Gemini 2.0 Flash Thinking 更新：理科跑分重新整理，支援程式碼執行

Google 的推理模型又刷了一波新成績。

Google DeepMind 執行長 Demis Hassabis 在 X 上公佈了 Gemini 2.0 Flash Thinking 模型的最新更新進展。相比去年 12 月首次釋出，新版本在數學基準 AIME 上拿到了 73.3%，在科學基準 GPQA Diamond 上拿到了 74.2%。

加上程式碼執行，還修了「想對答錯」的毛病

除了理科跑分提升，這次更新還直接補齊了程式碼執行能力，並提供 1M token 的上下文視窗。

另一個很有意思的細節是，新版本降低了思考過程與最終答案相互矛盾的機率。很多人用推理模型時常遇到模型草稿紙上算對了、最後輸出卻寫錯的尷尬情況，這次更新專門針對這個問題做了改進。

Hassabis 表示，從 AlphaGo 開始，團隊探索這類規劃系統已經超過十年，現在把這些思路和前沿基礎模型結合，演進速度非常快。

為什麼重要

推理模型光卷基準測試還不夠，大家更在乎日常到底好不好用。減少思考與答案之間的矛盾，可以說是打中了當前思考模型的一大痛點，讓輸出更可信。

再加上原生程式碼執行和 1M 的長上下文，它面對複雜數理分析和長文本推導時會順手很多。我們認為，Google 把這類規劃推理能力塞進定位更輕快的 Flash 系列裡，看起來是在有意壓低複雜推理的使用門檻，逼著同行把高階思維鏈做得更平價、更快速。