如先前的文章寫到，在 Google Cloud NEXT 2025 宣布 Gemini 2.5 Pro 有重大型升級，Gemini 2.5 Pro 持續受到開發者的喜愛，被譽為程式碼撰寫的最佳模型，2.5 Flash 也透過新的更新變得更加出色。Google 也為模型帶來了新功能，包括 Deep Think，一個針對 2.5 Pro 實驗性強化推理模式。
在今年 2025 年的 Google I/O 大會上，Google 發布了 Gemini 2.5 Pro，這是迄今為止最智能的模型。宏庭科技也將分享更多關於 Gemini 2.5 模型系列的更新：
- 2.5 Pro 現在是 WebDev Arena 和 LMArena 排行榜上世界領先的模型，並在協助人們學習方面表現出色。
- Google 為 2.5 Pro 和 2.5 Flash 帶來了新功能：原生音訊輸出以實現更自然的對話體驗、進階安全防護，以及 Project Mariner 的電腦使用能力。2.5 Pro 將透過 Deep Think 進一步提升，這是一個用於高度複雜數學和程式碼的實驗性強化推理模式。
- 在 Gemini API 和 Vertex AI 中引入思維摘要以提高透明度：將思維預算擴展到 2.5 Pro 以提供更多控制，並在 Gemini API 和 SDK 中增加對 MCP 工具的支援，以便存取更多開源工具。
- 2.5 Flash 現已向 Gemini 應用程式中的所有人開放：Google 將在六月初於開發者專用的 Google AI Studio 和企業專用的 Vertex AI 中普遍提供更新版本，2.5 Pro 隨後也會推出。
2.5 Pro 效能更勝以往
Google 最近更新了 2.5 Pro，以協助開發者建立更豐富、互動式的網路應用程式。很高興看到用戶和開發者的積極反應，Google 也持續根據用戶回饋進行改進。
除了在學術基準測試上的出色表現外，新的 2.5 Pro 現在以 1415 的 ELO 分數領先熱門程式碼排行榜 WebDev Arena。它也在評估各種維度人類偏好的 LMArena 的所有排行榜上領先。此外，憑藉其 100 萬tokens的上下文視窗，2.5 Pro 具備最先進的長上下文和影片理解能力。
自從引入 LearnLM（Google 與教育專家共同建立的模型家族）以來，2.5 Pro 現在也是學習領域的領先模型。在評估其教學法和有效性的面對面比較中，教育工作者和專家在各種情況下都傾向於選擇 Gemini 2.5 Pro 而非其他模型。並且，它在用於建立學習 AI 系統的五項學習科學原則中的每一項都超越了頂尖模型。
請在Google 更新的 Gemini 2.5 Pro 模型卡片和 Gemini 技術頁面上閱讀更多內容。
Deep Think
透過探索 Gemini 思維能力的邊界，Google 開始測試一種名為 Deep Think 的強化推理模式，它使用新的研究技術，使模型在回應之前能夠考慮多種假設。
2.5 Pro Deep Think 在 2025 年美國數學奧林匹亞 (USAMO) 上獲得了令人印象深刻的分數，這是目前最難的數學基準之一。它還在針對競賽級程式碼的困難基準 LiveCodeBench 上領先，並在測試多模態推理的 MMMU 上獲得 84.0% 的分數。
由於Google 正在透過 2.5 Pro DeepThink 定義技術前沿，Google 將額外花時間進行更多的前沿安全評估，並聽取安全專家的進一步意見。作為其中一部分，Google 將透過 Gemini API 向受信任的測試人員提供此功能，以獲取他們的回饋，然後再廣泛推出。
2.5 Flash 更上一層樓
2.5 Flash 是 Google 最有效率的主力模型，專為速度和低成本而設計——它現在在許多方面都表現得更好。它在推理、多模態、程式碼和長上下文的關鍵基準方面都有所改進，同時變得更加高效，在 Google 的評估中減少了 20-30% 的 tokens 使用量。
新的 2.5 Flash 現在可供開發者在 Google AI Studio、企業在 Vertex AI 以及所有人都在 Gemini 應用程式中預覽。
Gemini 2.5 新功能
原生音訊輸出和 Live API 改進，正在推出音視訊輸入和原生音訊輸出對話的預覽版本，因此您可以直接建立對話體驗，並使用更自然、富有表現力的 Gemini。還允許用戶控制語氣、口音和說話風格。例如，您可以讓模型在講故事時使用戲劇性的聲音。它還支援工具使用，能夠代表您進行搜尋。
