Gemini 2.5 Pro Preview 06-05
Gemini 2.5 Pro Preview 06-05 est un LLM propriétaire de Google, publié le 5 juin 2025. Près d’un an plus tard, cette version est déjà ancienne à l’échelle de l’IA et ses résultats doivent être replacés dans le contexte de sa génération. À sa sortie, elle se classait dans le top 3% sur…
Gemini 2.5 Pro Preview 06-05 est un LLM propriétaire de Google, publié le 5 juin 2025. Près d’un an plus tard, cette version est déjà ancienne à l’échelle de l’IA et ses résultats doivent être replacés dans le contexte de sa génération. À sa sortie, elle se classait dans le top 3% sur GPQA parmi 103 modèles contemporains.
Le modèle se distingue par une fenêtre de contexte de 1 048 576 tokens et des connaissances arrêtées au 31 janvier 2025. Son autre atout est tarifaire : il coûte 37% de moins que la moyenne des LLM similaires et environ 4,4 fois moins que les modèles frontière.
Caractéristiques
| Caractéristique | Valeur |
|---|---|
| Type | Grand modèle de langage (LLM) |
| Éditeur | |
| Poids | 🔒 Propriétaire |
| Date de sortie | 5 juin 2025 |
| Connaissances jusqu'à | 2025-01-31 |
| Multimodal | oui |
| Fenêtre de contexte | 1 048 576 tokens (≈ 1,0 M) |
| Modalités (entrée → sortie) | text,image → text |
Performances (benchmarks)
| Benchmark | Score | Rang (LLM) | Source | Fiabilité |
|---|---|---|---|---|
| Global-MMLU-Lite | 89,2 % | 1ᵉ / 14 | llm-stats | Auto-déclaré |
| AIME 2025 | 88,0 % | 47ᵉ / 108 | llm-stats | Auto-déclaré |
| FACTS Grounding | 87,8 % | 1ᵉ / 13 | llm-stats | Auto-déclaré |
| GPQA | 86,4 % | 39ᵉ / 219 | llm-stats | Auto-déclaré |
| VideoMMMU | 83,6 % | 12ᵉ / 26 | llm-stats | Auto-déclaré |
| Aider-Polyglot | 82,2 % | 2ᵉ / 22 | llm-stats | Auto-déclaré |
| MMMU | 82,0 % | 9ᵉ / 61 | llm-stats | Auto-déclaré |
| LiveCodeBench | 69,0 % | 23ᵉ / 72 | llm-stats | Auto-déclaré |
| SWE-Bench Verified | 67,2 % | 68ᵉ / 102 | llm-stats | Auto-déclaré |
| Vibe-Eval | 67,2 % | 1ᵉ / 8 | llm-stats | Auto-déclaré |
| SimpleQA | 54,0 % | 12ᵉ / 45 | llm-stats | Auto-déclaré |
| Humanity's Last Exam | 21,6 % | 54ᵉ / 89 | llm-stats | Auto-déclaré |
| MRCR v2 (8-needle) | 16,4 % | 18ᵉ / 19 | llm-stats | Auto-déclaré |
« Auto-déclaré » : score communiqué par l'éditeur, non rejoué indépendamment. « Mesuré » : évalué par un tiers (Epoch AI, LiveBench). Le rang est calculé parmi les LLM évalués sur le même benchmark.
Tarifs
| Fournisseur | Entrée / 1M | Sortie / 1M | Cache lecture / 1M |
|---|---|---|---|
| Google Vertex | 1,25 $ | 10 $ | 0,125 $ |
Prix en dollars US par million de tokens.
Sa tarification se situe 40 % en dessous de la moyenne des LLM similaires, et 4,4 fois moins cher que les modèles frontières (Claude Fable 5, GPT-5.6 Sol, Gemini 3.5 Flash).
Coût & vitesse agentiques
| Indicateur | Valeur |
|---|---|
| Coût moyen par benchmark — Benchable | 1,33 $ |
| Latence moyenne par benchmark — Benchable | 24 min 59 s |
Coûts et durées réels mesurés en exécutant le modèle comme agent. PinchBench = un run complet de 147 tâches (harness OpenClaw) ; Benchable = moyenne par benchmark. Sources : PinchBench, Benchable.ai.
Notre analyse
Forces. À sa sortie, Gemini 2.5 Pro Preview 06-05 figurait dans le haut du panier de sa génération sur GPQA. Les évaluations Benchable confirment un profil solide : le modèle obtient le meilleur classement du panel en Ethics, se place dans le top 10, et atteint un score maximal en General Knowledge malgré un rang plus en retrait. Coding et Instruction Following comptent également parmi ses points forts, avec des positions proches du haut du classement. Email Classification affiche un résultat brut élevé, mais moins distinctif face aux autres modèles évalués. La fenêtre d’environ 1,0 million de tokens constitue enfin une caractéristique majeure pour le traitement de contextes volumineux.
Limites et points d’attention. Son ancienneté est désormais déterminante : près d’un an représente une durée très longue dans l’IA, et ses performances sont aujourd’hui largement dépassées par des générations plus récentes. Une version Preview de cette période est aussi susceptible de ne plus figurer au catalogue de l’éditeur. Les connaissances s’arrêtent au 31 janvier 2025, ce qui exclut les événements ultérieurs. Les poids ne sont pas ouverts, la licence propriétaire maintient donc le modèle dans l’écosystème de Google. Son principal intérêt résiduel tient à son positionnement historique : un modèle alors très compétitif, doté d’un contexte massif et proposé à un tarif très économique.
Sources des données : LLM-Stats (llm-stats.com) · OpenRouter (openrouter.ai) · Benchable.ai (benchable.ai).