Google在 AI 的領先地位似乎日益鞏固。繼先前令人印象深刻的 Gemini 2.0 之後，Google近期再度投下震撼彈，推出了全新的 Gemini 2.5 Pro Experimental 03-25 模型。從初步的觀察來看，Gemini 2.5 Pro 在各方面的表現都極其出色，無論是反應速度、實際性能、基準測試成績，幾乎全面超越了市場上現有的其他模型。
這是款堪稱史上最強大的 AI 模型 - Gemini 2.5 Pro 不僅在各項基準測試中超越了所有其他模型，經過實際測試，它能夠一次性完成一些極其令人印象深刻的演示，其能力令人驚嘆。
Koray Kavukcuoglu
Gemini 2.5 Pro：專為複雜問題設計的「思考模型」
根據Google的描述，Gemini 2.5 Pro 是一個「思考模型」（Thinking Model），旨在解決日益複雜的問題。作為 2.5 系列的首個模型，Gemini 2.5 Pro Experimental 版本在多個常見基準測試中取得了顯著的領先優勢，尤其在推理和程式碼能力方面表現突出。
Gemini 2.5 Pro 一經發布，便迅速登頂 LM Arena 排行榜首位，超越了包括 GPT-4.5 和 DeepSeek 在內的眾多頂尖模型。這再次印證了Google在大型語言模型領域的強勁勢頭。
| 基準測試 (Benchmark) | Gemini 2.5 Pro | OpenAI O3 Mini High | GPT-4.5 | Claude 3.7 Sonic |
|---|---|---|---|---|
| Humanities Last Exam | 領先 | 次之 | - | - |
| AIME (數學) | 領先 | 次之 | 較差 | 尚可 |
| LiveCodeBench (程式碼) | 尚可 | 領先 | - | - |
| AdrPolyglot (程式碼) | 領先 | 次之 | - | - |
雖然 Gemini 2.5 Pro 在某些程式碼基準測試（如 LiveCodeBench）上略遜於 OpenAI 的 O3 Mini，但在數學（AIME）和另一個程式碼基準 AdrPolyglot 上表現優異，尤其在 OpenAI 自家建立的 Humanities Last Exam 基準上取得勝利，更是意義重大。
Gemini 2.5 Pro 的驚人能力：魔術方塊測試
以一個互動式 3D 魔術方塊為例。使用者可以生成任意尺寸的魔術方塊，例如 3x3 或 4x4，甚至高達 10x10。透過 Gemini 2.5 Pro 生成的模擬器，不僅可以打亂魔術方塊，更能精確地保持每個色塊在旋轉過程中的正確位置和顏色。當我們嘗試打亂一個 10x10 的魔術方塊，可以看到所有顏色都正確地保持其位置，視覺效果極佳。更令人難以置信的是，Gemini 2.5 Pro 能夠即時解開這個被打亂的魔術方塊，使用者可以觀看整個求解過程。這項任務對於其他市面上的模型來說極具挑戰性，許多模型甚至無法正確渲染或在旋轉時保持顏色一致性，但 Gemini 2.5 Pro 卻能輕鬆應對，充分展示了其卓越的空間推理和狀態維持能力。
領先業界的基準測試表現
Gemini 2.5 Pro 的強大不僅體現在特定演示上，更在多項標準化基準測試中獲得驗證。根據最新的 LM Arena 排名（基於人類評審對模型輸出的偏好），Gemini 2.5 Pro 以 1443 的 ELO 分數穩居榜首，顯著領先第二名的 Grok 3 Preview（1404 分）。
Gemini 2.5 Pro 作為一個「思考模型」（Thinking Model），它在生成最終答案前會輸出一系列「思考」過程的 token，嘗試不同的解決方案。這種方法已被證明在編碼、推理、數學和邏輯等需要可驗證結果的任務上表現更佳。
