一、背景：从”理解信息”到”让信息有用”#

Pichai 在发布里给 2.0 定了性：如果说 Gemini 1.0 是组织和理解信息，那么 2.0 是让信息变得更有用。这话翻译一下就是——AI 不能只当问答机，得能替你干活。

这个转向有清晰的时代压力：2024 年 OpenAI 已把 ChatGPT 推向 Agent 化，Anthropic 也发布了 Claude 的 Computer Use（计算机操作）能力；Google 手里握着搜索、地图、Gmail、Android 这些 Agent 最需要的”工具生态”，却一直被诟病”模型会答不会做”。2.0 就是 Google 对”AI 该替你干活”这场竞赛的正面回应——而且它有一张别人没有的牌：自家产品矩阵就是最好的 Agent 试验场。

干活的前提有三个：看得懂世界（多模态）、叫得动工具（tool use）、记得住上下文（长语境）。2.0 正好把这三样一次性补齐。此前 1.5 Pro 已经铺好 1M 上下文和 MoE 架构的底子，2.0 是在这上面把”行动力”做出来的一代。

二、核心能力：原生工具调用 + 原生多模态输出#

原生工具调用（native tool use） 是 2.0 的立身之本——模型在预训练里就把”调用工具”当作一等公民能力，而不是靠提示词工程拼装。2.0 Flash 能原生调用 Google 搜索、代码执行、以及第三方用户自定义函数，不需要外部编排层。这是 Agentic 路线的地基：模型自己决定什么时候搜、什么时候跑代码、什么时候调 API。

原生多模态输出 是另一根支柱。此前 Gemini 只擅长多模态”输入”（读图、听音频），2.0 首次实现原生”输出”：原生图像生成（图片和文字在同一个输出流里混排）和 原生音频输出（可控的多语言文本转语音，TTS）。

配套发布了一个面向开发者的 Multimodal Live API：支持实时音视频流输入，让开发者做出”对着摄像头边看边聊”的交互式应用——这是后来 Project Astra 式实时助手的 API 底座。

三、关键成绩：以 1.5 的速度跑出 1.5 Pro 的性能#

• 2.0 Flash 在关键基准上以两倍于 1.5 Pro 的速度反超 1.5 Pro——这是 Gemini 历史上第一次”轻量级反杀旗舰级”；
• 同日上线 Deep Research：基于长语境 + 多步推理的自主研究 Agent，帮用户调研复杂主题并自动出报告；
• 算力侧，2.0 完全跑在自研 Trillium（第六代 TPU） 上，“模型-系统-硬件”三位一体从此闭环。

三个 Agent 原型 是这场发布会真正的主角：

• Jules：整合进 GitHub 工作流的编程 Agent，能修 bug、写代码、在开发者监督下自动开 PR；
• Project Mariner：浏览器 Agent，理解网页里的文字、代码、图像和表单并替你操作，在 WebVoyager 基准上拿到 83.5%；购物等敏感操作强制要用户确认；
• Project Astra：实时多模态通用 Agent，能用搜索、镜头、地图等工具，具备 10 分钟会话记忆，并开始给原型智能眼镜测试。

“Agentic”的三个落点 值得拆开看：Jules 证明了 Agent 能进开发流程（写代码的 Agent），Mariner 证明了 Agent 能操作真实网页（浏览器的 Agent），Astra 证明了 Agent 能理解实时世界（多模态的 Agent）。三者合起来，勾勒出 Google 对”通用助理”的完整想象——不是聊天框里多几个按钮，而是模型真的接管一段任务流。

四、技术底座：Trillium 与”三位一体”闭环#

2.0 有一个常被忽略但极其重要的技术事实：它 100% 运行在自研第六代 TPU——Trillium 上，从训练到推理全链路自研算力，当天 Trillium 也同步对云客户开放。Pichai 称之为”十年全栈创新投入的回报”。“模型-系统-硬件三位一体”（Gemini 发展史总结的第四条方法论）至此真正闭环——此后 Gemini 每个登顶时刻，都建立在自研算力底座上，不再依赖英伟达供应链。

官方口径还有一个低调的技术注脚：2.0 Flash Thinking——一个展示推理过程的实验版，让模型”边想边说”。它后来被视作 Gemini 思考模型的第一个胎动，2.5 的”thinking model”正是从它演进而来。

五、2.0 全家族（2025.02.05）：Flash / Pro / Flash-Lite 三档齐发#

• 2.0 Flash GA：定价 $0.10/百万输入 token，成为主力工作模型；
• 2.0 Pro（实验版）：当时最强的编码与复杂指令模型，2M token 上下文——一次能读完《哈利·波特》全 7 册，这是 Gemini 长上下文能力的新天花板；
• 2.0 Flash-Lite：最性价比的轻量版，$0.075/百万输入 token（缓存后低至 $0.01875），质量仍优于 1.5 Flash。

三档布局的潜台词很清楚：Flash 打日常、Pro 打复杂、Flash-Lite 打规模。这种”按价格-能力-延迟分档”的产品矩阵，后来被 2.5、3 代全盘继承。

