Gemini 2.5 Flash ist Googles Gemini-2.5-Modell mit dem besten Preis-Leistungs-Verhältnis, ausgelegt auf latenzarme, volumenstarke Workloads, die dennoch Reasoning erfordern, einschließlich Verarbeitung in großem Maßstab und agentischer Anwendungen.
- Eingabe
- Text Bild Video Audio $0.3/M
- Ausgabe
- Text $2.5/M
- Audio-Eingabe
- $1/M
- Cache-Lesen
- $0.03/M
- Kontext
- 1M
- vs. GPT-4o
- ~94% günstiger
- Knowledge-Cutoff
- 2025-01
Benchmarks
Anbieterangaben: Alibaba (Qwen) Amazon Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Preis im Vergleich
Der Preis im Feld von 68 vergleichbaren Modellen
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 0 to 24576, or -1 for dynamic · Interactions API: low, medium, high |
| Standardwert | dynamisches Thinking (thinkingBudget -1) gilt, wenn die Anfrage nichts angibt |
| Abschaltbar | Ja |
| Thinking-Verhalten | thinkingBudget 0 schaltet Thinking ab; Thinking-Token werden als Output-Token abgerechnet (thoughtsTokenCount); 2.5 gibt Thought Signatures nur zurück, wenn Thinking aktiv ist und die Anfrage Funktionen deklariert. |
| Parameter | reasoning_effort |
| Werte | minimal · low · medium · high Parameter des Gateways; maßgeblich ist das Anbieter-Mapping oben |
Modell
| Modalitäten | Text + Bild + Video + Audio → Text |
|---|
- Erstes stabiles Release von 2.5 Flash
- 1.048.576 Token Input / 65.536 Output
- Text-, Bild-, Video- und Audioeingabe
- Thinking unterstützt
Ein Prompt, gemessen über das Gateway
Gemini 2.5 Flash bestanden · 3 sentences
Enabling LLM reasoning means the model processes more complex thoughts, often requiring multiple steps or internal iterations to generate accurate answers. This translates directly to higher token consumption per query, as the model "thinks" more deeply and generates more internal and external text for each request. While increasing cost, this deeper processing significantly enhances output quality and reliability, delivering more robust solutions for critical business functions.
Ausgabe 368 tok (+290 Thinking) Latenz 3.1 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.
Gemini 2.5 Flash bestanden · 8/8 cases
```python def longest_run(xs): if not xs: return 0 best = 1 # Initialize best to 1, as a non-empty list always has at least one run of length 1 cur = 1 # Initialize current run length to 1 for the first element for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 # Extend the current run else: cur = 1 # Start a new run of length 1 with the current element xs[i] best = max(best, cur) # Always update best after processing the current element return best ``` **Explanation of the bug:** The original code had two primary flaws. First, it initialized `best` to 0 and `cur` to 0. For single-element inputs (e.g., `[1]`), the loop `range(1, len(xs))` would be empty, causing the function to incorrectly return 0 instead of 1. […]
Ausgabe 3871 tok (+3463 Thinking) Latenz 19.8 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.
Gemini 2.5 Flash bestanden · 5/5 fields, guidance "withheld pending the Q4 close for Meridi"
```json { "company": null, "quarter": "September", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "withheld pending the Q4 close for Meridian Robotics" } ```
Ausgabe 380 tok (+314 Thinking) Latenz 2.5 s
Schema-Treue (keine erfundenen Felder), Anreiz zum Halluzinieren (der Text nennt ausdrücklich keine guidance) und Unterschiede zwischen den Wegen zur strukturierten Ausgabe.
Gemini 2.5 Flash bestanden · 111 words, 0 banned, 1 question
Introducing our latest API Gateway enhancement: **Cross-Provider Prompt Caching**. This new feature intelligently stores and reuses frequently used prompts across all your integrated AI services, regardless of the underlying provider. Eliminate redundant API calls and unnecessary expenses from sending identical requests repeatedly. By intelligently serving cached responses, your applications will experience significantly reduced latency and improved operational efficiency, leading to faster user interactions. This update ensures consistent, rapid delivery of AI-generated content, optimizing resource utilization across your entire AI infrastructure. Are you ready to accelerate your AI-driven workflows and reduce operational spend? Experience substantial performance gains and smarter resource management with this advanced capability, bolstering your AI strategy for greater effectiveness.
Ausgabe 1242 tok (+1108 Thinking) Latenz 7.3 s
Einhaltung der Vorgaben (Wortbudget, Liste verbotener Wörter, genau eine Frage), stilistische Handschrift und Kontrolle über die Länge.
