DataLearner 标志DataLearnerAI
最新AI资讯
大模型排行榜
大模型评测基准
大模型列表
大模型对比
资源中心
工具
语言中文
DataLearner 标志DataLearner AI

专注大模型评测、数据资源与实践教学的知识平台,持续更新可落地的 AI 能力图谱。

产品

  • 评测榜单
  • 模型对比
  • 数据资源

资源

  • 部署教程
  • 原创内容
  • 工具导航

关于

  • 关于我们
  • 隐私政策
  • 数据收集方法
  • 联系我们

© 2026 DataLearner AI. DataLearner 持续整合行业数据与案例,为科研、企业与开发者提供可靠的大模型情报与实践指南。

隐私政策服务条款
页面导航
目录
大模型列表Gemini 2.5 Deep Think
GE

Gemini 2.5 Deep Think

聊天大模型

Gemini 2.5 Deep Think

发布时间: 2025-08-01更新于: 2025-08-04 17:06:22756
在线体验GitHubHugging FaceCompare
模型参数
未披露
上下文长度
1000K
中文支持
支持
推理能力

Gemini 2.5 Deep Think 是由 Google Deep Mind 发布的 AI 模型,发布时间为 2025-08-01,定位为 聊天大模型,参数规模约为 0.0B,上下文长度为 1000K,采用 不开源 许可。

数据优先来自官方发布(GitHub、Hugging Face、论文),其次为评测基准官方结果,最后为第三方评测机构数据。 了解数据收集方法

Gemini 2.5 Deep Think

模型基本信息

推理过程
支持
思考模式
不支持思考模式
上下文长度
1000K tokens
最大输出长度
16384 tokens
模型类型
聊天大模型
发布时间
2025-08-01
模型文件大小
暂无数据
MoE架构
否
总参数 / 激活参数
暂无数据 / 不涉及
知识截止
暂无数据
Gemini 2.5 Deep Think

开源和体验地址

代码开源状态
不开源
预训练权重开源
不开源- 不开源
GitHub 源码
https://github.com/QwenLM/qwen-code
Hugging Face
https://huggingface.co/Qwen/Qwen3-Coder-30B-A3B-Instruct
在线体验
https://chat.qwen.ai/
Gemini 2.5 Deep Think

官方介绍与博客

官方论文
Try Deep Think in the Gemini app
DataLearnerAI博客
暂无介绍博客
Gemini 2.5 Deep Think

API接口信息

接口速度
3/5
💡默认单位:$/100万 tokens。若计费单位不同,则以供应商公开的原始标注为准。
标准计费Standard
模态输入输出
文本$0.4$1.6
Gemini 2.5 Deep Think

评测结果

Gemini 2.5 Deep Think 当前已收录的代表性评测结果包括 LiveCodeBench(8 / 118,得分 87.60)、AIME2025(11 / 106,得分 99.20)、FrontierMath(12 / 60,得分 29)。 本页还汇总了参数规模、上下文长度与 API 价格,便于结合评测结果与部署约束一起判断模型适配度。

思考模式
全部常规思考

综合评估

共 1 项评测
评测名称 / 模式
得分
排名/总数
HLE
深度
34.80
54 / 149

编程与软件工程

共 1 项评测
评测名称 / 模式
得分
排名/总数
LiveCodeBench
深度
87.60
8 / 118

数学推理

共 4 项评测
评测名称 / 模式
得分
排名/总数
AIME2025
深度
99.20
11 / 106
IMO-ProofBench
思考模式
37.60
5 / 16
FrontierMath
深度
29
12 / 60
FrontierMath - Tier 4
常规模式
10.40
32 / 80
查看评测深度分析与其他模型对比
Gemini 2.5 Deep Think

发布机构

Google Deep Mind
Google Deep Mind
查看发布机构详情
Gemini 2.5 Deep Think

模型解读

Gemini 2.5 Deep Think并不是Google发布的全新模型,而是Geimini 2.5 Pro的一个并行思考推理模式。模型来自一个获得数学奥赛金牌模型的变种版本,获取奥赛金牌的那个模型需要几个小时完成复杂的数学任务,但是本模型更快,使用并行思考的模型,针对同一个问题一次性生成多个答案之后然后对这些答案总结。

DataLearner 官方微信

欢迎关注 DataLearner 官方微信,获得最新 AI 技术推送

DataLearner 官方微信二维码