以下是 Gemini 2.5 Pro 與其他頂尖模型在部分關鍵基準測試上的表現比較：
| 基準測試 (Benchmark) | Gemini 2.5 Pro | O3 Mini | GPT-4.5 | Clod 3.7 Sonic | Grok 3 Beta | DeepSeek R1 |
|---|---|---|---|---|---|---|
| Humanities Last Exam (no tools) | 18.8% | 14% | - | - | - | - |
| GPT-QA Diamond (Science) | 84% | 79% | - | - | - | - |
| AIME 2025 | 86.7% | 86.5% | - | - | - | - |
| AIME 2024 | 81.2% | 76.2% | - | - | 87.7%* | - |
| LiveCodeBench | 78.8% | 80.7% | - | - | - | - |
| AdrPolyglot (Coding) | 93.6% | 88.9% | - | - | - | - |
| MMMU | 73.9% | 68.9% | - | - | - | - |
| MRCR (Long Context, up to 1M) | 極高 | - | - | - | - | - |
註：Grok 3 Beta 在 AIME 2024 上透過多次嘗試獲得更高分。
從表格中可以看出，Gemini 2.5 Pro 在多個領域，特別是科學推理、部分數學競賽以及編碼（AdrPolyglot）和長文本理解（MRCR）方面，都展現了領先或極具競爭力的水平。尤其值得一提的是，Gemini 2.5 Pro 支援高達一百萬 token 的上下文窗口，這使其在處理大量程式碼或文件時具有巨大優勢。
Gemini 2.5 Pro 的核心特性與存取方式
Gemini 2.5 Pro 目前作為實驗性模型，可在 Google AI Studio 中免費試用。它不僅速度快，而且功能強大。
以下是 Gemini 2.5 Pro 的一些關鍵特性：
| 特性 | 描述 |
|---|---|
| 模型名稱 | Gemini 2.5 Pro Experimental |
| 知識截止日期 | 2025 年 1 月 |
| 延遲 | 在 AI Studio 中顯示 |
| 速率限制 | 存在限制，但實際使用中較少遇到 |
| Token 數量 | 高達 1,000,000 tokens |
| 可調參數 | Temperature (溫度) |
| 工具支援 | Function Calling, Structured Output, Code Execution, Search (整合 Google 搜尋) |
| 安全設定 | 可調整 |
使用者可以利用其強大的功能，例如函式呼叫和程式碼執行，來建構複雜的應用程式。
Google領先的秘密：數據、科學與硬體的整合優勢
為何Google能如此快速地推出性能強大且（預期）成本低廉的模型如 Gemini 2.5 Pro？關鍵在於其在三個核心領域的獨特整合優勢：
| 核心領域 | Google的優勢 | 其他公司狀況 |
|---|---|---|
| 數據 | 數十年網路營運累積的龐大、多樣化數據 | 需依賴 DataCurve、ScaleAI 等數據供應商，或自行收集數據 |
| 科學 | 深厚的機器學習研究歷史，頂尖科學家團隊 | OpenAI、Anthropic、DeepSeek 等專注於模型研究，但其他環節需合作 |
| 硬體 | 自主研發 TPU (Tensor Processing Unit)，軟硬體協同最佳化 | 大多依賴 Nvidia GPU；Grok(Q)、Cerebras 等專注於特定用途的 AI 加速晶片 |