您可以嘗試一系列早期功能，包括：
- 情感對話 (Affective Dialogue)，模型會檢測用戶聲音中的情感並適當地回應。
- 主動音訊 (Proactive Audio)，模型會忽略背景對話並知道何時回應。
- Live API 中的思考 (Thinking in the Live API)，模型利用 Gemini 的思考能力來支援更複雜的任務。
Google 還在 2.5 Pro 和 2.5 Flash 中發布了新的文字轉語音預覽。這些功能首次支援多個說話者，透過原生音訊輸出實現兩種聲音的文字轉語音。像原生音訊對話一樣，文字轉語音具有表現力，可以捕捉非常細微的差別，例如輕聲說話。它支援超過 24 種語言，並可在它們之間無縫切換。這種文字轉語音功能將於今天晚些時候在 Gemini API 中提供。
Google 將 Project Mariner 的電腦使用能力引入到 Gemini API 和 Vertex AI 中。Automation Anywhere、UiPath、Browserbase、Autotab、The Interaction Company 和 Cartwheel 等公司正在探索其潛力，Google 很高興能在今年夏天更廣泛地推出它，供開發者實驗。
Google Cloud 還顯著增加了對安全威脅的保護，例如間接提示注入。當惡意指令嵌入到 AI 模型檢索的數據中時，就會發生這種情況。Google Cloud 新的安全方法顯著提高了 Gemini 在工具使用期間抵禦間接提示注入攻擊的保護率，使 Gemini 2.5 成為Google 迄今為止最安全的模型家族。
2.5 Pro 和 Flash 現在將在 Gemini API 和 Vertex AI 中包含思維摘要。思維摘要將模型的原始思維組織成清晰的格式，包括標題、關鍵細節以及有關模型操作的資訊，例如它們何時使用工具。
Google 希望透過更結構化、更簡化的模型思維過程格式，開發者和用戶能更容易理解和偵錯與 Gemini 模型的互動。
Google 推出了帶有思維預算的 2.5 Flash，讓開發者透過平衡延遲和品質來更好地控制成本。Google 也將此功能擴展到 2.5 Pro。這讓您可以控制模型在回應之前用於思考的tokens數量，甚至可以關閉其思考能力。
帶有預算的 Gemini 2.5 Pro 將在未來幾週內與Google 普遍可用的模型一起普遍用於穩定的生產。
MCP 支援
Google 在 Gemini API 中增加了對模型上下文協定 (MCP) 定義的原生 SDK 支援，以便更輕鬆地與開源工具整合。Google 還在探索部署 MCP 伺服器和其他託管工具的方法，讓您更輕鬆地建立代理應用程式。
Google 始終致力於創新新的方法來改進Google 的模型和開發者體驗，包括使其更高效、效能更高，並持續回應開發者回饋，因此請繼續提供意見！Google 也持續加倍努力擴大和深化Google 的基礎研究——推動 Gemini 能力的前沿。更多內容即將推出。
本文內容翻譯並改寫自 Google Cloud 官方部落格，深入探討了 Google 在 Gemini 2.5 系列模型上的最新進展，特別是 2.5 Pro 和 2.5 Flash 在推論效能、效率與新功能方面的顯著提升。從 Deep Think 模式帶來的強化推理能力，到 Live API 的原生音訊輸出，以及在安全性上的加強，都展現了 Google 致力於提供更智能、更安全且更易於使用的 AI 解決方案。
這些創新不僅在學術基準測試上取得了卓越成果，更在實際應用中為開發者和企業帶來了實質的價值。例如，Gemini 2.5 Pro 在程式碼撰寫和學習領域的領先地位，以及 2.5 Flash 在效率上的優化，都證明了 Google 在推動 AI 技術發展方面的承諾。透過整合 Pathways、vLLM 和對 MCP 工具的支援，Google 持續優化開發者體驗，讓 AI 應用的建構與部署變得更加高效。
若您對 Gemini 2.5 系列模型及其廣泛應用有任何疑問或需求，歡迎持續關注宏庭科技最新動態。我們期待與您一同探索 AI 的無限可能！若您對 Google Cloud 的多元應用有興趣，請密切關注Google 的活動訊息，期待在活動中與您相見！
