Google Gemini 2.5 Pro

Gemini 2.5 Pro 是 Google DeepMind 于 2025 年 3 月发布预览版、5 月正式发布的顶级推理模型。它以原生多模态架构、超长上下文窗口和强大的 Agent 能力为特色，是 Google 对标 OpenAI o3 和 Claude 4 的旗舰产品。

发展历程

时间	事件
2025.03.25	预览版发布
2025.05	正式发布 (GA)

核心能力

• 原生多模态: 从底层架构支持文本、图像、音频、视频和代码的统一处理
• 超长上下文: 支持 100 万 token 的上下文窗口
• 思考模式 (Thinking): 内置推理能力，在回答前进行深度思考
• Agent 能力: 改进的工具使用和多步骤任务执行
• 编程能力: 在代码生成和软件工程任务上表现突出

技术亮点

原生多模态架构

与将不同模态的模型拼接在一起的方案不同，Gemini 2.5 Pro 从训练阶段就是一个统一的多模态模型。这使得它在跨模态任务（如视频理解、图文分析）上具有本质优势。

思考模式

类似于 Test-Time Compute / Inference-Time Scaling 的实现，Gemini 2.5 Pro 在复杂问题上会自动或手动启用思考模式，通过更多的内部计算提升回答质量。

Benchmarks 表现

基准测试	分数	说明
MMLU	~89.8%	知识理解
GPQA Diamond	~84.0%	研究生级科学问答
AIME 2025	~86.3%	数学竞赛
多模态理解	顶级	视频/图像/音频综合理解

定价与可用性

• Google AI Studio: 免费 tier 可用
• Vertex AI: 企业级 API，按 token 计费
• Gemini Advanced: 订阅用户可使用

与其他模型的关系

• vs o3: 两者在推理基准上直接竞争，Gemini 多模态能力更强
• vs Claude 4: 三方形成顶级推理模型的三足鼎立
• vs Gemini 1.5 Pro: 显著超越前代，特别是推理和代码能力

参考来源

• Gemini 2.5 Pro 发布博客
• Google DeepMind 技术报告

相关页面

• Google — Google AI 生态概览
• Gemini 1.5 — 前代 Gemini 1.5
• Multimodal Models — 多模态模型技术
• Test-Time Compute / Inference-Time Scaling — 推理时计算