话接上文：刚刚，谷歌三箭齐发：Gemini 2.5 全线转正，Flash-Lite 首次亮相！

几天前，稳定可商用版本的 Gemini 2.5 系列模型正式上线。

与此同时，谷歌 DeepMind 团队一并发布了《Gemini 2.5 模型技术白皮书》。这是一份涵盖大模型架构、推理机制、多模态能力、系统部署、安全控制等多个层面的完整工程说明。

作为 Gemini 模型的最新主力，2.5 系列不再是“预览”，而是“可交付系统”，这点在文档里体现得非常明显。

接下来的内容会试着为你拆解这份白皮书背后的关键设计、核心能力、评估数据和技术趋势。

01｜模型家族与能力概览：Pro 天花板，Flash 占市场

Gemini 2.5 系列共包含三个版本：

• Gemini 2.5 Pro：全能力旗舰，支持多模态输入、超长上下文、动态推理预算；
• Gemini 2.5 Flash：轻量部署型号，优化推理速度与成本效率；
• Gemini 2.5 Flash-Lite：2025 年 6 月新发布的实验模型，支持多模态输入与工具调用，主打极低延迟和极高性价比。

从规格上看，Gemini 2.5 Pro 具备原生多模态处理能力，同时支持文本、图像、音频、视频等输入形式，输出上下文最大可达 64K tokens，接收输入最长超过 100 万 tokens，是目前为数不多的真正实现百万级上下文处理能力的大模型。

此外，Pro/Flash/Flash-Lite 三个型号都支持一个重要机制：

动态推理预算（Reasoning Time Tuning）：模型可以基于任务难度，自动延长内部推理步数，用更多的思考时间换取更好的准确率。本质上，这是一种通过强化学习控制模型“前向次数”的机制。

这个机制意味着 —— 模型推理将不再是静态路径，而是受任务感知调度控制。

02｜技术架构的核心改进：不是重写，而是精调

1. 稀疏激活 MoE 架构

白皮书提到，Gemini 2.5 系列模型采用了典型的混合专家（Mixture-of-Experts，MoE）架构设计：

• 每个 Transformer block 中仅激活部分专家（子模型）；
• 显著提高参数容量，同时控制推理时计算负担；
• 动态路由机制提升了模型对复杂任务的表示能力。

这使得 Gemini 2.5 Pro 能拥有顶级性能的同时，保持较好的推理成本效率。

2. 超大规模 TPU v5p 训练

Gemini 2.5 的训练是在谷歌自家 v5p TPU 上完成，任务横跨高达 8960 颗 TPU 芯片，调度并行度极高，硬件利用率维持在 93% 以上，展示出很强的系统工程调优能力。

3. 强化学习控制的思维路径（RL-Thinking）

引入一个称为“思考时间预算”的新训练目标 —— 模型会对复杂问题自动延长推理路径（比如在 chain-of-thought 中扩展中间步骤），这种方式可以显著提升数学、科学、编程等领域的推理能力。

03｜能力评估与基准测试表现：编程、数学全面突破

来自白皮书中的一张基准测试对比表清晰显示：Gemini 2.5 Pro 在几乎所有主流任务上都显著领先上一代模型。

• LiveCodeBench：69.0% —— 代码执行类任务；
• Aider Polyglot：82.2% —— 多语言编程任务；
• GPQA：86.4% —— 复杂推理问题；
• AIME 2025：88.0% —— 高中竞赛级别数学；
• MMMU：82.0% —— 多模态理解。

对照 Gemini 1.5 Pro 与 2.0 Flash-Lite 的历史得分，谷歌这一次可以说是真正“站起来了”。

04｜多模态能力：不仅理解图文，更开始“做事”了

Gemini 2.5 并不只是能“理解图像、音频、视频”这么简单，它展示出了一种更进一步的跨模态能力 —— 任务合成与创作输出。

白皮书中的几个示例场景值得一提：

• 教学视频 -> 可交互网页系统：模型能将 3 小时的视频内容自动解析成结构化网页、生成小测验并提供答疑模块；
• 全流程 Agent 游戏控制：模型能完整通关 90 年代游戏《精灵宝可梦》，期间自动规划、学习规则、执行任务，展示出原型级 Agent 能力。

这些例子代表模型开始正在从“语言理解”向“多模态任务引擎”过渡。

结语

那么，Gemini 2.5 到底强在哪？

顶级的推理性能 + 超长上下文 + 多模态理解。

我是木易，一个专注AI领域的技术产品经理，国内Top2本科+美国Top10 CS硕士。

相信AI是普通人的“外挂”，致力于分享AI全维度知识。这里有最新的AI科普、工具测评、效率秘籍与行业洞察。

欢迎关注“AI信息Gap”，用AI为你的未来加速。