AI圈最狗血的爱情故事莫过于Google和OpenAI的狙击战了！
当今日OpenAI准备开直播宣布全量开放GPT-4o图像生成能力时，Google抢先一步，发布了Gemini 2.5 Pro Experimental。
这款模型可不是为了应付OpenAI急匆匆就推出一个模型来凑数的，它的各项能力全部拉满了。
Google 的CEO更是表示Gemini 2.5 Pro Experimental是至今为止最智能的模型，事实也的确如此。
Gemini 2.5 Pro Experimental有太多第一的成绩了，在这里就不给大家一一念。
给大家分享几个我个人比较关心的几个成绩单。
在最新的Arena排行榜中，Gemini 2.5 Pro以绝对的优势拿下第一，而且创下了历史最大分数飞跃，比Grok-3/GPT-4.5整整高出了40分！
可能还有很多小伙伴不了解Arena这个排行榜，给大家简单科普一下。
Arena 是一个由 LMSYS Org 创建的 AI 大语言模型排行榜，主要用于评估和比较不同 AI 聊天机器人的性能。
借鉴了国际象棋中的 Elo 评分机制，用户对不同模型回答同一问题的表现进行投票，获胜的模型会获得相应的分数，分数越高，模型表现越好。
换句话说，它的评分机制是采用匿名投票的方式，哪个模型回答的效果更好，它的排名就更高。
如上图所示：Gemini 2.5 Pro Experimental是现阶段的第一！
同时在网页开发领域，它也取得有史以来最好的最好成绩，超越Claude 3.5、DeepSeek R1等模型，获得网页开发竞技场（WebDev Arena）第二名的成绩。
和其他编程排行榜动不动就超越Claude 3.7，这个成绩就显得非常真实。
此外，Gemini 2.5 Pro Experimental还是一个多模态模型，并成功登顶了视觉竞技场（Vision Arena）排行榜榜首！
目前，Gemini 2.5 Pro已在Google AI Studio和Gemini应用中，向Gemini Advanced用户开放，并将很快在Vertex AI上推出。
附上免费使用地址：https://aistudio.google.com/prompts/new_chat
那它的实际效果到底如何？我们来测试一下，毕竟排行榜的成绩还不如测试来得实在。
让Gemini2.5编写一个 p5.js 程序，展示一个球在旋转的六边形内弹跳。球应受到重力和摩擦力的影响，并且必须真实地反弹到旋转的墙壁上，添加滑块来调整参数。
看起来是不是还不错，来一个难度高的，并它和o1 Pro对比一下，看看谁得编程能力更强。
整体而言，两个都不错，但 o1-pro 呈现的效果会更好一些，而且Gemini 2.5生成的蓝色小球掉出来了......
再来一道最近搜刮到的模型难题，之前试了一下，发现DeepSeek R1、混元 T1等模型都没有做出来，看看它们两是否可以做出来。
测试题：一根7米的棍子是否能通过长三米宽三米的门。
Gemini 2.5 Pro
o1 Pro
这两款模型全部回答失败，仅仅只是把这道题当作是一道二维空间，而没有考虑到三维空间。
再来看看它们的数学能力如何，上传一道高三摸底考试数学题。
先公布答案，答案是「B、C、D」
Gemini 2.5 Pro
o1 Pro
Gemini 2.5 Pro回答正确，反观o1 Pro回答错误，看来Gemini 2.5 Pro的推理能力真不错。
虽然此次测评没有基准测试那么全，但也可以看到Gemini 2.5 Pro的强大之处，如果大家感兴趣，可以亲自去体验一下，毕竟是免费的。
相关阅读：
扫一扫
561
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
