DataLearner 标志

Gemini 2.5-Pro 评测深度分析

Gemini 2.5-Pro 当前已收录的代表性评测结果包括 MATH-500（1 / 44，得分 98.80）、Aider-Polyglot（4 / 59，得分 83.10）、AIME 2024（9 / 62，得分 92）。并附有 2 个数据来源链接供参考。

Gemini 2.5 Pro是谷歌发布的Gemini 2.5系列模型中最强的一个。

评测结果

Gemini 2.5-Pro

评测结果

思考模式
工具使用

综合评估

共 6 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
86.40
43 / 180
MMLU Pro
86
20 / 126
LiveBench
思考水平·高
58.33
76 / 115
ARC-AGI
37
47 / 65
HLE
21.60
104 / 164
ARC-AGI-2
4.90
44 / 59

常识问答

共 1 项评测
评测名称 / 模式
得分
排名/总数
SimpleQA
54
10 / 45

编程与软件工程

共 3 项评测
评测名称 / 模式
得分
排名/总数
CodeClash
常规模式工具
1125
6 / 8
LiveCodeBench
77.10
34 / 120
SWE-bench Verified
67.20
69 / 109

数学推理

共 9 项评测
评测名称 / 模式
得分
排名/总数
MATH-500
98.80
1 / 44
AIME 2024
92
9 / 62
AIME2025
88
43 / 106
IMO-ProofBench
55.20
3 / 16
IMO 2024
19
2 / 10
IMO-ProofBench Advanced
17.60
4 / 8
IMO 2025
15.20
3 / 9
FrontierMath
11
23 / 60
FrontierMath - Tier 4
常规模式
2.10
56 / 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
85.85
8 / 23

AI Agent - 工具使用

共 2 项评测
评测名称 / 模式
得分
排名/总数
Terminal Bench 2.0
32.60
46 / 46
Terminal-Bench
25.30
28 / 35

多模态理解

共 1 项评测
评测名称 / 模式
得分
排名/总数
MMMU
82
9 / 28

常识推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
Simple Bench
开启思考
62.40
11 / 63

Agent能力评测

共 4 项评测
评测名称 / 模式
得分
排名/总数
Aider-Polyglot
32K
83.10
4 / 59
Aider-Polyglot
开启思考
79.10
8 / 59
τ²-Bench - Telecom
54
32 / 35
Terminal Bench Hard
25
12 / 13

指令跟随

共 1 项评测
评测名称 / 模式
得分
排名/总数
IF Bench
49
28 / 29

AI Agent - 信息收集

共 1 项评测
评测名称 / 模式
得分
排名/总数
BrowseComp
7.80
48 / 49

生产力知识

共 1 项评测
评测名称 / 模式
得分
排名/总数
GDPval-AA
22
21 / 21

长上下文能力

共 1 项评测
评测名称 / 模式
得分
排名/总数
AA-LCR
66
9 / 14
与其他模型对比

数据来源

kaggle.comkaggle.comartificialanalysis.aiartificialanalysis.ai