Googles NEW Gemini 2.5 Pro BEATS Everything! (Gemini 2.5 Pro)

Google hat gerade die KI Branche übernommen. Sie haben gerade Gemini 2.5 veröffentlicht, das derzeit intelligenteste KI Modell, und zwar nicht nur ein bisschen, sondern mit Abstand. Gemini 2.5 ist ein Denkmodell, das entwickelt wurde, um immer komplexere Probleme zu lösen. Und Dieses Modell Gemini 2.5 Experimental führt alle Benchmarks mit großem Abstand an und beweist starke Argumentation und unglaubliche Code Fähigkeiten. Schauen wir uns an, warum dieses Modell wirklich viele Dinge für die KI Branche verändert hat und was noch kommen wird. Ich werde gleich auf Benchmarks eingehen, aber Benchmarks sind eine Sache, die Unternehmen normalerweise verwenden, um zu zeigen, wie erfolgreich das Modell ist. Und derzeit scheint Gemini 2.5 Pro die neueste Version in jedem einzelnen wichtigen Bereich herauszuragen. Wenn wir uns nun all diese Benchmarks hier ansehen können, können wir feststellen, dass Gemini 2.5 Pro wirklich, wirklich gut abschneidet. Ich muss sagen, dass mir auffällt, dass diese Benchmarks langsam ziemlich gesättigt sind. Eine Benchmark Sättigung tritt ein, wenn die Modelle so gut werden, dass sie alle um einen natürlichen Punkt herum konvergieren. Wenn wir uns Gemini 2.5 Pro ansehen, sehen wir, dass der GPQA alle diese modelle bei etwa 80 Prozent liegen. Gemini bei 84 Prozent beim mathematischen Benchmark, dem AME 2025. Sie sehen, dass alle Modelle hier bei etwa 85 Prozent liegen. Sie sehen, dass Gemini bei 86,7 Prozent liegt. Beim AME 2024 liegen die Modelle bei etwa 90 Prozent, Gemini bei 92 Prozent. Und beim Life Code Bench V sehen Sie, dass alle Modelle bei etwa 75 Prozent liegen. Eines der herausragenden Merkmale von Gemini war tatsächlich die visuelle Rangliste. Und ich denke, die visuelle Rangliste ist wirklich wichtig. Das Sehen ist ein Bereich, der in der KI weitgehend zu wenig erforscht ist. Aber Google schien mit einem MMLU Test, der auf dem Sehen basiert, ein Modell mit 81,7 Prozent zu haben, das alle anderen Modelle weit übertrifft. Beim Benchmark für lange Kontexte, dem MRCR, können wir sehen, dass auch dieser 91 Prozent erreicht. Und bei anderen Bildbenchmarks scheint das Modell außerordentlich gut abzuschneiden. Eines der wichtigsten Dinge an diesem Modell ist also, dass es ein wirklich wichtiges Modell in Bezug auf den Vision Raum ist. Und ich denke, dieses Modell zeigt, wie gut es darin ist, multimodalen Kontext zu verstehen. Für Für diejenigen unter Ihnen, die sich fragen, was die herausragenden Funktionen von Gemini 2.5 sind, würde ich nicht nur das visuelle Denken erwähnen, sondern auch die Codierung. Wenn Sie sich die agentenbezogene Codierung ansehen, bleibt sie nur geringfügig hinter Claw 3.7 Sonne zurück. Aber interessanterweise können wir beim Adapt Test, der nach Meinung mancher wahrscheinlich etwas komplexer ist als jeder andere Codierungsbenchmark, sehen, dass sie tatsächlich auf dem neuesten Stand ist. Der Ada Polyot Test ist ein umfassender Test, und um reale Softwareentwicklungsaufgaben zu testen, die mehrere verschiedene Sprachen abdecken. Das ist wirklich überraschend, wenn man bedenkt, dass Claude lange Zeit führend in Sachen Programmierfähigkeiten war. Wenn wir uns diese Benchmarks nun genauer ansehen, möchte ich euch etwas zeigen, das meiner Meinung nach bei weitem zu den beeindruckendsten Ergebnissen in Bezug auf Argumentation und Wissen gehört. Eines der wichtigsten Dinge, bei denen Google Gemini Pro hervorsticht, ist ein