Gemini 2.5编程全球霸榜谷歌重回AI王座！神秘模型曝光奥特曼迎战

编辑：桃子英智

【本站导读】刚刚，Gemini2.5Pro编程登顶，6美元性价比碾压Claude3.7Sonnet。不仅如此，谷歌还暗藏着更强的编程模型Dragontail，这次是要彻底翻盘了。

谷歌，彻底打了一场漂亮的翻身仗。

aider多语言编程基准测试显示，Gemini2.5Pro近出世半个多月，编程能力已经是全球第一，口碑一众超越Claude3.7Sonnet。

不仅如此，除了DeepSeek，它的性价比也是最优的，成本低至6美金。

为了强调Gemini2.5Pro成本优势，JeffDean还附上了超详细TOP10模型的成本图。

他骄傲地表示，「有些性能不怎么样的模型，还要比Gemini2.5贵上2倍、3倍，甚至是30倍」。

原本，以强大编程能力著称的Claude，成为广大开发者的主战场。如今有了Gemini2.5，AI编程将会上演一场史上最大的「迁徙」。

更令人欣喜的是，Gemini2.5Pro还不是编程最强的那个。

这几天，竞技场上，突然现身多款据称是谷歌开发的模型，包括Nightwhisper、Dragontail等，编程能力让人惊艳。

网友实测发现，毫不夸张地说，Dragontail编程能力足以摧毁Gemini2.5Pro。

虽不知这款模型具体何时面世，但显然谷歌还有很多惊喜在等着我们。另一边，奥特曼也在今日凌晨，下达战书——

传说中的GPT-4.1、满血版o3、o4-mini大概率会发布

预计本周，AI圈又将是一场恶战。

Gemini2.5Pro编程霸榜，性价比最优

3月25日官宣，Gemini2.5Pro半个多月里，各种精彩实测让其在全网的热度一直居高不下。

最新aider基准测试，又为这款模型添上了一把火。官方接续JeffDean的图，做了一张更加直观可视化的表。

AiderPolyglot基准测试是评估AI模型在多语言编程能力上的重要指标，涉及C++、Go、Java、JavaScript、Python和Rust等多种编程语言。

