Offizielle Google-Dokumentation ↗ In 30 Sekunden loslegen

Gemini 2.5 Flash-Lite

Vergleichen

Veröffentlicht 2025-07-22

chatVisionCodeTool-AufrufePrompt-Caching Reasoning

Gemini 2.5 Flash-Lite ist Googles kosteneffizientestes multimodales Gemini-2.5-Modell und bietet die schnellste Leistung der Familie für hochfrequente, leichtgewichtige Aufgaben wie Klassifikation, Datenextraktion und Zusammenfassung.

Eingabe: Text Bild Video Audio $0.1/M
Ausgabe: Text $0.4/M
Audio-Eingabe: $0.3/M
Cache-Lesen: $0.01/M
Kontext: 1M
vs. GPT-4o: ~98% günstiger
Knowledge-Cutoff: 2025-01

Preis im Vergleich

Der Preis im Feld von 68 vergleichbaren Modellen

Eingabe$0.1/M

$0.1 · Dola Seed 2.0 Mini GPT-5.4 Pro · $30

Ausgabe$0.4/M

$0.275 · DeepSeek V4 Flash GPT-5.4 Pro · $180

Cache-Lesen$0.01/M

$0.01 · Claude Haiku 5.5 GPT-5.4 Pro · $15

Der Balken zeigt, wo der Preis dieses Modells unter allen Modellen derselben Art auf Synthorai liegt. An beiden Enden stehen das günstigste und das teuerste Modell. Angegeben sind Grundpreise; Rabatte für Batch, Region und Cache-Schreibzugriffe stehen auf der Preisseite.

Spezifikationen & Limits

Tokens

Kontextfenster (laut Anbieter)	1.048.576
Max. Ausgabe (laut Anbieter)	65.536
Knowledge-Cutoff	2025-01

Prompt-Caching

Modus	automatisch + explizit
Min. Präfix	4.096

Thinking

Anbieter-Parameter	thinkingBudget (generateContent) · thinking_level (Interactions API)
Zulässige Werte	thinkingBudget 512 to 24576, or -1 for dynamic · Interactions API: low, medium, high
Standardwert	aus; das Modell denkt nicht, solange kein Budget gesetzt ist gilt, wenn die Anfrage nichts angibt
Abschaltbar	Ja
Thinking-Verhalten	Das einzige Gemini, das standardmäßig mit abgeschaltetem Thinking ausgeliefert wird; der Budgetbereich beginnt bei 512, doch thinkingBudget 0 ist gesondert zulässig und lässt Thinking aus, während -1 dynamisches Thinking einschaltet.
Parameter	reasoning_effort
Werte	minimal · low · medium · high Parameter des Gateways; maßgeblich ist das Anbieter-Mapping oben

Modell

Modalitäten	Text + Bild + Video + Audio → Text

1.048.576 Token Input / 65.536 Output
Text-, Bild-, Video-, Audio- und PDF-Eingabe
Thinking unterstützt

laut Offizielle Google-Dokumentation ↗

Ein Prompt, gemessen über das Gateway

Reasoning, einem CFO erklärt Fehlerhafte Funktion korrigieren In ein Schema extrahieren Nach Vorgaben schreiben

PROMPT Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. KRITERIUM genau 3 Sätze

Gemini 2.5 Flash-Lite bestanden · 3 sentences

Enabling reasoning allows our LLM to perform more complex, multi-step computations, directly increasing the computational resources and time required per query. This enhanced capability, while powerful, inherently consumes more processing power and leads to a proportional rise in our operational costs. Consequently, the doubled bill accurately reflects the significant increase in the LLM's workload and the underlying infrastructure expenses associated with its advanced reasoning functions.

Ausgabe 80 tok Latenz 1.0 s

Befolgen der Anweisung (genau drei Sätze, das lässt sich zählen), Zuschnitt auf die Zielgruppe (Tonfall für einen CFO) und die Abrechnungslücke durch nicht sichtbares Thinking, die die Token-Zähler unten offenlegen.

