数值怪物VS编码之王：Gemini 2.5与DeepSeek双雄争霸！

嘿，大家好！这里是一个专注于前沿AI和智能体的频道~

DeepSeek-V3-0324前天悄然发布，没有任何预告和宣传，却因其极强的编码能力，迅速火遍全网。

或许，它已成为目前最优秀的"非推理"模型。

编码性能直追目前基本唯一可用的Claude Sonnet 3.7。

到昨天晚上，官方终于发布公告，在LiveCodeBench编码测试中，性能指标已超越Claude Sonnet 3.7。官网已更新至最新版模型，不开启深度推理时，即使用的是这一最新版本。

昨晚上，Google发布了Gemini的重大版本更新，俨然一个"数值怪物"，在推理能力、编码能力和复杂任务处理能力上均实现大幅提升。延续Google一贯特色，该版本可在Google AI Studio上免费使用。

在由人类投票的LMSYS大模型竞技场上，Gemini 2.5 Pro已彻底领先一个身位（当然，刷这个榜单一直是Google的强项）。

• deepseek免费试玩地址：https://aistudio.google.com/prompts/new_chat
• Gemini 2.5 pro免费试玩地址：https://aistudio.google.com/prompts/new_chat

需要注意的是，Gemini 2.5 Pro是一个名字不带thinking的推理模型

本来想对比一些用户场景的效果，如海报、封面设计、Agent规划等，但目前DeepSeek官网只能使用思考模型，而Chat模型总是提示​​服务器繁忙，请稍后再试​​，尴尬~

审美能力

封面

下图输入是本段前的文章内容。从左到右分别对应DeepSeek-R1、Gemini 2.5 Pro thinking、Claude Sonnet 3.7 thinking。不得不说，在审美方面，DeepSeek和Gemini 2.5仍落后Claude一大截。

天气卡片

Gemini生成的效果只能说一般般：

任务规划

任务规划能力测试可以大致评估其是否适用于通用Agent的规划模型。

我测试了一个简单的prompt，下图黑色部分是Gemini 2.5 Pro的结果，右侧白色部分是Claude 3.7 Sonnet的结果。总体而言，Gemini对需求理解更为透彻，内容规划更加完善全面，而Claude则提供了更详细的网页制作细节。

考虑到Google自家已有众多领域Agent，而前置的TODOLIST基本是最前端的环节，因此即便简单的prompt也能获得非常好的效果。相比之下，目前DeepSeek-R1的反馈较为随意，故未展示。

文笔

这里引用昨天DeepSeek官方账号的例子，尽管Gemini使用繁体字，但在文笔上，我更倾向于DeepSeek。

最后总结一下，因为一些问题，没法测试DeepSeek新版模型。

• Gemini 2.5新版本展现出优秀的前置规划能力，证明并非所有规划任务都必须依赖Claude
• DeepSeek的代码能力据称极为强大，且作为非推理模型，为国产AI应用带来更多想象空间
• DeepSeek新版模型主要优化了后训练环节，而R系列模型是基于base模型，两者的技术路线传导不一定顺畅，但R2版本值得期待
• Gemini 2.5 Pro首token生成延迟明显增加，但开始生成后速度依旧很快（可能与排队机制有关），推理速度仍是Google的强项
• 对于普通用户而言，Gemini Pro 2.5虽然性能强劲，但实际获得的收益可能有限，继续使用2.0 Flash版本仍是合理选择

本文转载自探索AGI，作者：猕猴桃