Gemini 2.5 Pro 视频理解测试结果惊艳：多项任务领先，部分超越人类

Gemini 2.5 Pro 在不同视频理解任务中的卓越表现

视觉输入评估（Evaluations with Visual Inputs）

• EgoTempo (test set)：在 0 – shot 开放视频问答中，Gemini 2.5 Pro 取得 43.7 的成绩，相较于之前的模型，展现出更强的视频理解能力。
• LVBench (test set)：0 – shot 4 – choice VideoQA 任务中，其得分 68.2，高于此前的 60.9（Gemini 2.5 Flash），更接近人类表现（94.4），且大幅领先之前的 SOTA（60.1）。
• Perception Test (test set)：0 – shot 5 – choice VideoQA 中，77.3 的分数远超 Gemini 2.5 Flash 的 71.2，也领先之前的 Oryx（71.4），进一步证明其在视觉理解上的优势。
• OVHighlights (val set)：4 – shot 视频时刻检索任务中，72.6 的成绩优于 Gemini 2.5 Flash 的 70.2，尽管人类数据未完全展示，但已显露出其在该领域的竞争力。
• VideoMMM (test set)：0 – shot 5 – choice VideoQA 得分 81.3，高于 Gemini 2.5 Flash 的 71.9，且超越了 Kimi – x1.6（76.7）。
• Ht – VideoQA (test set)：0 – shot 5 – choice VideoQA 中，76.2 的分数领先 Gemini 2.5 Flash 的 64.3，也超过了 Gemini 1.5 Pro（72.2）。

音视输入评估（Evaluations with Audio – Visual Inputs）

• VideoMME (test set long subset)：0 – shot 4 – choice VideoQA 中，82.0 的成绩高于 Gemini 2.5 Flash 的 77.8，也领先之前的 GPT 4.1（72.0）。
• YouCook2 Cap (val set)：4 – shot 视频剪辑字幕任务中，198.0 的分数几乎追平人类表现（此前 VAST 为 198.8），远超 Gemini 2.5 Flash 的 185.3。
• YouCook2 DenseCap (val set)：4 – shot 密集视频字幕任务，69.3 的得分高于 Gemini 2.5 Flash 的 67.6，也领先 Vid2Seq（67.2）。

视觉 – 字幕输入评估（Evaluations with Visual – Subtitles Inputs）

• Minerva (test set)：0 – shot 5 – choice VideoQA 中，63.5 的分数高于 Gemini 2.5 Flash 的 61.9，也领先 GPT 4.1（54.0）。
• Neptune (test set)：0 – shot 5 – choice VideoQA 中，85.4 的成绩优于 Gemini 2.5 Flash 的 84.5，且超过 GPT 4.1（85.1）。

音视 – 字幕输入评估（Evaluations with Audio – Visual – Subtitles Inputs）

• VideoMME (test set)：0 – shot 4 – choice VideoQA 中，85.2 的高分领先 Gemini 2.5 Flash 的 79.3，也超过 Gemini 1.5 Pro（81.3）。

Gemini 2.5 Pro 领先背后的意义

结语