Gemini-2.5-pro在MathArena評測中展現卓越數學能力遠超其他模型

2025年4月3日消息：根據MathArena最新發佈的大語言模型數學能力評測結果顯示，Google的Gemini-2.5-pro以絕對優勢領跑，在未污染的高難度數學競賽中展現出令人矚目的表現。

突破性成績

Gemini-2.5-pro在MathArena平臺的嚴格評測中取得了24.40%的準確率，這一成績不僅位居榜首，更是與第二名DeepSeek-R1 的4.76%形成鮮明對比，領先優勢達到驚人的五倍之多。這一突破性成績表明Gemini-2.5-pro在高級數學推理能力上實現了質的飛躍。

特別值得關注的是，Gemini-2.5-pro在"AIME 2025 I"競賽測試中取得了93%的驚人成績，這是一項公認的高難度數學競賽。同時，它在"USAMO 2025"中也達到了50%的表現，足以證明其解決超高難度數學問題的能力。

MathArena評測的特殊性在於其嚴格性和公正性，僅使用模型發佈後的數學競賽題目進行測試，確保模型無法通過預訓練材料獲得優勢。在這樣的嚴苛條件下，Gemini-2.5-pro仍能保持如此高的成功率，反映了Google在大模型數學推理能力上的重大突破。

Gemini-2.5-pro的卓越表現不僅證明了大語言模型在高級數學思維方面的巨大潛力，也爲AI輔助教育、科研和複雜問題求解開闢了新的可能性。這一成績也將進一步推動AI行業在推理能力和專業領域應用方面的競爭與創新。

對比其他模型如Claude-3.7-Sonnet (Think)的3.65%和o1-pro (high)的2.83%的準確率，Gemini-2.5-pro的領先優勢更加突出，標誌着大語言模型數學能力發展可能已進入新階段。

數據來源：https://matharena.ai/

全球首個具身智能開放平臺上線！3D數字人第一次“開箱即用”：魔琺星雲把大模型塞進百元芯片

魔琺科技發佈全球首個3D數字人開放平臺“魔琺星雲”，讓AI從文字對話升級爲實時生成帶表情、手勢和身體動作的3D數字人。其核心3D多模態引擎可輸入文本後毫秒級輸出同步語音與動作，並適配手機、車載等多種終端，實現AI從“說話”到“表演”的進化。

上海AI實驗室發佈首個視頻轉網頁評測基準IWR-Bench：GPT-5綜合得分僅36.35分

上海人工智能實驗室聯合浙江大學推出IVR-Bench基準測試，首次專門評估大語言模型將視頻轉化爲交互式網頁代碼的能力。該測試通過觀看記錄用戶操作流程的視頻，要求模型重建動態網頁，填補了AI前端開發領域動態交互評測的空白，推動多模態大語言模型在真實場景中的應用。