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 圖像 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
供應商公布： 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 68 個同類模型中的位置
這條線標出這個模型的價格，在 Synthorai 的同類模型裡落在什麼位置；兩端分別是最便宜和最貴的模型。這裡列的是基礎價，批次、區域和快取寫入的折扣請見價格頁。
規格與限制
Token
| 上下文視窗（供應商規格） | 1,048,576 |
|---|---|
| 最大輸出（供應商規格） | 65,536 |
| 知識截止 | 2025-01 |
提示詞快取
| 快取方式 | 自動 + 顯式 |
|---|---|
| 最小前綴 | 4,096 |
思考
| 供應商參數 | thinkingBudget (generateContent) · thinking_level (Interactions API) |
|---|---|
| 可接受的值 | 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 |
| 參數值 | minimal · low · medium · high 這是閘道的參數，實際以上方的供應商對應為準 |
模型
| 模態 | 文字 + 圖像 + 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
一段提示詞，經閘道實測
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
是否照指令做（剛好三句，數得出來）、語氣是否貼合對象（寫給 CFO 看），以及下方 token 計量顯示出的隱藏思考計費落差。
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
修正是否真的正確（跑得起來）、說明的資訊密度，以及在範圍明確的任務上的 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
是否遵守 schema（不自創欄位）、面對幻覺誘因的表現（題目明確不給 guidance），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
是否遵守限制（字數上限、禁用詞清單、只能有一句問句）、文字風格的特徵，以及長度控制。
30 秒上手 Gemini 2.5 Flash
相容 OpenAI：換掉 base_url，SDK 不用換。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，新帳號有 10 次試用呼叫和最高 $1 的免費額度，免綁卡。以輸入價 $0.3/M 計算，光是這筆額度就夠你對 Gemini 2.5 Flash 發出約 416 次請求，每次約 8K token。
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。完整介紹請見「關於」一節，內容取自供應商官方的發布說明。
Gemini 2.5 Flash 的價格是多少？
在 Synthorai 上，Gemini 2.5 Flash 的輸入價是每百萬 token $0.3，輸出價是每百萬 token $2.5。這就是供應商官網價，平台不加價。快取命中的輸入 token 以 $0.03/M 計費。
Gemini 2.5 Flash 的上下文長度是多少？
Gemini 2.5 Flash 的上下文長度（上下文視窗）是 1M token。單次回覆最多輸出 65,536 個 token。
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，可確保拿到折扣。快取命中的輸入 token 以 $0.03/M 計費（未命中為 $0.3/M）；提示詞要有 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" 就可以了。一把 API 金鑰就能呼叫閘道上的所有模型。
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，依據供應商官方文件（查核日期：2026-07-09）。
相關模型
比較
本頁每一個數值都摘錄自供應商自己的文件（連結見上方），並附上查核日期。價格是放在整個目錄裡比較；各家供應商定義不一樣的規格，只說明差異，不畫成圖表比較。這裡沒有任何數據是我們自己量測的，也不做評分。