BenchLeader

Gemini 2.5 Pro

推理强度
质量第 106 / 339 名
55.2Index
高于中位数
较中位数 +5.0
价格第 197 / 255 名
$3.44每百万 token
最贵的四分之一
中位数的 4.0 倍
速度第 68 / 216 名
111token/秒
高于中位数
中位数的 1.3 倍
性价比第 201 / 255 名
16.1分/$
后四分之一
中位数的 0.3 倍

性价比更高: MiMo-V2.5 $0.138/M 即可获得 Index 56.3,价格只有 25 分之一。

有 54 个更便宜的已排名模型得分更高:GPT-6.1 Terra (64.1, $2.00)、Gemini 4 Hydrogen (63.4, $3.00)、Gemini 3.5 Flash (62.5, $3.38),另有 51 个。

截至 2026年11月16日,Gemini 2.5 Pro(Google)在 BenchLeader Index 上得分 55.2(共 608 个已排名配置)。表现最好的是长上下文(66),最弱的是智能体与工具(42)。API 价格为输入每百万 token $1.25、输出每百万 token $10.00(按 3:1 混合为 $3.44),为 2026年11月16日的标价。输出速度约为 110 token/秒(Artificial Analysis)。发布于 2025年3月25日。

要点(截至 2026年11月16日)

  • Gemini 2.5 Pro 的 API 价格为输入每百万 token $1.25、输出每百万 token $10.00(按 3:1 混合为 $3.44)(标价,2026年11月16日)。
  • Gemini 2.5 Pro 的输出速度约为 110 token/秒(Artificial Analysis,2026年11月16日)。
  • Gemini 2.5 Pro 于 2025年3月25日发布(Google)。

详细说明:Gemini 2.5 Pro 是 Google 的闭源推理模型,发布于 2025年3月25日。其最佳配置在 BenchLeader Index 上得分 55.2 ±3.3,在 608 个配置中排第 215 名,处于上半区。关键在于这个“±”:另有 261 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,长上下文得分最高(66),智能体与工具最低(42)。按混合价格计,每百万 token $3.44,比大多数已排名模型贵。输出速度为 111 token/秒,首次回答需 21.7 秒,比大多数模型快。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。

混合价格
$3.44/M
输入 $1.25 · 输出 $10.00
来源:Artificial Analysis
输出速度
111 tok/s
由 Artificial Analysis 测量
首次回答
22 s
上下文
1.0M
来源:models.dev
完整回答
36 s
最近一次测量 2026年11月13日
单任务成本
–
单任务 token 数
–
发布日期
2025年3月25日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index55
  2. 推理58
  3. 编程48
  4. 智能体与工具42
  5. 数学52
  6. 知识53
  7. 指令遵循54
  8. 人类偏好63
  9. 多模态63
  10. 长上下文66

嵌入这个排名

更多徽章样式
[![Gemini 2.5 Pro on BenchLeader: 综合第 105 名](https://www.benchleader.com/badge/gemini-2-5-pro.svg?style=compact)](https://www.benchleader.com/models/gemini-2-5-pro)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

Google 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

版本

Google 以这个名称发布过 10 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。

模型发布日期Index排名
Gemini 3.1 Prohigh2026年2月19日60.4#77
Gemini 3 Pro2025年11月18日60.0#87
Gemini 2.5 Pro本页2025年3月25日55.2#215
Gemini 2.0 Pro2025年2月5日47.5#404
Gemini 1.5 Pro 0022024年9月24日41.4#512
Gemini 1.5 Pro2024年5月15日47.0#416
Gemini 1.5 Pro 0012024年5月14日––
Gemini 1.0 Pro 0012023年12月13日––
Gemini 1.0 Pro2023年12月6日––
Gemini 1.0 Pro 002–––

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
high––111 tok/s22 s$0.0035
thinking––111 tok/s22 s$0.0035编程 72 · 推理 36
未说明最佳55.2#215111 tok/s22 s$0.0035智能体与工具 42 · 编程 48 · 人类偏好 63 · 指令遵循 54 · 知识 53 · 长上下文 66 · 数学 52 · 多模态 63 · 推理 58

