Gemini 2.5编程全球霸榜，谷歌重回AI王座，神秘模型曝光，奥特曼迎战

先说一个关键观察。DeepSeek确实在成本上做到了极致，但Gemini 2.5 Pro的性价比更是让人眼前一亮——最低只要6美元，就能拥有顶尖的编程能力。这可不是空口说白话，Jeff Dean本人还特意附上了一张超详细的TOP 10模型成本对比图，明明白白地告诉大家：有些模型性能不怎么样，价格却是Gemini 2.5的2倍、3倍，甚至30倍。

曾经，Claude凭借强大的编程能力，成了开发者的主战场。但现在，Gemini 2.5的出现，可能会引发AI编程史上最大规模的“迁徙”。更让人兴奋的是，Gemini 2.5 Pro还不是编程能力最强的那个。最近竞技场上突然冒出几个据称是谷歌开发的模型，比如Nightwhisper、Dragontail，编程能力让人眼前一亮。

有网友实测后直言，Dragontail的编程能力简直能摧毁Gemini 2.5 Pro。

虽然还不清楚这款模型具体何时面世，但可以确定，谷歌手里还有不少惊喜。另一边，奥特曼也在凌晨下了战书——

传说中的GPT-4.1、满血版o3、o4-mini大概率会发布。预计本周，AI圈又将是一场恶战。

Gemini 2.5 Pro编程霸榜，性价比最优

3月25日官宣以来，Gemini 2.5 Pro的热度就没降下来过。各种精彩实测让它在全网刷足了存在感。最新的Aider基准测试，又给这款模型添了一把火。官方接续Jeff Dean的图，做了一张更直观的可视化表格。

Aider Polyglot基准测试是评估AI模型多语言编程能力的重要指标，涵盖C++、Go、Ja va、Ja vaScript、Python、Rust等多种编程语言。

从表格中能清楚看到，o1是十款模型里最贵的，要186.5美元，其次是Claude 3.7 Sonnet（32k thinking token），成本36.83美元。再往后是o3-mini、Claude 3.7 Sonnet（no thinking）、DeepSeek R1+Claude 3.5 Sonnet。这些模型成本高，多语言编程能力还不敌Gemini 2.5 Pro。性价比孰优孰劣，一目了然。

谷歌第七代TPU也在发挥最大效用，能加速Gemini 2.5 Pro的token处理速度。

有网友实测了一个demo：让Gemini 2.5 Pro在单次编程提示中，创建一个随着音律跃动的3D星球。结果，表现相当出色。

谷歌产品负责人Logan Kilpatrick也忍不住感叹：“想要找到既前沿又具性价比的模型，真的太难了。Gemini 2.5 Pro就是那个特例。”

长期以来，Anthropic都没解决好Claude的速率限制问题，还推出了每月200美元的付费计划，这在开发者心中大打折扣。

Gemini 2.5 Pro凭借卓越的多语言编程能力和超高性价比，再次证明了谷歌在AI领域的深厚实力。

谷歌在AI领域全面获胜

如今看来，在这场激烈的AI竞赛中，能全方位“Scaling”的科技大厂，还真就谷歌一家。Gemini 2.5 Pro Experimental是目前全球最优秀的AI模型，OpenAI和Anthropic眼下毫无胜算。

它在LMArena、GPQA Diamond、人类终极测试、AIME等多项权威测评中均排名第一。在Aider Polyglot、Live Bench等非公开基准测试里也名列前茅。在《宝可梦》游戏测试中，它的表现优于Claude Sonnet。此外，创意写作尤其是长文本理解能力，同样可圈可点。

更关键的是，Gemini 2.5 Pro Experimental的基准测试成绩，与实际使用体验、专业测评反馈高度吻合。大量用户反馈都指向一个结论：它就是当下最强的AI模型。这种情况，在竞争激烈的AI行业里实属罕见。

与此同时，它速度快、成本低，谷歌甚至为用户提供了免费使用权限。上下文窗口多达100万个token，与谷歌庞大的产品生态紧密相连。

即将发布的Gemini 2.5 Flash是Gemini 2.5 Pro的“姊妹版本”，同样表现出色。它运行极快、成本极低，比竞争对手的同类模型便宜得多。非常适合边缘计算场景，也便于集成到手机设备中。

Gemma 3是谷歌推出的开源模型，性能上能与Llama 4、DeepSeek-V3等顶尖开源模型同台竞技。在性能和成本这两个关键指标上，谷歌的Gemini 2.0/2.5系列（包括Pro和Flash版本）占据了Pareto最优前沿。这意味着，谷歌性能最强的模型，成本控制得也很好；性价比最高的模型，性能同样出色。对它来说，成为预算有限的开发者、企业和初创公司的首选，一点也不意外。

在生成式AI的其他领域，谷歌同样占据主导地位。谷歌宣布，将把旗下的Lyria、Imagen 3、Veo 2、Chirp 3等AI工具整合到Vertex AI平台，这些工具在各自领域都是世界一流水平。在智能体领域，开启深度研究模式的Gemini 2.5 Pro，表现比OpenAI的深度研究功能强出一倍。

Gemini与OpenAI深度研究功能的对比

彩蛋：Dragontail

最近，网上流传着一款谷歌尚未正式发布的模型，代号“Dragontail”。据说它在Web开发领域表现惊艳，甚至超越了旗舰模型Gemini 2.5 Pro。

Dragontail最早出现在WebDev Arena（https://web.lmarena.ai/）的测试环境中。经开发者测试，它在生成复杂用户界面、多页面网站和交互式应用方面，展现出的能力远超其他模型。尽管谷歌尚未官方确认，但它在某些测试中自称是“由谷歌训练的LLM”，这和Gemini 2.5 Pro的回应一致。人们猜测，它可能是谷歌内部开发的下一代模型，或是Gemini系列的升级版本。

Dragontail的实力到底如何？根据测试者的反馈，它在WebDev任务中的表现堪称碾压，在以下方面展现了绝对优势：

卓越的UI设计

Dragontail生成的UI元素，不仅功能完善，在布局、配色和交互性上也极具美感。

比如，当要求生成一个带有复杂导航功能的零售网站时，Dragontail能输出整洁的代码，包含动态加载的商品列表、响应式设计，页面切换效果也很流畅。相比之下，即使是在WebDev排行榜上表现出色的Gemini 2.5 Pro Experimental，在细节处理上也稍逊一筹，偶尔会出现布局不够直观、交互不够顺畅的问题。

功能实现的完整性

Dragontail生成的Web应用，功能几乎没有瑕疵。从前端的Ja vaScript逻辑，到后端的API集成，它都能给出生产级别的代码。比如，开发者要求生成一个带有实时数据更新的仪表盘，Dragontail不仅完成了前端可视化，还自动生成了后端模拟数据接口。而Gemini 2.5 Pro在做类似任务时，往往需要额外的提示才能补全逻辑。

代码质量与优化

Dragontail的代码风格规范，遵循现代Web开发的最佳实践。它生成的React或Vue组件结构清晰，状态管理井井有条，还包含了错误处理和性能优化。相比之下，Gemini 2.5 Pro虽然也能生成高质量代码，但在复杂项目中，偶尔会出现冗余代码或不必要的复杂逻辑。

测试者一致认为，Dragontail在视觉效果、功能完整性和用户体验方面全面领先。这不禁让人怀疑，Dragontail是否代表了谷歌在Web开发AI领域的一次全新突破。

（注：基于WebDev Arena测试数据、开发者反馈及社交平台X上的讨论，部分信息尚未得到谷歌官方证实，具体细节以未来发布为准。）