去年 3 月底，Google 釋出了 Gemini 2.5 Pro，官方說法是「迄今最智慧的模型」。
這種說法每家都會喊，但這次 Gemini 2.5 Pro 的跑分確實有亮點：
數學與科學推理
- AIME 2024：92.0%
- AIME 2025：86.7%
- Humanity's Last Exam：18.8%（未使用工具的模型中最高）
最後這項測試由數百位領域專家出題，專門用來測試「人類知識邊界」，能拿到將近兩成的正確率相當驚人。
程式碼與多模態
- LiveCodeBench：競賽級程式設計排名第一
- MMMU：84.0%（多模態推理）
- WebDevArena Elo：1443（排行榜第一）
上下文能力
標配 100 萬 token 上下文（可擴展至 200 萬），支援文字、音訊、圖片、影片等多模態輸入。整個程式碼倉庫可直接輸入理解，無需分段。
Gemini 2.5 Pro 是一個「thinking model」——回答之前會先進行內部推理。這個設計思路與 OpenAI 的 o 系列、DeepSeek R1 一脈相承，但 Google 的實現在多模態場景下表現更均衡。
不過實際使用中有個問題被反覆提及：回應速度。深度推理意味著更長的等待時間，在需要快速互動的場景下體驗會打折扣。這也是所有 thinking model 共同面臨的取捨。
LMArena 上 Elo 得分為 1470，比發布前直接漲了 24 分，維持排行榜領先。Google 在 AI 領域被唱衰了很久，這次算是用產品力回應了批評。
參考來源：CocoLoop、VentureBeat 報導、Google 官方發布