8月2日消息，據(jù)TechCrunch報道，谷歌DeepMind正式推出Gemini 2.5 Deep Think。據(jù)公司介紹，這是其迄今為止最先進的AI推理模型，能夠在回答問題時同時探索并權(quán)衡多種解題路徑，進而選出最優(yōu)答案。

從本周五起，訂閱了每月250美元Ultra訂閱服務的用戶，將可在Gemini應用中率先體驗Gemini 2.5 Deep Think。

Gemini 2.5 Deep Think最早亮相于2025年的谷歌I/O大會，是谷歌公開發(fā)布的首個多智能體（multi-agent）模型。這類系統(tǒng)可同時生成多個AI智能體，并行處理同一問題，雖然對算力資源的消耗遠超單一智能體，但通常能獲得更優(yōu)的解答。

谷歌曾以Gemini 2.5 Deep Think的一個變體，在今年的國際數(shù)學奧林匹克（IMO）上斬獲金牌。

與此同時，谷歌還宣布向部分經(jīng)過篩選的數(shù)學家和學者群體，開放其在IMO賽事中使用的那一版模型。公司表示，這一AI模型完成一次推理“需要數(shù)小時”，遠超絕大多數(shù)面向消費級用戶的AI模型（通常僅需數(shù)秒或數(shù)分鐘）。谷歌希望該IMO模型能助力科研，并收集反饋，以便進一步優(yōu)化多智能體系統(tǒng)在學術(shù)場景下的應用。

谷歌指出，相較于I/O大會上首次亮相的版本，如今的Gemini 2.5 Deep Think已有顯著提升。公司還宣稱已開發(fā)出“全新的強化學習技術(shù)”，以促使Gemini 2.5 Deep Think更高效地利用其推理路徑。

谷歌在一篇博文中表示：“Deep Think能幫助用戶解決需要創(chuàng)造力、戰(zhàn)略規(guī)劃和逐步改進的問題?！?/p>

公司稱，Gemini 2.5 Deep Think在“人類終極大考”（Humanity’s Last Exam，HLE）上取得了頂尖水平（state-of-the-art）的表現(xiàn)。HLE是一項極具挑戰(zhàn)性的測試，旨在評估AI回答數(shù)千道來自數(shù)學、人文、科學等領域眾包問題的能力。谷歌稱，其模型在不借助外部工具的情況下，HLE得分為34.8%，而xAI的Grok 4得分為25.4%，OpenAI的o3得分為20.3%。

此外，Gemini 2.5 Deep Think在LiveCodeBench 6這一高難度編程競賽測試中，表現(xiàn)同樣超越了OpenAI、xAI和Anthropic的AI模型。谷歌模型的得分為87.6%，Grok 4為79%，OpenAI的o3為72%。

Gemini 2.5 Deep Think能自動調(diào)用代碼執(zhí)行、谷歌搜索等工具，并且公司表示，該模型生成的回應“篇幅遠超傳統(tǒng)AI模型”。

在谷歌的內(nèi)部測試中，相較于其他AI模型，Gemini 2.5 Deep Think完成的網(wǎng)頁開發(fā)任務在細節(jié)豐富度和視覺美感上均更勝一籌。公司認為，該模型有望為科研人員提供助力，“并有可能加速科學發(fā)現(xiàn)的進程”。

目前，多智能體系統(tǒng)已成為業(yè)界前沿的探索方向。埃隆·馬斯克（Elon Musk）旗下的xAI近期也推出了多智能體系統(tǒng)Grok 4 Heavy，據(jù)稱在多項基準測試中取得領先成績。OpenAI研究員諾姆·布朗（Noam Brown）在播客中透露，公司今年在IMO上獲得金牌所用的未公開模型，同樣采用了多智能體架構(gòu)。與此同時，Anthropic旗下能生成詳盡研究簡報的工具Research agent，也同樣依托多智能體系統(tǒng)提供支持。

盡管多智能體系統(tǒng)表現(xiàn)突出，但其運營成本甚至高于傳統(tǒng)AI模型。這也意味著，科技公司很可能會將這類高成本的系統(tǒng)，作為其頂級付費訂閱服務的一項專屬功能，正如xAI和谷歌目前所做的那樣。

在接下來的幾周，谷歌計劃通過Gemini API，邀請一小批測試者體驗Gemini 2.5 Deep Think。公司表示，此舉是希望進一步了解開發(fā)者和企業(yè)用戶可能會如何利用其多智能體系統(tǒng)。（易句）

（本文由AI翻譯，網(wǎng)易編輯負責校對）