# Gemini 2.5 Pro (Jun 2025)

> Fiche du modèle de langage Gemini 2.5 Pro (Jun 2025) sur Quelle IA, édition du 28 septembre 2026. Gemini 2.5 Pro (Jun 2025) (Google DeepMind) : score IA de 73,2, 92e sur 246. Scores par tâche, prix, exécution locale et liens pour le télécharger ou l'essayer.

Page : https://quelleia.com/modeles/gemini-2-5-pro-jun-2025/
Origine : Google DeepMind · États-Unis · sorti le 5 juin 2025

## Score général

- Score IA : 73,2 (marge à 90 % : de 70,6 à 75,9)
- Rang : 92 (Groupe 9, ex æquo)
- Couverture : 100 % du poids des tâches, 38 mesures
- Échelle : 100 pour le meilleur modèle au lancement du site, 50 pour GPT-4o de novembre 2024.

## Scores par tâche

| Tâche | Score | Détail |
| --- | --- | --- |
| Raisonnement | 74,0 | Rang 65 · 89 % |
| Code | 72,7 | Rang 53 · 46 % |
| Agents | 72,5 | Rang 18 · 44 % |
| Usage | 76,1 | Rang 86 · 100 % |
| Maths | 73,8 | Rang 63 · 75 % |
| Sciences | 76,9 | Rang 52 · 80 % |
| Français | 75,6 | Rang 45 · 56 % |
| Vision | 76,4 | Provisoire · 33 % |
| Écriture | 79,2 | Rang 70 · 100 % |
| Web | 66,7 | Rang 105 · 100 % |

## Exécution locale

Non. Gemini 2.5 Pro (Jun 2025) est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

## Fiche technique

- Prix : 1,10 € / 8,78 € (entrée / sortie, par million de jetons)
- Fenêtre de contexte : 1 048 576 jetons (environ 786 000 mots)
- Entrées : Texte, image, son, vidéo, PDF
- Réflexion : Non communiqué
- Paramètres : Non communiqué
- Licence : Propriétaire (poids fermés, accès par l'éditeur)
- Classe énergétique : Non communiquée
- Hébergement en Europe : Non communiqué
- Connaissances jusqu'à : Janvier 2025

## Où le trouver

- Par API : [OpenRouter](https://openrouter.ai/google/gemini-2.5-pro)
- Par API : [API Google DeepMind](https://ai.google.dev)
- L'essayer : [Gemini](https://gemini.google.com)

## Dans les outils de code

- Disponible dans : aucun des outils relevés ne le propose dans sa liste
- Mesuré dans : [Gemini CLI](https://quelleia.com/outils/#gemini-cli)
- Relevé du 30 septembre 2026 sur la page publique de chaque outil. Un modèle proposé par un outil figure dans la liste que son éditeur publie. Rien n'y est mesuré.

