Google Dakwa Gemini 2.5 Mengungguli Model Terbaik daripada OpenAI, DeepSeek dan Gergasi Teknologi AI Lain

Google baru sahaja memperkenalkan Gemini 2.5, yang mana syarikat itu memanggilnya sebagai "model AI paling pintar lagi." Versi pertama model itu ialah Gemini 2.5 Pro, yang mencapai markah penanda aras yang mengagumkan dalam banyak ujian.

Google mendakwa Gemini 2.5 mengatasi model terbaik daripada OpenAI, DeepSeek dan gergasi teknologi AI yang lain

Gemini 2.5 Pro kini tersedia melalui Google AI Studio dan dalam apl Gemini jika anda seorang pengguna Gemini Advanced . Gemini 2.5 Pro juga akan tersedia melalui Vertex AI dalam masa terdekat.

Google belum berkongsi harga untuk Gemini 2.5 Pro atau model Gemini 2.5 yang lain pada masa ini.

Semua model yang menggunakan Gemini 2.5 adalah "model pemikiran", bermakna mereka boleh memproses proses pemikiran sebelum menjana respons. Model "penaakulan" ini adalah langkah besar seterusnya dalam ruang AI kerana ia menghasilkan respons yang lebih kompleks dan selalunya lebih tepat.

"Kini, dengan Gemini 2.5, kami telah mencapai tahap prestasi baharu dengan menggabungkan model asas yang dipertingkatkan dengan ketara dengan latihan pasca yang dipertingkatkan ," kata Google.

"Pada masa hadapan, kami akan membina keupayaan pemikiran ini terus ke dalam semua model kami supaya mereka boleh menangani masalah yang lebih kompleks dan menyokong ejen dengan kesedaran konteks yang lebih baik . "

Bagaimanakah Gemini 2.5 dibandingkan dengan model OpenAI?

Model Gemini 2.5 Pro Google mengatasi model teratas sebelumnya daripada OpenAI dan DeepSeek.

Markah penanda aras untuk Gemini 2.5 yang dikongsi oleh Google agak mengagumkan. Gemini 2.5 Pro Experimental mendapat markah 18.5% dalam Peperiksaan Terakhir Kemanusiaan.

Skor itu bermakna, sekurang-kurangnya buat masa ini, Gemini 2.5 Pro Experimental ialah model terbaik mengikut metrik tersebut. Skornya mengatasi OpenAI 03-mini (14%) dan DeepSeek R1 (8.6%).

Ujian tertentu itu dianggap sukar, walaupun ia bukan satu-satunya cara untuk mengukur prestasi model AI.

Google juga menyerlahkan keupayaan pengaturcaraan Gemini 2.5 Pro dan penanda aras model dalam matematik dan sains. Gemini 2.5 Pro kini mendahului dalam penanda aras matematik dan sains seperti yang diukur melalui GPQA dan AIME 2025.

Adakah mungkin untuk memprogram dalam Gemini 2.5?

Pengaturcaraan adalah fokus utama Gemini 2.5. Google mendakwa "lonjakan besar ke hadapan daripada 2.0" dan mengusik lebih banyak peningkatan sedang dalam perjalanan.

Model baharu Google boleh mencipta aplikasi web dan aplikasi kod agen. Demo daripada Google menunjukkan Gemini 2.5 Pro digunakan untuk mencipta permainan daripada gesaan satu baris.

4 Sebab Mengapa Gemini 2.5 Pro Google Penting untuk AI Perusahaan

Berikut ialah empat perkara utama yang perlu diingat untuk pasukan perusahaan apabila menilai Gemini 2.5 Pro.

1. Penaakulan berstruktur dan telus – piawaian baharu untuk kejelasan pemikiran

Apa yang membezakan Gemini 2.5 Pro bukan hanya kecerdasannya – ia adalah cara kecerdasan itu menunjukkan kerjanya dengan jelas. Kaedah latihan langkah demi langkah Google mencipta aliran pemikiran (CoT) berstruktur yang tidak menyerupai bertele-tele atau tekaan, seperti apa yang telah kita lihat daripada model seperti DeepSeek . CoT ini tidak dipotong menjadi ringkasan cetek seperti model OpenAI. Model Gemini baharu mempersembahkan idea dalam langkah bernombor, dengan sub-peluru dan logik dalaman yang sangat jelas dan telus.

