Gemini 2.5 Pro
Googles Frontier-Reasoning-Modell mit Sparse-MoE-Architektur und konfigurierbarem Extended Thinking. Gemini 2.5 Pro arbeitet mit einem Kontextfenster von einer Million Tokens, verarbeitet nativ Text, Bilder, Audio und Video und ist exklusiv über die Google Cloud API zugänglich. Der Fokus liegt auf komplexem Reasoning und anspruchsvollen Coding-Aufgaben.
- Proprietär
- Frontier
- API
- Text
- Vision
- Audio
- Video
- Agentic Orchestrator
- Interactive
Sovereign Risk: MEDIUM Google DeepMind ist ein US-amerikanisches Unternehmen und unterliegt dem CLOUD Act; die Modellgewichte sind nicht öffentlich zugänglich.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 75.29
- Routine
- 45.11
- Reasoning
- 30.18
- LLM Judge Avg
- 3.81 / 5
- 100 Coverage
- Avg Task Duration
- 26.15s
- Interactive
- Token Rate
- 30.93tok/s
- Output Rate
- P95 Latency
- 44s
- Top 5 %
- Total Tokens
- 68700
- Output Volume
- Cost per 1K
- $0.01
- USD / 1K Requests
- Benchmark Cost
- $0.69
- Total · 68700 tok
Benchmark-Module
10 Module · gewichtet · vs. Modellmedian & Spitzenreiter
Gemini 2.5 Pro
Bestes Modell
Ø Alle Modelle
Code Quality
75.44
CLI Benchmark
86.67
Logical Reasoning
75.77
UX Writing
69.43
Documentation
73.06
Content Transform.
78.32
Cultural Intelligence
75.32
Synthesis Quality
60
Tool Execution
90
ToolUse Score
74
Benchmark Cost
$0.69
Token-Effizienz & Latenz
Verbrauch pro Modul vs. Modellmedian
Token-Verbrauch pro Modul
Performance-Profil
Schlüsselmetriken – Legende
Score
- Total Score
- Gesamtpunktzahl aus Routine- und Reasoning-Score. Basis für den Flotten-Rang und die Tier-Zuordnung (Gold / Silver / Bronze).
- Routine
- Punktzahl für Standardaufgaben: Code-Generierung, Texttransformation, strukturierte Ausgaben. Gewichtet nach Aufgabenkomplexität.
- Reasoning
- Punktzahl für analytische und logische Aufgaben: mehrstufige Problemlösung, mathematisches Schlussfolgern, strukturierte Argumentationen.
- Rang
- Position im Flottenvergleich, sortiert nach Total Score. Bezieht sich auf den Snapshot zum Zeitpunkt des Tests.
LLM Judge
- LLM Judge Ø
- Durchschnittliche Qualitätsbewertung durch ein unabhängiges Richter-Modell auf einer Skala von 1–5.
- Coverage
- Anteil der Aufgaben, für die eine Judge-Bewertung vorliegt. 100 % bedeutet, alle Antworten wurden bewertet.
Latenz & Geschwindigkeit
- Avg. Task Duration
- Durchschnittliche Zeit pro Aufgabe vom ersten bis zum letzten Token der Antwort, gemessen über alle Benchmark-Aufgaben.
- Token Rate
- Ausgabe-Geschwindigkeit in Tokens pro Sekunde. Relevant für interaktive Anwendungen und Echtzeit-Streaming.
- P95 Latency
- 95. Perzentil der Antwortzeiten – zeigt Ausreißer. Niedrigere Werte bedeuten weniger lange Wartezeiten in Ausnahmefällen.
Kosten
- Cost per 1K
- API-Preis pro 1.000 Output-Tokens in US-Dollar. Basis für Kostenkalkulation bei produktivem Einsatz.
- Benchmark Cost
- Gesamtkosten für den vollständigen Benchmark-Durchlauf dieses Modells.