前Google技术专家剖析Gemini 2.5 Pro登顶背后底层逻辑

从去年被OpenAI的4o模型“精准狙击”，到今年Gemini 2.5 Pro全面霸榜，Gemini完成了从追赶者到领跑者的逆转。《硅谷101》创始人泓君邀请两位前Google技术专家，深入探讨Gemini 2.5 Pro登顶背后的底层逻辑，解析大语言模型训练策略及各模型能力差异原因。

Gemini 2.5崛起的底层逻辑
《硅谷101》创始人泓君询问Energent.ai联合创始人Kimi Kong，谷歌发布的Gemini 2.5 Pro在各项评测中数据领先的原因。Kimi表示，虽已离开DeepMind近一年，但大语言模型训练基本步骤不变，包括Pre-training（预训练）、SFT （Supervised Fine-tuning，监督微调）和利用RLHF（基于人类反馈的强化学习）技术做的Alignment（对齐）。去年NeurIPS大会后，公开网络数据抓取殆尽，过去一年更多精力投入到对齐阶段，特别是强化学习方向。Google从Gemini 1到2积累了坚实基座模型训练经验，且更加重视强化学习，启动“让AI批判AI”机制。Kimi认为，Gemini 2.5训练中可能引入更多此类强化学习策略，使其在编程、数学等高确定性任务中表现出色。

Anthropic代码生成质量高的原因
泓君提到去年大模型训练趋势，各家在预训练基础上加入后训练，许多模型推理或代码能力提升，Google也强调代码生成质量提升，好奇Anthropic生成代码质量优于其他家的原因。Kimi从大语言模型训练三步骤分析，预训练阶段数据配比无行业共识，猜测Anthropic将代码优先级设得最高，投入大量高质量代码数据，使模型基座编程能力强。在对齐环节，不同团队优先级不同，猜测Anthropic内部将编程设为第一优先级，在各训练环节都倾向引入更多编程训练，导致其Coding能力强，但其他能力稍有欠缺。Kimi还举例，用同一段提示词让Gemini、ChatGPT、Claude等输出市场营销文案，OpenAI的最有调性，Claude的则很枯燥，他认为这是数据配比问题，Anthropic在代码问题上思考更多。

DeepMind此前的重点及当前进展
泓君询问DeepMind之前的重点，Kimi称DeepMind一直追求综合能力，在编程、数学、推理、写作等多维度都有较强表现，为此设定通用评估指标体系。不过，过去DeepMind在写代码方面相对薄弱，所以在编程上投入更多精力和资源，如今在代码能力上已追上Anthropic。对于推理能力，Kimi表示在其离开Google时，Google推理模型优先级不高，当时Google还在追赶OpenAI的写作和问题解决能力。