Gemini 2.5 Flash-Lite

對比

發布於 2025-07-22

chat影像理解程式碼工具呼叫提示詞快取推理

Gemini 2.5 Flash-Lite 是 Google 最具成本效益的多模態 Gemini 2.5 模型，為分類、資料抽取、摘要等高頻輕量任務提供家族中最快的效能。

輸入: 文字影像影片音訊 $0.1/M
輸出: 文字 $0.4/M
音訊輸入: $0.3/M
快取讀取: $0.01/M
上下文: 1M
相較 GPT-4o: 便宜約 98%
知識截止: 2025-01

價格在同類中的位置

價格在 60 個同類模型中的位置

輸入$0.1/M

$0.05 · Qwen3 VL Flash GPT-5.4 Pro · $30

輸出$0.4/M

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

快取讀取$0.01/M

$0.0028 · DeepSeek V4 Flash GPT-5.4 Pro · $15

這條線顯示該模型的價格，在 Synthorai 上同類模型裡處於什麼位置。兩端標出了最便宜和最貴的那個。這裡是基礎價，批次、區域與快取寫入的折扣見價格頁。

規格與限制

Token

上下文視窗(廠商規格)	1,048,576
最大輸出(廠商規格)	65,536
知識截止	2025-01

提示詞快取

快取方式	自動 + 顯式
最低前綴	4,096

思考

廠商參數	thinkingBudget (generateContent) · thinking_level (Interactions API)
可選值	thinkingBudget 512 to 24576, or -1 for dynamic · Interactions API: low, medium, high
預設值	關閉，除非設定預算，否則模型不會思考請求未指定時生效
可關閉	支援
思考行為	唯一預設關閉思考的 Gemini；預算範圍從 512 起算，但 thinkingBudget 設為 0 另外有效並維持思考關閉，設為 -1 則開啟動態思考。
參數	reasoning_effort
取值	minimal · low · medium · high 閘道側參數面——以上方廠商映射為準

模型

模態	文字 + 影像 + 影片 + 音訊 → 文字

1,048,576 token 輸入 / 65,536 輸出
支援文字、影像、影片、音訊與 PDF 輸入
支援思考

依據 Google 官方文件 ↗

單一提示詞 — 經由閘道測量

針對 CFO 的推論修復包含錯誤的函式擷取至 schema 依照限制條件撰寫

提示詞 Explain to a CFO, in exactly three sentences, why our LLM bill doubled after we enabled reasoning. 檢查恰好 3 句

Gemini 2.5 Flash-Lite 通過 · 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.

輸出 80 tok 延遲 1.0 s

指令遵循（恰好三句，可數）、受眾適配（面向 CFO 的語氣），以及下方 token 計量所暴露的隱藏思考計費缺口。

提示詞 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. 檢查修復通過測試

Gemini 2.5 Flash-Lite 通過 · 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. […]

輸出 728 tok 延遲 2.8 s

修復是否真的正確（可執行）、解釋的資訊密度，以及在一個邊界明確的任務上的 token 效率。

提示詞 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. 檢查合法 JSON，schema 精確

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

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

輸出 58 tok 延遲 0.9 s

schema 服從度（不臆造欄位）、幻覺壓力（guidance 明確被暫緩給出），以及結構化輸出路徑的差異。

提示詞 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. 檢查 120 詞，0 個禁用詞

Gemini 2.5 Flash-Lite 未命中 · 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.

輸出 97 tok 延遲 1.0 s

約束服從度（字數預算、禁用詞表、唯一的那句問句）、文風指紋，以及長度控制。

30 秒用上 Gemini 2.5 Flash-Lite

OpenAI 相容:換掉 base_url,SDK 不用改。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(""));

關於 Gemini 2.5 Flash-Lite

Google 稱它的最佳用途是大批量分類、簡單資料抽取，以及「預算和速度是首要約束的極低延遲應用」，這也是選它而非 2.5 Flash 的分界線。
它接受文字、影像、影片、音訊和 PDF 輸入，具備 1,048,576 token 上下文視窗和 65,536 token 輸出上限，回傳文字。
函式呼叫、結構化輸出、程式碼執行、搜尋與 Maps 事實依據、URL 上下文、上下文快取、Batch API 以及 Flex 和 Priority 推理全部支援；Live API、影像生成和音訊生成則不支援。
它最具辨識度的行為是思考：在這批模型中只有 Flash-Lite 預設關閉思考，因此除非你主動要求，否則不會在推理 token 上花任何成本。
thinkingBudget 接受 512 到 24,576 作為固定額度，或 -1 表示動態思考，0 則保持停用，這一點很重要，因為思考 token 按輸出價計費。
Google 較新的 Interactions API 把同一個控制項表達為 thinking_level 字串，取值 low、medium 或 high。
知識截止為 2025 年 1 月，而 Google 尚未公布 2.5 正式發布模型的退役日期。
Synthorai 透過標準 OpenAI 相容 chat completions 端點路由請求。

常見問題

Gemini 2.5 Flash-Lite API 可以免費試用嗎?

可以,新帳號可獲得 10 次試用呼叫和最高 $1 的免費額度,無需信用卡。以輸入 $0.1/M 計算,光是這筆額度就足以對 Gemini 2.5 Flash-Lite 發出約 1,250 次 ~8K token 的請求。

Gemini 2.5 Flash-Lite 最擅長什麼?

家族中最省成本、速度最快、可為難題選擇性開啟思考、為分類、抽取、摘要打造。完整能力請見「關於」一節,內容取自廠商官方發布說明。

Gemini 2.5 Flash-Lite 的價格是多少?

在 Synthorai 上,Gemini 2.5 Flash-Lite 輸入 $0.1/百萬 token、輸出 $0.4/百萬 token,即廠商牌價,無平台加價。快取命中的輸入 token 以 $0.01/M 計費。

Gemini 2.5 Flash-Lite 支援提示詞快取(prompt caching)嗎?

支援:自動快取預設開啟,另有顯式模式可獲得確定的折扣。快取命中的輸入 token 以 $0.01/M 計費(未命中 $0.1/M);提示詞需有 4,096 個 token 以上的穩定前綴才能命中快取。提示詞快取指南 →

如何開通 Gemini 2.5 Flash-Lite?

把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 設為 "gemini-2.5-flash-lite" 即可。一組 API key 通用閘道上的所有模型。

Gemini 2.5 Flash-Lite 的知識截止日期是什麼時候?

Gemini 2.5 Flash-Lite 的知識截止日期為 2025-01,依據廠商官方文件(資料核驗於 2026-07-09)。

對比

與任意模型對比 →

本頁每個值都轉錄自廠商自己的文件(連結見上),並帶有核對日期。價格在全目錄範圍內比較;各廠商定義不同的規格值,只說明差異而不作圖表對比。此處沒有任何由我們測量的資料,也不做評分。

取得 API 金鑰算算你的成本 →

規格與限制

單一提示詞 — 經由閘道測量

30 秒用上 Gemini 2.5 Flash-Lite

關於 Gemini 2.5 Flash-Lite

常見問題

相關模型

對比