谷歌AI跃升内幕：Gemini 2.5思维更深、表达更智能且编码更快

谷歌迈向通用人工智能助手愿景的步伐越来越近

在今年的谷歌I/O大会上，谷歌透露了对其Gemini 2.5系列的重大升级，尤其侧重于提升其在各个维度上的能力。最新版本——Gemini 2.5 Flash和Gemini 2.5 Pro——现在比以往任何时候都更加聪明和高效。这些进步使谷歌离实现其创造一个能够无缝理解上下文、规划和执行任务的通用人工智能助手的目标更近了一步。

Gemini 2.5 Pro：将智能提升到新高度

Gemini 2.5 Pro被谷歌称为迄今为止最先进的模型，拥有前所未有的百万令牌上下文窗口。这一功能使AI能够处理大量数据并在长时间对话中保持连贯性。在会议上，谷歌DeepMind首席执行官德米斯·哈萨比斯对取得的进展表示兴奋，称：“这是我们对Gemini应用的终极目标：一个个性化、主动且强大的AI。”Gemini 2.5 Pro的一项突出特点是引入了“深度思考”这一实验性的增强推理模式。“深度思考”使AI能够在给出回应之前分析多个假设，从而提高其决策能力。据哈萨比斯称，这项发展源于在AlphaGo创建过程中获得的见解，即更长的处理时间能带来更好的结果。

在基准测试中的出色表现

“深度思考”已经在具有挑战性的基准测试中展示了令人印象深刻的表现。例如，它在美国数学奥林匹克竞赛（USAMO）2025年比赛中取得了令人印象深刻的分数，并在LiveCodeBench（一个测试高级编码技能的基准）中表现出色。此外，它在MMMU上获得了84.0%的分数，该测试评估多模态理解和推理。尽管取得了这些成就，谷歌仍然保持谨慎。哈萨比斯提到团队正在进行彻底的安全评估，并从专家那里收集反馈后再广泛推出“深度思考”。目前，它通过API仅限于受信任的测试人员使用以获取反馈。

Gemini 2.5 Flash：日常使用的得力助手

除了Gemini 2.5 Pro，谷歌还推出了Gemini 2.5 Flash的增强版，旨在提高速度、效率和经济性。哈萨比斯将其描述为该系列的“工作马”，在推理、多模态、代码和长上下文的基准测试中表现出色。事实上，在LMArena排行榜上，它仅次于Gemini 2.5 Pro。更新后的Flash模型大约提高了20到30%的效率，完成任务所需的令牌数量减少。根据开发者的反馈，谷歌对该模型进行了微调，并在Google AI Studio、Vertex AI和Gemini应用中提供了预览。预计将在六月初全面投入生产。

两款模型的新功能

Gemini 2.5 Pro和Flash都获得了多项旨在增强用户交互的新功能。增加了原生音频输出，以创造更自然的对话体验，同时文本转语音功能现在支持多种声音。用户甚至可以引导语气和风格，无论是希望AI听起来戏剧化还是严肃。其他实验性语音功能包括情感对话，使AI能够识别用户声音中的情绪并作出相应反应，以及主动音频，用于过滤背景噪音。还引入了预算思维功能，使开发者能够在AI响应前控制其使用的计算能力。

向未来迈进

这些更新凸显了谷歌推动AI技术边界的承诺。正如Kavukcuoglu和Doshi在其博客文章中所指出的那样：“我们正经历着历史上一个非凡的时刻，AI正在创造一个令人惊叹的新未来。这是持续不断的进步。”凭借这些改进，谷歌无疑正在为AI助手成为我们日常生活不可或缺的伙伴铺平道路。