Gemini 2.5 全系更新，Deep Think 加持碾压 OpenAI

北京时间 5 月 21 日凌晨，Google I/O 2025 大会如约而至，公司 CEO Sundar Pichai 在主题演讲中接连宣布多项重要更新，全面展示了 Google 在 AI 领域的强劲能力与增长速度。

「通常，在 I/O 大会的前几周，我们不会透露太多信息，因为我们会把最重磅的模型留到大会上发布。但在 Gemini 时代，我们很可能在三月某个周二已经推出最智能的模型，或者提前一周公布像 AlphaEvolve 这样令人振奋的突破」，Sundar Pichai 介绍道。的确，关注 Google 的读者应该知道，就在大会前夕，其才发布了 AlphaEvolve 这样具有里程碑意义的新模型，将人们对 I/O 大会的期待值拉满。

而就在刚刚结束的主题演讲中，「劈柴哥」果然不负众望，除了 Gemini 的一系列更新外，还发布了 Imagen 4、Veo 3 以及头显、XR 眼镜等产品的最新进展。本文将对其中的重点更新进行介绍 ⬇️

Gemini 2.5 的更新是人们意料之中的期待，却也惊喜满满。Google 在 3 月份推出了其迄今为止最智能的模型——Gemini 2.5 Pro，并在两周前提前为开发者带来了 Gemini 2.5 Pro Preview 版本更新，随后便在多个大模型评测榜单中抢占前列。

例如，在编程基准测试 WebDev Arena 中得分达到 1415，成功登顶。

为了进一步探索 Gemini 的思考能力，Google 开始测试一种名为 Deep Think 的增强推理模式。这种模式通过新的研究技术，使模型在回应前能够考虑多种假设。

从效果上看，Gemini 2.5 Pro Deep Think 版本在多个高难度基准上表现出色，超越了 OpenAI o3 和 o4-mini。其中包括：

* 在 2025 年 USAMO（美国数学奥林匹克） 测试中取得了优异成绩；

* 在面向竞赛级编程能力的高难度基准  LiveCodeBench 上领先；

* 在 MMMU（多模态推理测试）中取得 84.0% 的高分，展现出卓越的多模态推理能力。

此外，Gemma 3 系列也迎来更新，为满足移动设备端的 AI 需求，Google 联合高通、联发科、三星等厂商提出了一个全新的前沿框架 Gemma 3n，其借助 Google DeepMind 的一项创新技术——逐层嵌入（Per-Layer Embeddings, 简称 PLE），实现了显著的内存使用优化。尽管模型的原始参数量分别为 50 亿（5B）和 80 亿（8B），但借助 PLE 技术，这些更大的模型可以在移动设备上运行或从云端实时推理时，内存开销仅相当于 20 亿（2B）或 40 亿（4B）参数模型，即只需 2GB 或 3GB 的动态内存即可运行。

Veo 3 相比上一代产品，不仅在视频画质上有了显著提升，更重要的是首次实现了视频与音频的同时生成。无论是城市街道背景下的车流声、公园中的鸟鸣，甚至是角色间的对话，Veo 3 都能根据文本提示或用户需求自动加入音频元素。

该模型还在真实物理现象如口型同步等方面表现出色，能够理解复杂的场景描述并将其转化为动态视频。目前，Veo 3 已经上线，美国地区的 Ultra 订阅用户可以在 Gemini 应用及 Flow 中体验，企业用户则需通过 Vertex AI 平台获取使用权。

Imagen 4 是这次升级的重点之一，在保留了快速创建图像的优势基础上，进一步提升了图像细节表现力，无论是错综复杂的织纹、水珠还是动物毛发都能完美呈现。

此外，Imagen 4 在处理照片级写实和抽象风格图片方面同样卓越，能根据不同需求生成适用于打印、展示等场合的高质量图像。尤为值得一提的是它的排版能力得到了大幅提升，非常适合制作贺卡、海报乃至漫画书。当前，Imagen 4 已集成至Gemini、Whisk、Vertex AI 及 Google Workspace 中的幻灯片、视频、文档等多个套件内供用户使用。