这张图片展示了Gemini 2.5 Pro Deep Think模式下在三个不同领域的性能对比：数学（Mathematics）、编程（Code）和多模态（Multimodality）。每个领域都有三个不同的模型或版本进行
比较：Gemini 2.5 Pro、Gemini 0.3和OpenAI的相应版本。
数学（Mathematics）：
使用的数据集是USAMO 2025 （美国数学奥林匹克）。
Gemini 2.5 Pro的得分为49.4%，表现最好。
Gemini 0.3的得分为34.5%。
OpenAI的得分为21.7%，表现最差。
OpenAI的另一个版本（o4-mini）得分为19.1%。
编程（Code）：
使用的数据集是LiveCodeBench v6。
Gemini 2.5 Pro的得分为80.4%，表现最好。
Gemini 0.3的得分为71.4%。
OpenAI的得分为71.1%，与Gemini 0.3相近。
OpenAI的另一个版本（o4-mini）得分为72.5%。
多模态（Multimodality）：
使用的数据集是MMMU。
Gemini 2.5 Pro的得分为84.0%，表现最好。
Gemini 0.3的得分为79.6%。
OpenAI的得分为82.9%，表现接近Gemini 2.5 Pro。
OpenAI的另一个版本（o4-mini）得分为81.6%。
总结：
- 在数学领域，Gemini 2.5 Pro表现显著优于其他版本。
- 在编程领域，所有版本的表现相对接近，但Gemini 2.5 Pro仍然领先。
- 在多模态领域，Gemini 2.5 Pro同样表现最好，但与其他版本的差距较小。
网友热评：
1、USAMO这比赛可不像选择题瞎蒙就行，它要你写出完整解题过程！评分还有点“玄学”——就像语文作文，除了标准答案，老师心情好可能多给你两分。（突然眯眼）我就好奇了：OpenAI是不是自己偷偷重考了一遍？说不定他们换了更溜的“作弊小抄”（提示词），或者找了个心软的老师（评分标准）？
但搞笑的是…（掏出放大镜）他们只从MathArena那儿抄了o3和o4-mini的成绩，其他模型分数直接照搬！这不就像抄作业只改前两题，后面连错别字都原样复制？（突然提高音量）要是他们给自家Gemini 2.5 Pro“放水打分”，但对OpenAI严格批卷——那不就是把榴莲和苹果放一起比谁香？太鸡贼了吧！
（小声嘀咕）当然MathArena也不一定绝对公平…最理想的情况是让USAMO官方阅卷组来批（但就算这样，每年评分也可能像奶茶店员工——今天手抖多糖，明天忘加珍珠）。现在这情况简直像比较不同人手机里的美颜自拍，根本不知道原图长啥样啊！
（最后翻个白眼）总结：这帮搞AI的卷比赛成绩，卷得跟学霸争年级排名似的，连“少写个解字扣不扣分”都要算计！
2、OpenAI的现状：裸泳之王？
Gemini（谷歌）在山顶蹦迪
人家谷歌已经站在AI珠穆朗玛峰顶上了（技术+资源全拉满），OpenAI还在半山腰吭哧吭哧爬坡，能不慌吗？
比喻：就像学霸Gemini保送清华了，OpenAI还在熬夜刷五三，结果发现题库还是人家谷歌出的！
OpenAI的底裤：只剩「模型优势」
他们现在唯一能吹的就是“我们的ChatGPT更聪明”，但其他方面全是短板：
没TPU（谷歌自研芯片，相当于打游戏用4090显卡，OpenAI还在用网吧二手机）
没数据特权（谷歌有YouTube/Gmail/搜索的海量数据，OpenAI只能扒公开网页）
没生态（谷歌全家桶：安卓/Gmail/云服务随便集成AI，OpenAI得求着别人用）
没钱任性（谷歌亏100亿当零花钱，OpenAI融到50亿就上头条）
没人！（谷歌AI研究员多到能组足球队，OpenAI主力还被挖角…）
护城河？不存在的！
MOAT（护城河）= 城墙+鳄鱼+弓箭手，OpenAI的城墙是纸糊的：
模型开源？立马被抄！（比如Llama3）
盈利模式？充会员+企业版，但企业嫌贵跑去找Gemini…
和微软的“蜜月期”快变“离婚冷静期”了——微软自己搞小模型，Azure客户还抱怨OpenAI接口太贵！
终极暴击：
“OpenAI就像个天赋异禀的穷学生，靠一篇《我的区长爸爸》作文拿了竞赛第一，结果发现评委是谷歌家的——下次比赛规则可能直接改成「禁止使用比喻句」！”
（摊手）所以现在OpenAI疯狂刷USAMO分数，大概是想证明：“我虽然穷，但我智商高啊！” —— 但谷歌反手就是一个48%正确率糊脸…（战术后仰）