Gemini 2.5 Pro

Veröffentlichung

Juni 2025

Knowledge Cutoff

Januar 2025

Parameter

Unbekannt

Modellfamilie

Gemini 2.5 Pro

Proprietär

Zum Modell

Gemini 2.5 Pro Modell-Übersicht

Playground API Referenz Blog Model Card Technischer Report

Features

Tools

Websuche, Bildgenerierung, Computer Use und MCP-Server.

Multimodalität

Das Modell kann Text, Bilder, Audio und PDFs als Input verarbeiten.

Finetuning

Finetuning des Modells ist aktuell nicht möglich.

Details zum Modell

Max. Input

1,05 Mio. Token

Max. Output

65,54k Token

Trainingsdaten

Unbekannt

Parameter

Unbekannt

Input Preis

$1.25

Output Preis

$10.00

Vokabular

Unbekannt

Dateigröße

Unbekannt

Gemini 2.5 Pro Benchmark Scores

Im KI-Kontext bezeichnet Performance die Leistungsfähigkeit eines Modells in Bereichen wie Sprachverständnis, Logik oder Programmierung – gemessen anhand standardisierter Benchmarks zur objektiven Vergleichbarkeit.

Gemini 2.5 Pro Benchmark Übersicht

Überblick über die Leistungsfähigkeit des Modells in verschiedenen Benchmark-Tests.
Serie	Programmierung (min 0 / max 100)	Wissenschaft (min 0 / max 100)	Logik & Schlussfolgerung (min 0 / max 100)
Google DeepMind Gemini 2.5 Pro	72	86.4	54.8

Überblick über die Leistungsfähigkeit des Modells in verschiedenen Benchmark-Tests.

Ergebnisse in Benchmarks

Benchmark auswählen

Darstellung der Rohdaten für den Benchmark Aider Polyglot. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5	88 %
GPT-5 Pro	88 %
Gemini 2.5 Pro	82,2 %
OpenAI o3	79,6 %
GPT-5 mini	71,6 %

Vergleich von LLMs im Benchmark Aider Polyglot. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark American Invitational Mathematics Examination 2025. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Grok-4 Heavy	100 %
GPT-5	99,6 %
Grok-4	98,8 %
GPT-5 mini	91,1 %
OpenAI o3	88,9 %
Gemini 2.5 Pro	88 %
DeepSeek-R1-0528	87,5 %
Claude Sonnet 4.5	87 %

Vergleich von LLMs im Benchmark American Invitational Mathematics Examination 2025. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Graduate-Level Google-Proof Q&A Benchmark - Diamond Subset. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GPT-5 Pro	88,4 %
GPT-5	87,3 %
Gemini 2.5 Pro	86,4 %
OpenAI o3-pro	84 %
Claude Sonnet 4.5	83,4 %

Vergleich von LLMs im Benchmark Graduate-Level Google-Proof Q&A Benchmark - Diamond Subset. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Grok-4 Heavy	44,4 %
Grok-4	38,6 %
GPT-5	35,2 %
GPT-5 Pro	30,7 %
OpenAI o3	24,9 %
Gemini 2.5 Pro	21,6 %

Vergleich von LLMs im Benchmark Humanity's Last Exam. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark LiveCodeBench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
GLM-4.6	82,8 %
Grok-4 Heavy	79,4 %
Grok-4	79,3 %
Gemini 2.5 Pro	74,2 %
Qwen3 235B A22B Thinking 2507	74,1 %
DeepSeek-R1-0528	73,3 %

Vergleich von LLMs im Benchmark LiveCodeBench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

Darstellung der Rohdaten für den Benchmark SWE-bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.
Modell	Score
Claude Sonnet 4.5	77,2 %
GPT-5	74,9 %
GPT-5 Pro	74,9 %
GLM-4.5	64,2 %
Claude 3.7 Sonnet	62,3 %
Gemini 2.5 Pro	59,6 %
GLM-4.5 Air	57,6 %
GPT-5 nano	54,7 %

Vergleich von LLMs im Benchmark SWE-bench. Der niedrigste Score im Benchmark ist 0 % und der höchste Score ist 100 %.

‌
‌

Technologie & Daten

Technische Spezifikationen

Architektur	Hybrider MoE-Transformer
Input Kontextlänge	1,05 Mio.
Output Kontextlänge	65,54k
Tokenizer	SentencePiece-Unigram-Tokenizer

Besonderheiten

Besonderheit 1	Budgetiertes Denken
Besonderheit 2	Tool-Use Kapazitäten
Besonderheit 3	Großes Kontextfenster

Vorteile & Nachteile

Vorteile

Extrem großes Kontextfenster
Mit bis zu 1 Mio. Tokens kann Gemini 2.5 Pro ganze Codebasen oder Bücher als Input verarbeiten.
Unterstützt viele Modalitäten
Neben Text- und Bildeingaben kann Gemini 2.5 Pro auch Audio- und Video-Input nativ im selben Modell verarbeiten.
Flexibles Reasoning
Das hybride Reasoning-LLM lässt sich stufenweise konfigurieren, sodass hochkomplexe Aufgaben genauso sorgfältig bearbeitet werden, wie kleinere Tasks schnell umgesetzt werden können.

Nachteile

Geringe Output-Länge
Mit nur 64k Token ist die Länge des Outputs in Gemini 2.5 Pro stark eingeschränkt.
API für Entwickler unübersichtlich
Die Einrichtung sowie der Zugriff auf API-Schnittstellen ist bei Google deutlich umständlicher, als bei anderen LLM-Entwicklern.

Vergleiche Gemini 2.5 Pro mit anderen LLMs

Vergleiche Gemini 2.5 Pro mit anderen Sprachmodellen anhand wichtiger Metriken wie Kontextgröße, Parameteranzahl, Preisen und Benchmark-Leistung.

Entwickler	Modell⇅	Lizenz⇅	Parameter ⇅	Input-Tokens ⇅	Output-Tokens ⇅	Input-Preis ⇅	Output-Preis ⇅	GPQA
Z.ai	GLM-4.6	MIT	355 Mrd.	200k	128k	$0.60	$2.00	82,8 %
xAI	Grok-4 Heavy	Proprietär	Unbekannt	256k	256k	$3.00	$15.00	79,4 %
xAI	Grok 4	Proprietär	Unbekannt	256k	256k	$3.00	$15.00	79,3 %
Google DeepMind	Gemini 2.5 Pro	Proprietär	Unbekannt	1,05 Mio.	65,54k	$1.25	$10.00	74,2 %
Alibaba	Qwen3	Apache 2.0	235 Mrd.	262,14k	81,92k	$0.13	$0.60	74,1 %
DeepSeek AI	Deepseek-R1	MIT	671 Mrd.	163,84k	163,84k	$0.50	$2.15	73,3 %
Z.ai	GLM-4.5	MIT	355 Mrd.	131,07k	131,07k	$0.60	$2.20	72,9 %
Z.ai	GLM-4.5 Air	MIT	106 Mrd.	131,07k	131,07k	$0.20	$1.10	70,7 %
Google DeepMind	Gemini 2.5 Pro	Proprietär	Unbekannt	1,05 Mio.	65,54k	$0.30	$2.50	59,3 %
Anthropic	Claude Sonnet 4	Proprietär	Unbekannt	200k	64k	$3.00	$15.00	55,9 %

‌
Alle Modelle vergleichen

Provider & APIs

Du kannst Google DeepMind Gemini 2.5 Pro über die API folgender Anbieter nutzen.

Das Modell ist derzeit bei keinen Anbietern verfügbar.