2024年，Google试图在AI领域重振雄风，但OpenAI总是抢先一步。每当Google宣布即将召开发布会时，OpenAI都会提前推出更强大的产品，使得Google的发布会显得尴尬。

到了2025年，Google改变了策略，不再高调宣传，而是悄悄上线新产品。这一次，Google没有进行任何预热，直接推出了Gemini 2.5 Pro模型。这款模型具有推理能力，超越了GPT-4.5和Grok 3，能够模仿人类的快慢思考模式，这似乎预示着GPT-5的到来。

就在人们以为Google会赢得赞誉时，OpenAI在推特上宣布太平洋时间上午11点直播发布GPT-4o图像生成技术模型。该模型具备媲美人类摄影的出图质量，随心所欲的构图以及细节处理，超乎寻常的图文理解，以及任意的图中文字和LOGO生成能力，在X平台上引起一片欢呼。

深夜两点，有人在朋友圈提到北京地震的消息，但更多人关注的是Google和OpenAI的竞争。在这场激烈的竞争中，人类在通往AGI的路上又迈进了一大步。

Gemini 2.5 Pro实验版非常出色，可以处理更复杂的编程、科学和数学问题，并支持更具有情境感知能力的智能体。这个新的“思考模型”在LMArena上以显著优势领先，在多个基准测试中击败了其他竞争对手。它配备了100万token的上下文（即将推出200万），能够处理多模态数据，并通过vibe coding认证，只需一个提示就能构建整个游戏。更重要的是，Gemini 2.5在回答问题前会进行推理，模仿人类处理思想的方式，逐步接近问题，细化潜在解决方案，并选择最佳方案。

鲸哥测试了Gemini 2.5 Pro生成“近3年国内直播带货KOL的动态演示页面”，结果迅速生成了相关代码，并且可以直接调用Colab进行演示。此外，还测试了其深度推理能力，要求生成一份具身智能报告，这份报告具有一定的可读性。

与此同时，OpenAI展示的GPT-4o图像生成技术同样令人震撼。第一张展示的图片几乎无法分辨是AI生成的，反射画面和密密麻麻的文字都显示了AI的强大。第二张图片转了人物朝向，生成的图像依然毫无破绽。GPT-4o可以处理多达10-20个不同的对象，远超其他系统。

OpenAI宣布从今天起，ChatGPT和Sora的所有Plus、Pro、Team和Free用户都可以开始使用GPT-4o图像功能。山姆奥特曼表示，新版本仍在推出中，未来可能会继续整合多模态模型。有网友评论，GPT-4o图像功能超越了数百家AI图像公司，甚至威胁到一些摄影师和设计师的工作。

对于Google来说，Gemini席卷的各种基准测试证明了它的强大。实际体验中，无论是快速回答还是深度推理，都能在短时间内完成。不过，Gemini 2.5目前还不能生成图片，也许下一步3.0版本会带来这一能力。

这场竞争中，最着急的却是埃隆马斯克，他在X上多次发帖，声称Grok是更好的模型，嘲讽其他家模型撒谎和追求政治正确，而Grok则追求真理。

在这场你追我赶的竞争中，Google和OpenAI展示了强大的实力，进一步拉近了AGI的梦想。也许在不远的某个夜晚，AGI就会突然降临。

(责任编辑：张蕾 TT0001)