六、生态与影响：产品矩阵全面接入#

2.0 从发布起就快速铺进 Google 全家桶：Gemini App、搜索的 AI Overviews（AI 摘要）、NotebookLM。当年 AI Overviews 月活已破 10 亿，2.0 把多步推理能力灌进搜索，让用户能问”更复杂的问题”。此外 2.0 的 Agent 触角还伸向游戏（配合 Genie 2 造可玩 3D 世界，与 Supercell 合作做游戏内智能体）和机器人（探索把空间推理用在现实世界）——Agent 不只是写代码，还有数字与物理世界的双重野望。

对开发者而言，2.0 Flash 实验版发布当天就通过 Gemini API（Google AI Studio + Vertex AI）开放，全部开发者可用多模态输入 + 文本输出，TTS 和原生图像生成向早期合作方开放，2025 年 1 月全面开放。这个”实验版先行、开发者优先”的节奏，和 Gemini App 端”模型下拉菜单可选 2.0 Flash”同步进行——2.0 是 Gemini 第一次把”开发者生态”和”消费者产品”在同一天拉齐，也为 2.5/3 代的”预览-迭代-GA”节奏定了调。

七、局限#

2.0 的 Agent 能力还很”原型”：Mariner 承认”并不总是准确、完成任务速度很慢”；Jules 只面向受信任测试者。原生图像和音频输出一开始仅对早期合作方开放。更重要的是，2.0 依然是”快”的模型——它把 Agent 的地基打好，但”深度思考”要到 2.5 才补上。换句话说，2.0 能”动手”但”脑子”还不够深，这个缺口被 2.5 精准接住。

收尾：我的一点看法#

2.0 最容易被忽略的价值，是它把”Agent”从一个演示概念变成了工程事实。原生工具调用这个选择尤其关键——它不是给模型外挂一个 tool-calling 层，而是把工具使用烙进模型本体，这让 Jules、Mariner、Astra 这类 Agent 有了统一的行动底座。放到 Gemini 发展史的坐标里，2.0 是”聊天”到”真实智能体”的第一级台阶，虽然还很毛糙，但方向对了。回头看，Mariner 那个 83.5% 和 Astra 的 10 分钟记忆，正是后来 3 系真实 Agent 能力的原始胚胎。

一、背景：被”快但不深”卡住的 Gemini#

2.0 把速度拉到极致，但 Gemini 的推理深度一直被诟病”不如 OpenAI 的 o 系列”。2024 年 9 月 OpenAI o1 发布，把”推理时思考”变成行业新范式，随后 DeepSeek R1 证明开源也能做。Google 需要正面回应：让 Gemini 也会思考。

这里有个时间压力：2.0 Flash Thinking 虽然存在，但只是”展示思路”的实验品，没有系统化的推理能力；而竞争对手的”思考模型”已经是产品。Google 内部显然把”会不会思考”提升到了战略高度——2.5 的发布博客开篇就写”going forward, we’re building these thinking capabilities directly into all of our models”（今后要把思考能力直接内建进所有模型）。这句话后来被证明不是口号：2.5 之后，Gemini 的每代模型都默认带思考，3 系甚至把它做成可调旋钮。

二、核心能力：思考模型与可调思考预算#

2.5 Pro 是 Gemini 第一个官方定义的思考模型（thinking model）——在给出最终回答前，先在内部做一段推理。官方口径是：不是简单的 chain-of-thought 提示，而是把”先想后答”内化成模型能力，配合强化学习把推理计算用在刀刃上。技术报告口径（虽无正式论文，但有公开技术报告）显示，2.5 系列显著增加了分配给强化学习的训练计算，并结合可验证奖励（verifiable reward）与基于模型的生成奖励，提供更复杂、可扩展的反馈信号；同时优化了大规模训练稳定性、信号传播与优化动态——这批”训练稳定性工程”是它在长推理下不掉链子的幕后功臣。

架构层面，2.5 系列是**稀疏混合专家（sparse MoE）**模型，原生支持文本、视觉、音频输入；它还是 Google 第一个在 TPU v5p 上训练的模型系列（此前是 v4/v5e），用同步数据并行在多个数据中心的 8960 芯片 pod 上预训练。预训练数据是覆盖网络文档、代码、图像、音频、视频的大规模多模态语料，截止时间从 2.0 的 2024 年 6 月推进到 2025 年 1 月。单条 2.5 的路程很短，但它在长上下文上延续了 1.5 的遗产：1M token 输入的处理能力在同期是独一档（OpenAI o3-mini 等同期模型多为 128K 档）。

更关键的设计在 思考预算（thinking budget）：开发者可以控制模型”思考多久、花多少 token 再回答”。这条是 Gemini 后来”快慢两用”哲学的起点——同一个模型，想让它快就压低预算，想让它深就放开预算。

Deep Think 是这一代最激进的能力扩展（2025.05.20 I/O 发布）：使用 并行假设推理（parallel thinking） 技术——同时探索多个假设再收敛到答案，而不是一条链走到底。这是”思考模型”之上再加一层”并行思考”，专攻数学、竞赛级编程这类”需要多条思路撞一撞”的任务。

