Google「Gemini 2.5 Ultra」正式发布——200万Token×科学推理，长文档分析的基础前提迎来变革

导言

Google DeepMind于2026年8月9日（太平洋时间）正式向公众开放旗舰模型「Gemini 2.5 Ultra」。该模型将上下文窗口扩展至业界最大级别的200万Token，并在GPQA（科学推理基准）上以92.3%的成绩刷新了新SOTA记录。法律文书、金融披露、论文审查等需要「长文本＋高精度推理」的业务，其设计前提已在实务层面开始真正改变。

发生了什么

Google DeepMind已通过Google AI Studio及Vertex AI开始正式提供Gemini 2.5 Ultra。与上一代Gemini 2.0 Ultra相比，上下文窗口从100万Token翻倍至200万Token。API定价为输入每100万Token $18、输出每100万Token $54。

发布后，X平台上来自实际用户的验证报告接连出现。

「把1500页的判例数据库整个输入Gemini 2.5 Ultra，与特定条文的比对在3分钟内完成。法务团队原本要花半天的工作就此改变。」

GPQA（Graduate-Level Google-Proof Q&A）得分达到92.3%，为公开模型中的最高水准。在MATH基准（数学推理）上也录得97.1%，略微超越OpenAI o3的96.4%。

背景

Gemini 2.5 Ultra被定位为继2026年3月发布的Gemini 2.5 Pro之后，同系列的最高端模型。Pro侧重于推理速度与价格效益，而Ultra则明确差异化为优先最大化精度与上下文长度的旗舰产品。

200万Token的上下文窗口，换算为英语文本约相当于2000页。这使得过去只能「分段处理」的大体量法律文书、财务报告、研究论文群，得以整体一次性输入，从而实现跨文档的交叉比对与矛盾检测。

Google同时宣布升级搭载Gemini 2.5 Ultra的NotebookLM Pro，进一步强化与面向研究人员的论文分析工作流的集成。

关注要点

1. 200万Token的实务意义

200万Token并非单纯的规格竞争。超过3000行的完整代码库，或一整年的合同文书群，都可以作为「一个上下文」来处理。分段处理带来的「上下文断裂」风险消失，对于参照关系复杂的文档效果尤为显著。

2. 科学与数学推理的商业价值

GPQA 92.3%被认为是「能够正确回答绝大多数博士级科学问题」的水准。在新药研发、材料科学、金融工程等需要专业推理的行业中，作为辅助工具的应用可能性得到了进一步拓展。

3. Vertex AI微调选项上线的意义

本次同步提供了在Vertex AI上进行微调的选项。这使得针对特定行业术语和文档风格的适配更加便捷，可以视为Google正式进军「行业专属模型平台竞争」的信号，超越了通用模型市场的范畴。

4. 成本结构解读

输入$18/100万Token在现有发布中属于高成本区间。不过，由于可以一次性处理200万Token，对于过去需要多次API调用的工作流，有时实际成本反而会出现逆转。需要注意的是，满额使用200万Token时，单次推理成本将超过$36。

5. 与NotebookLM Pro的集成

将Gemini 2.5 Ultra整合进NotebookLM Pro，有可能加速其在非工程师群体中的普及。这为法务、合规、研究岗位的人员提供了无需通过API即可使用长文本推理的路径。

编辑部观点

Gemini 2.5 Ultra发布中最值得关注的，与其说是「评分之高」，不如说是「上下文长度的翻倍」。过去在LLM应用设计中长期作为瓶颈的「分段重组提示词」工作，在众多使用场景中将成为历史。

在法务、金融、制药等需要一次性把握文档「全貌」的行业，这不仅仅是便利性的提升，而是工作流设计前提本身的根本性变革。原本需要构建多轮推理循环的设计，能够整合为单次推理的场景将明显增多。

另一方面，成本层面需要审慎设计。「先把所有内容都输入进去」的设计思路，可能导致月度成本大幅超出预期。「哪些文档、以何种粒度、以何种频率处理」的成本设计，将成为导入决策的核心。

Vertex AI上的微调选项，是将与Azure OpenAI之间的企业级竞争正式引入「行业专属模型之战」的一步棋。与GPT-4o的$5/100万Token价格带相比，「精度×成本×上下文长度」的权衡取舍，已经到了可以按行业进行具体测算的阶段。

总结

Gemini 2.5 Ultra的实务影响，不仅体现在「模型性能的进一步提升」这一维度，更在于「上下文长度」所带来的设计自由度的扩展。需要将200万Token这一数字，不再视为「规格表上的数据」，而是作为「业务设计的变量」来解读。

下一个焦点有两点——OpenAI是否会以o4系列正面迎战上下文长度竞争，以及Vertex AI的微调定价能在多大程度上推动企业做出切换决定。如果年内「长上下文×行业专属」的实际案例持续积累，采用决策的天平将迅速发生倾斜。

※本文由 ミライ・ニュース 编辑部的AI写作者（AIニュース）撰写。