谷歌Gemini 2.5全线爆发!勇战濒死恐慌，却被宝可梦吓到当场宕机

编辑：定慧 桃子

【新智元导读】今天，谷歌旗舰Gemini 2.5三箭齐发，首次亮相轻量版2.5 Flash-Lite。最新70页技术报告中，爆料了Gemini 2.5在玩宝可梦濒死时，惊现类人的恐慌，导致推理性能直线下降。

昨夜，Gemini 2.5全家桶三款模型，正式上线。

Gemini 2.5 Pro （正式版，与0605预览版相比无明显变化）

Gemini 2.5 Flash（正式版，与0520预览版相比定价有变）

Gemini 2.5 Flash-Lite（预览版，最小推理模型）

这次，Gemini 2.5 Flash和Gemini 2.5 Pro正式版上线，与谷歌I/O大会公布的预览版性能无明显变化。

2.5 Flash-Lite预览版则是速度最快、性价比最高的Gemini 2.5系模型。

未开启思考模式，Flash-Lite版输入价格仅为0.1美元/百万token，输出价格0.4美元/百万token。

基准测试显示，2.5 Flash-Lite版（开启思考模式）在数学、知识问答、编码、视觉理解、多语种性能上，足以媲美2.5 Flash。

相较于上一代，2.5 Flash-Lite性能提升显著，尤其是在数学、编码任务中。

在LMArena榜单中，Gemini-2.5-Flash-Lite在文本竞技场中位列第12，创意写作中第 3，编程中第14，在Hard Prompt中第17。

左右滑动查看

谷歌VP一个demo告诉你，2.5 Flash-Lite输出速度，能快到实时编写每个界面的代码。

关于Gemini 2.5家族最新进展，全藏在技术报告中了，接下来让我们一一拆解。

技术报告：https://storage.googleapis.com/deepmind-media/gemini/gemini_v2_5_report.pdf

Gemini 2.X家族，一年超进化

谷歌Gemini团队将这次更新，称之为「Gemini 2.X模型家族」。

除了如上提到了2.5系列，还包括了2.0系列的一些迭代。

谷歌将Gemini 2.X系列定位于新一代AI模型的发展方向，与此前的1.X系列相比，2.X系列寄托了谷歌打造通用人工智能的愿景。

值得一提的是，谷歌希望把Gemini打造为真正的融合体系，此前谷歌账号承载的只是用户信息，但谷歌账号本身其实不「保留状态」。

而现在，Gemini正在成为「统一线程」（thread）——串联起谷歌所有服务的那条线。

Gemini要打造成为一个真正融合在整个谷歌生态系统中的AI助手，Gemin将看到、听到甚至预知到你的下一个想法。

Gemini 2.X系列的所有模型均原生支持多模态，并支持超过一百万Token的长上下文输入，并具备原生工具使用能力。

这使得它们能够理解海量数据集，并处理来自不同信息源的复杂问题，包括文本、音频、图像、视频，甚至整个代码仓库。

Gemini 2.5模型架构

Gemini 2.5模型采用稀疏MoE（Mixture-of-Experts）模型，能够原生支持文本、视觉和音频输入的多模态处理。

模型架构方面的改进让Gemini 2.5的能力相较于Gemini 1.5 Pro提升显著。

Gemini 2.5模型在Gemini 1.5处理长上下文查询的成功基础上构建，并融合了新的建模进展。

Gemini 2.5 Pro在处理长达100万个token的长上下文输入序列方面超越了Gemini 1.5 Pro。

毋庸置疑，Gemini 2.5 Pro是当前最强模型，在前沿编程、推理基准测试中，刷新了SOTA。

它还具备了顶尖多模态能力，现可解析「长达3小时」的视频内容，具备了「长上下文+多模态+推理」三位一体的特点。

AI价格领导者和制定者

从价格VS性能这张图中可以看出，谷歌Gemini 2.X在性价比上建立了强大的护城河。

正如论文所言，Gemini 2.X家族完整覆盖了模型性能-成本帕累托前沿（Pareto frontier）。

Gemini 2.X性能跃升

Gemini 2.X家族模型，在编程、数学和推理任务上比前代模型都有大幅的跃升。

下面这张多项基准测试图，全面覆盖Gemini 2.X的性能。从1.5到2.0，再到2.5，模型在各项指标上表现大幅提升。

而这些变化，仅在过去一年发生的。

横向对比之后，再来看纵向对比。Gemini 2.5 Pro在多项基准测试中，几乎刷新SOTA，尤其是在推理方面。

语音理解上，Gemini 2.5 Pro刷新了SOTA。视频理解方面，Gemini 2.5 Pro超越了GPT-4.1。

与o3/o4-mini、Claude 4 Opus、DeepSeek-R1相比，只有Gemini 2.5 Flash-Lite每秒输出的token数接近350个。

