Google อ้างว่า Gemini 2.5 มีประสิทธิภาพเหนือกว่าโมเดลที่ดีที่สุดจาก OpenAI, DeepSeek และบริษัทเทคโนโลยี AI ยักษ์ใหญ่รายอื่นๆ

Google เพิ่งเปิดตัว Gemini 2.5 ซึ่งบริษัทเรียกว่า "โมเดล AI ที่ชาญฉลาดที่สุดเท่าที่มีมา" รุ่นแรกของรุ่นนี้คือ Gemini 2.5 Pro ซึ่งได้รับคะแนนเกณฑ์มาตรฐานที่น่าประทับใจในการทดสอบหลายครั้ง

Google อ้างว่า Gemini 2.5 มีประสิทธิภาพเหนือกว่าโมเดลที่ดีที่สุดจาก OpenAI, DeepSeek และยักษ์ใหญ่ด้านเทคโนโลยี AI รายอื่นๆ

Gemini 2.5 Pro พร้อมใช้งานแล้วผ่าน Google AI Studio และในแอป Gemini หากคุณเป็น ผู้ใช้ Gemini Advancedนอกจากนี้ Gemini 2.5 Pro จะวางจำหน่ายผ่าน Vertex AI ในอนาคตอันใกล้นี้

ขณะนี้ Google ยังไม่ได้เปิดเผยราคาสำหรับ Gemini 2.5 Pro หรือรุ่น Gemini 2.5 อื่นๆ

โมเดลทั้งหมดที่ใช้ Gemini 2.5 เป็น "โมเดลการคิด" ซึ่งหมายความว่าโมเดลเหล่านั้นสามารถประมวลผลกระบวนการคิดก่อนที่จะสร้างการตอบสนองได้ โมเดล "การใช้เหตุผล" เหล่านี้ถือเป็นก้าวสำคัญต่อไปในพื้นที่ AI เนื่องจากโมเดลเหล่านี้สร้างการตอบสนองที่ซับซ้อนยิ่งขึ้นและแม่นยำยิ่งขึ้น

Google กล่าวว่า"ขณะนี้ ด้วย Gemini 2.5 เราได้บรรลุถึงประสิทธิภาพในระดับใหม่ด้วยการผสมผสานโมเดลพื้นฐานที่ได้รับการปรับปรุงอย่างมีนัยสำคัญเข้ากับการฝึกหลังการใช้งานที่ได้รับการปรับปรุง "

“ในอนาคต เราจะสร้างความสามารถในการคิดเหล่านี้โดยตรงลงในโมเดลทั้งหมดของเรา เพื่อให้สามารถจัดการกับปัญหาที่ซับซ้อนมากขึ้นได้ และรองรับตัวแทนด้วยการรับรู้บริบทที่ดียิ่งขึ้น ”

Gemini 2.5 เปรียบเทียบกับโมเดล OpenAI ได้อย่างไร?

โมเดล Gemini 2.5 Pro ของ Google มีประสิทธิภาพเหนือกว่าโมเดลระดับสูงก่อนหน้าจาก OpenAI และ DeepSeek

คะแนนเกณฑ์มาตรฐานสำหรับ Gemini 2.5 ที่แบ่งปันโดย Google ถือว่าน่าประทับใจมาก Gemini 2.5 Pro Experimental ทำคะแนนได้ 18.5% ในการสอบ Humanity's Last Exam

คะแนนดังกล่าวหมายความว่า อย่างน้อยตอนนี้ Gemini 2.5 Pro Experimental เป็นโมเดลที่ดีที่สุดตามเกณฑ์ดังกล่าว คะแนนดังกล่าวแซงหน้า OpenAI 03-mini (14%) และ DeepSeek R1 (8.6%)

การทดสอบนั้นถือว่ายาก แม้ว่าจะไม่ใช่หนทางเดียวในการวัดประสิทธิภาพของโมเดล AI ก็ตาม

นอกจากนี้ Google ยังได้เน้นย้ำถึงความสามารถในการเขียนโปรแกรมของ Gemini 2.5 Pro และเกณฑ์มาตรฐานทางคณิตศาสตร์และวิทยาศาสตร์ของโมเดลนี้อีกด้วย ปัจจุบัน Gemini 2.5 Pro เป็นผู้นำในเกณฑ์มาตรฐานทางคณิตศาสตร์และวิทยาศาสตร์ เมื่อวัดผ่าน GPQA และ AIME 2025

สามารถเขียนโปรแกรมใน Gemini 2.5 ได้หรือไม่?

