Gemini 2.5 Pro Thinking - First Look

Google hat gerade Gemini 2.5 Pro veröffentlicht, das erste Mitglied der 2.5 Familie. In diesem Video werfen wir einen ersten Blick auf das Modell. Den veröffentlichten Benchmarks zufolge ist das ein echtes Biest. Es übertrifft fast alle anderen Frontier Modelle bei wichtigen Benchmarks. Gemini 2.5 Pro ist sehr gut beim Programmieren und es ist ein Schlussfolgerungsmodell. Bevor es eine Antwort generiert, durchläuft es eine Art Dornenkette, die anderen Schlussfolgerungsmodellen sehr ähnlich ist. Dies ist jedoch die erste Version eines Schlussfolgerungsmodells in der Pro Familie und die Programmierfähigkeiten scheinen wirklich hervorragend zu sein, da es diese komplexen Spiele in einem einzigen Versuch generieren kann. Ich zeige euch später im Video ein paar Beispiele. Es handelt sich außerdem um ein Multimodell, das heißt, es kann Bilder verstehen und verfügt über ein großes Kontextfenster von einer Million Token. Ein großer Kontext ist bei großen Aufgaben sehr wichtig, insbesondere beim Programmieren. Ein langer Kontext verleiht dem Modell die Fähigkeit, größere Codes zu verstehen und sie im Vergleich zu Modellen mit kleinerem Kontext tatsächlich viel nützlicher zu machen. Und nach dem, was ich bisher gesehen habe, ist es wirklich gut beim Programmieren. Das Modell ist bereits verfügbar, wenn sie ein erweitertes Gemini Abonnement haben. Dies heißt 2.5 Pro Experimental und wird auch in iStudio verfügbar sein beim Start. OK. Bevor wir das Modell testen, werfen wir einen kurzen Blick auf diesen Blogbeitrag. Ich hatte bereits zuvor Zugriff auf den Blogbeitrag. Sie sagen, dass wir heute Gemini 2.5 ankündigen, unser intelligentestes Key Modell. Die Version 2.5 ist eine experimentelle Version von 2.5 Pro und ist in einer Vielzahl von Benchmarks und auch im Chatbot Arena Leaderboard auf dem neuesten Stand. Der Techn. Google hat dieses Modell, glaube ich, unter einem Pseudonym getestet. Es ist auch ein Denkmodell. Es verwendet also eine Gedankenkette, um zu argumentieren, bevor es die endgültige Ausgabe generiert. Sie sagen, dass wir Möglichkeiten erforscht haben, KI durch Techniken wie RL und Gedankenketten Prompts intelligenter und leistungsfähiger zu machen. Das schien sich dann aber ein wenig von der Art und Weise zu unterscheiden, wie die anderen Modelle trainiert werden. Hier heißt es also, dass wir ein neues Leistungsniveau erreicht haben, indem wir ein deutlich verbessertes Basismodell mit verbessertem Pros Training kombiniert haben und in Zukunft planen sie, diese Denkfähigkeiten direkt in ihre Modelle zu integrieren. OK, es gibt diesen einen Teil im Blogbeitrag, den ich immer noch zu verstehen versuche. Dort heißt Ohne Testzeittechniken, die die Kosten erhöhen, wie z. B. Mehrheitsabstimmungen, liegt 2.5 pro bei mathematischen und naturwissenschaftlichen Benchmarks wie GBQA und MI vorne. Ich bin mir also nicht sicher, was genau mit ohne Testzeittechniken gemeint ist. In Bezug auf die Benchmarks ist dies das erste Modell, das in der letzten Prüfung in Geisteswissenschaften 18,8 Prozent erreichen konnte. Das soll eine sehr schwere Prüfung sein. Der vorherige Höchststand lag bei 14 Prozent bei Mini auf der Einstellung hoch. Auch bei GPQ Diamond, einem naturwissenschaftlichen Benchmark, führt dieses Modell in Sachen Leistung alle anderen Modelle an. Bei den Benchmarks scheint es also definitiv ein sehr starkes Modell zu sein und Google hebt insbesondere die Argumentationsfähigkeiten und Programmierfähigkeiten hervor, die wir später im Video testen werden. Aber für logisches Denken, Allgemeinwissen und Mathematik ist es derzeit auf dem neuesten Stand der Technik, ebenso wie fürs Programmieren. Laut Gemini verfügt es über erweiterte Programmierfunktionen. Der Schwerpunkt lag auf der Programmierleistung und Gemini 2.5 hat im Vergleich zu einen großen Sprung gemacht und weitere Verbesserungen werden folgen. 