史上最强AI全家桶！谷歌Gemini 2.5双杀OpenAI，上架250美金天价VIP

新智元报道

编辑：编辑部 YXH

【新智元导读】今夜，谷歌彻底杀疯！2小时发布会，Gemini提及95次点亮全场。Gemini 2.5家族全系升级，Pro深度思考模型正刷榜。全新Imagen 4生成细节超逼真，Veo 3首次实现音视频融合。

谷歌一出手，就是王炸。

刚刚，谷歌I/O 2025大会上，劈柴登场一张图亮出了自家所有旗舰模型。一年时间跨度，可以用马不停蹄来形容。

这一次，Gemini 2.5深夜迎来三连更：

· Gemini 2.5 Pro（新）：再次刷榜LMArena，ELO拿下1448分，所有类别第一，碾压o3，原生文本到音频生成

· Gemini 2.5 Pro（Deep Think）：刷榜数学、编码、多模态榜单，

· Gemini 2.5 Flash（新）：排名仅次Gemini 2.5 Pro，ELO得分1424，原生文本到音频生成

左右

备受期待的Imagen 4、Veo 3也在今天登场。Imagen 4生图细节逆天，10倍提速；Veo 3首次支持原生音频输出，开启音视频融合新时代。

Veo 3逼真地生成了老人声音，以及背景中的海洋声音

此外，大会上还亮相了全新文本扩散模型Gemini Diffusion、AI搜索AI Mode、全新Flow创意平台......

