Gemini 2.5 Pro与OpenAI 多模态模型生图齐发，创意类工作将要变天？

Google DeepMind昨日发布了其最新模型Gemini 2.5，首发版本为Pro Experimental，在多个基准测试中达到了业界领先水平。

Gemini 2.5具有以下技术特点：

1. 推理能力：Gemini 2.5能够通过推理来处理问题，模仿人类思考过程，逐步解决问题，并选择最佳解决方案。

2. 多模态推理：该模型能够处理多种类型的数据，包括文本、图像和音频，使其在处理复杂任务时更加灵活。

3. 强大的处理能力：Gemini 2.5具有强大的处理能力，能够一次性处理大量数据，例如1,500页文档或30,000行代码。

4. 高精度：在多个基准测试中，Gemini 2.5的表现优于现有模型，例如在 Humanity’s Last Exam 数据集上取得了18.8%的得分。

在lmarena上也获得了突出的的成绩，在所有类别中均排名首位，在数学、创意写作、指令跟随和上下文长度中排名第一，在web开发方面仅次与cladue 3.7。

这是官方提供的编程例子：

该模型已经可以在aistudio上免费使用，笔者使用昨天“治愈老奶奶”的例子（Qwen2.5-VL-32B 更小更聪明！与grok、gemini同台打造“治愈老奶奶”，谁更强？）进行了实测，要求它使用纯js canvas绘制治愈老奶奶插画，Gemini 2.5一次性给出了正确插画实现。

另外，OpenAI也在昨天发布了多模态大模型具备生图能力，对标gemini-2.0-flash-exp-image-generation，它的一致性、真实性、细节控制和表现上令人惊叹，同时它可以更好的利用 4o 固有的知识库和聊天上下文进而获得更好的性能表现。