Gemini 2.5 Flash est le modèle Gemini 2.5 de Google au meilleur rapport prix-performance, visant les charges de travail à faible latence et fort volume qui nécessitent tout de même du raisonnement, dont le traitement à grande échelle et les applications agentiques.
- Entrée
- texte image vidéo audio $0.3/M
- Sortie
- texte $2.5/M
- Entrée audio
- $1/M
- Lecture de cache
- $0.03/M
- Contexte
- 1M
- vs GPT-4o
- ~94% moins cher
- Coupure des connaissances
- 2025-01
Benchmarks
Chiffres publiés par les fournisseurs : Alibaba (Qwen) Amazon Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
Le prix en contexte
Position du prix parmi 60 modèles comparables
La barre montre où se situe le prix de ce modèle parmi tous les modèles du même type sur Synthorai. Le moins cher et le plus cher sont nommés à chaque extrémité. Ce sont des tarifs de base ; les remises lot, région et écriture en cache figurent sur la page des tarifs.
Spécifications et limites
Tokens
| Fenêtre de contexte (spécification du fournisseur) | 1 048 576 |
|---|---|
| Sortie max (spéc. fournisseur) | 65 536 |
| Coupure des connaissances | 2025-01 |
Mise en cache
| Mode | automatique + explicite |
|---|---|
| Préfixe min. | 4 096 |
Raisonnement
| Paramètre du fournisseur | thinkingBudget (generateContent) · thinking_level (Interactions API) |
|---|---|
| Valeurs acceptées | thinkingBudget 0 to 24576, or -1 for dynamic · Interactions API: low, medium, high |
| Valeur par défaut | réflexion dynamique (thinkingBudget -1) appliquée si la requête ne précise rien |
| Désactivable | Oui |
| Comportement du raisonnement | thinkingBudget 0 désactive la réflexion ; les tokens de réflexion sont facturés comme des tokens de sortie (thoughtsTokenCount) ; la génération 2.5 ne renvoie de signatures de pensée que lorsque la réflexion est active et que la requête déclare des fonctions. |
| Paramètre | reasoning_effort |
| Valeurs | minimal · low · medium · high la surface de paramètres de la passerelle - le mappage fournisseur ci-dessus s'applique |
Modèle
| Modalités | texte + image + vidéo + audio → texte |
|---|
- Première version stable de 2.5 Flash
- entrée de 1 048 576 tokens / 65 536 en sortie
- entrée texte + image + vidéo + audio
- réflexion prise en charge
Un prompt, mesuré via la passerelle
Gemini 2.5 Flash réussi · 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.
sortie 368 tok (+290 réflexion) latence 3.1 s
Suivi de l'instruction (exactement trois phrases - comptables), adaptation à l'audience (registre CFO), et l'écart de facturation lié à la réflexion cachée que les compteurs de tokens ci-dessous révèlent.
Gemini 2.5 Flash réussi · 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. […]
sortie 3871 tok (+3463 réflexion) latence 19.8 s
Si le correctif est réellement juste (exécutable), la densité de l'explication, et l'efficacité en tokens sur une tâche bornée.
Gemini 2.5 Flash réussi · 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" } ```
sortie 380 tok (+314 réflexion) latence 2.5 s
Respect du schéma (aucun champ inventé), pression d'hallucination (guidance est explicitement retenue), et différences de chemin pour la sortie structurée.
Gemini 2.5 Flash réussi · 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.
sortie 1242 tok (+1108 réflexion) latence 7.3 s
Respect des contraintes (budget de mots, liste de mots interdits, l'unique question), empreinte stylistique, et contrôle de la longueur.
Utilisez Gemini 2.5 Flash en 30 secondes
Compatible OpenAI : changez la base_url, gardez votre 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(""));À propos de Gemini 2.5 Flash
- La page modèle de Google le qualifie de « meilleur modèle en termes de rapport prix-performance, offrant des capacités complètes », le choix intermédiaire entre Flash-Lite, qui sacrifie la profondeur de raisonnement au coût, et 2.5 Pro, qui sacrifie la latence à la profondeur.
