Gemini 2.5 Pro — новый лидер рынка AI моделей

История повторяется: Google выпустила Gemini 2.5 Pro. Та самая модель, которая недавно взлетела в рейтингах LMArena под именем Nebula, обгоняя конкурентов на 40 баллов. 

В отличие от навороченных Claude с их дорогущими RAG-системами, Gemini – тот случай, когда технология действительно пригодится в жизни. 

Большинство ИИ сейчас – как говорящие попугаи: повторяют заученное, но не вникают в суть. А те, что пытаются «мыслить», упираются в ограничения памяти. 32 тысячи токенов контекста. Gemini же выглядит как попытка вырваться из этой ловушки. Попробовать модель бесплатно можно в Google AI Studio.

Вот как мы видим революционность Gemini 2.5 Pro 

Представьте, что вы пытаетесь объяснить ИИ свою задачу, а он забывает начало разговора на третьем предложении. Здесь — миллион токенов контекста прямо сейчас (и два миллиона скоро). Это как если бы нейросеть помнила всю вашу переписку за неделю, включая мемы и голосовые. Попробуйте запихнуть два дня чата из Telegram (≈200к токенов) в обычную модель — она сдастся на полпути.
Не просто «угадывает», а думает по-человечески
18,8% на их фирменном тесте — звучит скромно? Никаких скрытых подсказок — только чистый анализ. Тут не про «напихали памяти ради цифр», а про реальное понимание связей.

Видит мир целиком, а не кусками
Большинство ИИ — как узкие специалисты: текст отдельно, картинки отдельно, код — третьим окном. Здесь же всё в одном окне:

• Обсудили задачу голосом?
• Прикрепили скриншот интерфейса?
• Дали ссылку на GitHub?

Добавили видео с багом?
…и она состыкует это в единую картину. Не надо танцев с RAG-системами — просто говорите как с коллегой.

Пишет код
63,8% на SWE-Bench — это когда модель не просто дописывает функции, а понимает, как должен работать весь проект. Для тех, кто пишет «сделай мне TikTok за 5 минут» — может, и не идеал, но уже ближе к мечте.

Недавно Tencent и DeepSeek представили обновленные ИМ — и какое-то время казалось, что они задают новый уровень. Tencent хвастается удвоенной скоростью генерации текста, правда, с оговорками: в ответах часто мелькает китайский, а знания модели ограничены информацией до 2023 года. DeepSeek, в свою очередь, усилил навыки в программировании. Их компактные версии моделей, вероятно, станут популярными для локального использования, как это было с deepseek-coder-v2:16b.

И тут Google, словно в кино, выходит на сцену с неожиданным решением. Да, DeepSeek хорош в коде. Но как он сможет тягаться с Gemini, которая умеет анализировать целые репозитории без сложных надстроек вроде RAG? 

И главный вопрос: как Nvidia превратит этот ажиотаж в прибыль? Ведь их железо — основа для всех этих моделей. Держим пари, что они уже готовят презентации с лозунгами вроде «Ускорьте ваши ИМ с нашими новыми чипами!».

А что думаете вы? Где, по-вашему, будет прорыв следующим — в скорости, доступности или масштабах задач?