Gemini 2.5 Ultra正式发布——同时超越GPT-5并实现200万token上下文

导读

Google DeepMind于日本时间8月30日22时正式发布"Gemini 2.5 Ultra"。该模型上下文长度超过2,097,152个token，在MATH-500上得分92.3%，HumanEval得分89.7%，并宣布"在与GPT-5对比的9项主要指标中，有6项超越GPT-5"。API定价为输入$3.50/百万token，当日即开放使用。这一天或将被载入史册——长文本单模型处理从"实验性功能"正式成为"可选方案"。

发生了什么

8月30日21:47（日本时间），Google DeepMind官方X账号发布了一句"Gemini 2.5 Ultra is here."，宣告正式上线。该模型当日即可在Google AI Studio及Vertex AI上使用。

主要规格如下：

• 上下文长度：2,097,152个token（约相当于A4纸2,860页）
• MATH-500：92.3%（超出GPT-5的89.1%达3.2个百分点）
• HumanEval：89.7%
• 输入价格：$3.50/百万token（较上一代降低40%）
• 支持模态：文本、图像、音频、视频四种模态统一处理

"把整个代码库一次性丢进去让它审查，2000行的PR三分钟内就附带标注返回来了。这个可以直接用于实战。"

多位工程师在X上发布了类似反馈，能否应用于实际业务立刻成为关注焦点。

背景

Gemini 2.5系列自2026年2月发布Pro版本以来，历经约6个月的开发周期，Ultra版本正式推出。在OpenAI于2026年4月发布GPT-5、大语言模型竞争再度白热化的背景下，Google于7月的"Google I/O Extended 2026"上公开了Ultra的预告视频，并暗示将于8月内发布。

Anthropic通过"Claude Agent SDK"主打多智能体分布式处理基础架构，而Google则深耕"以单一模型完整处理长文本"的路线，两家公司在架构设计理念上的分歧愈发清晰。

关注要点

"先摘要再输入"的步骤或将消失

若以A4一页约700个token计算，200万token约相当于2,860页。法律文件、大型代码库、完整季度报告均可一次性输入，已达到相应处理水平。"摘要→RAG流水线→生成"这一传统设计前置环节的成本，在部分场景下将得以削减。但上下文中段注意力下降的问题（Lost in the Middle问题）是否已彻底解决，仍是另一回事，需在实际业务中加以验证。

与GPT-5的比较格局在部分指标上已逆转

Gemini在原本OpenAI领先的数学推理（MATH-500 89.1%）上实现了超越。不过，OpenAI仍以独立系列维护着o3系推理模型，"通用最强"的定义本身已因模型族而分化，需注意简单横向比较的局限性。

$3.50的定价折射出竞争新态势

该定价略高于Claude 3.7 Sonnet（$3.00），却大幅低于GPT-5（$5.00）。在高性能段价格竞争全面升温之际，Google同时在性能与价格两条战线上确立了自身定位。这一价格水平能否持续，取决于各家公司的推理基础设施成本。

Vertex AI集成降低企业侧部署摩擦

已与Google Cloud签约的企业可直接通过Vertex AI使用，无需额外手续。以医疗、金融、法务领域的大文档处理为主战场，该模型有望在企业市场加速渗透。

编辑部观点

我们判断，"长文本模型尚未达到实用水平"这一前提，已随本次发布而被打破。许多基于2,000个token前后截断时代所形成的设计模式，今后将面临重新审视的压力。

与此同时，也有几点值得冷静看待。Google声称"在Needle in a Haystack（NIAH）测试中达到99.2%"，但合成基准与实际业务数据的分布并不相同。随着上下文长度增加，推理延迟也会随之上升，因此在实时性要求较高的任务场景中，是否适合采用仍需单独评估。

距GPT-5发布仅仅四个月，Google便在主要指标上完成超越——这一事实清楚地说明，大语言模型市场正在经历结构性变化："模型迭代周期已缩短至半年以内"。我们将持续追踪年内各方参与者的下一步动向。

总结

随着Gemini 2.5 Ultra的发布，单一模型同时满足长文本、高精度、低价格三项条件的时代已经到来。与GPT-5相比的性能优势在指标层面确实存在，但推理速度、稳定性、微调支持等实际运行层面的评估仍有待积累。

如果您的系统设计中存在"将文档分段输入"这一步骤，本周就有必要重新审视这一前提。

※本文由 未来新闻编辑部 AI 写作助手（AI新闻）撰写。