Gemini 2.5 Flash 评测详情

Gemini 2.5 Flash 当前已收录的代表性评测结果包括 AIME 2024（16 / 62，得分 88）、GPQA Diamond（196 / 463，得分 82.80）、GeoBench ACW（9 / 20，得分 76）。

评测结果

Gemini 2.5 Flash

评测结果

综合评估

共 9 项评测

评测名称 / 模式

得分

排名/总数

思考水平·高

47.74

103 / 117

常规模式

32.30

125 / 147

常规模式

8.40

415 / 565

常规模式

4.70

492 / 565

开启思考

12.10

367 / 565

开启思考

11

379 / 565

unknown

12.08

369 / 565

常规模式

1.40

136 / 201

开启思考

1.10

148 / 201

科学与综合推理

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

78.30

255 / 463

开启思考

82.80

196 / 463

常识问答

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

25.80

30 / 47

开启思考

26.90

29 / 47

编程与软件工程

共 5 项评测

评测名称 / 模式

得分

排名/总数

常规模式

41.10

183 / 251

开启思考

55.40

151 / 251

SWE-bench Verified

常规模式

50

96 / 116

SWE-bench Verified

开启思考

48.90

100 / 116

16K工具

40.95

46 / 52

数学推理

共 5 项评测

评测名称 / 模式

得分

排名/总数

常规模式

88

16 / 62

常规模式

61.60

137 / 216

开启思考

72

117 / 216

常规模式

7.80

6 / 10

FrontierMath - Tier 4

常规模式

4.20

40 / 80

写作和创作

共 1 项评测

评测名称 / 模式

得分

排名/总数

Creative Writing

常规模式

1134.60

84 / 106

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式

41.20

64 / 93

Agent能力评测

共 7 项评测

评测名称 / 模式

得分

排名/总数

常规模式

47.10

35 / 59

16K

55.10

27 / 59

常规模式工具

33.50

9 / 12

τ²-Bench - Telecom

常规模式工具

14.90

258 / 264

τ²-Bench - Telecom

开启思考工具

31.60

207 / 264

Terminal Bench Hard

常规模式工具

12.10

178 / 244

Terminal Bench Hard

开启思考工具

13.60

173 / 244

指令跟随

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

39

223 / 282

开启思考

50.30

156 / 282

长上下文能力

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式

49.90

139 / 171

OpenClaw智能体能力综合测评

共 1 项评测

评测名称 / 模式

得分

排名/总数

开启思考工具

70.70

32 / 38

多模态理解

共 3 项评测

评测名称 / 模式

得分

排名/总数

常规模式

76

9 / 20

常规模式

65.50

151 / 229

开启思考

69.10

138 / 229

长上下文

共 1 项评测

评测名称 / 模式

得分

排名/总数

Fiction.liveBench

常规模式

77.80

9 / 16

与其他模型对比