一 概览与定位

• 发布时间：2025-11-18，定位为谷歌迄今最强的多模态旗舰，主打复杂推理、高级编程、长上下文与 Agentic 工作流。

• 核心卖点：原生多模态（文本/图片/音频/视频/代码）、超长上下文、更强的“深度思考”模式、面向任务的智能体能力。

• 开放状态：已面向大众开放体验，可在Gemini 应用与Google AI Studio直接使用；美国地区订阅 AI Pro/Ultra​ 的用户可在搜索的 AI 模式启用“Thinking”选项调用该模型。

• 一句话判断：在推理、多模态与前端“Vibe Coding”上显著增强，长上下文与智能体场景具备明显优势，是面向“学、建、规划”的一体化升级。

二 关键评测数据与表现

• 综合榜单与通用推理

  • LMArena Elo：1501（登顶），显示综合对话与指令跟随能力的领先。

  • Humanity’s Last Exam（无工具）：37.5%；（配合搜索与代码执行）：45.8%，博士级推理显著强化。

  • GPQA Diamond：91.9%，科学问答与严谨推理达到旗舰水准。

• 数学与编程

  • AIME 2025：无工具 95.0%；配合代码执行 100%，数学竞赛级难题表现突出。

  • LiveCodeBench Pro Elo：2,439，竞技编程类任务竞争力强。

  • Terminal-Bench 2.0：54.2%，终端/命令行类智能体任务稳健。

• 多模态与视频理解

  • MMMU-Pro：81.0%；Video-MMMU：87.6%；ScreenSpot-Pro：72.7%，在视频、屏幕与跨模态理解上优势明显。

• 长上下文与检索

  • MRCR v2（8-needle）：77.0%（1M 上下文点式检索）；SimpleQA Verified：72.1%，长文档与事实性问答稳定。

• 智能体与长时规划

  • t2-bench：85.4%（工具使用）；Vending-Bench 2：净收益均值 $5,478.16，长周期决策与执行能力领先。

• 深度思考模式（Deep Think）

  • Humanity’s Last Exam：41.0%；GPQA Diamond：93.8%；ARC-AGI-2：45.1%，在极限推理与抽象模式识别上进一步拉升上限。

三 真实场景体验与样例

• 前端与“Vibe Coding”

  • 单文件 HTML/CSS/JS 高保真 UI：复刻Windows XP 桌面（含图标、开始菜单、任务栏时钟、开机音效、记事本与模拟浏览器），交互细节完整。

  • 风格化 UI 还原：赛博朋克交易界面、新艺术风格画廊、蒸汽朋克工作室等，零素材依赖、复杂 CSS 动效与有机形态还原度高。

  • 复杂交互原型：浏览器端Game Boy 模拟器（含《魂斗罗》《俄罗斯方块》）、可交互水波物理模拟，代码组织清晰、注释详尽。

• 学习与办公自动化

  • 多模态“第二大脑”：可同时消化截图、预算表、行程偏好等，产出杂志化动态视图与可交互计划。

  • 家庭辅导：拍照上传几何题，可按8岁理解层级分步讲解。

  • 会议/长文档：对1小时录音或数百页 PDF进行要点提炼、风险点定位与表格化输出，显著提效。

四 可用性与生态

• 体验入口与开放节奏

  • Gemini 应用：模型选择器中选择 Thinking​ 即可调用；美国地区 AI Pro/Ultra​ 订阅用户可在搜索 AI 模式体验。

  • Google AI Studio：提供免费层（有速率/配额限制），便于原型与小规模测试。

  • API 与开发：可通过 Gemini API / Vertex AI​ 接入；面向智能体的 Google Antigravity​ 提供原生 IDE 协同（当前对部分地区 IP/账号不开放）。

  • 第三方生态：已集成至 Cursor、JetBrains、GitHub Copilot、Replit​ 等工具链，支持“规划→编码→运行→验证”的端到端开发体验。

五 优势、局限与选型建议

• 优势

  • 推理与多模态双强：数学/科学推理、视频/屏幕理解处于第一梯队。

  • 长上下文稳：百万级 token 上下文与高难度检索任务表现可靠。

  • 智能体工作流：工具使用、终端操作与长时规划收益显著，适合复杂任务自动化。

  • 前端生成与交互原型：单文件可运行的高质量 UI/小游戏/可视化案例丰富。

• 局限

  • 生态与地域可用性：部分能力（如搜索 AI 模式、Antigravity）对地区/账号有限制；企业落地需评估合规与数据驻留。

  • 工程化深度：在复杂状态管理、可维护性与安全工程上仍需人工把关（通用模型通病）。

  • 个别视觉任务不稳：如“六指手部”等极端视觉样例存在失误。

• 选型建议

  • 适合：需要复杂推理、多模态理解、长文档/视频处理、前端原型到可运行 Demo、多步自动化的个人/团队与企业。

  • 搭配：数据敏感/合规要求高选 Vertex AI；快速试验与教学选 AI Studio；编程协作选 Cursor/JetBrains/GitHub Copilot​ 集成。