Gemini 2.5 Flash 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",
messages=[{"role": "user", "content": "Summarize this diff"}],
reasoning_effort="medium",
)
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",
messages: [{ role: "user", content: "Summarize this diff" }],
reasoning_effort: "medium",
});
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",
"messages": [{"role": "user", "content": "Hello"}],
"reasoning_effort": "medium"
}'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",
Messages: []openai.ChatCompletionMessageParamUnion{
openai.UserMessage("Summarize this diff"),
},
ReasoningEffort: openai.ReasoningEffortMedium,
})
fmt.Println(resp.Choices[0].Message.Content)
}import com.openai.client.OpenAIClient;
import com.openai.client.okhttp.OpenAIOkHttpClient;
import com.openai.models.chat.completions.*;
import com.openai.models.ReasoningEffort;
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")
.addUserMessage("Summarize this diff")
.reasoningEffort(ReasoningEffort.MEDIUM)
.build());
System.out.println(resp.choices().get(0).message().content().orElse(""));Über Gemini 2.5 Flash
- Googles Modellseite nennt es das „beste Modell im Hinblick auf das Preis-Leistungs-Verhältnis, mit rundum ausgewogenen Fähigkeiten“, die mittlere Wahl zwischen Flash-Lite, das Reasoning-Tiefe für Kosten aufgibt, und 2.5 Pro, das Latenz für Tiefe aufgibt.
- Es ist ein Thinking-Modell mit einem Kontextfenster von 1.048.576 Token und einem Output-Limit von 65.536 Token, das Text-, Bild-, Video- und Audioeingaben akzeptiert und Text zurückgibt.
- Zu den unterstützten Fähigkeiten zählen Function Calling, strukturierte Ausgaben, Code-Ausführung, Search- und Maps-Grounding, URL-Kontext, Context-Caching, die Batch API sowie Flex- und Priority-Inferenz; Live API, Bildgenerierung, Audiogenerierung und Computer Use gehören nicht dazu.
- Thinking läuft standardmäßig dynamisch, und 2.5 Flash ist eines der wenigen Gemini-Modelle, bei denen es sich vollständig abschalten lässt: thinkingBudget akzeptiert 0 bis 24.576, wobei -1 für dynamisch steht und 0 Thinking komplett deaktiviert.
- Diese Einstellung sollten Sie bewusst wählen, denn Thinking-Token werden als Output-Token abgerechnet, selbst wenn nur eine Zusammenfassung zurückkommt.
- Googles neuere Interactions API stellt dieselbe Steuerung als thinking_level-String mit low, medium oder high bereit statt als numerisches Budget, sodass die aufgerufene Oberfläche die Art der Anfrage verändert.
- Der Knowledge Cutoff liegt im Januar 2025.
- Entwickler erreichen es auf Synthorai über die vertraute OpenAI-kompatible Chat-Completions-API.
FAQ
Lässt sich die Gemini 2.5 Flash API kostenlos testen?
Ja. Neue Konten erhalten 10 Testaufrufe und bis zu $1 Gratisguthaben, ohne Kreditkarte. Bei $0.3/M für Eingabe-Tokens reicht allein dieses Guthaben für rund 416 Anfragen an Gemini 2.5 Flash mit je ~8K Tokens.
Worin ist Gemini 2.5 Flash am besten?
Bestes Preis-Leistungs-Verhältnis für volumenstarkes Reasoning; Thinking-Modell mit 1.048.576-Token-Kontext; Code-Ausführung und Search Grounding integriert. Mehr dazu im Über-Abschnitt, der auf den offiziellen Release Notes des Anbieters beruht.
Was kostet Gemini 2.5 Flash?
Gemini 2.5 Flash kostet auf Synthorai $0.3 pro Million Eingabe-Tokens und $2.5 pro Million Ausgabe-Tokens. Das ist der Listenpreis des Anbieters, ohne Plattformaufschlag. Gecachte Eingabe-Tokens werden mit $0.03/M abgerechnet.
Wie groß ist das Kontextfenster von Gemini 2.5 Flash?
Gemini 2.5 Flash hat auf Synthorai ein Kontextfenster von 1M Tokens. Eine einzelne Antwort kann bis zu 65,536 Tokens lang sein.
Unterstützt Gemini 2.5 Flash Prompt-Caching?
Ja, automatisches Caching ist standardmäßig aktiv, dazu ein expliziter Modus für garantierte Einsparungen. Gecachte Eingabe-Tokens werden mit $0.03/M statt $0.3/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?
Setzen Sie in Ihrem vorhandenen OpenAI SDK base_url="https://synthorai.io/v1" und model="gemini-2.5-flash", mehr ist nicht nötig. Ein API-Schlüssel gilt für alle Modelle im Gateway.
Wo liegt der Knowledge-Cutoff von Gemini 2.5 Flash?
Der Knowledge-Cutoff von Gemini 2.5 Flash liegt bei 2025-01, laut offizieller Dokumentation des Anbieters (Stand: 2026-07-09).
Verwandte Modelle
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.