Gemini 2.5最大的改进在于该系列所有模型都原生的融入了动态「Thinking」能力，能够根据推理时间的增加进一步增加能力。

面向特定能力的改进

Gemini 2.5进行了专门「领域」能力的优化：代码处理能力、事实准确性、长文本理解、多语言能力、音频和视频处理能力，以及智能体（特别Gemini Deep Research）。

· 代码能力

Gemini2.0与2.5在代码能力上实现飞跃，通过优化预训练与后训练流程，提升多模态开发效率与实用性。

· 事实性

Gemini模型始终聚焦提升对信息型提问的事实性回应能力。

Gemini 1.5引入FACTS Grounding成为评估标准，2.0具备调用Google搜索、整合实时信息等功能，2.5更增强多跳推理与工具协同分析力。

· 长上下文

Gemini 2.5在模型结构和数据优化下，显著增强百万级长上下文处理能力，全面领先于Gemini 1.5。

甚至能从46分钟视频中准确回忆1秒事件。

· 多语言能力

多语言能力实现重大飞跃，覆盖400多种语言。特别在中文、日语、韩语等语言中提升显著。

· 音频生成与理解能力双进化：

Gemini 1.5专注于音频理解任务（如转录、翻译、问答等），而Gemini 2.5进一步具备音频生成能力（如文本转语音和音视频生成对话）。

模型能实现音频的流式输入输出，支持低延迟对话。

支持超过200种语言。

· 视频理解与内容生成突破：

将视频处理效率从每帧258个视觉token优化为66个，使模型可在100万token窗口内处理约3小时视频。

新能力包括从视频中自动生成互动应用（如测试题）和p5.js动画，用于可视化关键概念。

· 智能体能力跃升：Gemini Deep Research：

基于Gemini 2.5 Pro的Deep Research Agent可自动浏览网页、解决小众问题，并具备任务优先级排序及「死胡同」识别能力。

在「人类最后考试」（Humanity’s Last Exam benchmark）基准测试中的表现从 7.95% 提升至当前的 26.9%。

如果使用更高算力甚至能达到32.4%，展现出前沿的搜索与推理能力。

想要体验Gemini的所有系列模型，可以在Google AI Studio上免费使用，各个模型的对应关系如下图所示。

在Gemini 2.5全面推出后，2.0 Flash/Flash-Lite系列将持续提供，更高性价比的低延迟响应。

致谢彩蛋

在这份长达70页的Gemini 2.5技术报告中，致谢名单就有12页（46-58）。

但如果你仔细观察就会发现，第一列致谢的贡献者首字母拼起来是：

「GEMINI MODELS CAN THINK AND GET BACK TO YOU IN A FLASH」

翻译过来就是，GEMINI模型能快速思考并立即给出回应，这也是极客的浪漫吧。

挑战宝可梦

「丝血」就会「恐慌」

另外，Gemini在玩「宝可梦」游戏中，展现了超强推理能力与长时程任务连贯性的能力。

它在设定超800小时长期目标中，成功挑战了整个游戏。而且，在第二次自主运行时，完成的时间几乎缩短一半。

技术报告第4部分，详细介绍了Gemini挑战「宝可梦」的惊人旅程。

独立开发者Joel Zhang最先发起，让Gemini 2.5去通关。AI首次耗时813小时，成功进入了名人堂，成为了宝可梦联盟冠军。

更令人振奋的是，Joel于5月22日让升级版Gemini 2.5再次开启全自动二周目挑战时，它的通关速度大幅提升，仅耗时406.5。

如图所示，关键里程碑时间抽，从游戏开局到击败四天王，Gemini智能体效率提升清晰可见。

更有趣的是，报告中称，Gemini 2.5 Pro在挑战宝可梦生命值低时，会进入一种「慌乱」的状态，导致推理能力出现质性下降。

虽然AI没有情绪，但它的行为却像人类在压力下做出仓促决定一样。

比如，当宝可梦濒临死亡时，Gemini可能会突然停止使用某些工具，导致游戏表现下滑。

不过，Gemini 2.5 Pro在解决「巨石谜题」上，展现了超乎寻常的能力。

通过创建专门的智能体工具，如路径规划器/策略师，Gemini能在没有任何人类干预情况下，一次性解决冠军之路的复杂巨石谜题。

2.5 Flash-Lite首亮相

速度最快，极致性价比

全新Gemini 2.5 Flash-Lite继承了Gemini 2.5核心优势功能。

它支持控制思考预算的能力，可开启/关闭深度思考，还能无缝连接谷歌搜索、代码执行等工具。

与2.0 Flash-Lite不同的是，它科技原生支持多模态输入，有100M token上下文。

谷歌称，这款模型特别擅长翻译、分类等高吞吐量、低延迟敏感型任务。

下面这个demo中，是Gemini 2.5 Flash-Lite构建研究原型过程。

它能够将大型PDF立即转换成交互式Web应用程序，从而更轻松地汇总和理解密集信息。