3月26日凌晨，谷歌正式推出了旗下新一代大语言模型Gemini 2.5，这一举动标志着AI技术的又一重大进展。

谷歌将Gemini 2.5定义为公司迄今为止“最智能的AI模型”，其在多项基准测试中全面超越OpenAI o3-mini、Claude3.7 Sonnet、Grok-3和Deepseek-R1。谷歌DeepMind首席技术官Koray Kavukcuoglu表示，Gemini 2.5代表了谷歌让“人工智能更智能、推理能力更强”的目标的下一步。

值得注意的是，在谷歌发布Gemini 2.5后不久，OpenAI就紧急发布了最先进的图像生成器GPT-4o。这一图像生成功能可精准文本渲染、严格遵循指令提示，并深度调用GPT-4o知识库及对话上下文。OpenAI创始人兼CEO山姆·奥特曼在直播中展示了GPT-4o的自拍漫画图片生成功能。

谷歌新推理模型，编码推理能力卓越

谷歌长期以来致力于通过强化学习、思维链提示等技术提升AI的推理能力。此次发布的Gemini 2.5系列模型，在编码性能上有了显著提升，擅长创建视觉吸引的网页应用程序和代理代码应用，同时在多项基准测试中领先。

作为挑战OpenAI“o”系列推理模型的尝试，Gemini 2.5 Pro实验版在LMArena上排名第一。其编码能力在SWE-BenchVerified上得分高达63.8%，并能通过单行提示生成可执行代码来创建视频游戏。

在推理能力方面，Gemini 2.5 Pro在“人类的最后考试”等高级推理基准测试中领先，原生多模态处理能力和超长上下文窗口支持多模态输入。

OpenAI紧急推出GPT-4o图像生成功能

面对谷歌的挑战，OpenAI推出了基于GPT-4o模型的全新图像生成功能，这一功能在图像生成时能更加精确地遵循指示、渲染文字，并轻松创作虚实结合的场景。

GPT-4o图像生成功能已向Plus、Pro、Team和免费用户推出，企业和教育用户将很快获得访问权限。该功能能生成手写字、高清图片，并能成为实用的生产力工具，如设计菜单图片等。

然而，OpenAI也承认模型存在限制，如裁剪、幻觉、精确绘图等问题，并计划在首次发布后通过模型改进来解决。

谷歌与OpenAI的竞争，体现了全球AI技术的持续升级。随着AI竞争日趋激烈，各厂商正加快研发速度，未来或将迎来更多技术突破。

（文章来源：证券时报）