Google 发布 Gemini 2.5：首发 2.5 Pro，自带深度思考并登顶竞技场

各大模型还在卷跑分的时候，Google 悄悄干了一件大事：它把大模型里原本要单开开关或者单独选模型的「深度思考」，变成了出厂标配。

Google 正式端出了 Gemini 2.5，并把它定为目前旗下最聪明的模型家族。首发登场的是 Gemini 2.5 Pro 实验版，它一上线就直接空降盲测平台 LMArena 榜首，而且是以非常明显的优势把竞争对手甩在了身后。

把「边想边说」做成默认出厂设置

在此之前，Google 曾在 2.0 时代试水过 Gemini 2.0 Flash Thinking，当时思考能力还是一个单列出来的实验型号。但这次到了 2.5，Google 的思路变了：它用更强的前期基座模型配合改进后的后训练，把逐步推演、逻辑推理直接揉进了整个架构里。

按照 Google 的说法，以后的全部模型都会直接内置这种思考机制，AI 会在开口回答前先理清思路，专门去抠上下文里的细节和复杂逻辑。

这种推理能力在硬核测试里体现得相当扎实。在不依赖多数投票等额外耗费算力手段的前提下，2.5 Pro 在 GPQA 和 AIME 2025 这些高难度数理榜单上都拿下了头名。哪怕是在由上百位各领域专家专门设计、用来摸人类知识边界的 Humanity's Last Exam 无工具测试集上，它也跑出了 18.8% 的业内最佳成绩。

写代码的表现同样拉开了一大截。在业内通行的智能体编程基准 SWE-Bench Verified 上，配合自定义 Agent 设置的 2.5 Pro 拿到了 63.8% 的成绩；在 Aider Polyglot 榜单上则拿下了 68.6%。它甚至能根据一句简单的提示词，一口气写完一款能直接玩的视频游戏代码，做交互式 Web 应用和修改大型代码库也顺手了很多。

吞下两百万上下文，全系正在铺开

除了脑子更灵光，Gemini 一直以来的长上下文长板也没丢。这次发布的 2.5 Pro 自带 100 万 token 的上下文窗口，Google 还预告很快就会把它翻倍到 200 万 token。不管是直接扔进去整套代码仓库，还是把长篇视频、音频和图像一股脑塞进去，它都能原生吞下并完成跨模态分析。官方在 3 月 26 日还专门补充了多轮共指消解评测的数据支持。

现在想体验其实门槛不高。普通开发者可以在 Google AI Studio 里免费试用，开通了 Gemini Advanced 的个人用户，在网页端和手机 App 的模型下拉列表里也能直接切到 2.5 Pro 实验版。至于企业级平台 Vertex AI 和正式的 API 调用定价，Google 承诺会在未来几周内陆续公布。

为什么重要

我们认为，Gemini 2.5 这一步走得相当务实，甚至比对手更坚决。当 OpenAI 还在把 o 系列思考模型与日常交互模型分开摆放、限制调用额度时，Google 已经在尝试把「慢思考」日常化、普及化，变成底层的通识基建。

对开发者和重度写代码的人来说，它绝对值你今天就打开 Google AI Studio 试一把。它不仅把长文本吞吐和深度推理绑在了一起，还在 SWE-Bench 这种真实世界代码修复场景里给出了极具竞争力的表现。如果你手里正压着跨几十个文件的遗留代码库要梳理，百丈长的上下文加上更强的人类偏好对齐，能省下大把人工切片的时间。

但这里面的隐患也很明显。思考模型虽然准确，可推理耗时和延迟向来是痛点，在日常闲聊或快速问答里，让模型想太久反而会劝退普通用户。另外，目前放出的依然是标着「Experimental」的测试版，高并发下的稳定性和正式 API 定价究竟如何，还得等未来几周见分晓。

不过不可否认的是，Google 这一次用硬实力在排位赛里赢回了声量。既然领跑者把标杆立在了这里，接下来各家如果拿不出兼顾长文本、多模态和深度逻辑的综合体，在这个赛道上恐怕很难再交代过去了。