Google met à jour ses modèles Gemini 2.5 Flash et Pro avec de nouvelles fonctionnalités et améliorations

Le géant de la technologie a annoncé des améliorations à son Gemini 2.5 Flash - il est maintenant meilleur dans presque toutes les dimensions, y compris les repères pour le raisonnement, le code et le contexte long

Google is moving closer to its goal of a “universal AI assistant” that can understand context, plan and take action.

Google se rapproche de son objectif d'un «assistant d'IA universel» qui peut comprendre le contexte, planifier et agir.

Today at Google I/O, the tech giant announced enhancements to its Gemini 2.5 Flash — it’s now better across nearly every dimension, including benchmarks for reasoning, code and long context — and 2.5 Pro, including an experimental enhanced reasoning mode, ‘Deep Think,’ that allows Pro to consider multiple hypotheses before responding.

Aujourd'hui à Google I / O, le géant de la technologie a annoncé des améliorations à son Gemini 2.5 Flash - il est maintenant meilleur dans presque toutes les dimensions, y compris des repères pour le raisonnement, le code et le contexte long - et 2.5 Pro, y compris un mode de raisonnement amélioré expérimental, `` Think Deep '', qui permet à Pro de considérer plusieurs hypothèses avant de répondre.

“This is our ultimate goal for the Gemini app: An AI that’s personal, proactive and powerful,” Demis Hassabis, CEO of Google DeepMind, said in a press pre-brief.

"C'est notre objectif ultime pour l'application Gemini: une IA qui est personnelle, proactive et puissante", a déclaré Demis Hassabis, PDG de Google Deepmind, dans une presse préalable.

‘Deep Think’ scores impressively on top benchmarks

`` Think Deep '' marque de manière impressionnante sur les références supérieures

Google announced Gemini 2.5 Pro — what it considers its most intelligent model yet, with a one-million-token context window — in March, and released its “I/O” coding edition earlier this month (with Hassabis calling it “the best coding model we’ve ever built!”).

Google a annoncé Gemini 2.5 Pro - ce qu'il considère comme son modèle le plus intelligent à ce jour, avec une fenêtre de contexte d'un million - en mars, et a publié son édition de codage «I / S» plus tôt ce mois-ci (avec Hassabis l'appelant «le meilleur modèle de codage que nous ayons jamais construit!»).

“We’ve been really impressed by what people have created, from turning sketches into interactive apps to simulating entire cities,” said Hassabis.

"Nous avons été vraiment impressionnés par ce que les gens ont créé, de transformer des croquis en applications interactives à la simulation des villes entières", a déclaré Hassabis.

He noted that, based on Google’s experience with AlphaGo, AI model responses improve when they’re given more time to think. This led DeepMind scientists to develop Deep Think, which uses Google’s latest cutting-edge research in thinking and reasoning, including parallel techniques.

Il a noté que, sur la base de l'expérience de Google avec Alphago, les réponses du modèle d'IA s'améliorent lorsqu'ils ont plus de temps pour réfléchir. Cela a conduit les scientifiques DeepMind à développer Deep Think, qui utilise les dernières recherches de pointe de Google en pensée et en raisonnement, y compris des techniques parallèles.

Deep Think has shown impressive scores on the hardest math and coding benchmarks, including the 2025 USA Mathematical Olympiad (USAMO). It also leads on LiveCodeBench, a difficult benchmark for competition-level coding, and scores 84.0% on MMMU, which tests multimodal understanding and reasoning.

Deep Think a montré des scores impressionnants sur les références de mathématiques et de codage les plus difficiles, y compris l'Olympiade mathématique des États-Unis 2025 (USAMO). Il mène également sur LivecodeBench, une référence difficile pour le codage au niveau de la compétition et marque 84,0% sur MMMU, qui teste la compréhension et le raisonnement multimodaux.

Hassabis added, “We’re taking a bit of extra time to conduct more frontier safety evaluations and get further input from safety experts.” (Meaning: As for now, it is available to trusted testers via the API for feedback before the capability is made widely available.)

Hassabis a ajouté: «Nous prenons un peu de temps supplémentaire pour effectuer plus d'évaluations de la sécurité des frontières et obtenir des commentaires supplémentaires des experts en sécurité.» (Signification: Pour l'instant, il est disponible pour les testeurs de confiance via l'API pour les commentaires avant que la capacité ne soit largement disponible.)

Overall, the new 2.5 Pro leads popular coding leaderboard WebDev Arena, with an ELO score — which measures the relative skill level of players in two-player games like chess — of 1420 (intermediate to proficient). It also leads across all categories of the LMArena leaderboard, which evaluates AI based on human preference.

Dans l'ensemble, le nouveau 2,5 Pro mène le classement populaire de codage WebDev Arena, avec un score ELO - qui mesure le niveau de compétence relatif des joueurs dans des jeux à deux joueurs comme les échecs - de 1420 (intermédiaire à compétent). Il mène également dans toutes les catégories du classement LMarena, qui évalue l'IA en fonction de la préférence humaine.