谷歌推出了史上最贵的订阅服务——Google AI Ultra，高达250美元（比ChatGPT Pro贵50美元）。

堪称VIP中的VIP，可无限访问最新模型。

Pro每个月20美元，开通后可同时使用Gemini 2.5 Pro、Veo 2和NotebookLM等

更让人没想到的，谷歌掏出了两款全新硬件：Project Moohan头显和XR眼镜，由Gemini加持，将革新空间计算。

2小时发布会，全程共提到Gemini 95次，AI 92次。

Gemini 2.5全系上新

深度思考版来了

Gemini 2.5更新，必然是整场大会的重点。

Demis Hassabis一出场激动地表示，「AI正在开启一个令人惊叹的全新未来」。

Gemini 2.5 Pro登顶，编码能力暴涨

Gemini 2.5 Pro在3月首次亮相后，成为谷歌目前有史以来最智能的一款旗舰模型。

两周前，Gemini 2.5 Pro Preview版本首次更新后，便在LMArena排行榜中登顶。

其中，在WebDev Arena排行榜中拿下1415分，相较于3月版提升了142分。

在大会中，女主持人现场演示了在AI Stuido中只需要上传一张手画草稿，即可在几十秒内生成和需求描述完全一致的页面效果。

比如，生成可旋转的3D照片墙，上述图片描述了这个页面的基本结构，包括照片始终朝向观察者、可以放大和缩小。

而我们使用了I/O大会中的相同命令，只花了几十秒就实现了和演示几乎一模一样的3D页面旋转效果。

现在，所有人皆可在AI编码智能体平台Jules，体验全新Gemini 2.5 Pro，一个提示即可帮你处理任何任务。

此外，凭借100万token上下文，2.5 Pro具备领先的长上下文和视频理解能力。

Gemini 2.5 Flash全面升级，立省30%

Gemini 2.5 Flash这次也得到了全面升级，生成速度更快、成本更低。

在LMArena拿下1424高分，仅次于2.5 Pro。

在推理、多模态、代码、长上下文的关键基准上，2.5 Flash性能进一步提升。评估中，使用的token减少了20%-30%。

这两款迭代后的模型，支持更多新功能：

· 原生音频输出

就像原生音频对话一样，2.5 Flash和2.5 Pro最新文本转语音极具丰富的表现力，可以捕捉到非常微妙的细节，比如窃窃私语。

它支持超过 24 种语言，并且可以无缝切换，已在Gemini API上线。

以下视频来源于

谷歌黑板报

· 思考预算

2.5 Pro将支持思考预算功能，让回答更加安全、高效。任何人可以开启/关闭思考模型，设置固定的思考预算。

Deep Think制霸数学编码多模态

这次，Gemini 2.5系列迎来了全新成员——2.5 Pro（Deep Think）。

它采用了全新的技术，能够在响应之前考虑多个假设。

2.5 Pro深度思考版在数学、编码、多模态榜单上，刷新了SOTA。

具体来说，在2025 USAMO数学奥赛中（最难数学基准之一），取得了40.4%高分，比2.5 Pro高出了10%多。

在LiveCodeBench上，一举攻克竞赛级编程难题，拿下80.4%分。而且，在多模态推理MMMU上取得了84.0%。

Gemini Diffusion：全新文本扩散模型

此外，谷歌还带了全新文本扩散模型Gemini Diffusion，让模型更加擅长处理编辑任务。

与直接预测文本不同，它通过逐步优化噪声来生成输出。

这种方法，让Gemini Diffusion能快速迭代优化解决方案，在编程和数学领域表现尤为出色。

Gemini Diffusion每秒输出1000多个token，性能要比Gemini 2.0 Flash-Lite快5倍。

就拿如下例子来说，眨眼之间，就错过了解题过程。

Gemini系列模型更新之后，Hassabis再次回顾了过去十年，谷歌为当前AI时代奠定基础的技术几点。

从Transfromer、到AlphaGo、Alpha Zero等，谷歌不断创造通往AGI所需的下一个重大的突破。

Gemini已经成为当今最好的多模态基础模型，未来还将不断扩展其能力，最终成为一个「世界模型」。

Hassabis称，这是我一直热衷的事情，AI系统需要世界模型才能有效运行。

而Gemini robotics是世界模型，进入现实世界的一个载体。

此外，让Gemini成为世界模型的另一个关键是，真正对人类日常生活有所帮助。

这也是谷歌Project Astra的最终愿景，在现场演示中，AI助手全程保姆级指导如何组装自行车，甚至被打断也不会有所影响。

以下视频来源于

谷歌黑板报

AI在加速科学发现上，谷歌也取得了引以为傲的成就，AlphaEvolve、AlphaFold、AIME、Isomorphic Labs。

在最新案例中，谷歌Astra联手Ira公司，帮助盲人在生活中更加独立。

Imagen 4 + Veo 3

生成终极进化

这次年度开发者大会，更少不了AI图像模型和AI视频模型的更新。

Imagen 4：超逼真生图，完美拼写2k画质

历时半年多，谷歌AI图像生成模型终于迭代到了Imagen 4。

在细节表现方面，Imagen 4能够生成复杂的织物、水滴，甚至是动物毛发，逼真度足以让人惊掉下巴。

而且，分辨率最高可达2k。

左右

此外，Imagen 4在拼写、版式方面得到了改进，制作贺卡、海报、漫画，全部拿捏。

左右

在生成速度方面，Imagen 4同样堪称极致——最多比上一代Imagen 3快10倍。

Veo 3：原生音视频融合，对话BGM一次搞定

谷歌AI视频模型Veo 3，也在万众期待中震撼登场。

用发布会大佬的话来说，「我们正在进入一个音频和视频相结合的创作新时代」。

Veo 3不仅在生成质量上超越了Veo 2，而且首次能够生成带有音频的视频。

不论是城市街道中嘈杂音，还是公园里的鸟鸣声，甚至是角色之间的对话，它都能一键还原。

森林中，一只猫头鹰和一只小獾的对话，动画感爆棚。

全面来看，Veo 3 在文本/图像生成提示、真实物理模拟和精准口型同步等各方面都表现出色。

它的理解能力超强，只需在提示词里描述一个小故事，模型就能生成一段生动还原剧情的视频。

Flow：好莱坞电影，随手即来

此外，谷歌还推出了一款专为创意人士打造的新平台Flow，一款AI电影制作工具。

它集成了Veo、Imagen、Gemini最新模型，无缝创建电影片段、场景、故事。

自然对话描述镜头，Flow就能编织出令人惊叹的场景。

AI Mode + Deep Search

AI搜索新纪元开启

谷歌重磅推出了AI Mode搜索功能，开启谷歌搜索全新纪元！

AI Mode将搜索与AI深度集成，谷歌开发了专用于Search的Gemini 2.5模型。

AI Mode是全能的，相比过去的「传统搜索」，AI Mode会根据回复自动规划搜索结果的展现形式，包括文本、视频，甚至地图等等，AI Mode都可以完美展现。

AI Mode目前位于谷歌搜索一级菜单的第一位，可见谷歌对于AI Mode的重视程度。

目前该功能暂时只支持英语地区，聊天语言也要使用英语。

AI Mode的强大之处在于，你可以提问一个非常复杂，包含诸多信息的问题，比如：

展示本赛季和上个赛季使用鱼雷棒（最新款的比赛用棒球棒）的著名球员的击球率和上垒率。

这个问题涉及到信息的定位以及计算概率，AI Mode智能的使用了表格和图表来回答。

Google Lens

大会中，还提到了Google Lens，用AI的能力帮助搜索各种图片和信息。

Google Lens可以框选页面中的任何信息，框选后答案会自动弹出。

智能购物

劈柴这次是和奥特曼「杠上了」，前不久OpenAI刚刚推出自己的购物功能，这一次谷歌也不甘示弱。

通过上传你自己的个人照片，谷歌可以把商店里的衣服自动穿戴到你身上，让你直观的看到衣服上身的效果。

同时智能体还能够自动下单，自动付款，完全无需人操作。

接下的几个月，这种可视化购物以及智能体自动结账将全面上线。

Gemini应用

谷歌DeepMind的副总裁Josh Woodward上台介绍了Gemini应用未来的三大特点。

Personal：谷歌提出了Personal context的概念，即你在谷歌中的一切，聊天、邮件、日历以及行程安排都将成为你个人的「上下文」，有了这些个人上下文，AI能够更好的了解你，并安排一切。

Proactive：Gemini应用将变得更具启发式，帮助用户完成日常任务，比如通过类比的方法帮助你理解物理学知识。

Powerful：Gemini应用中目前最强大的两个工具，一个是深度研究，另一个是Canvas。

可以上传自己的文件来让Gemini应用帮助进行深度分析。

使用Canvas，你可以与Gemini进行完美的互动，可以解答谜题、制作博客，甚至还可以在Canvas中进行氛围编程。

全新头显和XR眼镜

杀入苹果Meta战场

最后，谷歌惊喜推出了两款Android XR新硬件。

首先是和三星合作，对标苹果推出的Project Moohan头戴显示设备，预计今年内发布。

然后，是对标Meta Rayban的XR眼镜。

话不多说，直接上演示。

参考资料：

https://io.google/2025/返回搜狐，查看更多