Google、「最もインテリジェントなAIモデル」をうたう「Gemini 2.5」を発表　試験運用版モデルを提供開始：「Gemini 2.0 Flash Thinking」から大幅に進化したリーズニングモデル

　Gemini 2.5 Proは、100万トークンのコンテキストウィンドウを備え、前世代よりも強力なパフォーマンスを発揮する。膨大なデータセットを理解し、テキスト、音声、画像、動画、さらにはコードリポジトリ全体など、さまざまな情報源からの情報に基づいて複雑な問題を処理できる。

　Gemini 2.5 Pro Experimentalは、複雑なタスクのための先端モデルであり、人間の選好で評価されるLMArenaリーダーボードでは、かなりの差をつけて首位に立っている。下の表のように、一般的なコーディング、数学、科学のベンチマークでリードしており、強力なリーズニング能力とコーディング能力を示している。

　Gemini 2.5 Pro Experimentalは「Google AI Studio」に加え、「Gemini Advanced」ユーザー向けのGeminiアプリで利用可能になっており、Google Cloudの「Vertex AI」でも近く提供開始される。数週間以内に料金が発表され、大規模な本番利用ができるように、利用上限も引き上げられる見込みだ。

Gemini 2.5 Pro Experimentalと競合モデルのベンチマーク比較結果（提供：Google）

強化されたリーズニング

　Gemini 2.5 Pro Experimentalは上のグラフのように、高度なリーズニングを必要とするさまざまなベンチマークで先端レベルのパフォーマンスを示している。特に、何百人もの専門家で設計されたデータセットを使用し、リーズニングと知識がどれだけ人間に近づいているかを測るベンチマーク「Humanity's Last Exam」（人類最後の試験）では、ツールを使用しないモデルで18.8％のスコアを記録している。

　Googleは、これらのベンチマーク結果から、リーズニングと知識（Humanity's Last Exam）、科学（GPQA）、数学（AIME 2025）に関する結果を取り上げて以下のようにグラフ化している。

リーズニングと知識、科学、数学に関するGemini 2.5 Pro Experimentalと競合モデルのベンチマーク比較結果（提供：Google）

高度なコーディング

　Gemini 2.5 Proは、視覚的に説得力のあるWebアプリケーションやエージェントコードアプリケーションの作成に加え、コードの変換や編集に優れているという。エージェントコードを評価するベンチマークの業界標準である「SWE-Bench Verified」では、Gemini 2.5 Pro Experimentalはカスタムエージェントの構築で、上のグラフのように63.8％のスコアを記録している。

　Googleは「今後、全てのモデルにリーズニング能力を直接組み込むことで、より複雑な問題に対処し、より有能でコンテキストを認識するエージェントをサポートする計画だ」と述べている。