Google三大模型齐发，均进Lmarena前十，实测对比Deepseek、Qwen推理能力大增

　　作者｜子川

　　来源｜AI先锋官

　　疯狂，Google连发三款模型！

　　面对Deepseek的爆火出圈，OpenAI忍不住上线全新模型o3-mini，这不，Google也开始按耐不住了，就在今天，三款模型齐上线——

　　Google目前最强大的模型：Gemini 2.0 Pro实验版。

　　性价比之王：Gemini 2.0 Flash-Lite。

　　思维增强版：Gemini 2.0 Flash Thinking。

　　三款模型一经发布，就轻松霸占了各大榜单。

　　在Lmarena模型竞技榜中，Gemini 2.0 Pro 实验版直接冲到了第一，Gemini-2.0-Flash排到了前三，就连Gemini-2.0-Flash-lite也挤进前十。

　　不仅如此，在编程榜单中表现依旧亮眼。Gemini 2.0 Pro实验版超越了DeepSeek、o1等顶尖模型，排在第一位。

　　三款模型，每一个都有自己的独特本领！

　　
Gemini 2.0 Pro实验版

　　Gemini 2.0 Pro 实验版是Google目前性能最强的模型，具备顶级的编程能力，拥有更强的知识理解和推理能力。

　　它支持 200 万token的超大上下文窗口，并具备调用工具的能力（例如 Google 搜索和代码执行）

　　博主@Shrivastava使用Gemini 2.0 Pro实验版创建了一个太阳系模拟系统，效果十分亮眼。

　　
Gemini 2.0 Flash-Lite

　　Google的CTO Koray Kavukcuoglu在介绍它时提到：它是目前性价比最高的版本。

　　它可以为大约 40,000 张独特的照片生成相关的单行字幕，在 GoogleAIStudio 的付费套餐中成本不到一美元。

　　不过对比素有AI界拼夕夕的Deepseek来说，还是贵出不少。

　　同时，Gemini 2.0 Flash-Lite支持100万token的上下文窗口和多模态输入。

　　Gemini 2.0 Flash

　　Gemini 2.0 Flash 是一个为开发者量身打造的模型，专门用来处理大规模、高频率的任务，同样也支持100万token的上下文窗口和多模态。

　　目前三款模型均可以在AI Studio 中免费使用。

　　链接：https://aistudio.google.com/

　　今年年初，模型竞争可谓异常激烈，前有DeepSeek强势出击、OpenAI紧急发布o3-mini，后有Qwen Max悄悄发力，挤进Lmarena模型竞技榜前十，现在Google更是连发三款模型。

　　正好，我们用它们来实测一下，看看哪款模型能脱颖而出。

　　测试题一：未训练的数学真题

　　小编在网上找到一道2025高考仿真模拟卷（高三）的数学题，还是填空题最后一道题，先公布正确答案：ACD。

　　Gemini-2.0 Pro:

　　Qwen2.5 Max:

　　o3-mini:

　　DeepSeek:

　　好家伙，只有o3-mini一个人回答错误……

　　再来一道题看看怎么回事

　　测试题二：狮子在哪？

　　题目：某天你走进了一间房间，房间里一共有三扇门，并且旁边有一张纸条，而且纸条上面有一些线索和信息，且具体的信息则是这样的：

　　线索一：三扇门上面的数均为比十二大，并且比二十小的 质数 ，且狮子所在的门上面的数不是最大的；

　　线索二：绿色的门不在最右边，且绿色的门与紫色的门不相邻；

　　线索三：狼所在的门不是橙色，且绿色的门上面的数字不是最大的；

　　线索四：紫色的门上的编号不是十七，且狮子不在紫色的门里；

　　线索五：狼不在编号为十三的门里，且绿色的门上的编号不是十七；

　　线索六：狮子所在的门不在最左边，且与狼所在的门正好相邻；

　　那么根据以上的线索，请问据此可以推断，狮子究竟在哪一扇门里？

　　选项A：绿色门

　　选项B：紫色门

　　选项C：橙色门

　　选项D：无法判断

　　Gemini-2.0Pro:

　　Qwen 2.5 Max:

　　o3-mini:

　　DeepSeek:

　　只有Qwen 2.5 Max推理错误，其他模型全部推理成功，那么上上难度。

　　测试题三：日期推理

　　题目：如果昨天是明天的话就好了，那么今天就是周五了。请问：实际上，句中的今天可能是周几？

　　这道题可是老朋友了，之前用于测试o3-mini，遗憾的是最后没有回答出来，控这次Gemini-2.0 Pro是否能回答出来。

　　Gemini-2.0Pro:

　　Qwen 2.5 Max:

　　o3-mini:

　　DeepSeek:

　　o3-mini和Qwen Max推理错误，只有DeepSeek和Gemini 2.0 Pro推理准确。

　　目前Gemini2.0 Pro只有还保持全胜的战绩。

　　测试题四：数草莓

　　在刷X的时候，突然看到有人分享Gemini-2.0 Pro不会数草莓，果断试了一下，还真不会，不过比大小还是ok的。

　　测试题五：卖水

　　题目：沙漠里一个卖水的商人有25公升的水，这时有一个想买19公升的人，还有一个想买12公升的人。水不够卖给2人，只能选一个人卖掉，卖水商只想赶快回家，而从皮囊中倒出1公升水需要10秒，他应卖给谁？

　　Gemini-2.0Pro:

　　DeepSeek:

　　从这道题可以看出Gemini-2.0 Pro的思维比较灵活，他的想法是只倒出6公升水即可，从而卖给要19公升水的人；

　　而DeepSeek则循规蹈矩的选择卖给要买12公升水的人，索性 那就算他们都对吧。

　　测试题六：分布匹

　　题目：一个人在林中散步时，无意中听到了几个强盗在商量如何分赃。强盗们说，如果每人分6匹布，则剩余5匹；如果每人分7匹布，则少8匹。请问：共有几个强盗？几匹布？

　　Gemini-2.0Pro:

　　DeepSeek:

　　这类问题就是我国数学史上有名的盈亏问题。它有一个固定的公式：(盈 +亏 )/分差 =人数 (单位数 )。所以，这道题的算法就是：(8+5)/(7— 6)=13(强盗人数 )， 13× 6+5=83(布匹数 )。

　　答案是共有 13个强盗， 83匹布，全部答对。

　　整体测试下来，会发现Gemini-2.0 Pro的推理能力得到大幅度的增强，同时还保持了之前的优点，推理速度极快。

　　不过是不是因为还处于实验版本的原因，推理过程中会出现中英混杂的情况。

　　一觉醒来，看到Google发布的三大模型，而且成绩都还不错，看来今年将又是大模型疯狂卷的一年。