看得出，o1是十款模型中，最贵的那个（186.5美元），其次是Claude3.7Sonnet（32kthinkingtoken）成本为36.83美元。

再之后，就是o3-mini、Claude3.7Sonnet（nothinking）、DeepSeekR1+Claude3.5Sonnet。

这些模型成本高不说，多语言编程能力还不如Gemini2.5Pro。

而且，谷歌第七代TPU也在发挥最大的效用了，能够加速Gemini2.5Protoken的处理速度。

在网友实测的demo中，Gemini2.5Pro在单次编程提示中，表现非常出色——创建一个随着音律跃动的3D星球。

谷歌产品负责人LoganKilpatrick忍不住美言了几句，「想要找到这样既前沿，又具性价比的模型，真的太难了。Gemini2.5Pro真的是特别的那一款」。

一直以来，Anthropic没有解决Claude速率限制问题，还推出了每月200美金付费计划，在开发者心中大打折扣。

谷歌Gemini2.5Pro凭借卓越的多语言编程能力，和超高的性价比，再次证明了谷歌在AI领域的深厚实力。

谷歌在AI领域全面获胜

如今看来，在这场AI激烈竞赛中，能全面Scaling的科技大厂，唯有谷歌了。

Gemini2.5ProExperimental是全球最优秀的AI模型，OpenAI和Anthropic目前都毫无胜算。

它在LMArena、GPQADiamond、人类终极测试以及AIME等多项权威测评中，均排名第一。

在AiderPolyglot、LiveBench等非公开基准测试里也名列前茅。

在《宝可梦》游戏测试中，它的表现优于ClaudeSonnet。此外，它在创意写作方面也有不错的表现，尤其是长文本理解能力。

更重要的是，Gemini2.5ProExperimental的基准测试成绩，与实际使用体验、专业测评反馈高度吻合。

大量用户反馈，Gemini2.5ProExperimental确实是当下最强的AI模型。

这种情况在竞争激烈的AI行业实属罕见。

此外，它速度快、成本低，谷歌甚至为用户提供免费使用权限。

它的上下文窗口多达100万个token，并与谷歌庞大的产品生态紧密相连。

即将发布的Gemini2.5Flash是Gemini2.5Pro的「姊妹版本」，同样表现出色。

它运行速度极快且成本极低，比竞争对手的同类模型便宜得多。

Gemini2.5Flash非常适合应用于边缘计算场景，也便于集成到手机设备中。

Gemma3是谷歌推出的开源模型，在性能上能与Llama4、DeepSeek-V3等顶尖开源模型相媲美。

在性能和成本这两个关键指标上，谷歌的Gemini2.0/2.5系列（包括Pro和Flash版本）占据着Pareto最优前沿。

这意味着谷歌性能最强的模型，成本控制得也很好；性价比最高的模型，性能同样出色。

这使其成为预算有限的开发者、企业和初创公司的理想选择。

在其他生成式AI领域，谷歌同样占据着主导地位。

谷歌宣布，将把旗下的Lyria、Imagen3、Veo2和Chirp3等AI工具整合到VertexAI平台。它们在各自领域都是世界一流水平。

在智能体领域，开启深度研究模式的Gemini2.5Pro，表现比OpenAI的深度研究功能强一倍。

Gemini与OpenAI深度研究功能的对比

彩蛋：Dragontail

近期，网上流传着一款谷歌尚未正式发布的模型，代号「Dragontail」。

据称其在Web开发领域表现惊艳，甚至超越了旗舰模型Gemini2.5Pro。

Dragontail最早出现在WebDevArena（https://web.lmarena.ai/）的测试环境中。

经开发者测试发现，在生成复杂用户界面、多页面网站和交互式应用方面，其展现出的能力远超其他模型。

尽管谷歌尚未官方确认Dragontail，它在某些测试中自称是「由谷歌训练的LLM」，这与Gemini2.5Pro的回应一致。

人们猜测它可能是谷歌内部开发的下一代模型，或者Gemini系列的升级版本。

Dragontail的实力究竟如何？根据测试者的反馈，这款模型在WebDev任务中的表现堪称碾压。

Dragontail在以下几个方面展现了绝对优势：

卓越的UI设计

Dragontail生成的UI元素，不仅功能完善，在布局、配色和交互性上也极具美感。

比如，当要求生成一个带有复杂导航功能的零售网站时，Dragontail能输出整洁的代码，里面包含动态加载的商品列表、响应式设计，页面切换效果也很流畅。

相比之下，即使是当前WebDev排行榜上表现出色的Gemini2.5ProExperimental，在细节处理上还是差了一点，偶尔会出现布局不够直观，或交互不够顺畅的问题。

功能实现的完整性

Dragontail生成的Web应用，功能实现上几乎没有瑕疵。

从前端的JavaScript逻辑，到后端的API集成，它都能给出生产级别的代码。

比如，开发者要求生成一个带有实时数据更新的仪表盘，Dragontail不仅完成了前端可视化，还自动生成了后端模拟数据接口。

Gemini2.5Pro在做类似任务时，往往需要额外的提示才能把逻辑补全。

代码质量与优化

Dragontail的代码风格规范，遵循现代Web开发的最佳实践。

它生成的React或Vue组件结构清晰，状态管理井井有条，还包含了错误处理和性能优化。

相比之下，Gemini2.5Pro虽然也能生成高质量代码，但在复杂项目中，偶尔会出现冗余代码，或者不必要的复杂逻辑。

测试者一致认为，Dragontail在视觉效果、功能完整性和用户体验方面全面领先。

让人怀疑，Dragontail是否代表了谷歌在Web开发AI领域的全新突破。

（注：基于WebDevArena测试数据、开发者反馈及社交平台X上的讨论，部分信息尚未得到谷歌官方证实，具体细节以未来发布为准。）