Gemini 2.5 Flash 评测详情

Gemini 2.5 Flash 当前已收录的代表性评测结果包括 AIME 2024（16 / 61，得分 88）、GPQA Diamond（110 / 253，得分 82.80）、GeoBench ACW（9 / 20，得分 76）。

评测结果

Gemini 2.5 Flash

评测结果

抽象归纳与泛化

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式

32.30

166 / 193

综合知识考试

共 3 项评测

评测名称 / 模式

得分

排名/总数

常规模式

8.40

204 / 235

开启思考

11

190 / 235

unknown

12.08

187 / 235

科学知识与推理

共 4 项评测

评测名称 / 模式

得分

排名/总数

常规模式

78.30

141 / 253

开启思考

82.80

110 / 253

常规模式

1.40

139 / 204

开启思考

1.10

151 / 204

事实可靠性与幻觉

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式

25.80

30 / 46

开启思考

26.90

29 / 46

仓库修复与多文件工程

共 2 项评测

评测名称 / 模式

得分

排名/总数

SWE-bench Verified

常规模式

50

96 / 116

SWE-bench Verified

开启思考

48.90

100 / 116

数学

共 4 项评测

评测名称 / 模式

得分

排名/总数

常规模式

88

16 / 61

常规模式

61.60

90 / 110

开启思考

72

78 / 110

FrontierMath - Tier 4

常规模式

4.20

40 / 80

算法与竞赛编程

共 3 项评测

评测名称 / 模式

得分

排名/总数

常规模式

41.10

103 / 125

开启思考

55.40

85 / 125

IOI 2024 (Vals v1)

常规模式工具

5.20

7 / 10

写作与创意表达

共 1 项评测

评测名称 / 模式

得分

排名/总数

Creative Writing

常规模式

1136.90

88 / 110

常识推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式

41.20

67 / 96

自主开发与终端任务

共 4 项评测

评测名称 / 模式

得分

排名/总数

常规模式

47.10

35 / 59

16K

55.10

27 / 59

Terminal Bench Hard

常规模式工具

12.10

178 / 244

Terminal Bench Hard

开启思考工具

13.60

173 / 244

跨能力综合测试

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考水平·高

47.74

103 / 117

跨应用与工具编排

共 1 项评测

评测名称 / 模式

得分

排名/总数

开启思考工具

70.70

32 / 38

图像感知与视觉推理

共 3 项评测

评测名称 / 模式

得分

排名/总数

常规模式

76

9 / 20

常规模式

65.50

151 / 229

开启思考

69.10

138 / 229

机器学习工程

共 1 项评测

评测名称 / 模式

得分

排名/总数

16K工具

40.95

46 / 52

跨长文理解与整合

共 1 项评测

评测名称 / 模式

得分

排名/总数

Fiction.liveBench

常规模式

77.80

9 / 16

逻辑与规划

共 1 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

33.50

9 / 12

临床工作与医疗决策

共 4 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

82.87

35 / 66

开启思考工具

82.98

33 / 66

常规模式工具

38.42

50 / 64

开启思考工具

40.36

47 / 64

客服与业务流程

共 2 项评测

评测名称 / 模式

得分

排名/总数

常规模式工具

44.76

33 / 64

开启思考工具

39.60

42 / 64

与其他模型对比