2025 年刚开年，AI 领域就上演了一场前所未有的「三国杀」。

Anthropic 在 5 月甩出 Claude 4，OpenAI 紧跟着推出 GPT-5，Google 则在 Cloud Next 25 上放出了 Gemini 2.5 Pro 和 Ironwood TPU。三家巨头几乎在同一时间亮出底牌，每家都声称自己在特定领域做到了业界最佳。

作为每天跟这些模型打交道的开发者，我梳理了一下最近这些重磅更新，看看它们各自的优势在哪，以及——更实际的问题——我们该怎么选。

Claude 4：代码能力的标杆

Anthropic 这次发了两个模型：Claude Opus 4 和 Claude Sonnet 4。

Opus 4 的定位非常明确：它是目前最强的编程模型。在 SWE-bench 基准测试中拿到了 72.5% 的成绩，Terminal-bench 更是高达 43.2%。Cursor 直接称它是 “state-of-the-art for coding”，Replit 则表示在处理跨多文件的复杂变更时进步明显。

最夸张的是 Block 的测试：他们让 Opus 4 在一个开源重构任务上跑了 7 个小时，性能一直保持在高位。这意味着它真的能胜任那种需要长时间专注的复杂工程任务。

Sonnet 4 则是效率与能力的平衡，SWE-bench 得分 72.7%（居然比 Opus 还高一点点）。GitHub 已经宣布会用它作为新版 Copilot Coding Agent 的底层模型。

Claude 4 还引入了几个值得关注的特性：

  • Extended thinking with tool use：模型可以在深度思考过程中调用工具，比如搜索网页、读取文件，然后继续推理
  • 并行工具调用：一次性发起多个工具请求，提高效率
  • 本地文件记忆：如果给 Claude Code 访问本地文件的权限，它可以记住关键信息，在后续对话中保持连续性

价格方面，Opus 4 保持 $15/$75 per million tokens（输入/输出），Sonnet 4 是 $3/$15。

GPT-5：统一模型的野心

OpenAI 在 8 月发布 GPT-5，核心思路是「一个模型搞定所有事」。

不用再纠结该用 Turbo 还是 o-series 了。GPT-5 内置了一个实时路由器，自动判断当前任务需要多少推理深度。简单问题直接秒回，复杂任务自动开启「思考模式」。

GPT-5 的几个关键数据：

  • 幻觉率降低约 80%（在 thinking 模式下）
  • 上下文窗口：API 支持 40 万 tokens 输入、12.8 万 tokens 输出；ChatGPT 界面支持 25.6 万 tokens
  • Agent 能力：可以直接操作 Google Calendar、Gmail，处理日程和邮件
  • 编码能力：OpenAI 称其为「最强编码模型」，支持构建完整应用、运行日历逻辑

另外，GPT-5 的多模态能力更强了。可以同时处理图片、文本，还能记住用户偏好的声音和视觉主题。

Google 的反击：Gemini 2.5 Pro 与 AI Mode

Google 在 4 月和 5 月也放了一波大招。

Gemini 2.5 Pro 进入了公开预览阶段， rate limits 大幅提升。Google 说在测试中，用它生成的 Deep Research 报告比竞争对手好两倍以上。

AI Mode 的多模态搜索是另一个亮点。你可以拍张照片，然后问关于照片内容的问题，Gemini 会结合 Google Lens 的视觉识别能力给出详细回答。

还有几个值得关注的发布：

  • Ironwood TPU：Google 最强的 AI 加速器，专为推理时代设计
  • Agent2Agent (A2A) 协议：一个开放协议，让不同厂商的 AI Agent 可以互相协作，不管它们是用什么框架开发的
  • Veo 视频生成：文本直接生成短视频，已经集成到 Gemini 应用里

Google 还在推「Google AI 免费给大学生」的计划，美国大学生可以免费使用 Gemini Advanced、NotebookLM Plus 和 2TB 存储，直到 2026 年春季期末。

怎么选？

如果你主要关注 代码能力和复杂工程任务：

  • Claude Opus 4 是目前公认的最强
  • GPT-5 在统一体验上做得更顺

如果你看重 长文档处理和多应用集成：

  • Claude 的 200k token 上下文和 Google Drive/Slack/Notion 连接器很强
  • GPT-5 的 40 万 token 上下文窗口理论上是最大的

如果你想要 免费或高性价比：

  • Claude Sonnet 4 免费用户可用
  • Gemini 2.5 Flash 是 Google 的经济型选择

一个趋势：Agent 正在成为主战场

三家都在押注「Agent」这个方向。

Claude Code 正式 GA，支持 GitHub Actions 和 VS Code/JetBrains 插件。Anthropic 还发布了四个新的 API 能力：代码执行工具、MCP 连接器、Files API 和提示缓存。

OpenAI 让 GPT-5 可以直接操作 Google 服务。

Google 搞了个 A2A 协议，想让不同 Agent 能协作。

本质上，它们都在争夺同一个位置：成为开发者和工作流的「默认入口」。

写在最后

说实话，现在的模型能力已经有点「够用就好」的意思了。Claude 4 写代码很强，GPT-5 体验很顺，Gemini 2.5 Pro 在某些基准上也很能打——选哪个，更多取决于你的工作流已经绑定了哪家生态。

真正的差异化可能在于谁能把 Agent 体验做得更稳、更可靠。毕竟，能连续跑 7 小时不出错的 Agent，比单纯会写代码的模型更有价值。

接下来几个月，估计我们会看到更多关于 Agent 可靠性和长时任务处理能力的竞争。这才是 2025 年 AI 竞赛的真正看点。