文章Gemini 2.5: Pushing the Frontier with Advanced Reasoning, Multimodality, Long Context, and Next Generation Agentic Capabilities介绍了 Google DeepMind 最新推出的 Gemini 2.5 系列模型，包括该模型在推理能力、多模态处理、长上下文处理能力和 Agent 化方面取得的重要进展。
文章作者为来自Google的3295名成员。
一、引言
Gemini 2.5 系列模型包括 Gemini 2.5 Pro 和 Gemini 2.5 Flash，是继 Gemini 1.5 和 2.0 之后的新一代原生多模态 AI 模型。该系列支持超过 100 万 tokens 的上下文输入，具备处理文本、音频、图像、视频和代码库等多模态数据的能力。不同型号在性能与成本间达成 Pareto 最优权衡，面向从高效推理到低延迟大规模应用的广泛需求。
二、模型架构与训练
Gemini 2.5 采用稀疏专家混合（Sparse Mixture-of-Experts，MoE）结构，在推理时按需激活参数子集，以提升计算效率并降低延迟。模型具备原生多模态处理能力，能够处理复杂的长文本和视频序列。为克服大模型常见的不稳定性，Gemini 2.5 在训练稳定性、信号传播、优化动态等方面进行了关键改进。
其训练首次采用 Google 最新的 TPUv5p 架构，并使用同步数据并行技术分布式训练在多数据中心的 8960 芯片集群上。此外，引入了训练时弹性机制和 Silent Data Corruption（SDC）检测机制，显著提高了训练效率和故障容错能力。
三、数据集与后训练阶段
Gemini 2.5 预训练数据涵盖公共网页、代码、图像、音频和视频，并在 2025 年 1 月截止。与 1.5 相比，引入了更严格的数据去重与过滤技术。后训练阶段包括监督微调、奖励建模和强化学习，使用更复杂的工具调用与人类偏好反馈，提升模型行为的一致性和复杂任务的解决能力。
四、“思考”机制（Thinking）
Gemini 2.5 引入了可调节的“思考预算”机制，模型可以在回答前执行数千次前向计算以进行深度推理。用户可根据任务设定 token 数量作为推理预算，控制性能与成本之间的平衡。实验证明“思考”机制显著提升了推理准确率，如在 AIME 2025 数学竞赛中准确率由未启用思考时的 72% 提升至 88%。
五、能力专项优化
- 代码能力：通过更丰富的代码语料预训练与后训练工程任务设计，Gemini 2.5 在代码理解与生成方面大幅超越前代，在 LiveCodeBench 上由 30.5% 提升至 74.2%。
- 事实性：Gemini 2.5 集成了搜索工具并能进行多跳推理，增强了回答复杂问题的能力，在 SimpleQA 和 FACTS Grounding 上表现出色。
- 长上下文理解：通过任务优化与内部评估改进，在 1M tokens 长度下的检索与推理任务（如 LOFT 和 MRCR-V2）中显著超越前代模型。
- 多语言能力：对印地语、中文、日语和韩语等语言进行了特别优化，在全球多语言评估任务上大幅提升了准确率和响应速度。
- 音频与视频能力：支持音频生成、对话理解和跨语言语音合成，在视频任务中最高可处理 3 小时内容，并可将视频转化为交互式应用，如生成课堂测验或可视化动画。
- Agent 能力：通过 Deep Research 等模块支持长期任务、网页浏览、信息聚合与复杂交互。例如“Gemini Plays Pokémon”项目展现了其在长期规划、多步推理与环境适应上的能力。
六、与其他模型对比
在多项主流基准测试中，Gemini 2.5 Pro 超越 OpenAI GPT-4o、Anthropic Claude 4 Opus、xAI Grok 3 等模型，尤其在代码、长上下文理解和事实性方面表现突出。此外，它是目前唯一原生支持 100 万以上 token 上下文窗口的大模型，适合于大规模文档检索和视频处理等任务。
七、示例应用场景
Gemini 2.5 Pro 可将结构化或非结构化输入（如 PDF、图像）转化为交互式工具和应用，如剧本演练平台、图书推荐系统、天文可视化、数学图像生成等，支持创意、教育与开发等多领域的实际应用。
八、安全性与责任机制
Gemini 2.5 在安全性方面建立了完善的政策体系，包括内容审查、自动化红队测试、敏感能力评估（如 CBRN、生物安全、网络攻击等）与外部独立评估流程。通过训练阶段的过滤、强化学习和监督微调，模型既能避免危险内容生成，又能尽可能回答用户请求，减少“过度拒绝”的问题。
九、结论
Gemini 2.5 系列代表了 Google DeepMind 在多模态推理、长上下文建模和 Agent 化方向上的重大跃进。其先进的架构、训练流程和实用能力，使其不仅在学术基准测试中取得领先成绩，也已深度嵌入 Google 各大产品体系，展现了作为“通用 AI 助手”的潜力。