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 5 项评测
评测名称 / 模式
得分
排名/总数
MMLU Pro
常规模式
86
22 / 133
LiveBench
思考水平·高
58.33
76 / 115
ARC-AGI
开启思考
37
50 / 68
HLE
开启思考
21.60
121 / 181
ARC-AGI-2
开启思考
4.90
47 / 62

科学与综合推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
开启思考
86.40
73 / 224

常识问答

共 1 项评测
评测名称 / 模式
得分
排名/总数
SimpleQA
常规模式
54
11 / 47

编程与软件工程

共 4 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
常规模式
77.10
36 / 126
SWE-bench Verified
开启思考
67.20
74 / 114
GSO
常规模式工具
3.92
18 / 21

数学推理

共 9 项评测
评测名称 / 模式
得分
排名/总数
MATH-500
常规模式
98.80
1 / 44
AIME 2024
常规模式
92
9 / 62
AIME2025
开启思考
88
43 / 106
IMO-ProofBench
开启思考
55.20
3 / 16
IMO 2024
开启思考
19
2 / 10
IMO-ProofBench Advanced
开启思考
17.60
4 / 8
IMO 2025
开启思考
15.20
3 / 9
FrontierMath
常规模式
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
常规模式
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
开启思考工具
32.60
48 / 48
Terminal-Bench
开启思考
25.30
28 / 35

多模态理解

共 2 项评测
评测名称 / 模式
得分
排名/总数
MMMU
开启思考
82
9 / 28
VPCT
常规模式
46.40
12 / 24

常识推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
SimpleBench
开启思考
62.40
13 / 67

Agent能力评测

共 5 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
开启思考工具
54
32 / 35
METR Time Horizons v1.1
常规模式工具
38.73
19 / 22
Terminal Bench Hard
开启思考工具
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
开启思考工具
49
32 / 33

AI Agent - 信息收集

共 1 项评测
评测名称 / 模式
得分
排名/总数
BrowseComp
开启思考工具
7.80
53 / 54

生产力知识

共 1 项评测
评测名称 / 模式
得分
排名/总数
GDPval-AA
开启思考
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
开启思考
66
11 / 18

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
91.70
5 / 16
与其他模型对比

数据来源

kaggle.comkaggle.comartificialanalysis.aiartificialanalysis.ai