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
页面导航
大模型列表Gemini 2.5-Pro评测分析
Google Deep Mind

Gemini 2.5-Pro

Google Deep Mind
发布机构
Google Deep Mind
模型类型
推理大模型
参数量
—
上下文长度
1000K
最大输出
65536
发布时间
2025/6/5
论文
更新于 2026/6/14
205 次阅读
查看模型详情 →

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)、Simple Bench(2 / 27,得分 62.40)、Aider-Polyglot(2 / 26,得分 83.10)。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 6 项评测
评测名称 / 模式
得分
排名/总数
GPQA Diamond
开启思考
86.40
38 / 175
MMLU Pro
常规模式
86
18 / 124
LiveBench
开启思考
71.92
13 / 52
ARC-AGI
开启思考
37
47 / 65
HLE
开启思考
21.60
89 / 149
ARC-AGI-2
开启思考
4.90
43 / 58

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
10 / 45

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
常规模式
77.10
32 / 118
SWE-bench Verified
开启思考
67.20
63 / 103

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
43 / 43
Terminal-Bench
开启思考
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
开启思考
82
9 / 28

常识推理

共 1 项评测
评测名称 / 模式
得分
排名/总数
Simple Bench
开启思考
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
开启思考
83.10
2 / 26
τ²-Bench - Telecom
开启思考工具
54
32 / 35
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
26 / 27

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
42 / 43

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
20 / 20

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
8 / 13
与其他模型对比

数据来源

kaggle.comkaggle.comartificialanalysis.aiartificialanalysis.ai