Benchmark, mit dem viele andere Modelle noch nicht aus dem Rahmen gefallen zu sein scheinen. Wir können hier also sehen, dass dies die letzte Prüfung der Menschheit ist und dass es sich um ein anspruchsvolles Modell handelt. Ein Benchmark, der entwickelt wurde, um die Grenzen von KI Systemen zu testen. Er wurde gemeinsam vom Center for ion Safety und Scale Eye erstellt. Er besteht aus 3000 eindeutigen und leicht überprüfbaren akademischen Fragen aus den Bereichen Mathematik, Geisteswissenschaften und Naturwissenschaften. Diese Prüfung wurde mit Beiträgen von Fast Fachexperten aus über 500 Einrichtungen in 50 Ländern entwickelt, hauptsächlich Professoren, Forscher und Hochschulabsolventen. Dieser Benchmark wurde als Reaktion auf die rasanten Fortschritte der KI entwickelt, die bei vielen verschiedenen Benchmarks bereits 90 Prozent erreicht hat. Damit ist natürlich die Sättigung erreicht. Ich sage Das ist so beeindruckend, weil nur 10 Prozent der Fragen sowohl Bild als auch Text erfordern, während 90 Prozent textbasiert sind. Dazu gehört auch der Schwierigkeitsgrad Experte. Diese Fragen sind absichtlich anspruchsvoll, oft so anspruchsvoll, dass die meisten Studenten nicht einmal verstehen würden, was gefragt wird. Dennoch erreicht Google Gemini 18,8 Prozent und der Test ist tatsächlich recht breit gefächert. Dieser Benchmark umfasst unter anderem Chemie, Ökologie, reine Mathematik, Althebräisch, Raketenwissenschaft, griechische Mythologie und fast alle organisierten Studienfächer. Das Verrückte daran ist, dass es für diesen Test Antworten gibt, die aber nicht schnell über das Internet beantwortet werden können. Sie erfordern tatsächlich sehr gutes Denkvermögen und natürlich wird er als die letzte Prüfung der Menschheit bezeichnet, weil dies möglicherweise der letzte Benchmark für Allgemeinwissen ist, den Menschen ohne Key Unterstützung erstellen und bewerten können. Dass Google Gemini 2.5 Pro 18 Prozent über Open Mini und Core 3.7 so nett liegt, zeigt mir, dass sie in puncto Argumentation etwas wirklich Gutes getan haben. Wir haben uns nun die offiziellen Benchmarks angesehen, doch werfen wir noch einen Blick auf einige Benchmarks, die man nicht fälschen kann. Wenn wir uns dem großen Bereich der Sprachmodelle zuwenden, dem Benchmark, der tatsächlich untersucht, was echte Nutzer tagtäglich verwenden, sehen wir etwas ziemlich Gemini 2.5 pro schneidet bei vielen Benchmarks in Bezug auf menschliche Interaktion tatsächlich hervorragend ab. Wir haben uns also gerade die Benchmarks angesehen und Gemini 2.5 Pro hatte keine herausragenden Bereiche, da wir natürlich die Benchmark Sättigung erreicht haben. Wir können jedoch feststellen, dass in dem Bereich, in dem Nutzer jeden Tag verschiedene Key Modelle verwenden, Gemini 2.5 Pro am häufigsten verwendet wird. Das Verrückteste daran ist, dass der Elo Sprung tatsächlich ziemlich groß ist. Dieser betrug tatsächlich 40 Punkte, was bedeutet, dass dies der größte Punktesprung eines Key Modells war, den es je gab. Sie haben hier also eindeutig etwas Neues geschaffen. Ich bin mir nicht sicher, wie Sie es geschafft haben, dieses Modell so schnell zu veröffentlichen, aber dieser Elo Sprung ist wirklich beeindruckend, wenn wir uns auch den Bereich Vision ansehen. Und wie ich bereits sagte, ist Vision eine extrem unterschätzte Form der Key Nutzung, da viele Leute nicht wirklich Bilder analysieren wollen. Aber glaubt mir Leute, in ein paar Jahren wird dies weitreichende Auswirkungen haben. Es gibt so viele