PROMPT This function is supposed to return the longest run of consecutive equal items, but callers report it is off by one on single-element inputs and misses runs that end at the last index. Fix it and explain the bug in one paragraph. KRITERIUM Fix besteht die Tests

Gemini 2.5 Flash-Lite bestanden · 8/8 cases

The bug in the `longest_run` function is that it doesn't account for the initial run length of 1 for any element, and it fails to consider a run that might end at the very last element of the list. The `cur` variable is incremented *after* checking for equality, meaning for a single element, it never gets incremented from its initial value of 0. Similarly, if the longest run extends to the end of the list, the `best` variable might not be updated with the final `cur` value. […]

Ausgabe 728 tok Latenz 2.8 s

Ob der Fix wirklich korrekt ist (er lässt sich ausführen), wie dicht die Erklärung ist und wie sparsam das Modell bei einer klar begrenzten Aufgabe mit Tokens umgeht.

PROMPT Extract a JSON object with fields {company, quarter, revenue_usd_m, growth_pct, guidance} from this text. Use null for anything not stated; add no other fields. KRITERIUM gültiges JSON, Schema exakt

Gemini 2.5 Flash-Lite bestanden · 5/5 fields, guidance null

```json { "company": "Meridian Robotics", "quarter": "September", "revenue_usd_m": 412, "growth_pct": 11, "guidance": null } ```

Ausgabe 58 tok Latenz 0.9 s

Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.

PROMPT Write a 120-word product announcement for an API gateway feature that caches prompts across providers. Forbidden words: "seamless", "unlock", "game-changer", "revolutionize", "empower". Exactly one sentence must be a question. KRITERIUM 120 Wörter, 0 verbotene Wörter

Gemini 2.5 Flash-Lite verfehlt · 78 words, 0 banned, 1 question

Introducing Enhanced Prompt Caching for our API Gateway! This new capability intelligently stores your prompts, reducing repeated API calls to multiple providers. Significantly cut down latency and optimize your application's performance by leveraging cached responses. How much could this speed boost improve your user experience? Our advanced caching ensures consistency and faster access to information, no matter the underlying service. Experience a more efficient and cost-effective integration strategy. Get started today and see the difference prompt caching makes.

Ausgabe 97 tok Latenz 1.0 s

Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.

Gemini 2.5 Flash-Lite in 30 Sekunden nutzen

OpenAI-kompatibel: base_url austauschen, SDK behalten. POST /v1/chat/completions

from openai import OpenAI

client = OpenAI(
    base_url="https://synthorai.io/v1",
    api_key="sk-syn-...",
)

resp = client.chat.completions.create(
    model="gemini-2.5-flash-lite",
    messages=[{"role": "user", "content": "Summarize this diff"}],
)
print(resp.choices[0].message.content)

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://synthorai.io/v1",
  apiKey: "sk-syn-...",
});

const resp = await client.chat.completions.create({
  model: "gemini-2.5-flash-lite",
  messages: [{ role: "user", content: "Summarize this diff" }],
});
console.log(resp.choices[0].message.content);

curl https://synthorai.io/v1/chat/completions \
  -H "Authorization: Bearer sk-syn-..." \
  -H "Content-Type: application/json" \
  -d '{
    "model": "gemini-2.5-flash-lite",
    "messages": [{"role": "user", "content": "Hello"}]
  }'

package main

import (
	"context"
	"fmt"

	"github.com/openai/openai-go/v3"
	"github.com/openai/openai-go/v3/option"
)

func main() {
	client := openai.NewClient(
		option.WithBaseURL("https://synthorai.io/v1"),
		option.WithAPIKey("sk-syn-..."),
	)
	resp, _ := client.Chat.Completions.New(context.TODO(), openai.ChatCompletionNewParams{
		Model: "gemini-2.5-flash-lite",
		Messages: []openai.ChatCompletionMessageParamUnion{
			openai.UserMessage("Summarize this diff"),
		},
	})
	fmt.Println(resp.Choices[0].Message.Content)
}

import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;

OpenAIClient client = OpenAIOkHttpClient.builder()
    .baseUrl("https://synthorai.io/v1")
    .apiKey("sk-syn-...")
    .build();