2.5 zeichnet sich durch die Erstellung visuell ansprechender Webseiten und analytischer Code sowie durch Codetransformationen und Bearbeitung aus. Aufgrund seines langen Kontextfensters wird es bei Anwendungen wie Cursor oder anderen Codierungsides äußerst hilfreich SEIN. Bei den ZO Benchmarks erreicht es mit einem implementierten benutzerdefinierten Agenten Setup fast 64 Prozent. Die Programmierfunktionen sind in einigen der von ihnen gezeigten und geteilten Demos zu sehen. Hier ist ein Beispiel für eine Datenanalyse mit Plotly Express. Es ist in der Lage, das zu lösende Problem zu durchdenken, eine Lösung zu finden und die Implementierung sieht dann ziemlich gut aus. Vor allem die Diagramme sind optisch ansprechend. Es kann also nicht nur Aufgaben wie das Erstellen von Spielen ausführen, sondern Sie können es auch für die tatsächliche Datenanalyse verwenden, was ein wirklich nützlicher Fall für diese großen Schlussfolgerungsmodelle ist. OK, wir werden ein paar schnelle Tests durchführen. Ich verwende Gemini Advanced und wähle hier zwei experimentelle 5 Pro aus. Aber wie gesagt, wenn dieses Video veröffentlicht und das Modell angekündigt wird, wird es auch in iStudio verfügbar sein. Zuerst werden wir also nur schnell seine Schlussfolgerungsfähigkeiten testen. Ich werde also eine modifizierte Version des Trolley Proble bereitstellen. In diesem Fall befinden sich fünf tote Personen auf den Gleisen und sie stehen neben einer Abzweigung, die den Trolley auf ein anderes Gleis umleiten kann, auf dem eine lebende Person gefesselt ist. Normalerweise sind im unveränderten oder ursprünglichen Trolley Problem diese fünf Personen ebenfalls am Leben und meistens gehen diese Modelle einfach davon aus, dass es sich um das unveränderte oder das ursprüngliche Trolley Problem handelt. Aber für ein Schlussfolgerungsmodell sollte es genau darauf achten können, dass die Menschen bereits tot sind. Hier zeigt es also seinen Denkprozess. Das dauert tatsächlich etwas. Das ist also gut. Gehen wir nun den Denkprozess schnell durch, bevor wir uns das endgültige Ergebnis ansehen. Es heißt Identifiziere das Kernszenario. Der Benutzer hat das klassische Trolley Problem vorgestellt, ein ethisches Dilemma, also ein außer Kontrolle geratener Trolley. Fünf Menschen auf den Gleisen sind bereits tot. Es scheint also, als hätte es dieses Kernproblem bereits erkannt. Wenn man die ethische Natur erkenn, ist dies kein Problem mit einer einzigen richtigen Antwort. Es ist ein Gedankenexperiment, das entwickelt wurde, um verschiedene ethische Rahmenbedingungen und moralische Intuitionen zu untersuchen. Wenn man nun die benutzerspezifische Formulierung analysiert, stellt man fest, dass die fünf Menschen auf dem Hauptgleis bereits tot sind. Dies ist eine entscheidende Abweichung vom Standard Trolley Problem, bei dem fünf Menschen am Leben sind. Richtig. Es scheint also, als könne es das durchdenken, was gut ist. OK, hier ist die endgültige Antwort. Dies ist eine Variation des klassischen Gedankenexperiments zum Tri Problem. Sie haben jedoch eine entscheidende Änderung eingeführt. Die fünf Leute auf dem Hauptgleis sind bereits tot. Dann heißt Lass es uns aufschlüsseln. Analysiere die Konsequenzen in diesem speziellen Szenario. Betätige den Hebel also nicht. Das System setzt seinen Weg fort und überfährt fünf Körper, die bereits erkrankt sind. Das Ergebnis ist also, dass aufgrund dieser Wahl null lebende Menschen sterben. Wenn du den Hebel betätigst, stirbt aufgrund dieser Wahl nur eine lebende Person. Richtig. Es ist wirklich gut zu sehen, dass das System das Problem tatsächlich durchdenken kann, anstatt nur seine Trainingsdaten zu betrachten und zu versuchen, das ursprüngliche Trolley Problem zu lösen. Das ist sehr vielversprechend. Okay, wir werden es mit Shinyas versuchen Katze, aber in diesem Fall ist die Katze bereits tot. Mal sehen, ob es das lösen kann. Noch Es konzentriert sich tatsächlich auf die Tatsache, dass die Katze bereits tot ist, bevor sie in die Kiste gelegt wird. Ich denke also, dass es das Problem ziemlich genau durchzieht kann. Ja. Und wie Sie in der endgültigen Antwort sehen können, beträgt die Wahrscheinlichkeit, dass sich eine Katze noch in den geöffneten Kartons befindet, 0 Prozent. Richtig? So weit, so gut. Ich werde noch einige Tests mit dem Benchmark Misguided