三、关键成绩#

2.5 Pro（2025.03.25，实验版）：

• LMArena 登顶 #1——首款登顶的 Google 模型，约领先第二名 40 ELO（当时约 1370 Elo）；
• SWE-Bench Verified 63.8%（智能体编码基准）、GPQA Diamond 84%（研究生级科学知识）、AIME 2025 86.7%（数学竞赛）、MMMU 81.7%、MRCR 长上下文 83.1%；
• 上下文最高 1M token。

基准对照（2025.03 时点，官方口径）：

注：官方明确 2.5 Pro 在数学上仍略逊于 OpenAI o4-mini、图像理解略低于 o3-high；LMArena 登顶更多来自人类偏好的综合风格，而非全面碾压——这个口径在理解”登顶”含义时很重要。

2.5 Flash（2025.04.17）： 第一个可切换思考预算的混合推理模型——日常任务可以不开思考直接答，复杂任务放开预算深想。

2.5 Pro Deep Think（2025.05.20）：

• 2025 USAMO 数学竞赛 49.4%（当时最难的数学基准之一）；
• LiveCodeBench 80.4%、MMMU 84.0%；WebDev Arena ELO 1415 登顶。

2.5 Pro / Flash GA（2025.06.17）： 上下文扩至 2M token，思考预算全面可调，新增原生音频输出；定价 $1.25/百万输入、$10/百万输出（超长上下文档 $2.50/$15）。

2.5 Deep Think（2025.08.01）： 并行推理正式产品化，面向 AI Ultra 订阅用户开放，USAMO、LiveCodeBench 保持领先。

四、生态与影响#

2.5 Pro 成为 Gemini App 高级用户的默认模型，也是当时编码社区公认的最强模型之一。I/O 2025 上，2.5 系列还接入了 原生音频输出、思考摘要（thought summaries）和 MCP 工具支持。长上下文 + 视频理解成为它的招牌组合：单次调用可处理长达 3 小时的视频内容，MRCR（多轮指代消解）等长上下文基准拿到 83.1%。更重要的是，2.5 完成了”思考模型（默认）+ 可调预算（Flash）+ Deep Think（并行扩展）“的三件套设计——这个”深度与速度解耦”的框架，直接定义了后面 3 系的模型形态。对比同期竞品：OpenAI o 系列固定走”思考模式开/关”两态，DeepSeek R1 是”超长思考”一条路，Gemini 2.5 第一个把思考深度做成了连续可调的旋钮。

另一个容易被忽视的生态动作：2.5 Pro 整合了 LearnLM（Google 与教育专家共建的模型家族），在教育评测中成为”学习导向”模型的领先者，head-to-head 评测中教育专家更偏爱 2.5 Pro。这说明 2.5 不只是”能思考”，还开始往”会教人思考”的方向渗透——Google 把思考能力向教育、办公这类垂直场景下沉的动作，从这一代就开始了。

五、局限#

思考模型天然”慢且贵”：2.5 Pro 的响应延迟明显高于 2.0，Deep Think 更是分钟级；官方也承认 Deep Think”处于技术前沿，需要额外时间做前沿安全评估”，发布初期只对受信任测试者开放。思维链的透明性问题（是否展示完整推理过程）被社区反复讨论，Google 最终以”思考摘要”折中。定价上 $1.25/$10 也明显高于 2.0，且 2.5 Pro 在数学上仍略逊于 OpenAI o4-mini、图像理解略低于 o3-high——登顶不意味着全面碾压。另外 2.5 的”思考”还是单模型内完成，没有达到 3 系”思考量可调 + 混合推理”那样系统化的程度。

收尾：我的一点看法#

2.5 是 Gemini 体系里真正的”转折点”：它用一次 LMArena 登顶，终结了”Google 只会堆工程不会做推理”的质疑；用思考预算，提前抢占了”思考深度与速度解耦”这个后来全行业都抄的方向。回头看 DeepSeek 同期的 R1 走的是”开源 + 超长思考”，Gemini 走的是”闭源 + 可调思考”，两条路线各有拥趸，但 Gemini 这套”默认思考、可调预算、Deep Think 扩展”的三段式，后来被证明在工程上更好用——3 Flash 的混合推理就是它的直系后代。2.5 最大的遗产，是把”快慢两用”从口号变成了可配置的工程能力。

还有一个细节值得单独说：2.5 的发布节奏本身就是一次方法论升级。3 月 25 日实验版 → 5 月 I/O 加 Deep Think → 6 月 GA 推 2M 上下文，三个半月内完成”验证 → 扩展 → 稳定”的闭环。对比 1.5 时代”先预告再慢慢铺”，2.5 的”实验版快速迭代”路线明显更贴近 OpenAI 的发布节奏。这个”预览先行、快速 GA”的打法，后来成为 Gemini 3 系的标配——也是 Google 从”研究型发布”转向”竞争型发布”的转折信号。