Gemini 2.5-Pro 评测深度分析 | DataLearnerAI

Gemini 2.5-Pro 评测深度分析

Google Deep Mind更新于 2026/2/225 次阅读

深度分析

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

综合评估

共 6 项评测

评测名称 / 模式

得分

排名/总数

GPQA Diamond思考

86.40

21 / 153

86

11 / 112

LiveBench思考

71.92

13 / 52

37

27 / 42

HLE思考

21.60

50 / 105

ARC-AGI-2思考

4.90

25 / 34

常识问答

共 1 项评测

评测名称 / 模式

得分

排名/总数

54

9 / 44

编程与软件工程

共 2 项评测

评测名称 / 模式

得分

排名/总数

LiveCodeBench常规

77.10

21 / 103

SWE-bench Verified思考

67.20

50 / 87

数学推理

共 9 项评测

评测名称 / 模式

得分

排名/总数

98.80

1 / 42

AIME 2024常规

92

9 / 62

88

41 / 105

IMO-ProofBench思考

55.20

3 / 16

19

2 / 10

IMO-ProofBench Advanced思考

17.60

4 / 8

15.20

3 / 9

FrontierMath常规

11

15 / 52

FrontierMath - Tier 4常规

4.20

12 / 32

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

85.85

8 / 22

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思考 + 使用工具

32.60

20 / 20

Terminal-Bench思考

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思考

82

5 / 17

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

Simple Bench思考

62.40

2 / 27

Agent能力评测

共 3 项评测

评测名称 / 模式

得分

排名/总数

Aider-Polyglot思考

83.10

2 / 26

τ²-Bench - Telecom思考 + 使用工具

54

26 / 29

Terminal Bench Hard思考 + 使用工具

25

13 / 14

指令跟随

共 1 项评测

评测名称 / 模式

得分

排名/总数

IF Bench思考 + 使用工具

49

23 / 25

AI Agent - 信息收集

共 1 项评测

评测名称 / 模式

得分

排名/总数

BrowseComp思考 + 使用工具

7.80

26 / 27

生产力知识

共 1 项评测

评测名称 / 模式

得分

排名/总数

GDPval-AA思考

22

11 / 11

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思考

66

6 / 12

与其他模型对比

数据来源与参考

kaggle.com artificialanalysis.ai