Attention durchführen, der sich speziell auf das Testen der Argumentationsfähigkeiten und logischen Schlussfolgerungen dieser Argumentationsmodelle konzentriert. Aber bisher bin ich mit der Leistung, die ich sehe, sehr zufrieden. Okay, wir werden also die Codierungsfähigkeiten testen. Eine der Funktionen, die Google in seinem Blogbeitrag hervorgehoben hat, ist die Fähigkeit, visuell ansprechende Web Apps zu erstellen. Richtig. Ich verwende also diese Eingabeaufforderung. Codieren Sie eine moderne Landingpage mit HTML, CSS und JS und packen Sie alles in eine einzige Datei. Ich habe dies mit einer Reihe verschiedener LLMs getestet. Bisher konnte mir Deep Sseek V, die neue Version, tatsächlich die am besten aussehenden Websites liefern. Im Moment arbeitet es sich durch die Ergebnisse. Mal sehen, was es zu bieten hat. OK, hier ist die erstellte Website. Die Links scheinen jetzt zu funktionieren. Es handelt sich um eine relativ kleine Website mit nur wenigen Abschnitten. Die grundlegende Funktionalität für Landingpages ist jedoch vorhanden. Hier ist also noch ein weiterer Codetest, den wir durchführen werden. Wie gesagt, umfassendere Tests werden bald folgen. Verwenden Sie JavaScript, um eine Animation fallender Buchstaben mit realistischer Physik zu erstellen. Die Buchstaben sollten zufällig in unterschiedlichen Größen am oberen Bildschirmrand erscheinen. Dann fallen sie unter die Schwerkraft der Erde. Die Kollisionserkennung basiert auf ihren tatsächlichen Buchstabenformen. Sie interagieren mit anderen Buchstaben. Sie begrenzen die Bildschirmränder und weisen ähnliche Dichteeigenschaften wie Wasser auf. Sie passen sich dynamisch an Bildschirmänderungen an und haben einen schwarzen Hintergrund. Ich wollte alles in eine einzige HTML Datei packen. Nun begann der Denkprozess. Das Verstehen der Kernanforderung, das Identifizieren der Schlüsselkomponenten wird mit Hilfe von HTML strukturiertem CSS Styling erfolgen und die Logik wird in JavaScript vorliegen, da wir sie genau dafür zusammenstellen müssen. Es durchläuft also den Denkprozess und ich denke, der Plan, der entwickelt wurde, wird möglicherweise funktionieren. Wir werden sehen, die Gedankenkette, die dieses Modell zeigt, ist im Vergleich zu den OpenAI Modellen viel umfassender. Im Grunde genommen zeigt es uns innerhalb der Gedankenkette, wie die tatsächliche Implementierung aussehen wird. Ich bin also sehr gespannt, wie das Ergebnis aussehen wird. Generiert immer noch den Code für uns. Aus irgendeinem Grund hat es hier tatsächlich eine MIT Lizenz eingefügt. Das ist also ziemlich interessant. Okay, ich musste das noch einmal ausführen, weil es hängen geblieben ist. Aber hier ist der aktualisierte Denkprozess und jetzt haben wir die aktualisierte Codebasis. Lassen Sie mich das ausführen und sehen, ob es tatsächlich alle unsere Anforderungen erfüllen kann oder nicht. OK, wir öffnen also diesen neuen Web Editor und ja, es scheint, als würden die Zahlen sinken. Das sind verschiedene Formen und Größen. Die Kollisionserkennung scheint zu funktionieren. Mal sehen, ob sie sich an Änderungen der Bildschirmgröße anpassen kann. Es scheint gut zu funktionieren. Der erste Eindruck dieses Modells ist, dass es definitiv gut beim Codieren ist. Ich muss noch viel gründlichere Tests durchführen, um zu sehen, ob es standhält. Die Benchmarks sehen bisher gut aus. Ich denke, wir haben ein Modell, das in puncto Codierung mit Claude Sonnet konkurrieren kann. Vor allem, wenn man sich Benchmarks wie Polly, Glossweep Bench und Live codingbench ansieht. Vor allem, wenn man einen einzelnen Versuch mit einem Durchgang in Betracht zieht. Es scheint also ein starkes Modell für Codierung und Argumentation zu sein, aber umfassendere Tests werden die tatsächliche Leistung zeigen. Schauen Sie es sich also an und lassen Sie mich wissen, was Sie nach dem Testen von diesem Modell halten und was Sie damit erstellen konnten. Ein ausführlicheres Video wird in Kürze veröffentlicht. Das war nur ein kurzer Blick. Wie auch immer, ich hoffe, Sie fanden dieses Video nützlich. Danke fürs Zuschauen und wie immer bis zum nächsten Mal.