刚刚深夜上线的 Gemini 2.5 Pro 是谷歌最新发布的「思考」模型，专为复杂任务打造，推理能力强大，一经诞生便横扫各大榜单，拿下各类 TOP 1，并创下历史上最大分数飞跃纪录。该模型能够在回应前先进行思考推理，从而提升性能并改善准确性。
谷歌称，Gemini 2.5 Pro 是世界上最强大的模型，具备统一的推理能力以及用户所喜爱的 Gemini 的所有功能（长上下文、工具等）。它在多个基准测试中达到了 SOTA（最先进）水平，并且以显著的优势在 LMArena 上排名第一，登顶 Arena 排行榜，创下历史最大分数飞跃，比 Grok-3 / GPT-4.5 整整高出了 40 分！
在代号「nebula」的测试中，Gemini 2.5 Pro 横扫所有类别夺得第一，并独揽数学、创意写作、指令遵循、长查询和多轮对话五大领域的冠军。在困难提示词和编程两大领域，它与 Grok-3 / GPT-4.5 拿到了并列冠军，而且在所有其他比拼中都以微弱优势胜出，成功问鼎榜首。此外，Gemini 2.5 Pro 还成功登顶了视觉竞技场（Vision Arena）排行榜榜首，并在网页开发竞技场（WebDev Arena）斩获亚军宝座。
谷歌表示，在 AI 领域，系统的「推理」能力不仅仅指分类和预测，而是指系统分析信息、得出逻辑结论、融入上下文和细微差别，以及做出明智决策的能力。长期以来，谷歌一直在探索通过强化学习和思维链提示词等技术，让 AI 更智能、更具推理能力的方法。正是在此基础上，他们在 2 月推出了第一个思考模型 Gemini 2.0 Flash Thinking，而今天，通过 Gemini 2.5，他们结合了显著增强的基础模型和改进的后期训练，让模型达到了新的性能水平。
Gemini 2.5 Pro 展现出了强大的推理和代码能力，在常见的编程、数学和科学基准测试中均处于领先地位。在各类需要高级推理能力的基准测试中，它都达到了 SOTA 水平。无需使用测试阶段会增加计算成本的技术（如多数投票法），2.5 Pro 就能在 GPQA 和 AIME 2025 等数学和科学基准评测中表现卓越。而且，在不使用任何外部工具的条件下，它就在挑战人类知识和推理能力的极限前沿「人类最后的考试」中取得了 18.8% 的准确率，达到业界领先。
Gemini 2.5 Pro 的上线标志着谷歌在 AI 推理能力上的又一次巨大飞跃。其强大的推理和代码能力使其在多个领域表现卓越，并在多项基准测试中达到了顶尖水平。随着技术的不断发展，Gemini 2.5 Pro 有望在更多应用场景中发挥重要作用，成为 AI 领域的领军者。
