新版Gemini 2.5所有榜一，谷歌无敌了！一个月全面击败o3，编程反超Claude 4

【导读】谷歌深夜携全新Gemini 2.5 Pro强势归来，仅用一个月碾压旧版Gemini 2.5。数学、编程、推理全面封神，稳坐所有榜单第一。

凌晨，谷歌带着全新的Gemini 2.5 Pro炸场了！

仅一个月的时间，Gemini 2.5 Pro（06-05）直接干趴了I/O大会放出的Gemini 2.5 Pro（05-06）。

果然，能打败谷歌的，只有谷歌自己。

这次，Gemini 2.5 Pro（06-05）依旧是所有榜一。

在数学、编程、推理基准测试中，新版模型全部刷新SOTA，完全碾压o3、Claude 4、DeepSeek-R1。

相较于上一代，Gemini 2.5 Pro整体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，更新后版本token依旧维持原价，性价比极高，输出价格仅为o3的四分之一，Claude 4就更别提了。

而且，Gemini 2.5 Pro（06-05）还引入了「思考预算」，最高达32k，还改进了函数调用等功能。

Gemini 2.5数学编码再进化，所有榜一

新版Gemini 2.5 Pro（06-05）和旧版Gemini 2.5 Pro（05-06），名字后面版本的时间，值得玩味。

很明显，谷歌这次特意选择在这个时间点放出新模型。

根据官博介绍，此次是Gemini 2.5 Pro的升级预览版，这是谷歌迄今最智能的模型。

升级基于5月I/O大会展示的基础上，这个模型将在几周后成为普遍可用的稳定版本，适合企业级应用。

最新的2.5 Pro在LMArena排行榜上Elo分数跃升24分，达到了1470，稳居榜首。

更夸张的是，它在所有领域里都排名第一。

在WebDevArena上实现了35分的Elo评分飞跃，达到1443 分。

它在编程方面表现卓越，在Aider Polyglot等高难度编程基准测试中名列前茅。

同时，它在GPQA和「人类最后考试」（HLE）等极具挑战性的基准测试中也展现了顶尖性能，这些测试评估模型的数学、科学、知识和推理能力。

谷歌还针对之前2.5 Pro版本的反馈进行了改进，提升了其风格和结构——现在它能提供更有创意、格式更优的回答。

开发者可以通过Google AI Studio和Vertex AI中的Gemini API开始使用更新的2.5 Pro进行开发，此次还新增了「思考预算」功能，能让开发者更好地控制成本和延迟。

它也在Gemini app中正式上线。

网友实测

Gemini 2.5 Pro（06-05）在真实任务中表现如何？

劈柴的一张图，早已暗示了，Gemini就是兽中之王。

网友们早已摩拳擦掌，开始了一波实测。

编码能力碾压o3、Claude 4并不只是说说而已，现在，Gemini 2.5 Pro直接通过了六边形物理模拟测试。

更惊艳的是，它还能通过Three.js创建出3D DNA模型，效果非常逼真。

数据科学家Diego测试Gemini 2.5 Pro 06-05编写一段Python代码，可视化单行道中交通灯的工作原理，要求车辆以随机速率进入。

代码运行后的效果。

可以看出整体上动画还是比较精美的，没有什么太大的问题。

作为对比，下面是GPT 4.5生成代码的效果。

不仅画面粗糙，车子也不符合物理规律。

Diego之前还测试了Claude Sonnet 3.7和Grok 3，下面是这两个模型的表现。

大家可以评判一下，到底哪个模型更强。

Claude Sonnet 3.7

Grok 3

参考资料：

https://x.com/sundarpichai/status/1930656033237823862

https://x.com/GoogleDeepMind/status/1930656243346976925

https://blog.google/products/gemini/gemini-2-5-pro-latest-preview/

https://x.com/lmarena_ai/status/1930658518560133435