从 Gemini 2.5 技术报告看大模型竞速：核心技术路线全景对标

引子

Google’s Gemini 2.5 paper has 3295 authors

2025年7月7日，Google DeepMind 在 arXiv 上正式发布了题为 “Gemini 2.5: Pushing the Frontier with Advanced Reasoning, Multimodality, Long Context, and Next Generation Agentic Capabilities” 的技术报告，竟然有3295名作者，堪称史上最拥挤的作者群。该报告详细介绍了 Gemini 2.5 Pro 和 Flash 模型在内建链式思考（built-in reasoning）、原生多模态处理（文本、图像、视频、音频）及超长上下文（最高支持 1,000,000 Token）方面的关键技术创新 Google Cloud Storageblog.google。该报告介绍新一代 Gemini 2.5 Pro 在常见 AI 基准测试中大幅领先，尤其在高级推理和代码生成任务上展现了显著优势；同时，Gemini 2.5 Flash 提供了在成本与延迟间可控的“思考”预算，满足不同场景需求。之前，媒体普遍关注其突破性性能，但也对安全框架披露不足提出批评；AI 社区专家既认可其多模态与长上下文处理能力，又呼吁更透明的安全评估细节。本文主要借助该论文的发表，收集相关报道并进一步分析一下Gemini 2.5的深入细节和模型对比。

Gemini 2.5 Pro evaluation

媒体评价

• 正面报道：技术能力与商业化前景

• Google Cloud 博客指出，Gemini 2.5 Pro 和 Flash 的扩展能力，可助力企业构建更复杂且安全的 AI 驱动应用和代理系统 Google Cloud。

• 在 Google I/O 2025 上，官方进一步公布了 Deep Think 增强推理模式和优化更新，强调开发者社区对 2.5 Pro 在代码生成领域的广泛好评 blog.google，IQ智商测试也是最高的（参考下图）。

添加图片注释，不超过 140 字（可选）

• 多家技术媒体测评显示，Gemini 2.5 Pro 在 LM Arena 排行榜上遥遥领先，且在实际应用中能解决以往模型难以触及的高级场景 Medium。

LMArena score

• 批评声音：安全与透明度不足

• TechCrunch 报道中，多位受访专家对官方报告中 Frontier Safety Framework（FSF）的细节披露不够表示失望，认为应提供更完整的安全评估数据 TechCrunch。

Frontier Safety Framework（FSF）

• Fortune 的 AI 治理评论家指出，Google 在发布模型时未同步公布详细的安全评估文档，这种“空白”可能加大后续风险管理难度 财富杂志。

• The Times 指出，随着 AI Overview 功能集成，Gemini 系列也面临生成错误信息（hallucination）的批评，影响用户信任度 泰晤士报。

专家观点

• 模型能力认可

• 多位 AI 研究者在 arXiv 版本的论文评论中肯定了 Gemini 2.5 Pro 在多模态推理与长上下文处理上的巨大进展，认为这为通用 AI 助手愿景迈出了关键一步 arXiv。

• TechRadar 的使用者评价则强调，Deep Research 工具配合 2.5 Pro 能提供意想不到的深度探索结果，尽管有时会“过度思考”，但仍展现出显著潜力