Since its launch, “we’ve been really impressed by what [users have] created, from turning sketches into interactive apps to simulating entire cities,” said Hassabis.

Depuis son lancement, «nous avons été vraiment impressionnés par ce que [les utilisateurs] ont créé, de transformer des croquis en applications interactives à la simulation des villes entières», a déclaré Hassabis.

Important updates to Gemini 2.5 Pro, Flash

Mises à jour importantes de Gemini 2.5 Pro, Flash

Also today, Google announced an enhanced 2.5 Flash, considered its workhorse model designed for speed, efficiency and low cost. 2.5 Flash has been improved across the board in benchmarks for reasoning, multimodality, code and long context — Hassabis noted that it’s “second only” to 2.5 Pro on the LMArena leaderboard. The model is also more efficient, using 20 to 30% fewer tokens.

Aujourd'hui également, Google a annoncé un flash amélioré de 2,5, a considéré son modèle de cheval de bataille conçu pour la vitesse, l'efficacité et le faible coût. 2.5 Flash a été amélioré dans tous les domaines des références pour le raisonnement, la multimodalité, le code et le contexte long - Hassabis a noté qu'il était «deuxième seulement» à 2.5 Pro dans le classement Lmarena. Le modèle est également plus efficace, en utilisant 20 à 30% de jetons en moins.

Google is making final adjustments to 2.5 Flash based on developer feedback; it is now available for preview in Google AI Studio, Vertex AI and in the Gemini app. It will be generally available for production in early June.

Google apporte des ajustements finaux à 2.5 Flash basé sur les commentaires des développeurs; Il est maintenant disponible pour l'aperçu dans Google AI Studio, Vertex AI et dans l'application Gemini. Il sera généralement disponible pour la production début juin.

Google is bringing additional capabilities to both Gemini 2.5 Pro and 2.5 Flash, including native audio output to create more natural conversational experiences, text-to-speech to support multiple speakers, thought summaries and thinking budgets.

Google apporte des capacités supplémentaires à Gemini 2.5 Pro et 2.5 Flash, y compris la sortie audio native pour créer des expériences conversationnelles plus naturelles, du texte vocale pour prendre en charge plusieurs haut-parleurs, résumés de réflexion et budgets de réflexion.

With native audio input (in preview), users can steer Gemini’s tone, accent and style of speaking (think: directing the model to be melodramatic or maudlin when telling a story). Like Project Mariner, the model is also equipped with tool use, allowing it to search on users’ behalf.

Avec la contribution audio native (en avant-première), les utilisateurs peuvent diriger le ton, l'accent et le style de la parole de Gemini (pensez: diriger le modèle pour être mélodramatique ou maussade lorsqu'il raconte une histoire). Comme Project Mariner, le modèle est également équipé d'une utilisation des outils, ce qui lui permet de rechercher au nom des utilisateurs.

Other experimental early voice features include affective dialogue, which gives the model the ability to detect emotion in user voice and respond accordingly; proactive audio that allows it to tune out background conversations; and thinking in the Live API to support more complex tasks.

Les autres caractéristiques expérimentales des premières voix incluent le dialogue affectif, qui donne au modèle la possibilité de détecter l'émotion dans la voix de l'utilisateur et de répondre en conséquence; Audio proactif qui lui permet de régler les conversations d'arrière-plan; et penser à l'API en direct pour soutenir des tâches plus complexes.

New multiple-speaker features in both Pro and Flash support more than 24 languages, and the models can quickly switch from one dialect to another. “Text-to-speech is expressive and can capture subtle nuances, such as whispers,” Koray Kavukcuoglu, CTO of Google DeepMind, and Tulsee Doshi, senior director for product management at Google DeepMind, wrote in a blog posted today.

De nouvelles fonctionnalités multiples dans le PRO et Flash prennent en charge plus de 24 langues, et les modèles peuvent rapidement passer d'un dialecte à un autre. "Le texte à la disposition est expressif et peut capturer des nuances subtiles, telles que des chuchotements", a écrit Koray Kavukcuoglu, CTO de Google Deepmind et Tulsee Doshi, directeur principal de la gestion des produits de Google Deepmind, dans un blog publié aujourd'hui.

Further, 2.5 Pro and Flash now include thought summaries in the Gemini API and Vertex AI. These “take the model’s raw thoughts and organize them into a clear format with headers, key details, and information about model actions, like when they use tools,” Kavukcuoglu and Doshi explain. The goal is to provide a more structured, streamlined format for the model’s thinking

De plus, le 2.5 Pro et Flash incluent désormais des résumés de pensée dans l'API Gemini et le sommet AI. Ceux-ci «prennent les pensées brutes du modèle et les organisent dans un format clair avec les en-têtes, les détails clés et les informations sur les actions du modèle, comme lorsqu'ils utilisent des outils», expliquent Kavukcuoglu et Doshi. L'objectif est de fournir un format plus structuré et rationalisé pour la pensée du modèle