谷歌发布首个“思考模型” Gemini 2.5 Pro

背景

大语言模型通常在拿到问题后直接逐词给出答案，一次生成就结束。所谓「思考模型」（thinking model）做法不同：它在给出最终答案之前先生成中间的推理步骤，把更多计算放在回答问题的当下，而不是只放在训练阶段。这种额外的计算对无法靠记忆解决的问题有用，比如多步数学题、科学问题、代码和逻辑谜题；代价是速度与成本，换来的是准确率。

发布经过

2025 年 3 月 25 日，Koray Kavukcuoglu 宣布了 Gemini 2.5，并一同推出其中的第一个成员 Gemini 2.5 Pro Experimental ^[1]。谷歌把 Gemini 2.5 描述为一种思考模型，用来处理日益复杂的问题 ^[1]。名称中的「Experimental」（实验性）表明这是一次预览发布而非成品，模型当时向 Gemini Advanced 订阅用户和 Google AI Studio 中的开发者开放 ^[1]。

关键细节

谷歌在发布时强调了两项测量结果。第一，该模型首次登上 LMArena 排行榜即位列第 1，且领先幅度明显 ^[1]。LMArena 是一个公开榜单，匿名模型以两两对比的方式由用户盲投，因此排名靠前反映的是在开放对比中人们更偏好哪个模型的回答，而不是某一次由实验室自行运行的测试成绩。

第二，在不使用工具的情况下，它在 Humanity's Last Exam 上取得 18.8% 的成绩 ^[1]。Humanity's Last Exam 由跨学科的专家撰写的高难度题目构成，设置上要求得分靠推理而非简单检索。这个限定条件很重要：18.8% 指的是模型独立作答、不调用搜索引擎、代码解释器或其他外部工具时的表现。

发布本身是分阶段的。预览版在 3 月底先向付费订阅用户和通过 Google AI Studio 使用的开发者开放，Gemini 2.5 Pro 则在 2025 年 6 月 17 日进入正式可用（general availability）状态 ^[1][2]。在宣布这一更广泛发布的说明中，谷歌把它定位为其思考模型家族的一次更新，也就是说，优先进行推理的行为被当成一整条模型线，而不是一次单独的实验 ^[2]。

影响

命名与数字同样重要。把 Gemini 2.5 称作思考模型，意味着谷歌在描述自家旗舰系统时，把「推理时计算」（inference-time computation），即模型在回答过程中做的计算而不只是训练时的计算，放到了中心位置 ^[1]。对 Gemini Advanced 的用户和在 Google AI Studio 上构建应用的开发者来说，实际变化是可以用上一个在作答前先逐步推理的模型 ^[1]。

这次发布也定下了一个后续 Gemini 2.5 版本沿用的节奏：先以实验性标签预览，发布时同时给出公开榜单和高难度基准上的成绩，几个月后再转入正式可用 ^[1][2]。