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，谷歌推出升级预览版(yùlǎnbǎn)大模型Gemini 2.5 Pro（0605），并(bìng)表示这会(zhèhuì)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(móxíng)系列，在(zài)前(qián)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(gēngxīn)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(tāmen)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(chūlái)大家或许要用一用才能(cáinéng)有更客观(kèguān)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(qǔde)了更高的分数，在 LMArena上Elo分数（衡量(héngliáng)模型相对技能水平(shuǐpíng)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(chēng)，最新模型在代码(dàimǎ)方面继续表现出色，在 Aider Polyglot 等高难度编程基准测试中保持领先。此外，它在 GPQA（研究生级别的(de)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21.6%，比OpenAI的o3多出 1.3个(gè)百分点。 在谷歌模型(móxíng)发布后，业界知名的测评(cèpíng)方大模型竞技场 (lmarena.ai)发布了一份新的榜单，显示(xiǎnshì)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(yě)有过，不乏开发者对这个(zhègè)榜单存疑。例如，从编程(biānchéng)体验上来说，Anthropic的Claude系列模型是公认较为好(hǎo)用的基座模型，此次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(wèntí)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(zài)Agent方面做了专门优化，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(fāngxiàng)还没(méi)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，Claude比Gemini强太多，“任何Claude和(hé)o3无法解决的问题，Gemini从没有一个能解决；但反之，Gemini 写不(bù)对的，往往Claude能写对。” 上述开发者(kāifāzhě)认为，Gemini擅长的是(shì)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(yígèyuè)，他无论在工作场景还是Cursor场景都全面转为(zhuǎnwéi)了Gemini 2.5 pro，发现代码写得比(bǐ)Claude 3.7好(hǎo)，生成的网页更漂亮(piàoliàng)，写出来的文案也更好。 目前看起来，在不同的(de)生产场景和个性化工作中，各个模型的体验(tǐyàn)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(de)较量正在(zhèngzài)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(nénglì)，使用成本也是开发者较为看重的(de)一个(yígè)因素，目前来看，Gemini比OpenAI的 o3、Claude 4 Opus和Grok 3都(dōu)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(jiàgé)1.25美元(měiyuán)(měiyuán)，输出为10 美元/百万Tokens。而o3在(zài)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(néng)，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(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(jìngzhēng)的主动权。 (本文来自(láizì)第一财经)