Dari segi praktikal, ini adalah satu kejayaan dalam kebolehpercayaan dan kebolehlayaran. Pengguna perniagaan yang menilai output untuk tugas kritikal - seperti menyemak implikasi dasar, logik pengekodan atau meringkaskan penyelidikan yang kompleks - kini boleh melihat cara model itu menghasilkan jawapan. Ini bermakna mereka boleh mengesahkan, membetulkan atau mengubah hala jawapan dengan lebih yakin. Ini adalah satu langkah besar ke hadapan daripada rasa "kotak hitam" yang masih berterusan dalam banyak keluaran model bahasa besar (LLM) .

Untuk panduan yang lebih mendalam tentang prestasi model ini, lihat pecahan video di mana Gemini 2.5 Pro diuji secara langsung. Satu contoh dibincangkan: Apabila ditanya tentang batasan model bahasa yang besar, Gemini 2.5 Pro menunjukkan kesedaran yang luar biasa. Ia menggariskan kelemahan biasa dan mengkategorikannya ke dalam bidang seperti "intuisi fizikal," "sintesis konsep baharu," "perancangan jangka panjang" dan "nuansa etika," menyediakan rangka kerja yang membantu pengguna memahami perkara yang diketahui model dan cara untuk mendekati masalah.

Pasukan kejuruteraan perusahaan boleh memanfaatkan keupayaan ini untuk:

• Nyahpepijat rantaian logik kompleks dalam aplikasi kritikal misi
• Pemahaman yang lebih baik tentang batasan model dalam domain tertentu
• Menyediakan keputusan yang didayakan AI yang lebih telus kepada pihak berkepentingan
• Meningkatkan pemikiran kritis mereka sendiri dengan mengkaji pendekatan model

Satu had yang ketara ialah walaupun penaakulan berstruktur ini tersedia dalam apl Gemini dan Google AI Studio, ia tidak boleh diakses pada masa ini melalui API — kelemahan untuk pembangun yang ingin mengintegrasikan keupayaan ini ke dalam aplikasi perusahaan.

2. Pesaing sebenar untuk teknologi canggih - bukan hanya dalam teori

Model itu kini mendahului papan pendahulu Arena Chatbot dengan margin yang ketara – lebih daripada 35 mata Elo di hadapan model terbaik seterusnya, terutamanya kemas kini OpenAI 4o yang dilancarkan sehari selepas Gemini 2.5 Pro dilancarkan. Dan sementara penguasaan penanda aras selalunya sekejap (sebagai model baharu dilancarkan setiap minggu), Gemini 2.5 Pro benar-benar terasa berbeza.

Ia cemerlang dalam tugas yang memberi ganjaran kepada penaakulan yang mendalam: pengekodan, penyelesaian masalah yang bernuansa, meringkaskan merentas dokumen, dan juga perancangan abstrak. Dalam ujian dalaman, ia menunjukkan prestasi yang sangat baik pada penanda aras yang sukar sebelum ini seperti "Peperiksaan Terakhir Kemanusiaan," penanda aras popular untuk mengesan kelemahan LLM dalam bidang abstrak dan bernuansa.

Kumpulan perniagaan mungkin tidak peduli model mana yang memenangi kedudukan akademik mana. Tetapi mereka akan mengambil berat bahawa model ini boleh berfikir - dan menunjukkan kepada anda cara ia berfikir. Ujian getaran adalah sangat penting.

Seperti yang dinyatakan oleh jurutera AI yang dihormati, Nathan Lambert, "Google mempunyai model terbaik sekali lagi, kerana mereka sepatutnya memulakan keseluruhan ledakan AI ini. Kesilapan besar telah diperbaiki." Pengguna perniagaan harus melihat ini bukan sahaja Google mengejar pesaing, tetapi berpotensi mengatasi mereka dalam keupayaan yang penting untuk aplikasi perniagaan.