การเขียนโปรแกรมเป็นจุดเน้นหลักของ Gemini 2.5 Google อ้างว่า "เป็นก้าวกระโดดครั้งใหญ่จากรุ่น 2.0" และยังมีการปรับปรุงเพิ่มเติมอีกมากมายที่จะเกิดขึ้นในอนาคต

โมเดลใหม่ของ Google สามารถสร้างแอปเว็บและแอปพลิเคชันโค้ดเอเจนต์ได้ การสาธิตจาก Google แสดงให้เห็นการใช้ Gemini 2.5 Pro เพื่อสร้างเกมจากคำสั่งบรรทัดเดียว

4 เหตุผลว่าทำไม Gemini 2.5 Pro ของ Google ถึงมีความสำคัญต่อ AI ขององค์กร

นี่คือประเด็นสำคัญสี่ประการที่ควรคำนึงถึงสำหรับทีมองค์กรเมื่อประเมิน Gemini 2.5 Pro

1. การใช้เหตุผลอย่างมีโครงสร้างและโปร่งใส เป็นมาตรฐานใหม่สำหรับความชัดเจนของความคิด

สิ่งที่ทำให้ Gemini 2.5 Pro แตกต่างไม่ใช่แค่ความชาญฉลาดเท่านั้น แต่ยังรวมถึงความชาญฉลาดที่แสดงให้เห็นการทำงานของมันได้อย่างชัดเจนอีกด้วย วิธีการฝึกอบรมแบบทีละขั้นตอนของ Google จะสร้างกระบวนการคิดที่มีโครงสร้าง (CoT) ที่ไม่เหมือนกับการพูดจาเลื่อนลอยหรือการคาดเดา เช่นที่เราได้เห็นจากโมเดลเช่นDeepSeek CoT เหล่านี้ไม่ได้ถูกตัดทอนให้เป็นเพียงการสรุปผิวเผินเหมือนกับโมเดลของ OpenAI โมเดล Gemini ใหม่จะนำเสนอแนวคิดเป็นขั้นตอนที่มีหมายเลข พร้อมด้วยหัวข้อย่อย และตรรกะภายในที่ชัดเจนและโปร่งใสอย่างยิ่ง

ในทางปฏิบัติ ถือเป็นความก้าวหน้าครั้งสำคัญในเรื่องความน่าเชื่อถือและการนำทาง ขณะนี้ผู้ใช้ทางธุรกิจที่กำลังประเมินผลลัพธ์สำหรับงานที่สำคัญ เช่น การตรวจสอบนัยของนโยบาย ตรรกะของการเข้ารหัส หรือการสรุปการวิจัยที่ซับซ้อน สามารถดูได้ว่าโมเดลนี้ให้คำตอบมาได้อย่างไร นั่นหมายความว่าพวกเขาสามารถตรวจสอบ แก้ไข หรือเปลี่ยนเส้นทางคำตอบได้อย่างมั่นใจมากขึ้น นี่ถือเป็นก้าวสำคัญจากความรู้สึกแบบ "กล่องดำ" ที่ยังคงมีอยู่ใน ผลลัพธ์ของโมเดลภาษาขนาด ใหญ่(LLM) มากมาย

หากต้องการคำแนะนำโดยละเอียดเพิ่มเติมเกี่ยวกับประสิทธิภาพของรุ่นนี้ โปรดดูรายละเอียดวิดีโอที่แสดงการทดสอบ Gemini 2.5 Pro แบบสดๆ ตัวอย่างหนึ่งที่กล่าวถึง: เมื่อถูกถามเกี่ยวกับข้อจำกัดของโมเดลภาษาขนาดใหญ่ Gemini 2.5 Pro แสดงให้เห็นถึงความตระหนักรู้ที่โดดเด่น รายงานดังกล่าวจะสรุปจุดอ่อนทั่วไปและจัดหมวดหมู่ไว้เป็นหมวดหมู่ เช่น "สัญชาตญาณทางกายภาพ" "การสังเคราะห์แนวคิดใหม่" "การวางแผนระยะยาว" และ "ความแตกต่างทางจริยธรรม" โดยจัดทำกรอบงานที่ช่วยให้ผู้ใช้เข้าใจว่าโมเดลรู้เรื่องอะไรและวิธีแก้ไขปัญหา

ทีมวิศวกรรมขององค์กรสามารถใช้ประโยชน์จากความสามารถนี้เพื่อ:

• ดีบักโซ่ตรรกะที่ซับซ้อนในแอปพลิเคชันที่สำคัญต่อภารกิจ
• ความเข้าใจที่ดีขึ้นเกี่ยวกับข้อจำกัดของโมเดลในโดเมนเฉพาะ
• ให้ผู้มีส่วนได้ส่วนเสียสามารถตัดสินใจโดยใช้ AI ได้อย่างโปร่งใสยิ่งขึ้น
• ปรับปรุงการคิดวิเคราะห์ของตนเองโดยการศึกษาแนวทางของโมเดล