Google是唯一一家同時在數據、科學和硬體三個領域都擁有深厚積累和自主能力的巨頭。這種緊密的內部協同，讓科學家可以與硬體工程師合作，針對自家的 TPU 晶片優化 Gemini 2.5 Pro 等模型，無需像其他公司那樣依賴通用硬體（如 Nvidia GPU）或第三方晶片。同時，龐大的自有數據為模型訓練提供了無可比擬的資源。
這種垂直整合的策略使得Google能夠實現：
- 極致的速度與效率： 自有硬體優化帶來驚人的推理速度，如 Gemini Flash 的表現遠超同級模型。
- 潛在的成本優勢： 控制硬體和訓練過程，使得Google有潛力提供極具競爭力的價格（Gemini Flash 已證明這一點，其價格比性能相近的對手低數十倍）。
- 更快的創新週期： 內部協作加速了從研究到產品部署的過程。
相比之下，即使是蘋果，雖然擁有強大的軟硬體整合能力，但在 AI 所需的數據和特定類型 AI 加速硬體方面佈局不足，導致其在當前 AI 競賽中處於追趕狀態。
創意無限：從遊戲到專業模擬
Gemini 2.5 Pro 的能力遠不止於此，它可以根據提示一次性生成各種複雜且具創意的應用：
- 強化版貪食蛇遊戲： 生成了一個使用 PyGame 開發的貪食蛇遊戲，但加入了動態視覺效果（發光軌跡、背景脈動、粒子爆炸）、特殊食物賦予的暫時能力（加速、反向控制、雙重視覺、時間減慢）、蛇身隨長度進化（生物機械紋理、顏色變化），甚至還有程序生成的障礙物和 AI 對手蛇。僅需單一提示，Gemini 2.5 Pro 便能創造出如此視覺豐富且機制複雜的遊戲。
- 簡易飛行模擬器： 僅用「創建一個簡單的飛行模擬器」的提示，Gemini 2.5 Pro 就生成了一個可用的基本飛行模擬器，包含加速、方向控制、地面陰影和一些霧化效果。雖然簡單，但展示了其快速生成基本框架的能力。
- Reddit 網站仿製： 透過簡單指令「在一個檔案中重建 Reddit 網站，參考 Reddit 樣貌」，Gemini 2.5 Pro 生成了一個雖然看起來像舊版 Reddit，但包含帖子、評論、加入社群等基本結構的頁面。
- 互動式 3D 環面紐結模擬： 生成了一個使用 Three.js 的環面紐結（Torus Knot）模擬器，並配備了 GUI 滑桿，允許使用者即時調整半徑、管徑、分段數、P/Q 參數、旋轉速度、顏色、線框模式、光澤度、透明度、光照等多種參數，極具互動性和探索性。
- 螞蟻農場模擬： 創建了一個模仿經典玩具的螞蟻農場模擬。最初版本是 2D 視角但在 3D 環境渲染，展示螞蟻挖掘、搬運食物。隨後根據要求，Gemini 2.5 Pro 加入了控制項，允許使用者調整螞蟻數量、挖掘速度、食物生成率、時間、基質（沙子/凝膠）等，甚至還能將其轉換為 3D 版本。
- 病毒攻擊細胞模擬： 生成了血液中病毒攻擊細胞的模擬。包含紅血球、白血球和病毒，並可透過滑桿調整病毒數量、複製速率、類型（標準、侵略性、隱匿、快速複製）、白血球數量和移動速度、血液流速等。同樣地，Gemini 2.5 Pro 也能根據要求將此模擬轉換為 3D 版本，提供更直觀的視覺效果。
- 玩具手術模擬器： 一個有趣的小遊戲，允許使用者使用手術刀進行切割，並有精準度和穩定性評分，還可以進行縫合。
這些範例都證明了 Gemini 2.5 Pro 能夠理解複雜需求，並在一次提示（或少量後續調整）下生成功能性、互動性強且視覺效果出色的應用程式。
總結：Gemini 2.5 Pro 重新定義 AI 編碼能力
綜合來看，Gemini 2.5 Pro 無疑是目前所見過的最令人印象深刻的編碼模型。它不僅在基準測試中名列前茅，更在實際的複雜應用生成任務中展現出驚人的「一次成功」能力。其處理複雜視覺模擬、遊戲邏輯、互動介面以及支援超長上下文窗口的能力，使其遠超許多現有模型。對於開發者和創作者而言，Gemini 2.5 Pro 的出現預示著 AI 輔助開發將進入一個全新的階段。
