Gemini 2.5 技术报告：推理、多模态、长上下文与智能体能力

Gemini 2.X 这一代模型究竟把推理、多模态、长上下文和智能体能力推到了哪一步，家族内部又如何按成本分层，是这份技术报告正面处理的问题。现在值得翻开的理由很直接：智能体工作流越来越依赖把长上下文、多模态理解和多步推理捆在一起使用，而报告提供了官方标准下的能力描述与模型分工，可以作为能力对比和选型的基准。它不只是发布说明，还交代了架构与训练侧做了哪些改动，才支撑起这些能力。

覆盖范围从 Gemini 1.5 一代延伸到 2.X 全家族，包括 Gemini 2.5 Pro、2.5 Flash 以及更早的 2.0 Flash 和 2.0 Flash-Lite。报告先讲模型架构、训练与服务侧的进展，再展示 2.5 模型的性能并配以定性演示，最后讨论安全评估及其影响。架构部分的说明对象是稀疏 MoE transformer，原生支持文本、视觉和音频输入；安全侧则评估了 CBRN、网络安全、机器学习研发和欺骗性对齐等关键能力。表格按输入长度、输出长度、是否 thinking、是否支持工具使用和知识截止时间逐项对比各模型，数据来自 Google 自身的训练与评测，报告公开在 arXiv 上可供核验。

最值得记的几个事实：Gemini 2.5 Pro 是这一代里能力最强的模型，在前沿编程与推理基准上达到 SoTA；它是一个 thinking model，擅长多模态理解，能处理最长 3 小时的视频内容。按表格，2.5 系列支持 100 万 token 输入和 64K 输出，而对照的 1.5 系列输出为 8K；2.5 的知识截止到 2025 年 1 月，2.0 是 2024 年 6 月，1.5 是 2023 年 11 月。原生工具使用也从 2.5 起成为标配，报告把工具使用定义为识别并执行函数调用，例如网页搜索、完成数学题、执行代码。Gemini 2.5 Flash 则是混合推理模型，带一个可控的 thinking budget，用来在质量、成本和延迟之间做权衡。

家族分工是这份报告的一条主线。2.5 Pro 定位为最智能的 thinking model，强在推理与代码，能做交互式 Web 应用、代码库级

Gemini 2.5: Pushing the Frontier with Advanced Reasoning, Multimodality, Long Context, and Next Generation Agentic Capabilities. Gemini Team, Google In this report, we introduce the Gemini 2.X model family: Gemini 2.5 Pro and Gemini 2.5 Flash, as well as our earlier Gemini 2.0 Flash and Flash-Lite models. Gemini 2.5 Pro is our most capable model yet, achieving SoTA performance on frontier coding and reasoning benchmarks. In addition to its incredible coding and reasoning skills, Gemini 2.5 Pro is a thinking model that excels at multimodal understanding and it is now able to process up to 3 hours of video content. Its unique combination of long context, multimodal and reasoning capabilities can be combined to unlock new agentic workflows. Gemini 2.5 Flash provides excellent reasoning abilities at a fraction of the compute and latency requirements and