Index 走势

2026年9月8日 至 2026年11月16日
515559

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

元数据

基准测试默认来源趋势
AA Openness Index不计入 Index5.6#307Artificial Analysis

推理

基准测试thinking默认来源趋势
GPQA Diamond推理强度未说明–85.3%#102Epoch AI Benchmarking Hub
Humanity's Last Exam推理强度未说明–21.6%#20Scale AI / CAIS
SimpleBench推理强度未说明–62.4%#36SimpleBench
Arena Hard Prompts推理强度未说明–1458#105Arena (LMArena)
GPQA Diamond (AA)不计入 Index推理强度未说明–84.4%#145Artificial Analysis
Humanity's Last Exam (AA)不计入 Index推理强度未说明–22.5%#217Artificial Analysis
GPQA Diamond (Vals)不计入 Index推理强度未说明–80.8%#66Vals AI
Kagi LLM Benchmark推理强度未说明–70.3%#26Kagi LLM Benchmark
GPQA Diamond (HELM)不计入 Index推理强度未说明–74.9%#5HELM Capabilities
ARC-AGI-141.0%#199–ARC Prize
ARC-AGI-24.9%#185–ARC Prize
CritPt不计入 Index推理强度未说明–2.6%#208Artificial Analysis
SciPredict不计入 Index推理强度未说明–17.0%#11Scale AI SEAL
Arena Expert不计入 Index推理强度未说明–1459#108Arena (LMArena)
LMCA不计入 Index推理强度未说明–34.8%#133Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明–82.4%#128Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明–64.2%#27ForecastBench

编程

基准测试thinking默认来源趋势
SWE-bench Verified (Epoch)推理强度未说明–57.6%#31Epoch AI Benchmarking Hub
SciCode推理强度未说明–46.3%#151SciCode
WeirdML推理强度未说明–54.0%#62WeirdML
GSO-Bench推理强度未说明–3.9%#29GSO-Bench
Arena Coding推理强度未说明–1464#129Arena (LMArena)
Arena WebDev推理强度未说明–1228#143Arena (LMArena)
SciCode (AA)不计入 Index推理强度未说明–46.3%#156Artificial Analysis
LiveCodeBench推理强度未说明–79.2%#73Vals AI
SWE-bench (Vals)不计入 Index推理强度未说明–54.4%#80Vals AI
Aider Polyglot83.1%#479.1%#8Aider polyglot leaderboard
SWE-bench Verified (bash only)推理强度未说明–53.6%#33SWE-bench
SWE-bench Verified (any scaffold)不计入 Index推理强度未说明–53.6%#36SWE-bench
Vibe Code Bench v1.1不计入 Index推理强度未说明–0.4%#120Vals AI
SWE-Bench Pro (private)不计入 Index推理强度未说明–10.1%#12Scale AI SEAL
CadEval不计入 Index推理强度未说明–64.0%#2Epoch AI Benchmarking Hub
ALE-Bench不计入 Index推理强度未说明–785.5#89Epoch AI Benchmarking Hub
AlgoTune不计入 Index推理强度未说明–1.5#11AlgoTune
Terminal-Bench 4.0 (AA)不计入 Index推理强度未说明–0.0%#186Artificial Analysis
Terminal-Bench 2.1 (AA)不计入 Index推理强度未说明–28.5%#162Artificial Analysis
Design Arena Website不计入 Index推理强度未说明–1159#116Design Arena
LiveCodeBench (AA)不计入 Index推理强度未说明–80.1%#28Artificial Analysis

智能体与工具

基准测试high默认来源趋势
Terminal-Bench推理强度未说明–32.6%#70Terminal-Bench
GDPval推理强度未说明–23.3%#9OpenAI
Remote Labor Index推理强度未说明–0.8%#18Scale AI / CAIS
Terminal-Bench Hard推理强度未说明–26.5%#132Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index推理强度未说明–54.1%#191Artificial Analysis
τ³-bench Banking不计入 Index13.7%#23–τ²-bench
GDPval-AA v2.1不计入 Index推理强度未说明–463#246Artificial Analysis
τ³-Banking (AA)推理强度未说明–9.7%#149Artificial Analysis
Poker Agent不计入 Index推理强度未说明–1032.6%#12Vals AI
Terminal-Bench 2.0 (Vals)不计入 Index推理强度未说明–30.3%#43Vals AI
Arena Search不计入 Index推理强度未说明–1145#36Arena (LMArena)
BALROG不计入 Index推理强度未说明–43.3%#10BALROG
DeepResearch Bench不计入 Index推理强度未说明–42.8%#33DeepResearch Bench
TheAgentCompany不计入 Index推理强度未说明–30.3%#5TheAgentCompany
METR Time Horizons不计入 Index推理强度未说明–55.4%#23METR
Vending-Bench 2不计入 Index推理强度未说明–573.6#60Andon Labs
AutomationBench不计入 Index推理强度未说明–2.2%#215Artificial Analysis
GDP.pdf (AA)不计入 Index推理强度未说明–10.2%#164Artificial Analysis
AA-Briefcase v1.1不计入 Index推理强度未说明–303#233Artificial Analysis
Design Arena Agentic不计入 Index推理强度未说明–914#80Design Arena
BrowseComp-Plus不计入 Index推理强度未说明–19.9%#9BrowseComp-Plus
BrowseComp不计入 Index推理强度未说明–7.8%#4OpenAI
DeepSearchQA不计入 Index推理强度未说明–24.6%#9Google

