在Google I/O大会上，科技巨头Google宣布了其Gemini .人工智能模型的重大升级，包括Flash和Pro两个版本。这些升级使得Gemini 2.5在推理、代码生成以及长文本语境理解等多个维度上实现了显著提升，进一步向“通用AI助手”的目标迈进。
一、Gemini 2.5 Pro：更智能的思考者
Gemini . Pro被Google视为迄今为止最智能的模型，它拥有一个百万级别的token上下文窗口。此次升级中，Pro版本引入了一个名为“Deep Think”的实验性增强推理模式。该模式允许模型在回应之前考虑多个假设，从而做出更加全面和准确的判断。
Deep Think在多个高难度的数学和编程基准测试中表现出色，包括5年美国数学奥林匹克竞赛（USAMO）和竞争级的编程基准测试LiveCodeBench。此外，它在多模态理解和推理测试MMMU中也获得了.%的高分。
Google DeepMind的首席执行官Demis Hassabis表示：“这是Gemini应用的终极目标：打造一个个性化、主动且强大的AI。”他强调，基于AlphaGo的经验，给予AI模型更多思考时间可以提高其响应质量。因此，DeepMind科学家开发了Deep Think，该模式采用了Google最新的思考和推理研究成果，包括并行处理技术。
二、Gemini 2.5 Flash：速度与效率的典范
与此同时，Gemini . Flash作为工作主力模型，在设计上更注重速度、效率和成本效益。此次升级中，Flash在推理、多模态性、代码生成以及长文本语境理解等多个基准测试中都取得了显著进步。尽管在LMArena基准测试中略逊于Pro版本，但Flash仍然以其高效能和低成本赢得了开发者的青睐。
Hassabis指出，Flash在LMArena基准测试榜上紧随Pro之后，排名第二。此外，该模型还更加高效，使用的token数量减少了%至%。目前，Google正在根据开发者的反馈对Flash进行最后的调整，并计划在月初正式推出生产版本。
三、新增功能：更自然的对话体验
为了进一步提升用户体验，Google为Gemini . Pro和Flash都增加了原生音频输出功能。这一功能使得模型能够创建更加自然的对话体验，支持多说话者，并能够快速切换不同的方言和语言。此外，模型现在还具备情感对话能力，能够检测用户声音中的情感并做出相应回应。
除了音频输出外，Google还为Gemini 2.5增加了思想摘要和思考预算等功能。思想摘要功能将模型的原始思考过程组织成清晰的格式，包括标题、关键细节以及模型行动信息。这有助于用户更好地理解模型的思考过程并进行调试。而思考预算功能则允许开发者控制模型在回应之前使用的token数量，或者完全关闭其思考能力。
四、面向未来的布局
Google DeepMind的首席技术官Koray Kavukcuoglu和高级产品经理Tulsee Doshi在博客文章中写道：“我们正处于一个历史性的时刻，AI正在为我们创造一个令人惊叹的新未来。”他们表示，Gemini .的升级是这一进程中的重要一步。
为了支持更复杂的任务处理，Google还在Gemini API和Vertex AI中增加了对Model Context Protocol（MCP）定义的原生SDK支持。这使得模型能够更容易地与开源工具集成，从而扩展其功能和应用场景。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/google-ai-xin-fei-yue-gemini-2-5-si-kao-geng-shen-biao-da
