国内DeepSeek的R1最(zuì)便宜。 Gemini 2.5 pro的输入(shūrù)价格1.25美元，输出为10 美元/百万Tokens。而(ér)o3在输入和(hé)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(kāifāzhě)更好(gènghǎo)地控制成本和延迟。 榜单分数是起点，真正的(de)较量，在无数(wúshù)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(běnwén)来自第一财经)