3. Akhir sekali, permainan penyulitan Google adalah kukuh

Secara tradisinya, Google telah ketinggalan di belakang OpenAI dan Anthropic dari segi sokongan pengekodan tertumpu pembangun. Gemini 2.5 Pro mengubahnya.

Dalam ujian hands-on, ia menunjukkan keupayaan satu pukulan yang kuat pada cabaran pengekodan, termasuk membina permainan Tetris yang berfungsi yang dijalankan pada percubaan pertama apabila dieksport ke Replit — tiada penyahpepijatan diperlukan. Lebih hebat lagi, ia menerangkan dengan jelas struktur kod, melabel pembolehubah dan langkah dengan teliti, dan membentangkan pendekatannya sebelum menulis satu baris kod.

Model ini bersaing dengan Anthropic's Claude 3.7 Sonnet, yang dianggap sebagai peneraju dalam penjanaan kod dan merupakan sebab utama kejayaan Anthropic dalam perusahaan. Tetapi Gemini 2.5 menawarkan satu kelebihan penting: Tetingkap konteks token besar-besaran sehingga 1 juta. Claude 3.7 Sonnet pada masa ini hanya menawarkan 500,000 token.

Tetingkap konteks yang besar ini membuka kemungkinan baharu untuk membuat pertimbangan merentas keseluruhan pangkalan kod, membaca dokumentasi dalam talian dan bekerja pada berbilang fail yang saling bergantung. Pengalaman jurutera perisian Simon Willison menunjukkan kelebihan ini.

Apabila menggunakan Gemini 2.5 Pro untuk melaksanakan ciri baharu merentas pangkalan kod kami, model itu mengenal pasti perubahan yang diperlukan merentas 18 fail berbeza dan menyelesaikan keseluruhan projek dalam kira-kira 45 minit, dengan purata kurang daripada 3 minit bagi setiap fail yang diubah suai. Ini adalah alat yang serius untuk perniagaan yang bereksperimen dengan rangka kerja ejen atau persekitaran pembangunan dikuasakan AI.

4. Integrasi pelbagai kaedah dengan tingkah laku seperti ejen

Walaupun sesetengah model seperti 4o terbaru OpenAI mungkin menunjukkan lebih banyak kilat dengan penjanaan imej yang menarik perhatian, Gemini 2.5 Pro merasakan ia secara senyap-senyap mentakrifkan semula rupa penaakulan multimodal berasaskan.

Dalam satu contoh, percubaan langsung oleh Ben Dickson untuk VentureBeat menunjukkan keupayaan model untuk mengekstrak maklumat penting daripada kertas teknikal tentang algoritma carian dan menjana gambar rajah aliran SVG yang sepadan — kemudian perbaiki rajah aliran tersebut apabila ditunjukkan versi yang dipaparkan dengan ralat visual. Tahap penaakulan multimodal ini membolehkan penciptaan aliran kerja baharu yang sebelum ini tidak boleh dilakukan dengan model teks sahaja.

Dalam contoh lain, pemaju Sam Witteveen memuat naik tangkapan skrin ringkas peta Las Vegas dan bertanya apakah acara Google yang berlaku berdekatan pada 9 April. Model itu mengenal pasti lokasi, membuat kesimpulan niat pengguna, mencari dalam talian dan mengembalikan butiran tepat tentang Google Cloud Next, termasuk tarikh, lokasi dan petikan. Semua ini dilakukan tanpa rangka kerja ejen tersuai, hanya model teras dan carian terbina dalam.

Malah, model penaakulan input multimodal ini melangkaui hanya melihatnya. Ia mencadangkan rupa aliran kerja perniagaan dalam masa 6 bulan: Muat naik dokumen, rajah dan papan pemuka, dan biarkan model mensintesis, merancang atau mengambil tindakan yang bermakna berdasarkan kandungan.