Gemini 2.5 Pro
Gemini 2.5 Pro ist Googles leistungsstärkstes Modell der 2.5-Generation – ausgelegt auf komplexes Reasoning, Coding und Analyse mit sehr langen Kontextfenstern. Optionales Chain-of-Thought-Reasoning lässt sich per API aktivieren. Verfügbar ausschließlich über die Google-API.
- Proprietär
- Frontier
- API
- General
- Thinking-Optional
- Agentic-Orchestrator
- Interactive
Sovereign Risk: MEDIUM Google ist ein US-amerikanisches Unternehmen und unterliegt dem CLOUD Act; die Modellgewichte sind nicht öffentlich zugänglich, sodass ein direkter Zugriff auf Weights nicht besteht.
Schlüsselmetriken
Score · Latenz · Kosten · Qualität
- Total Score Silver
- 75.49
- Routine
- 46.35
- Reasoning
- 29.13
- 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
- 61.2K
- Output Volume
- Cost per 1K
- $0.01
- USD / 1K Requests
- Benchmark Cost
- $0.61
- Total · 61.2K tok
Benchmark-Module
7 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
Benchmark Cost
$0.61
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.