Gemini 2.5 Flash 是 Google 性價比最高的 Gemini 2.5 模型，面向仍需推理能力的低延遲、高併發工作負載，包括大規模處理和智慧體應用。
- 輸入
- 文字 影像 影片 音訊 $0.3/M
- 輸出
- 文字 $2.5/M
- 音訊輸入
- $1/M
- 快取讀取
- $0.03/M
- 上下文
- 1M
- 相較 GPT-4o
- 便宜約 94%
- 知識截止
- 2025-01
Benchmark 成績
廠商公布: Alibaba (Qwen) Amazon Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
價格在同類中的位置
價格在 60 個同類模型中的位置
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 0 to 24576, or -1 for dynamic · Interactions API: low, medium, high |
| 預設值 | 動態思考（thinkingBudget 為 -1） 請求未指定時生效 |
| 可關閉 | 支援 |
| 思考行為 | thinkingBudget 設為 0 可關閉思考；思考 token 按輸出 token 計費（thoughtsTokenCount）；2.5 僅在思考開啟且請求宣告了函式時才回傳 thought signature。 |
| 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 |
|---|
- 2.5 Flash 的首個穩定版
- 1,048,576 token 輸入 / 65,536 輸出
- 支援文字、影像、影片與音訊輸入
- 支援思考
單一提示詞 — 經由閘道測量
Gemini 2.5 Flash 通過 · 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.
輸出 368 tok (+290 思考) 延遲 3.1 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。
Gemini 2.5 Flash 通過 · 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. […]
輸出 3871 tok (+3463 思考) 延遲 19.8 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。
Gemini 2.5 Flash 通過 · 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" } ```
輸出 380 tok (+314 思考) 延遲 2.5 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。
Gemini 2.5 Flash 通過 · 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.
輸出 1242 tok (+1108 思考) 延遲 7.3 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
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",
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(""));關於 Gemini 2.5 Flash
- Google 的模型頁稱它是「性價比最佳、能力全面均衡的模型」，是介於捨棄推理深度換取成本的 Flash-Lite 與捨棄延遲換取深度的 2.5 Pro 之間的折中選擇。
- 它是思考模型，具備 1,048,576 token 上下文視窗和 65,536 token 輸出上限，接受文字、影像、影片和音訊輸入並回傳文字。
- 支援的能力包括函式呼叫、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；Live API、影像生成、音訊生成和電腦使用則不支援。
- 思考預設以動態方式執行，而 2.5 Flash 是少數幾個可以把思考徹底關掉的 Gemini 模型之一：thinkingBudget 接受 0 到 24,576，-1 表示動態，0 則完全停用思考。
- 這個設定值得刻意選擇，因為即使只回傳摘要，思考 token 也按輸出 token 計費。
- Google 較新的 Interactions API 把同一個控制項暴露為 thinking_level 字串，取值 low、medium 或 high，而不是數值預算，因此你呼叫哪個介面會改變你表達的方式。
- 知識截止為 2025 年 1 月。
- 開發者在 Synthorai 上透過熟悉的 OpenAI 相容 chat completions API 使用它。
常見問題
Gemini 2.5 Flash 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 $0.3/M 計算,光是這筆額度就足以對 Gemini 2.5 Flash 發出約 416 次 ~8K token 的請求。
Gemini 2.5 Flash 最擅長什麼?
高併發推理的最佳性價比、1,048,576 token 上下文的思考模型、內建程式碼執行與搜尋事實依據。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 的價格是多少?
在 Synthorai 上,Gemini 2.5 Flash 輸入 $0.3/百萬 token、輸出 $2.5/百萬 token,即廠商牌價,無平台加價。快取命中的輸入 token 以 $0.03/M 計費。
Gemini 2.5 Flash 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 $0.03/M 計費(未命中 $0.3/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?
把現有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 設為 "gemini-2.5-flash" 即可。一組 API key 通用閘道上的所有模型。
Gemini 2.5 Flash 的知識截止日期是什麼時候?
Gemini 2.5 Flash 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)。
相關模型
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。