新版 Gemini 2.5 拿下所有榜一，谷歌无敌了！一个月全面击败 o3，编程反超 Claude 4

凌晨，谷歌带着全新的 Gemini 2.5 Pro 炸场了！

仅一个月的时间，Gemini 2.5 Pro（06-05）直接干趴了 I/O 大会放出的 Gemini 2.5 Pro（05-06）。

果然，能打败谷歌的，只有谷歌自己。

这次，Gemini 2.5 Pro（06-05）依旧是所有榜一。

在数学、编程、推理基准测试中，新版模型全部刷新 SOTA，完全碾压 o3、Claude 4、DeepSeek-R1。

相较于上一代，Gemini 2.5 Pro 整体 Elo 提升了 24 分，尤其是在 Web Arena 上 Elo 提升了足足 35 分。

值得一提的是，更新后版本 token 依旧维持原价，性价比极高，输出价格仅为 o3 的四分之一，Claude 4 就更别提了。

而且，Gemini 2.5 Pro（06-05）还引入了「思考预算」，最高达 32k，还改进了函数调用等功能。

Gemini 2.5 数学编码再进化，所有榜一

新版 Gemini 2.5 Pro（06-05）和旧版 Gemini 2.5 Pro（05-06），名字后面版本的时间，值得玩味。

很明显，谷歌这次特意选择在这个时间点放出新模型。

根据官博介绍，此次是 Gemini 2.5 Pro 的升级预览版，这是谷歌迄今最智能的模型。

升级基于 5 月 I/O 大会展示的基础上，这个模型将在几周后成为普遍可用的稳定版本，适合企业级应用。

最新的 2.5 Pro 在 LMArena 排行榜上 Elo 分数跃升 24 分，达到了 1470，稳居榜首。

更夸张的是，它在所有领域里都排名第一。

在 WebDevArena 上实现了 35 分的 Elo 评分飞跃，达到 1443 分。

它在编程方面表现卓越，在 Aider Polyglot 等高难度编程基准测试中名列前茅。

同时，它在 GPQA 和「人类最后考试」（HLE）等极具挑战性的基准测试中也展现了顶尖性能，这些测试评估模型的数学、科学、知识和推理能力。

谷歌还针对之前 2.5 Pro 版本的反馈进行了改进，提升了其风格和结构——现在它能提供更有创意、格式更优的回答。

开发者可以通过 Google AI Studio 和 Vertex AI 中的 Gemini API 开始使用更新的 2.5 Pro 进行开发，此次还新增了「思考预算」功能，能让开发者更好地控制成本和延迟。

它也在 Gemini app 中正式上线。

网友实测

Gemini 2.5 Pro（06-05）在真实任务中表现如何？

劈柴的一张图，早已暗示了，Gemini 就是兽中之王。

网友们早已摩拳擦掌，开始了一波实测。

编码能力碾压 o3、Claude 4 并不只是说说而已，现在，Gemini 2.5 Pro 直接通过了六边形物理模拟测试。

更惊艳的是，它还能通过 Three.js 创建出 3D DNA 模型，效果非常逼真。

数据科学家 Diego 测试 Gemini 2.5 Pro 06-05 编写一段 Python 代码，可视化单行道中交通灯的工作原理，要求车辆以随机速率进入。

代码运行后的效果。

可以看出整体上动画还是比较精美的，没有什么太大的问题。

作为对比，下面是 GPT 4.5 生成代码的效果。

不仅画面粗糙，车子也不符合物理规律。

Diego 之前还测试了 Claude Sonnet 3.7 和 Grok 3，下面是这两个模型的表现。

大家可以评判一下，到底哪个模型更强。

Claude Sonnet 3.7

Grok 3

风险提示及免责条款

市场有风险，投资需谨慎。本文不构成个人投资建议，也未考虑到个别用户特殊的投资目标、财务状况或需要。用户应考虑本文中的任何意见、观点或结论是否符合其特定状况。据此投资，责任自负。