Gemini 2.0霸榜，价格卷哭DeepSeek V3，性价比新王诞生！

大数据文摘受权转载自夕小瑶科技说

谷歌 Gemini 2.0 家族终于凑齐了！出手即霸榜。

在 Deepseek、Qwen 和 o3 的围追堵截下，今天凌晨，谷歌一口气连发了三款模型：Gemini 2.0 Pro、Gemini 2.0 Flash ，Gemini 2.0 Flash-Lite：

在大模型 LMSYS 排行上，Gemini 2.0-Pro 冲到了第一名，Gemini-2.0 家族都挺进了前 10。

先看模型性能

这次发布的 Gemini 2.0 三个模型性能上都有各自的亮点！

作为 Gemini 系列的旗舰模型，Pro 版本代表了当前 Google 最先进的 AI 能力，尤其在编码和推理方面表现出类拔萃的性能：

• 超大上下文窗口：支持高达2M tokens 的上下文处理能力

• 工具集成能力强大：深度整合 Google 搜索与代码执行功能

• 可用性说明：已在 Google AI Studio、Vertex AI 以及 Gemini Advanced 平台以实验版本形式上线
  

  这款模型定位为“高效主力模型”，设计上侧重于速度与性能的平衡，旨在为需要低延迟响应的应用场景提供理想支持：

  • 百万级上下文窗口：支持 1M tokens 上下文

  • 优秀的多模态推理能力：擅长处理多模态数据，目前支持多模态输入和单模态文本输入

  • 未来功能拓展：图像生成与文本转语音功能即将推出

  • 可用性说明：已在 Vertex AI Studio 和 Google AI Studio 平台正式发布，可通过 Gemini API 接入。

  
  Gemini 2.0 Flash-Lite (Preview)

  作为“最具成本效益”的模型，Flash-Lite 在速度、成本和性能之间实现了最佳平衡点。

  • 高性价比优势：与 1.5 Flash 相同速度和成本的前提下，多数基准测试中超越 1.5 Flash。

  • 百万级上下文窗口：同样支持 1M tokens 上下文处理能力。

  根据谷歌放出来的性能评估对比可以看出，Gemini 2.0 Pro Experimental 版本在几乎所有基准测试中都取得了最高分，表现出色：

  尤其是在代码生成任务（如 LiveCodeBench v5）和复杂数学问题（如代数、几何和微积分）上的表现尤为出色。此外，在复杂的长文档理解测试中，成绩也显著提升。

  再看定价

  从 API 性价比看，谷歌也是良心大厂。

  Gemini 2.0 Flash 的百万 Token 输入一块钱都不到。。。。支持多模态，支持联网搜索，更牛的是，前无古人的上下文窗口。

  作为对比的 Deepseek V3， 目前的价格是百万输入 1 块钱，R1 推理是 4 块钱。

  这真的太便宜了！相比性能，我觉得 Gemini 被忽略的是价格！

  case 表现

  既然号称和 Deepseek 一样能打，我们肯定要看看实际 case 表现咋样，看看各路网友们的测试整活儿吧 ～

  基于物理引擎的弹球游戏

  先看看这个爆火的 case，使用物理引擎模拟逼真的碰撞、摩擦、重力等效果。

  提示词：编写一个 Python 程序，显示球在旋转的六边形内弹跳。球应该受到重力和摩擦力的影响，并且必须逼真地从旋转的墙壁上反弹

  这是 Deepseek R1 和 o3-min 的表现：

  Gemini 2.0 Pro Experimental 生成的版本：

  文如老狗！和 o3 mini 不相上下。

  Gemini 2.0 Flash：

  呃，翻车了。

  Gemini 2.0 Flash-Lite ：

  一上来就翻。

  难度加倍！让小球变成 100 个小球！

  提示词：为球体内 100 个弹跳的亮黄色球编写脚本，确保正确处理碰撞检测。使球体缓慢旋转。确保球保持在球体内。在 p5.js 中实施

  嗯！不错呀！球体缓慢旋转很流畅，模拟物理规律也很优秀，100 个小球也在“各司其职”地稳稳碰撞 ～

  再来一个：

  编写一个 p5.js 脚本，模拟在一个圆柱形容器的真空空间中反弹的 25 个粒子。每个球使用不同的颜色，并确保它们留下轨迹来显示它们的运动。添加容器的缓慢旋转，以便更好地观察场景中发生的事情。确保创建适当的碰撞检测和物理规则，以确保粒子保持在容器内。添加一个外部球形容器。为整个场景添加一个缓慢的放大和缩小效果。

  
  绕不过去的草莓考题

  还有聪明（狡猾）的网友又甩出了经典的草莓考题：

  How many r's are there in strawberry

  但是！结果非常令人意外，Gemini 2.0 Pro Experimental 竟然答错了！

  而 Gemini 2.0 Flash Thinking Experimental 却答对了：

  Google DeepMind 和 Google Research 的首席科学家 Jeff Dean 还测试了一波 Gemini 2.0 Pro 的编程能力：

  让模型完成经典的 Boggle 游戏，第一次生成的代码就完成了在 “字母方块” 的游戏中找到所有有效的单词：

  而且，Jeff Dean 说这个代码完成的耗时只有 18.9 秒，速度非常快。

  谷歌 DeepMind CEO 对这次模型的大更新信心满满，称这次发布的工作是为谷歌实现未来的未来智能体工作奠定了基础：

  Google CEO 桑达尔·皮查伊之前明确表示，2025 年将是谷歌在 AI 领域加速发展的关键时期。感觉这次发布后，谷歌的路线更加清晰了！

  相较于其他巨头的路线，谷歌的 AI 路线 更注重实用，直接提供多版本选择，就像 一个 AI 工具箱，任你挑选，按需选择，灵活方便，各种需求都能满足 ～

  家人们用上新模型了吗？欢迎评论区和我们一起讨论 ～

  参考文献
  https://developers.googleblog.com/en/gemini-2-family-expands/?linkId=12807127

  GPU算力按需租用

  A100/H100 GPU算力按需租用，

  秒级计费，平均节省开支30%以上！

  扫码了解详情☝