知识

基准测试默认来源趋势
MMLU-Pro84.1%#65Vals AI
LegalBench84.3%#35Vals AI
CorpFin60.8%#63Vals AI
TaxEval72.9%#55Vals AI
MedQA93.1%#25Vals AI
PRBench Finance38.9%#34Scale AI SEAL
PRBench Legal41.4%#32Scale AI SEAL
MultiNRC45.1%#15Scale AI SEAL
MMLU-Pro (HELM)不计入 Index86.3%#4HELM Capabilities
CaseLaw v2不计入 Index63.9%#15Vals AI
MedCode不计入 Index50.6%#17Vals AI
MedScribe不计入 Index73.5%#81Vals AI
Global-MMLU-Lite (AA)不计入 Index90.3%#13Artificial Analysis

人类偏好

基准测试默认来源趋势
Arena Text1446#89Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index1422#69EQ-Bench
Arena Creative Writing不计入 Index1443#55Arena (LMArena)
Arena Multi-turn不计入 Index1448#96Arena (LMArena)
Arena Longer Queries不计入 Index1457#82Arena (LMArena)
Lech Mazur Creative Writing不计入 Index83.8%#6Lech Mazur

多模态

基准测试thinking默认来源趋势
Arena Vision推理强度未说明–1263#51Arena (LMArena)
MMMU-Pro推理强度未说明–74.9%#119Artificial Analysis
VISTA推理强度未说明–54.6%#1Scale AI SEAL
MMMU-Pro (Vals)不计入 Index推理强度未说明–81.3%#40Vals AI
MortgageTax不计入 Index推理强度未说明–68.9%#8Vals AI
AudioMC不计入 Index46.9%#8–Scale AI SEAL
AudioMC (text output)不计入 Index46.9%#7–Scale AI SEAL
VTB不计入 Index推理强度未说明–11.8%#9Scale AI SEAL
GeoBench不计入 Index推理强度未说明–86.0%#3GeoBench
VPCT不计入 Index推理强度未说明–48.0%#11Epoch AI Benchmarking Hub
SpatialViz-Bench不计入 Index推理强度未说明–44.7%#1Epoch AI Benchmarking Hub

长上下文

基准测试默认来源趋势
Fiction.LiveBench 120k90.6%#4Fiction.live
AA-LCR v1.169.0%#249Artificial Analysis
Arena Document不计入 Index1433#41Arena (LMArena)
MLCR不计入 Index12.2%#107Artificial Analysis

综合

基准测试默认来源趋势
Epoch Capabilities Index不计入 Index144.9#92Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index16.1#285Artificial Analysis
AA Progress Index v1不计入 Index245.9#276Artificial Analysis
HELM Capabilities mean不计入 Index74.5%#15HELM Capabilities

安全与诚实

基准测试默认来源趋势
FORTRESS不计入 Index54.9%#74Scale AI SEAL
MASK不计入 Index55.9%#44Scale AI SEAL
PropensityBench不计入 Index79.0%#14Scale AI SEAL

优势所在

在所有已测配置中,这个配置排名前五的基准测试。

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.125。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0035$0.003224.4 s
总结一份 30 页的报告12,000 / 600$0.021$0.01127.1 s
代码编辑6,000 / 1,500$0.022$0.01735.3 s
智能体编程会话60,000 / 4,000$0.115$0.06457.9 s
结构化信息提取2,000 / 200$0.0045$0.002823.5 s

Google 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Gemini 2.5 Pro 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![Gemini 2.5 Pro on BenchLeader: 综合第 105 名](https://www.benchleader.com/badge/gemini-2-5-pro.svg)](https://www.benchleader.com/models/gemini-2-5-pro)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). Gemini 2.5 Pro on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gemini-2-5-pro

BibTeX:

@misc{benchleader_gemini_2_5_pro_20261116,
  author       = {{BenchLeader}},
  title        = {{Gemini 2.5 Pro on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gemini-2-5-pro}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Gemini 2.5 Pro 的基准测试得分是多少?
截至 2026年11月16日,Gemini 2.5 Pro 的 BenchLeader Index 为 55.2 ±3.3。最强的是长上下文(66),最弱的是智能体与工具(42)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
Gemini 2.5 Pro 排名第几?
截至 2026年11月16日,Gemini 2.5 Pro 在 608 个已排名配置中排第 215 名。另有 261 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
Gemini 2.5 Pro 每百万 token 的价格是多少?
截至 2026年11月16日,Gemini 2.5 Pro 的价格为输入每百万 token $1.25、输出每百万 token $10.00,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $3.44。
Gemini 2.5 Pro 是什么时候发布的?
Google 于 2025年3月25日发布了 Gemini 2.5 Pro。BenchLeader 收录了它在 3 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Gemini 2.5 Pro:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gemini-2-5-pro。