The new version of Gemini 2.5 has taken all the top spots, Google is invincible! It has completely defeated o3 in a month, and programming has surpassed Claude 4

凌晨，谷歌帶着全新的 Gemini 2.5 Pro 炸場了！

僅一個月的時間，Gemini 2.5 Pro（06-05）直接幹趴了 I/O 大會放出的 Gemini 2.5 Pro（05-06）。

果然，能打敗谷歌的，只有谷歌自己。

這次，Gemini 2.5 Pro（06-05）依舊是所有榜一。

在數學、編程、推理基準測試中，新版模型全部刷新 SOTA，完全碾壓 o3、Claude 4、DeepSeek-R1。

相較於上一代，Gemini 2.5 Pro 整體 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，更新後版本 token 依舊維持原價，性價比極高，輸出價格僅為 o3 的四分之一，Claude 4 就更別提了。

而且，Gemini 2.5 Pro（06-05）還引入了「思考預算」，最高達 32k，還改進了函數調用等功能。

Gemini 2.5 數學編碼再進化，所有榜一

新版 Gemini 2.5 Pro（06-05）和舊版 Gemini 2.5 Pro（05-06），名字後面版本的時間，值得玩味。

很明顯，谷歌這次特意選擇在這個時間點放出新模型。

根據官博介紹，此次是 Gemini 2.5 Pro 的升級預覽版，這是谷歌迄今最智能的模型。

升級基於 5 月 I/O 大會展示的基礎上，這個模型將在幾周後成為普遍可用的穩定版本，適合企業級應用。

最新的 2.5 Pro 在 LMArena 排行榜上 Elo 分數躍升 24 分，達到了 1470，穩居榜首。

更誇張的是，它在所有領域裏都排名第一。

在 WebDevArena 上實現了 35 分的 Elo 評分飛躍，達到 1443 分。

它在編程方面表現卓越，在 Aider Polyglot 等高難度編程基準測試中名列前茅。

同時，它在 GPQA 和「人類最後考試」（HLE）等極具挑戰性的基準測試中也展現了頂尖性能，這些測試評估模型的數學、科學、知識和推理能力。

谷歌還針對之前 2.5 Pro 版本的反饋進行了改進，提升了其風格和結構——現在它能提供更有創意、格式更優的回答。

開發者可以通過 Google AI Studio 和 Vertex AI 中的 Gemini API 開始使用更新的 2.5 Pro 進行開發，此次還新增了「思考預算」功能，能讓開發者更好地控制成本和延遲。

它也在 Gemini app 中正式上線。

網友實測

Gemini 2.5 Pro（06-05）在真實任務中表現如何？

劈柴的一張圖，早已暗示了，Gemini 就是獸中之王。

網友們早已摩拳擦掌，開始了一波實測。

編碼能力碾壓 o3、Claude 4 並不只是説説而已，現在，Gemini 2.5 Pro 直接通過了六邊形物理模擬測試。

更驚豔的是，它還能通過 Three.js 創建出 3D DNA 模型，效果非常逼真。

數據科學家 Diego 測試 Gemini 2.5 Pro 06-05 編寫一段 Python 代碼，可視化單行道中交通燈的工作原理，要求車輛以隨機速率進入。

代碼運行後的效果。

可以看出整體上動畫還是比較精美的，沒有什麼太大的問題。

作為對比，下面是 GPT 4.5 生成代碼的效果。

不僅畫面粗糙，車子也不符合物理規律。

Diego 之前還測試了 Claude Sonnet 3.7 和 Grok 3，下面是這兩個模型的表現。

大家可以評判一下，到底哪個模型更強。

Claude Sonnet 3.7

Grok 3

風險提示及免責條款

市場有風險，投資需謹慎。本文不構成個人投資建議，也未考慮到個別用户特殊的投資目標、財務狀況或需要。用户應考慮本文中的任何意見、觀點或結論是否符合其特定狀況。據此投資，責任自負。