- C'est un modèle de réflexion doté d'une fenêtre de contexte de 1 048 576 tokens et d'une limite de sortie de 65 536 tokens, acceptant du texte, des images, de la vidéo et de l'audio en entrée et renvoyant du texte.
- Les capacités prises en charge incluent l'appel de fonctions, les sorties structurées, l'exécution de code, l'ancrage Search et Maps, le contexte d'URL, la mise en cache du contexte, la Batch API et l'inférence Flex et Priority ; la Live API, la génération d'images, la génération audio et l'usage de l'ordinateur ne le sont pas.
- La réflexion s'exécute dynamiquement par défaut, et 2.5 Flash est l'un des rares modèles Gemini où elle peut être désactivée purement et simplement : thinkingBudget accepte de 0 à 24 576, avec -1 pour le mode dynamique et 0 pour désactiver entièrement la réflexion.
- Ce réglage mérite d'être choisi délibérément, car les tokens de réflexion sont facturés comme des tokens de sortie même lorsque seul un résumé est renvoyé.
- L'Interactions API plus récente de Google expose le même contrôle sous la forme d'une chaîne thinking_level à low, medium ou high plutôt que d'un budget numérique : la surface que vous appelez change donc la façon de le demander.
- La date limite des connaissances est janvier 2025.
- Les développeurs y accèdent sur Synthorai via l'API de chat completions compatible OpenAI habituelle.
FAQ
Peut-on essayer l'API Gemini 2.5 Flash gratuitement ?
Oui : les nouveaux comptes reçoivent 10 appels d'essai et jusqu'à $1 de crédit gratuit, sans carte bancaire. À $0.3/M de tokens en entrée, ce crédit couvre à lui seul environ 416 requêtes de ~8K tokens sur Gemini 2.5 Flash.
Quels sont les points forts de Gemini 2.5 Flash ?
Meilleur rapport prix-performance pour le raisonnement à fort volume ; modèle de réflexion avec contexte de 1 048 576 tokens ; exécution de code et ancrage par recherche intégrés. Voir la section À propos pour le tableau complet, tiré des notes de version officielles du fournisseur.
Combien coûte Gemini 2.5 Flash ?
Sur Synthorai, Gemini 2.5 Flash coûte $0.3 par million de tokens en entrée et $2.5 par million de tokens en sortie, soit le prix catalogue du fournisseur, sans majoration de plateforme. Les tokens d'entrée en cache sont facturés $0.03/M.
Gemini 2.5 Flash prend-il en charge la mise en cache des prompts ?
Oui : la mise en cache automatique est activée par défaut, avec un mode explicite pour des économies garanties. Les tokens d'entrée en cache sont facturés $0.03/M contre $0.3/M hors cache ; les prompts doivent avoir un préfixe stable de 4,096 tokens pour être mis en cache. Guide de mise en cache des prompts →
Comment obtenir l'accès à Gemini 2.5 Flash ?
Pointez votre SDK OpenAI existant vers base_url="https://synthorai.io/v1", définissez model="gemini-2.5-flash", et c'est tout. Une seule clé API couvre tous les modèles de la passerelle.
Quelle est la date de coupure des connaissances de Gemini 2.5 Flash ?
La date de coupure des connaissances de Gemini 2.5 Flash est 2025-01, selon la documentation officielle du fournisseur (au 2026-07-09).
Modèles associés
Comparer
Chaque valeur de cette page est transcrite de la documentation du fournisseur, liée ci-dessus, et porte la date de sa vérification. Les prix sont comparés à l'échelle du catalogue ; les valeurs de spécification que les fournisseurs définissent différemment sont présentées avec la différence indiquée plutôt que mises en graphique. Rien ici n'est mesuré par nous, et rien n'est noté.