Gemini 2.5 Flash es el modelo Gemini 2.5 de mejor relación precio-rendimiento de Google, orientado a cargas de trabajo de baja latencia y alto volumen que aún requieren razonamiento, incluidos el procesamiento a gran escala y las aplicaciones agénticas.
- Entrada
- texto imagen vídeo audio $0.3/M
- Salida
- texto $2.5/M
- Entrada de audio
- $1/M
- Lectura de caché
- $0.03/M
- Contexto
- 1M
- vs GPT-4o
- ~94% más barato
- Corte de conocimiento
- 2025-01
Benchmarks
Publicado por los proveedores: Alibaba (Qwen) Amazon Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
El precio en contexto
Posición del precio entre 60 modelos comparables
La barra muestra dónde queda el precio de este modelo entre todos los modelos del mismo tipo en Synthorai. En cada extremo se nombra el más barato y el más caro. Son tarifas base; los descuentos por lote, región y escritura en caché están en la página de precios.
Especificaciones y límites
Tokens
| Ventana de contexto (especificación del proveedor) | 1.048.576 |
|---|---|
| Salida máxima (especificación del proveedor) | 65.536 |
| Corte de conocimiento | 2025-01 |
Caché de prompts
| Modo | automático + explícito |
|---|---|
| Prefijo mín. | 4096 |
Razonamiento
| Parámetro del proveedor | thinkingBudget (generateContent) · thinking_level (Interactions API) |
|---|---|
| Valores admitidos | thinkingBudget 0 to 24576, or -1 for dynamic · Interactions API: low, medium, high |
| Valor por defecto | pensamiento dinámico (thinkingBudget -1) se aplica si la solicitud no indica nada |
| Se puede desactivar | Sí |
| Comportamiento del razonamiento | thinkingBudget 0 desactiva el pensamiento; los tokens de pensamiento se facturan como tokens de salida (thoughtsTokenCount); 2.5 devuelve firmas de pensamiento solo cuando el pensamiento está activo y la solicitud declara funciones. |
| Parámetro | reasoning_effort |
| Valores | minimal · low · medium · high la superficie de parámetros del gateway - aplica el mapeo del proveedor de arriba |
Modelo
| Modalidades | texto + imagen + vídeo + audio → texto |
|---|
- Primera versión estable de 2.5 Flash
- 1.048.576 tokens de entrada / 65.536 de salida
- entrada de texto, imagen, vídeo y audio
- pensamiento admitido
Un prompt, medido a través del gateway
Gemini 2.5 Flash superado · 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.
salida 368 tok (+290 pensamiento) latencia 3.1 s
Seguimiento de la instrucción (exactamente tres frases - contables), adaptación a la audiencia (registro de CFO), y la brecha de facturación por pensamiento oculto que los medidores de tokens de abajo dejan ver.
Gemini 2.5 Flash superado · 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. […]
salida 3871 tok (+3463 pensamiento) latencia 19.8 s
Si el arreglo es realmente correcto (ejecutable), la densidad de la explicación, y la eficiencia en tokens sobre una tarea acotada.
Gemini 2.5 Flash superado · 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" } ```
salida 380 tok (+314 pensamiento) latencia 2.5 s
Obediencia al esquema (sin campos inventados), presión de alucinación (guidance se retiene explícitamente), y diferencias en la ruta de salida estructurada.
Gemini 2.5 Flash superado · 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.
salida 1242 tok (+1108 pensamiento) latencia 7.3 s
Obediencia a las restricciones (presupuesto de palabras, lista de palabras prohibidas, la única pregunta), huella de estilo, y control de la longitud.
Use Gemini 2.5 Flash en 30 segundos
Compatible con OpenAI: cambie el base_url y conserve su SDK. 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(""));Acerca de Gemini 2.5 Flash
- La página de modelo de Google lo llama el «mejor modelo en términos de precio-rendimiento, con capacidades equilibradas», la opción intermedia entre Flash-Lite, que renuncia a profundidad de razonamiento a cambio de coste, y 2.5 Pro, que renuncia a latencia a cambio de profundidad.
- Es un modelo de pensamiento con una ventana de contexto de 1.048.576 tokens y un límite de salida de 65.536 tokens, que acepta entrada de texto, imagen, vídeo y audio y devuelve texto.
- Las capacidades admitidas incluyen llamada a funciones, salidas estructuradas, ejecución de código, grounding de búsqueda y de Maps, contexto de URL, caché de contexto, la Batch API y la inferencia Flex y Priority; no se admiten la Live API, la generación de imágenes, la generación de audio ni el uso del ordenador.
- El pensamiento se ejecuta de forma dinámica por defecto, y 2.5 Flash es uno de los pocos modelos Gemini donde puede desactivarse por completo: thinkingBudget acepta de 0 a 24.576, con -1 para dinámico y 0 para desactivar el pensamiento del todo.
- Conviene elegir ese ajuste deliberadamente, porque los tokens de pensamiento se facturan como tokens de salida incluso cuando solo se devuelve un resumen.
- La nueva Interactions API de Google expone el mismo control como una cadena thinking_level en low, medium o high en lugar de un presupuesto numérico, así que la superficie que se invoque cambia la forma de pedirlo.
- La fecha de corte de conocimiento es enero de 2025.
- Los desarrolladores lo alcanzan en Synthorai a través de la familiar API de chat completions compatible con OpenAI.
Preguntas frecuentes
¿Se puede probar gratis la API de Gemini 2.5 Flash?
Sí: las cuentas nuevas reciben 10 llamadas de prueba y hasta $1 de crédito gratuito, sin tarjeta. A $0.3/M por tokens de entrada, solo ese crédito cubre aproximadamente 416 solicitudes de ~8K tokens contra Gemini 2.5 Flash.
¿En qué destaca Gemini 2.5 Flash?
La mejor relación precio-rendimiento para razonamiento de alto volumen; modelo de pensamiento con contexto de 1.048.576 tokens; ejecución de código y grounding de búsqueda integrados. Consulte la sección Acerca de para el panorama completo según las notas de lanzamiento del propio proveedor.
¿Cuánto cuesta Gemini 2.5 Flash?
Gemini 2.5 Flash cuesta $0.3 por millón de tokens de entrada y $2.5 por millón de tokens de salida en Synthorai: el precio de lista del proveedor, sin margen de plataforma. Los tokens de entrada en caché se facturan a $0.03/M.
¿Gemini 2.5 Flash admite caché de prompts?
Sí: el caché automático viene activado por defecto, con un modo explícito para ahorros garantizados. Los tokens de entrada en caché se facturan a $0.03/M frente a $0.3/M sin caché; los prompts necesitan un prefijo estable de 4,096 tokens para entrar en caché. Guía de caché de prompts →
¿Cómo obtengo acceso a Gemini 2.5 Flash?
Apunte su SDK de OpenAI existente a base_url="https://synthorai.io/v1", configure model="gemini-2.5-flash" y listo. Una sola clave API cubre todos los modelos del gateway.
¿Cuál es la fecha de corte de conocimiento de Gemini 2.5 Flash?
La fecha de corte de conocimiento de Gemini 2.5 Flash es 2025-01, según la documentación oficial del proveedor (a fecha de 2026-07-09).
Modelos relacionados
Comparar
Cada valor de esta página está transcrito de la documentación del proveedor, enlazada arriba, y lleva la fecha en que se comprobó. Los precios se comparan en todo el catálogo; los valores de especificación que los proveedores definen de forma distinta se muestran indicando la diferencia en lugar de representarse en un gráfico. Nada aquí lo medimos nosotros, y nada se puntúa.