Dinge, die man mit Vision machen kann. Man kann es beispielsweise bitten, ein Video zu analysieren. Man kann es bitten, bestimmte Dinge in einem Bild hervorzuheben. Man kann es bitten, Dinge in einem Bild zu verändern. Die Möglichkeiten sind schier endlos und ich denke, dass Vision Modelle dem Text wirklich hinterherhinken, da die Leute einfach nicht so viele verrückte Anwendungsfälle dafür sehen. Aber im Vergleich zu all diesen anderen Modellen ist es wirklich sehr beeindruckend, wieder einmal einen so großen Sprung zu machen. Eine weitere Sache, die ich wirklich beeindruckend finde und die mir dass Google allen anderen KI Unternehmen dicht auf den Fersen ist, ist die Tatsache, dass sie es geschafft haben, alle anderen im Bereich der Webentwicklung zu übertreffen. Dies ist natürlich der Bereich der Webentwicklung, in dem es nicht überraschend ist, dass das führende Modell Claude 3.7 Sonic mit großem Abstand ist. Das ist ziemlich überraschend, da Google in diesem Bereich der Programmierung tatsächlich vom achten auf den zweiten Platz aufgestiegen ist. Der Grund, warum dies ziemlich beeindruckend ist, ist, dass wir noch nie ein anderes Modell gesehen haben, das auch nur annähernd an das herankommt, was Claude zu bieten hat, und das zum ersten Mal überhaupt. Und das ist jetzt eine Key, die ich tatsächlich in meinen Workflows verwende. Das ist definitiv eine, für die ich einige wichtige Key Workflows in meiner Community veröffentlichen werde, um allen zu zeigen, wie man sie nutzen kann. Und das habe ich heute bereits getan, als ich den ultimativen Spickzettel für Gemini 2.5 Pro veröffentlicht habe. Vergesst nicht, meine Community zu besuchen. Das ist der erste Link in der Bio, falls ihr tatsächlich darauf zugreifen wollt. Einer der Benchmarks, auf den ich wirklich gespannt bin, ist der Simple Benchmark. Simplebench ist im Wesentlichen ein Benchmark, der feststellen soll, ob eine KI wirklich denkt oder nicht. Eines der Probleme ist, dass diese KI Systeme auf eine Art und Weise kommunizieren, die den Anschein erwecken kann, als würden sie denken. Ein zentrales individuelles Problem, das eine Person entdeckt hat, war, dass man oft nicht erkennt, dass das Modell nicht wirklich denkt, sondern Denkschritte aus anderen Fragen nachzeichnet. Das bedeutet, dass es sich nur um das Problem handelt und nicht wirklich analysiert, was in dieser Prüfung richtig sein sollte. Ich denke, man könnte dies nicht als eine Art ARG AGI Test bezeichnen, sondern als eine Art Test für menschliches Denken, wobei der menschliche Ausgangswert bei 83 Prozent liegt. Der aktuelle Maßstab Clot 3.7 der für Denken festgelegt wurde, erreicht nur 46 Prozent. Viele dieser Fragen sind für Menschen leicht zu beantworten, da wir meiner Meinung nach ein grundlegendes Verständnis von Physik haben. Eine der Fragen lautet Wie viele Eiswürfel sind nach zwei Minuten noch übrig, wenn man Eiswürfel für etwa fünf Minuten in Flammen aufgehen lässt? Oftmals werden diese Keys ausgetrickst und glauben, dass noch Eiswürfel vorhanden wären. Sie fangen dann an zu argumentieren und eine Menge mathematischer Berechnungen anzustellen, obwohl man auf den ersten Blick weiß, dass keine Eiswürfel mehr vorhanden sind. Darauf bin ich wirklich gespannt, denn als wir das letzte Mal Modelle hier hatten, die wirklich gut abgeschnitten haben, erreichten sie etwa 46 Prozent. Ich bin also wirklich gespannt, wie gut das Modell abschneidet. Wenn wir uns nun den Coding Bereich ansehen, hat Google eine Reihe verschiedener