砍柴網(wǎng)消息： 3月26日，谷歌正式推出新一代人工智能推理模型Gemini 2.5系列，其首發(fā)版本Gemini 2.5 Pro憑借突破性的技術(shù)能力引發(fā)業(yè)界廣泛關(guān)注。該模型不僅在多項基準測試中達到“最先進水平”，更以單次處理100萬token（約75萬單詞）的驚人上下文窗口容量，刷新了長文本與多模態(tài)推理的行業(yè)標準。

思維鏈推理：像人類一樣“先思考，再回答”

Gemini 2.5系列的核心創(chuàng)新在于其思維鏈（Chain-of-Thought）推理能力。與傳統(tǒng)的“輸入-輸出”模式不同，該模型在處理復(fù)雜任務(wù)時，會模擬人類解決問題的邏輯，先進行系統(tǒng)性思考與推演，再生成最終答案。這種機制顯著提升了模型在數(shù)學(xué)、科學(xué)類問題中的準確性和邏輯嚴謹性。例如，在無需依賴“多數(shù)投票”等額外計算成本的情況下，Gemini 2.5 Pro已在**GPQA（通用問題解答評估）和2025年AIME（國際數(shù)學(xué)邀請賽）**基準測試中登頂。

百萬token上下文窗口：解析《指環(huán)王》不在話下

Gemini 2.5 Pro的100萬token上下文窗口是其另一大技術(shù)亮點。這一容量足以一次性解析《指環(huán)王》等長篇巨著的全部內(nèi)容，或同時處理長達數(shù)小時的視頻、音頻及代碼文件。谷歌還宣布，未來將把這一能力升級至200萬token，進一步強化模型在跨模態(tài)復(fù)雜任務(wù)中的信息整合與分析能力。

原生多模態(tài)支持：文本、圖像、音視頻“通吃”

作為谷歌Gemini系列的最新成員，2.5 Pro延續(xù)了原生多模態(tài)支持的核心優(yōu)勢，可無縫解析文本、圖像、音頻、視頻和代碼等多種輸入形式。這一特性使其在智能客服、內(nèi)容創(chuàng)作、數(shù)據(jù)分析等場景中展現(xiàn)出強大的應(yīng)用潛力。例如，用戶可直接上傳一段視頻并詢問其核心內(nèi)容，模型將自動分析畫面、語音及字幕信息，生成精準摘要。

開發(fā)者與企業(yè)用戶已可接入

目前，Gemini 2.5 Pro已通過谷歌AI Studio開發(fā)平臺及Gemini Advanced用戶專區(qū)開放使用，支持移動端與桌面端接入。開發(fā)者可基于其API快速構(gòu)建智能應(yīng)用，企業(yè)用戶則可將其應(yīng)用于自動化報告生成、跨模態(tài)數(shù)據(jù)分析等高階任務(wù)。谷歌表示，未來將持續(xù)優(yōu)化模型效率，降低大規(guī)模部署成本。

（來源 / 砍柴網(wǎng)AI助手）