ChatCompletion resp = client.chat().completions().create(
    ChatCompletionCreateParams.builder()
        .model("gemini-2.5-flash-lite")
        .addUserMessage("Summarize this diff")
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

Über Gemini 2.5 Flash-Lite

Google nennt als beste Einsatzzwecke Klassifikation in großem Volumen, einfache Datenextraktion und „extrem latenzarme Anwendungen, bei denen Budget und Geschwindigkeit die wichtigsten Beschränkungen sind“, was zugleich die Trennlinie zu 2.5 Flash ist.
Es akzeptiert Text-, Bild-, Video-, Audio- und PDF-Eingaben mit einem Kontextfenster von 1.048.576 Token und einem Output-Limit von 65.536 Token und gibt Text zurück.
Function Calling, strukturierte Ausgaben, Code-Ausführung, Search- und Maps-Grounding, URL-Kontext, Context-Caching, die Batch API sowie Flex- und Priority-Inferenz werden allesamt unterstützt; Live API, Bildgenerierung und Audiogenerierung nicht.
Sein prägendes Verhalten ist das Thinking: Als einziges Modell dieser Reihe wird Flash-Lite mit standardmäßig deaktiviertem Thinking ausgeliefert, sodass nichts für Reasoning-Token ausgegeben wird, sofern Sie sie nicht anfordern. thinkingBudget akzeptiert 512 bis 24.576 für ein festes Kontingent oder -1 für dynamisches Thinking, und 0 hält es deaktiviert, was zählt, weil Thinking-Token zum Output-Tarif abgerechnet werden.
Googles neuere Interactions API drückt dieselbe Steuerung als thinking_level-String mit low, medium oder high aus.
Der Knowledge Cutoff liegt im Januar 2025, und Google hat für die allgemein verfügbaren Modelle der 2.5-Generation kein Abschaltdatum veröffentlicht.
Synthorai leitet Anfragen über den standardmäßigen OpenAI-kompatiblen Chat-Completions-Endpoint an es weiter.

FAQ

Lässt sich die Gemini 2.5 Flash-Lite API kostenlos testen?

Ja. Neue Konten erhalten 10 Testaufrufe und bis zu $1 Gratisguthaben, ohne Kreditkarte. Bei $0.1/M für Eingabe-Tokens reicht allein dieses Guthaben für rund 1,250 Anfragen an Gemini 2.5 Flash-Lite mit je ~8K Tokens.

Worin ist Gemini 2.5 Flash-Lite am besten?

Kosteneffizientestes, schnellstes seiner Familie; optionales Thinking für schwierigere Probleme; für Klassifikation, Extraktion und Zusammenfassung gebaut. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.

Was kostet Gemini 2.5 Flash-Lite?

Gemini 2.5 Flash-Lite kostet auf Synthorai $0.1 pro Million Eingabe-Tokens und $0.4 pro Million Ausgabe-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattformaufschlag. Gecachte Eingabe-Tokens werden mit $0.01/M abgerechnet.

Wie groß ist das Kontextfenster von Gemini 2.5 Flash-Lite?

Gemini 2.5 Flash-Lite hat auf Synthorai ein Kontextfenster von 1M Tokens. Eine einzelne Antwort kann bis zu 65,536 Tokens lang sein.

Unterstützt Gemini 2.5 Flash-Lite Prompt-Caching?

Ja, automatisches Caching ist standardmäßig aktiv, dazu ein expliziter Modus für garantierte Einsparungen. Gecachte Eingabe-Tokens werden mit $0.01/M statt $0.1/M (ungecacht) abgerechnet; Prompts brauchen ein stabiles Präfix von 4,096 Tokens, um gecacht zu werden. Leitfaden zum Prompt-Caching →

Wie erhalte ich Zugang zu Gemini 2.5 Flash-Lite?

Setzen Sie in Ihrem vorhandenen OpenAI SDK base_url="https://synthorai.io/v1" und model="gemini-2.5-flash-lite", mehr ist nicht nötig. Ein API-Schlüssel gilt für alle Modelle im Gateway.

Wo liegt der Knowledge-Cutoff von Gemini 2.5 Flash-Lite?

Der Knowledge-Cutoff von Gemini 2.5 Flash-Lite liegt bei 2025-01, laut offizieller Dokumentation des Anbieters (Stand: 2026-07-09).

Vergleichen

Mit beliebigem Modell vergleichen →

Jeder Wert auf dieser Seite stammt aus der oben verlinkten Dokumentation des Anbieters und trägt das Datum, an dem wir ihn geprüft haben. Preise vergleichen wir über den gesamten Katalog. Spezifikationen, die Anbieter unterschiedlich definieren, zeigen wir mit einem Hinweis auf den Unterschied und nicht als Diagramm. Wir messen hier nichts selbst und vergeben keine Bewertungen.

API-Schlüssel erstellen Ihre Kosten vergleichen →

Spezifikationen & Limits

Ein Prompt, gemessen über das Gateway

Gemini 2.5 Flash-Lite in 30 Sekunden nutzen

Über Gemini 2.5 Flash-Lite

FAQ

Verwandte Modelle

Vergleichen