ข้อจำกัดที่เห็นได้ชัดอย่างหนึ่งก็คือ แม้ว่าการใช้เหตุผลแบบมีโครงสร้างนี้จะพร้อมใช้งานในแอป Gemini และ Google AI Studio แต่ในปัจจุบันยังไม่สามารถเข้าถึงได้ผ่าน API ซึ่งถือเป็นข้อบกพร่องสำหรับนักพัฒนาที่ต้องการรวมความสามารถนี้เข้ากับแอปพลิเคชันระดับองค์กร

2. ผู้แข่งขันตัวจริงด้านเทคโนโลยีล้ำสมัย – ไม่ใช่แค่ในเชิงทฤษฎี

ในปัจจุบันโมเดลนี้ครองอันดับหนึ่งในกระดานผู้นำ Chatbot Arena ด้วยคะแนนที่ห่างกันอย่างเห็นได้ชัด โดยมีคะแนนนำโมเดลที่ดีที่สุดถัดไปกว่า 35 คะแนน Elo โดยเฉพาะการอัปเดต OpenAI 4o ที่เปิดตัวในวันถัดจากการเปิดตัว Gemini 2.5 Pro แม้ว่าความโดดเด่นของเกณฑ์มาตรฐานจะเป็นเพียงสิ่งชั่วคราว (เนื่องจากมีรุ่นใหม่เปิดตัวทุกสัปดาห์) แต่ Gemini 2.5 Pro กลับให้ความรู้สึกแตกต่างอย่างแท้จริง

เหมาะอย่างยิ่งสำหรับงานที่ต้องใช้การใช้เหตุผลเชิงลึก เช่น การเข้ารหัส การแก้ปัญหาอย่างละเอียด การสรุปเอกสาร และแม้แต่การวางแผนเชิงนามธรรม ในการทดสอบภายใน พบว่ามีประสิทธิภาพดีเป็นพิเศษในเกณฑ์มาตรฐานที่ยากมาก่อนหน้านี้ เช่น “Humanity’s Last Exam” ซึ่งเป็นเกณฑ์มาตรฐานยอดนิยมสำหรับตรวจหาจุดอ่อนของ LLM ในพื้นที่นามธรรมและละเอียดอ่อน

กลุ่มธุรกิจอาจไม่สนใจว่าโมเดลใดจะได้รับอันดับทางวิชาการระดับใด แต่พวกเขาจะสนใจว่าโมเดลนี้สามารถคิดได้และแสดงให้คุณเห็นว่ามันคิดอย่างไร การทดสอบการสั่นสะเทือนเป็นสิ่งที่สำคัญมาก

วิศวกร AI ที่น่านับถืออย่าง Nathan Lambert ได้กล่าวไว้ว่า"Google มีโมเดลที่ดีที่สุดอีกครั้ง เพราะพวกเขาควรจะเป็นผู้จุดประกายการเติบโตของ AI ครั้งนี้ ข้อผิดพลาดครั้งใหญ่ได้รับการแก้ไขแล้ว"ผู้ใช้ทางธุรกิจควรมองว่านี่ไม่ใช่เพียงการที่ Google กำลังตามทันคู่แข่งเท่านั้น แต่ยังอาจก้าวแซงหน้าคู่แข่งในด้านความสามารถที่สำคัญต่อแอปพลิเคชันทางธุรกิจอีกด้วย

3. ในที่สุดเกมการเข้ารหัสของ Google ก็แข็งแกร่ง

โดยทั่วไปแล้ว Google จะตามหลัง OpenAI และ Anthropic ในแง่ของการรองรับการเขียนโค้ดที่เน้นนักพัฒนา Gemini 2.5 Pro เปลี่ยนแปลงสิ่งนั้น

ในการทดสอบภาคปฏิบัติ แสดงให้เห็นถึงความสามารถที่แข็งแกร่งในการเขียนโค้ดแบบ one-shot เช่น การสร้างเกม Tetris ที่ใช้งานได้จริงซึ่งสามารถทำงานได้ในการทดลองครั้งแรกเมื่อส่งออกไปยัง Replit โดยไม่จำเป็นต้องแก้ไขข้อบกพร่อง ที่น่าทึ่งยิ่งกว่านั้นคือ อธิบายโครงสร้างโค้ดได้อย่างชัดเจน ใส่ป้ายกำกับตัวแปรและขั้นตอนต่างๆ อย่างรอบคอบ และนำเสนอแนวทางก่อนที่จะเขียนโค้ดแม้แต่บรรทัดเดียว

