谷歌最近推出的Gemini 2.5 Pro已在编码排行榜上跃居首位，击败了Claude，在著名的WebDev Arena——一个类似于LLM arena的非宗派排名网站，但专注于衡量AI模型在编码方面的表现。此成就正值谷歌努力将其旗舰AI模型定位为编码和推理任务的领导者之际。

今年早些时候发布的Gemini 2.5 Pro在多个类别中排名第一，包括编码、风格控制和创意写作。该模型庞大的上下文窗口——一百万个令牌，未来将扩展到两百万——使其能够处理大型代码库和复杂项目，这些项目即使是最接近的竞争对手也会感到窒息。作为对比，强大的模型如ChatGPT和Claude 3.7 Sonnet最多只能处理128K个令牌。

Gemini还拥有所有AI模型中最高的“智商”。TrackingAI通过正式化的MENSA测试对其进行了测试，使用来自挪威Mensa的口头问题创建了一种标准化的方式来比较AI模型。

Gemini 2.5 Pro在这些测试中的得分高于竞争对手，即使使用的是不公开的定制问题。

在离线测试中，新的Gemini以115的智商得分排名于“聪明的头脑”之中，平均人类智力得分约为85到114分。但AI拥有智商的概念需要进一步解释。AI系统并不像人类那样拥有智商，因此更好地将基准视为推理基准表现的隐喻。

对于专门为AI设计的基准，Gemini 2.5 Pro在AIME 2025数学测试中得分86.7%，在GPQA科学评估中得分84.0%。在“人类的最后考试”（HLE）中，这是一个新颖且更难的基准，旨在避免测试饱和问题，Gemini 2.5得分18.8%，击败了OpenAI的o3 mini（14%）和Claude 3.7 Sonnet（8.9%），在性能提升方面表现显著。

新的Gemini 2.5 Pro版本现已向所有Gemini用户免费提供（有速率限制）。谷歌之前将此发布描述为“2.5 Pro的实验版本”，是其“思维模型”系列的一部分，旨在通过推理来回应，而不仅仅是生成文本。

尽管没有赢得每个基准，Gemini仍然吸引了开发者的注意，因其多功能性。该模型可以从单个提示创建复杂的应用程序，构建交互式网页应用、无尽跑酷游戏和视觉模拟，而无需详细说明。

我们测试了该模型，要求其修复一段损坏的HTML5代码。它生成了近1000行代码，在质量和对完整指令集的理解方面超越了之前的领导者Claude 3.7 Sonnet。

对于在职开发者，Gemini 2.5 Pro的输入费用为每百万个令牌2.50美元，输出费用为每百万个令牌15.00美元，使其成为一些竞争对手的更便宜替代品，同时仍提供令人印象深刻的能力。

该AI模型在其高级计划中处理多达30,000行代码，使其适合企业级项目。其多模态能力——处理文本、代码、音频、图像和视频——增加了其他专注于编码的模型无法匹敌的灵活性。

免责声明：本文章仅代表作者个人观点，不代表本平台的立场和观点。本文章仅供信息分享，不构成对任何人的任何投资建议。用户与作者之间的任何争议，与本平台无关。如网页中刊载的文章或图片涉及侵权，请提供相关的权利证明和身份证明发送邮件到support@aicoin.com，本平台相关工作人员将会进行核查。