6 月，各大模型厂商如同上了“发条”，新品发布纷至沓来。
6 月 11 日，Force 2025 原动力大会上，火山引擎正式发布豆包大模型 1.6 版（Doubao-Seed-1.6）。该系列中包含了三个主要版本：标准版 Doubao-Seed-1.6、深度思考强化版 Doubao-Seed-1.6-thinking 以及极速版 Doubao-Seed-1.6-flash。
其中 Doubao-Seed-1.6-thinking 模型在多个权威测评集上达到全球第一梯队水平：GPQA Diamond 测试成绩达到 81.5 分；数学测评 AIME25 成绩达到 86.3 分，相比豆包 1.5 深度思考模型大幅提升 12.3 分。
（图源火山引擎公众号)
6 月 16 日，国内 AI 六小虎之一的 MiniMax 正式开源其最新研发的大语言模型 MiniMax-M1。MiniMax 在官方文档中称：M1 是世界上第一个开源的大规模混合架构的推理模型，在面向生产力的复杂场景中能力是开源模型中的最好一档，超过国内的闭源模型，接近海外的最领先模型，同时又有业内最高的性价比。
此外，M1 有一个显著的优势是支持目前业内最高的 100 万上下文的输入，跟闭源模型里面的 Google Gemini 2.5 Pro 一样，是 DeepSeek R1 的 8 倍，以及业内最长的 8 万 Token 的推理输出。
（图源 MiniMax 官方文档）
6 月 17 日，谷歌将 2.5 Pro 和 Flash 模型进一步升级，发布稳定版和正式版。此外，还将推出 2.5 Flash-Lite 预览版，并表示这是谷歌迄今为止最具成本效益和速度最快的 2.5 模型。
302.AI 团队现已接入上述新模型，并对 Gemini-2.5-pro、Doubao-seed-1-6-thinking、MiniMax-M1 模型进行了如下实测对比。
I. 实测对比
*评测使用工具：302.AI 的模型竞技场与聊天机器人
实测 1：高考数学题
提示词：
一个底面半径为 4cm，高为 9cm 的封闭圆柱形容器内有两个半径相等的铁球.则铁球半径的最大值为___cm.
题目解析：正确答案 5/2。
Gemini-2.5-pro： 答案正确。
Doubao-seed-1.6： 答案正确。
MiniMax-M1： 思考了 248 秒后，输出了错误答案。
实测 2：逻辑推理
提示词：
老师写了三个数字让小明猜
小明：508
老师：“猜对 1 个数字，位置也对了”
小明：531
老师：“ 猜对 1 个数字，但位置不对”
小明：568
老师：“猜对2个数字，但只有一个数位置正确”
老师觉得小明故意一直猜 5，刚想揍他一顿，这时小明却说自己已经知道答案了。请问正确答案是什么？
题目解析：正确答案 618
Gemini-2.5-pro： 回答正确。
Doubao-seed-1.6： 回答正确，且输出答案十分清晰。
MiniMax-M1： 经过 500 秒的思考，最终未能输出答案。
实测 3：长文本测试
*主要对比模型：Gemini-2.5-pro 和 MiniMax-M1，两个模型支持最高的 100 万上下文的输入，Doubao-seed-1.6 支持最大输入长度为 224k，故暂不参与对比。
在 27 万多字的《红楼梦》文本中分别在不同位置插入了以下三句话：
印着古典纹路的书签放在红色包里。
手工编织的小流苏放在红色包里。
带有吉祥话的精美贴纸放在红色包里。
提示词提问：请阅读文档后告诉我，放在红色包里的都有什么？
Gemini-2.5-pro： 回答正确，且能准确指出原句所在的位置。
MiniMax-M1： 回答正确，但所指出的原文出处并不完全准确。
实测 4：图表理解
*对比模型：Gemini-2.5-pro 和 Doubao-seed-1.6（MiniMax-M1 不支持多模态，故不参与对比。）
提示词：广州2012年和2017年的常住人口分别是多少?
题目解析：从图中可以看到2012年常住人口是1415.53万人，2017年常住人口是1746.27万人。
Gemini-2.5-pro： 回答正确。
Doubao-seed-1.6： 回答正确。
实测 5：编程测试-摸鱼游戏
提示词：
请帮我生成一款适合上班摸鱼时玩的 “逃生” 类网页小游戏的代码，要求如下：
【游戏目标】
玩家需在一个虚拟办公室场景中悄悄完成逃离任务，但不能被老板或监控发现。
玩法可以是找出口、点物品、解谜、路线规划等，轻度策略为主。
游戏需设置一些干扰机制（如老板巡逻、摄像头移动），增加紧张感。
【设计要求】
界面风格极简，像素风或手绘风皆可，颜色柔和；
用户主要通过鼠标点击或键盘方向键控制角色或选择操作；
页面不要发出声音（避免上班时暴露）；
不使用服务器、不加载大图片，适合浏览器本地运行；
游戏不应超过 3 分钟即可通关，适合碎片时间玩；
可加一个 “老板来了” 按钮，点击后立刻切成 Excel 模板画面（有趣的彩蛋）。
Gemini-2.5-pro： 核心机制准确实现（如老板巡逻、摄像头移动、 “老板来了” 按钮），视觉风格简单清晰，游戏策略符合逻辑，比如需要拿到钥匙才能开门。整体效果较优。
Doubao-seed-1.6： 基本实现了游戏目标和设计要求，但紧张感不足。界面也较为简陋，操作说明不清晰，用户不知道如何开始游戏，也没有提示。
MiniMax-M1： 效果较差，未设置完整的干扰机制，“老板来了”的彩蛋也存在bug。
II. 实测总结
1、实测结果整理：
| Gemini-2.5-pro | Doubao-seed-1.6--thinking | MiniMax-M1 | |
|---|---|---|---|
| 数学测试 | ✔️ | ✔️ | ❌ |
| 逻辑推理 | ✔️ | ✔️ | ❌ |
| 长文本测试 | ✔️ | 未参与测试 | ✔️（答案正确，但指出的原文出处有误） |
| 图表理解 | ✔️ | ✔️ | 未参与测试 |
| 编程测试 | 效果最佳 | 基本实现功能，效果一般 | 未实现功能，效果较差 |
2、实测结论：
基于以上实测结果，可初步得出以下结论：
（1）本轮实测中无疑表现最佳的是 Gemini-2.5-pro ，在各个案例实测中都能准确理解用户需求，给出正确答案。如果预算充足，用户可优先选择 Gemini-2.5-pro 使用。
（2）Doubao-seed-1.6-thinking 的表现也令人惊喜，但在编程实测方面还有待提升，如预算有限且对编程方面需求不大，可参考选择 Doubao-seed-1.6-thinking。
（3）MiniMax-M1 的整体表现并不理想。在实测中发现，面对逻辑验证复杂的情况下，很容易卡在思考中，无法输出答案。