Demos veröffentlicht. Man sieht hier gerade, wie jemand eine HTML-Datei mit einer Simulation der Reflexion eines Nebels haben möchte. Er geht zu Google Eye Studio, Sie geben diese Eingabeaufforderung ein und dann kann diese Key diesen One Shot mit einer Reihe verschiedener Codezeilen einfach ausführen. Zuerst codiert sie also die erforderliche App und wenn Sie dies dann kopieren und in HTML auf Codepen einfügen, können Sie sehen, dass diese Simulation hier ist, sobald Sie auf Enter klicken. Dies ist eine wirklich interessante Fähigkeit der KI, so gut codieren zu können. Wir haben auch die Mudler Set Demo. Wieder einmal können Sie p JS sagen, um ein Mandler Set zu untersuchen und dann beschließt die Person natürlich erneut Gemini 2.5 Pro anzufordern. Wieder einmal denkt sie jetzt nach und wirklich interessant ist, dass Sie im Gegensatz zum Modell von OpenAI tatsächlich die Gedankenketten sehen können. Sie können genau sehen, worüber sie nachdenkt und dann können Sie natürlich sehen, dass Sie, wenn Sie dies erneut verwenden und auf Play klicken, die Mandler Demo erhalten. Dies ist natürlich ein bekanntes Muster in der Mathematik und es läuft einfach immer weiter, was sehr, sehr interessant ist. Aber diese Dinge sind überhaupt nicht einfach zu kodieren. Dies ist Natürlich eine interaktive Plot Demo, die Gemini 2.5 Pro erstellen konnte. Sie sehen, wie ein animiertes Blasendiagramm mit Plotly Express erstellt wurde, das darüber spricht, wie sich Wirtschafts und Gesundheitsindikatoren im Laufe der Jahre für jeden Kontinent entwickelt haben. Noch einmal zum Wenn Sie diese Modelle verwenden möchten, sollten Sie sich unbedingt ansehen, wie das Modell denkt. So können Sie feststellen, ob das Modell mit der gleichen Art von Logik argumentiert, die Sie für diese Aufgabe verwenden. Sie sehen hier, dass nach dem Klicken auf Abspielen etwas Interessantes erstellt wird. Sie sehen, dass dieses interaktive Diagramm erstellt wird. Dies ist also etwas, das mit einer Eingabeaufforderung sofort erstellt wurde und es ist wirklich sehr interessant, da es für verschiedene Anwendungsfälle geeignet ist. Vielleicht möchten Sie schnell einige Daten visualisieren, die Sie zur Hand haben. Ich würde Ihnen auf jeden Fall empfehlen, dies zu tun, da ich es ständig mache. Sie haben beispielsweise die Hohlräume in der Hexagon Demo PGS ohne HTML, ein Schwarm von 30 bunten Jungs, die in einem rotierenden Sechseck schwimmen. Auch dafür können Sie das Modell verwenden. Klicken Sie einfach auf Ausführen und gehen Sie zu Denken. Dort sehen Sie, wie es schnell über verschiedene Dinge nachdenkt. Ich denke, Sie verstehen, worum es geht. Das Modell ist eindeutig umfassend, da es eine Reihe verschiedener Dinge auf unterschiedliche Weise tun kann. Und wie ich bereits sagte, verwende ich dieses Modell auf jeden Fall, um zu sehen, ob Sie eine Vielzahl verschiedener Dinge tun können, die Sie zuvor nicht konnten, wenn man bedenkt, dass viele Einzelpersonen dieses Modell an der Spitze verwenden. Lassen Sie mich also insgesamt wissen, was Sie über Gemini 2.5 Pro denken. Denken Sie, dass Google es wieder geschafft hat. Ich denke auf jeden Fall, dass Sie in Bezug auf die Führung des KI Rennens ganz vorne mit dabei sind. Ich denke aber auch, dass es in der KI-Branche ein paar Veränderungen gibt, die definitiv verändern werden, wie wir diese Tools verwenden. Wenn euch dieses Video gefallen hat, dann vergesst nicht ein Like unter dem Video zu hinterlassen und ich sehe euch beim nächsten Mal.