Google 釋出 Gemini 2.5：首發 2.5 Pro，自帶深度思考並登頂競技場

各大模型還在卷跑分的時候，Google 悄悄幹了一件大事：它把大模型裡原本要單開開關或者單獨選模型的「深度思考」，變成了出廠標配。

Google 正式端出了 Gemini 2.5，並把它定為目前旗下最聰明的模型家族。首發登場的是 Gemini 2.5 Pro 實驗版，它一上線就直接空降盲測平臺 LMArena 榜首，而且是以非常明顯的優勢把競爭對手甩在了身後。

把「邊想邊說」做成默認出廠設定

在此之前，Google 曾在 2.0 時代試水過 Gemini 2.0 Flash Thinking，當時思考能力還是一個單列出來的實驗型號。但這次到了 2.5，Google 的思路變了：它用更強的前期基座模型配合改進後的後訓練，把逐步推演、邏輯推理直接揉進了整個架構裡。

按照 Google 的說法，以後的全部模型都會直接內建這種思考機制，AI 會在開口回答前先理清思路，專門去摳上下文裡的細節和複雜邏輯。

這種推理能力在硬核測試裡體現得相當紮實。在不依賴多數投票等額外耗費算力手段的前提下，2.5 Pro 在 GPQA 和 AIME 2025 這些高難度數理榜單上都拿下了頭名。哪怕是在由上百位各領域專家專門設計、用來摸人類知識邊界的 Humanity's Last Exam 無工具測試集上，它也跑出了 18.8% 的業內最佳成績。

寫程式碼的表現同樣拉開了一大截。在業內通行的智慧體程式設計基準 SWE-Bench Verified 上，配合自定義 Agent 設定的 2.5 Pro 拿到了 63.8% 的成績；在 Aider Polyglot 榜單上則拿下了 68.6%。它甚至能根據一句簡單的提示詞，一口氣寫完一款能直接玩的影片遊戲程式碼，做互動式 Web 應用和修改大型程式碼庫也順手了很多。

吞下兩百萬上下文，全系正在鋪開

除了腦子更靈光，Gemini 一直以來的長上下文長板也沒丟。這次釋出的 2.5 Pro 自帶 100 萬 token 的上下文視窗，Google 還預告很快就會把它翻倍到 200 萬 token。不管是直接扔進去整套程式碼倉庫，還是把長篇影片、音訊和影像一股腦塞進去，它都能原生吞下並完成跨模態分析。官方在 3 月 26 日還專門補充了多輪共指消解評測的資料支援。

現在想體驗其實門檻不高。普通開發者可以在 Google AI Studio 裡免費試用，開通了 Gemini Advanced 的個人使用者，在網頁端和手機 App 的模型下拉式清單裡也能直接切到 2.5 Pro 實驗版。至於企業級平臺 Vertex AI 和正式的 API 呼叫定價，Google 承諾會在未來幾週內陸續公佈。

為什麼重要

我們認為，Gemini 2.5 這一步走得相當務實，甚至比對手更堅決。當 OpenAI 還在把 o 系列思考模型與日常互動模型分開擺放、限制呼叫額度時，Google 已經在嘗試把「慢思考」日常化、普及化，變成底層的通識基建。

對開發者和重度寫程式碼的人來說，它絕對值你今天就開啟 Google AI Studio 試一把。它不僅把長文本吞吐和深度推理綁在了一起，還在 SWE-Bench 這種真實世界程式碼修復場景裡給出了極具競爭力的表現。如果你手裡正壓著跨幾十個檔案的遺留程式碼庫要梳理，百丈長的上下文加上更強的人類偏好對齊，能省下大把人工切片的時間。

但這裡面的隱患也很明顯。思考模型雖然準確，可推理耗時和延遲向來是痛點，在日常閒聊或快速問答裡，讓模型想太久反而會勸退普通使用者。另外，目前放出的依然是標著「Experimental」的測試版，高併發下的穩定性和正式 API 定價究竟如何，還得等未來幾週見分曉。

不過不可否認的是，Google 這一次用硬實力在排位賽裡贏回了聲量。既然領跑者把標杆立在了這裡，接下來各家如果拿不出兼顧長文本、多模態和深度邏輯的綜合體，在這個賽道上恐怕很難再交代過去了。