โมเดลนี้แข่งขันกับ Claude 3.7 Sonnet ของ Anthropic ซึ่งถือเป็นผู้นำในการสร้างโค้ดและเป็นเหตุผลสำคัญที่ทำให้ Anthropic ประสบความสำเร็จในระดับองค์กร แต่ Gemini 2.5 นั้นมีข้อได้เปรียบที่สำคัญอย่างหนึ่ง: หน้าต่างบริบทโทเค็นขนาดใหญ่ที่มีขนาดสูงสุดถึง 1 ล้าน ปัจจุบัน Claude 3.7 Sonnet มีโทเค็นให้เลือกเพียง 500,000 โทเค็นเท่านั้น

หน้าต่างบริบทขนาดใหญ่เปิดโอกาสใหม่ๆ สำหรับการใช้เหตุผลทั่วทั้งฐานโค้ด การอ่านเอกสารออนไลน์ และการทำงานกับไฟล์ที่เชื่อมโยงกันหลายไฟล์ ประสบการณ์ของวิศวกรซอฟต์แวร์ Simon Willison แสดงให้เห็นถึงข้อได้เปรียบนี้

เมื่อใช้ Gemini 2.5 Pro เพื่อนำฟีเจอร์ใหม่มาใช้งานในโค้ดฐานของเรา โมเดลจะระบุการเปลี่ยนแปลงที่จำเป็นในไฟล์ที่แตกต่างกัน 18 ไฟล์ และทำให้โครงการทั้งหมดเสร็จสิ้นภายในเวลาประมาณ 45 นาที โดยเฉลี่ยน้อยกว่า 3 นาทีต่อไฟล์ที่แก้ไข นี่คือเครื่องมือที่จริงจังสำหรับธุรกิจที่ต้องการทดลองใช้เฟรมเวิร์กตัวแทนหรือสภาพแวดล้อมการพัฒนาที่ขับเคลื่อนด้วย AI

4. การรวมหลายวิธีด้วยพฤติกรรมคล้ายตัวแทน

ในขณะที่โมเดลบางรุ่น เช่น 4o ล่าสุดของ OpenAI อาจแสดงแฟลชได้มากขึ้นด้วยการสร้างภาพที่น่าสนใจ แต่ Gemini 2.5 Pro ให้ความรู้สึกเหมือนกับว่ามันกำลังกำหนดนิยามใหม่ของการใช้เหตุผลแบบมัลติโหมดที่เป็นพื้นฐานอย่างเงียบๆ

ในตัวอย่างหนึ่ง การทดลองปฏิบัติจริงโดย Ben Dickson สำหรับ VentureBeat แสดงให้เห็นความสามารถของโมเดลในการดึงข้อมูลสำคัญจากเอกสารทางเทคนิคเกี่ยวกับอัลกอริทึมการค้นหา และสร้างไดอะแกรมกระแสข้อมูล SVG ที่สอดคล้องกัน จากนั้นจึงปรับปรุงไดอะแกรมกระแสข้อมูลนั้นเมื่อแสดงเวอร์ชันที่เรนเดอร์พร้อมข้อผิดพลาดทางภาพ การใช้เหตุผลหลายโหมดในระดับนี้ช่วยให้สามารถสร้างเวิร์กโฟลว์ใหม่ๆ ซึ่งก่อนหน้านี้ไม่สามารถทำได้ด้วยโมเดลแบบข้อความเพียงอย่างเดียว

ในอีกตัวอย่างหนึ่ง นักพัฒนา Sam Witteveen อัปโหลดภาพหน้าจอง่ายๆ ของแผนที่ลาสเวกัสและถามว่ามีเหตุการณ์ใดของ Google เกิดขึ้นใกล้ๆ ในวันที่ 9 เมษายน โมเดลดังกล่าวระบุตำแหน่ง อนุมานเจตนาของผู้ใช้ ค้นหาทางออนไลน์ และแสดงรายละเอียดที่ถูกต้องเกี่ยวกับ Google Cloud Next รวมถึงวันที่ ตำแหน่ง และการอ้างอิง ทั้งหมดนี้ทำโดยไม่ต้องใช้กรอบงานตัวแทนแบบกำหนดเอง แต่มีเพียงโมเดลหลักและการค้นหาในตัวเท่านั้น

จริงๆ แล้ว โมเดลการใช้เหตุผลอินพุตแบบหลายโหมดนี้มีมากกว่าแค่การดูมันเท่านั้น แสดงให้เห็นว่าเวิร์กโฟลว์ของธุรกิจจะเป็นอย่างไรในอีก 6 เดือนข้างหน้า: อัปโหลดเอกสาร แผนภาพ และแดชบอร์ด และปล่อยให้โมเดลสังเคราะห์ วางแผน หรือดำเนินการที่สำคัญตามเนื้อหา