谷歌 DeepMind 推出了 Gemini 2.5，这是一个新的人工智能模型系列，旨在在响应查询之前“思考”。最初的版本 Gemini 2.5 Pro Experimental 在 LMArena 排行榜上名列前茅，谷歌称其“大幅领先”，并展示了跨技术任务的增强推理能力。该模型在没有工具的情况下在 Humanity 的最后考试中取得了 18.8% 的成绩，优于大多数竞争对手的旗舰模型。在数学方面，它在 AIME 2025 上的单次得分为 86.7%，在 AIME 2024 上的单次得分为 92.0%，而在 GPQA 的科学推理钻石基准上则达到了 84.0%。对于开发人员来说，Gemini 2.5 Pro 使用自定义代理设置在 SWE-Bench Verified 上展示了更高的编码能力，得分为 63.8%，尽管这低于 Anthropic 的 Claude 3.7 Sonnet 得分 70.3%。在用于代码编辑的 Aider Polyglot 上，它的得分为 68.6%，谷歌称其超过了竞争对手的模型。这种推理方法建立在谷歌之前的强化学习和思维链提示实验的基础上。这些技术允许模型在做出响应之前分析信息、整合上下文并得出结论。 Gemini 2.5 Pro 附带 100 万个令牌上下文窗口（约 750,000 个单词）。该模型可立即在 Google AI Studio 和 Gemini Advanced 订阅者中使用，并计划在未来几周内与 Vertex AI 集成。
在 Slashdot 上阅读这个故事的更多内容。