去年3月底，Google放出了Gemini 2.5 Pro，官方说法是”迄今最智能的模型”。
这种说法每家都会喊，但这次Gemini 2.5 Pro的跑分确实有点东西：
数学和科学推理
- AIME 2024：92.0%
- AIME 2025：86.7%
- Humanity’s Last Exam：18.8%（不用工具的模型里最高）
最后这个测试是几百位领域专家出的题，专门用来测试”人类知识边界”，能拿到接近两成的正确率相当炸裂。
代码和多模态
- LiveCodeBench：竞赛级编程排名第一
- MMMU：84.0%（多模态推理）
- WebDevArena Elo：1443（排行榜第一）
上下文能力
标配100万token上下文（可扩展到200万），支持文本、音频、图片、视频等多模态输入。一整个代码仓库扔进去直接理解，不用切片。
Gemini 2.5 Pro是一个”thinking model”——回答之前会先内部推理。这个设计思路和OpenAI的o系列、DeepSeek R1一脉相承，但Google的实现在多模态场景下表现更均衡。
不过实际使用中有个问题被反复提到：响应速度。深度推理意味着更长的等待时间，在需要快速交互的场景下体验打折扣。这也是所有thinking model共同面对的trade-off。
LMArena上Elo得分1470，比发布前直接涨了24分，维持排行榜领先。Google在AI领域被唱衰了很久，这次算是用产品力回了一嘴。
参考来源：VentureBeat报道、Google官方发布