## Mesures

| Benchmark | Tâche | Publié | Niveau suggéré | État | Source |
| --- | --- | --- | --- | --- | --- |
| EuroEval, Allociné (sentiment) | Français | 95,1 % | 59,1 | saturé | https://euroeval.com/leaderboards/Monolingual/french/ |
| Fiction.LiveBench | Données | 91,7 % | 87,4 | archivé | https://epoch.ai/benchmarks |
| OTIS Mock AIME 2024-2025 | Maths | 84,7 % | 74,1 | saturé | https://epoch.ai/benchmarks |
| Lech Mazur Writing | Écriture | 8,38 | 81,2 | archivé | https://epoch.ai/benchmarks |
| Aider Polyglot | Code | 83,1 % | 77,8 | archivé | https://aider.chat/docs/leaderboards/ |
| GPQA Diamond | Sciences | 85,3 % | 77,4 | actif | https://epoch.ai/benchmarks |
| EuroEval, HellaSwag (bon sens) | Français | 79,9 % | 83,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| GPQA Diamond | Sciences | 84,8 % | 76,9 | actif | https://epoch.ai/benchmarks |
| Aider Polyglot | Code | 79,1 % | 75,7 | archivé | https://aider.chat/docs/leaderboards/ |
| DTBench | Raisonnement | 82,4 % | 74,6 | saturé | https://conceptualreasoning.ai/dtbench |
| EuroEval, FQuAD (compréhension) | Français | 66,6 % | 51,4 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| EuroEval, ELTeC (noms propres) | Français | 64,6 % | 60,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| Arena, écriture créative | Écriture | 1 443,0 Elo | 86,3 | actif | https://arena.ai/leaderboard |
| SWE-bench Verified | Code | 57,6 % | 67,9 | actif | https://epoch.ai/benchmarks |
| Arena, texte | Usage | 1 445,5 Elo | 79,9 | actif | https://arena.ai/leaderboard |
| Arena, questions en français | Français | 1 465,2 Elo | 79,3 | actif | https://arena.ai/leaderboard |
| METR Time Horizons (taux de réussite) | Agents | 55,4 % | 66,9 | actif | https://epoch.ai/benchmarks |
| Arena, questions d'experts | Sciences | 1 458,4 Elo | 77,4 | actif | https://arena.ai/leaderboard |
| Arena, questions de maths | Maths | 1 439,4 Elo | 77,5 | actif | https://arena.ai/leaderboard |
| SimpleBench | Raisonnement | 62,4 % | 85,0 | actif | https://lmcouncil.ai/benchmarks |
| WeirdML (v2) | Code | 54 % | 77,3 | actif | https://epoch.ai/benchmarks |
| Arena, vision | Vision | 1 247,4 Elo | 80,4 | actif | https://arena.ai/leaderboard |
| Arena, questions de code | Code | 1 464,3 Elo | 73,8 | actif | https://arena.ai/leaderboard |
| SpatialViz-Bench | Vision | 44,7 % | 90,0 | archivé | https://arxiv.org/abs/2507.07610 |
| Vending-Bench 2 | Agents | 574 $ | 80,3 | actif | https://epoch.ai/benchmarks |
| SciCode | Code | 42,8 % | 74,7 | actif | https://artificialanalysis.ai/evaluations/scicode |
| DeepResearch Bench | Agents | 42,8 % | 66,9 | actif | https://epoch.ai/benchmarks |
| EuroEval, ScaLA (grammaire) | Français | 42,6 % | 51,1 | actif | https://euroeval.com/leaderboards/Monolingual/french/ |
| DeepResearch Bench | Agents | 41,5 % | 62,1 | actif | https://evals.futuresearch.ai/#drb |
| ARC-AGI-1 | Raisonnement | 41 % | 71,8 | saturé | https://epoch.ai/benchmarks |
| LMCA | Raisonnement | 34,77 | 76,0 | actif | https://conceptualreasoning.ai/lmca |
| ARC-AGI-1 | Raisonnement | 37 % | 70,8 | saturé | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 32,6 % | 72,3 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 32,6 % | 72,2 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| ARC-AGI-1 | Raisonnement | 31,3 % | 69,3 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-1 | Raisonnement | 29,5 % | 68,8 | saturé | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 26,1 % | 69,7 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 26,1 % | 69,7 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 14,1 % | 73,5 | actif | https://epoch.ai/benchmarks |
| FrontierMath, paliers 1 à 3 (v2) | Maths | 24,6 % | 73,2 | actif | https://epoch.ai/benchmarks |
| GDPval | Agents | 23,3 % | 68,1 | archivé | https://epoch.ai/benchmarks |
| Code Arena, WebDev | Web | 1 226,8 Elo | 65,4 | actif | https://arena.ai/leaderboard |
| ForecastBench | Raisonnement | 60,4 % | 80,5 | actif | https://epoch.ai/benchmarks |
| VPCT (Visual Physics Comprehension Test) | Vision | 46,4 % | 75,6 | archivé | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 19,6 % | 66,7 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 19,6 % | 66,7 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| FrontierMath, paliers 1 à 3 (version 2025) | Maths | 10,3 % | 71,1 | actif | https://epoch.ai/benchmarks |
| Humanity's Last Exam | Sciences | 21,6 % | 78,5 | actif | https://epoch.ai/benchmarks |
| Terminal-Bench 2.0 | Code | 16,4 % | 65,0 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| Terminal-Bench 2.0 | Code | 16,4 % | 65,0 | actif | https://www.tbench.ai/leaderboard/terminal-bench/2.0 |
| ARC-AGI-1 | Raisonnement | 16 % | 64,2 | saturé | https://arcprize.org/leaderboard |
| Chess Puzzles | Raisonnement | 20 % | 77,5 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (version 2025) | Maths | 4,2 % | 76,5 | actif | https://epoch.ai/benchmarks |
| EnigmaEval | Raisonnement | 5,6 % | 72,3 | actif | https://labs.scale.com/leaderboard/enigma_eval |
| ARC-AGI-2 | Raisonnement | 4,9 % | 71,9 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 4 % | 71,0 | saturé | https://epoch.ai/benchmarks |
| GSO | Code | 3,9 % | 70,1 | actif | https://epoch.ai/benchmarks |
| GSO | Code | 3,9 % | 70,1 | actif | https://gso-bench.github.io/index.html |
| FrontierMath, palier 4 (version 2025) | Maths | 2,1 % | 72,7 | actif | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 2,9 % | 69,5 | saturé | https://epoch.ai/benchmarks |
| CritPt | Sciences | 2 % | 67,6 | actif | https://epoch.ai/benchmarks |
| Remote Labor Index | Agents | 0,8 % | 76,8 | actif | https://epoch.ai/benchmarks |
| FrontierMath, palier 4 (v2) | Maths | 0 % | 70,5 | saturé | https://epoch.ai/benchmarks |
| ARC-AGI-2 | Raisonnement | 0 % | 64,7 | saturé | https://epoch.ai/benchmarks |

## En bref

**Quel est le score de Gemini 2.5 Pro (Jun 2025) ?** Gemini 2.5 Pro (Jun 2025) obtient un score IA de 73,2, avec une marge de 70,6 à 75,9, dans l'édition du 28 septembre 2026. Il est classé 92e sur 246 modèles, à partir de 38 mesures.

**Dans quelles tâches Gemini 2.5 Pro (Jun 2025) est-il le plus fort ?** Ses deux meilleures tâches sont écriture (79,2) et sciences (76,9). Sa tâche la plus faible est web (66,7).

**Gemini 2.5 Pro (Jun 2025) peut-il tourner en local ?** Non. Gemini 2.5 Pro (Jun 2025) est un modèle fermé : il s'utilise en ligne, par l'application de son éditeur ou par API.

**Combien coûte Gemini 2.5 Pro (Jun 2025) ?** 1,10 € par million de jetons en entrée et 8,78 € en sortie, au tarif affiché par les fournisseurs. Le coût réel d'une tâche dépend du nombre de jetons que le modèle consomme.

**Qui édite Gemini 2.5 Pro (Jun 2025) ?** Gemini 2.5 Pro (Jun 2025) est édité par Google DeepMind (États-Unis), et il est sorti le 5 juin 2025. C'est un modèle fermé.

Source : Quelle IA, édition du 28 septembre 2026. https://quelleia.com