Gemini 2.5 Pro

對比

發布於 2025-06-17

chat影像理解程式碼工具呼叫推理提示詞快取

Gemini 2.5 Pro 是 Google 2.5 系列中最先進的思考模型，為程式碼、數學和 STEM 領域的複雜問題推理而生，並能利用長上下文分析大型資料集、程式碼庫和文件。

輸入: 文字影像影片音訊 $1.25/M
輸出: 文字 $10/M
音訊輸入: $2.5/M
快取讀取: $0.125/M
上下文: 1M
相較 GPT-4o: 便宜約 75%
知識截止: 2025-01

Benchmark 成績

高於同儕均值3 ~~/ 10~~

Gemini 2.5 Pro 其他被測模型同儕均值 ★ 無人分數更高

LiveCodeBench

74.2%

WenetSpeech test-net (CER)

14.43%

FACTS Grounding

87.8%

GPQA Diamond

86.4%

EmbSpatialBench no thinking

73.3%

Video-MME (w. sub)

86.9%

Video-MME (w. sub)

86.9%

LVBench

78.7%

VideoMMMU

83.6%

MMMU

82%

ZeroBench

4.5%

1H-VideoQA

81%

ActivityNet-QA

66.7%

AI2D (test) no thinking

90%

AI2D (test) thinking

90.9%

BetterChartQA

72.4%

BLINK no thinking

70%

BLINK thinking

70.6%

CC-OCR no thinking

76.8%

CC-OCR thinking

77.2%

CharXiv (RQ) no thinking

62.9%

CharXiv (RQ) thinking

67.9%

CountBench no thinking

91%

CountBench thinking

91%

DocVQA (test) no thinking

94%

DocVQA (test) thinking

92.6%

EgoTempo

44.3%

HallusionBench no thinking

60.9%

HallusionBench thinking

63.7%

InfoVQA (test) no thinking

82.9%

InfoVQA (test) thinking

84.2%

MathVerse (mini) no thinking

65.9%

MathVerse (mini) thinking

82.9%

MathVision no thinking

66%

MathVision thinking

73.3%

MathVista (mini) no thinking

77.7%

MathVista (mini) thinking

82.7%

MIABench no thinking

91.3%

MIABench thinking

92.3%

Minerva (video)

67.6%

MLVU (M-Avg) no thinking

81.2%

MLVU (M-Avg) thinking

85.6%

MM-MT-Bench (1-10) no thinking · 7.5-7.6

7.6

MM-MT-Bench (1-10) thinking · 7.9-8.4

8.4

MMBench EN-DEV v1.1 no thinking

86.6%

MMBench EN-DEV v1.1 thinking

90.1%

MMLongBench-Doc no thinking

51.2%

MMLongBench-Doc thinking

55.6%

MMMU no thinking

80.9%

MMMU thinking

81.7%

MMStar no thinking

78.5%

MMStar thinking

77.5%

MUIRBENCH no thinking

74%

MUIRBENCH thinking

77.2%

Neptune

87.3%

OCRBench (0-1000) no thinking · 741-872

872

OCRBench (0-1000) thinking · 739-866

866

Perception Test

78.4%

QVHighlights (R1@0.5)

75%

RealWorldQA no thinking

76%

RealWorldQA thinking

78%

SimpleVQA no thinking

66.9%

SimpleVQA thinking

65.4%

VATEX (CIDEr) 65.2-71.3

71.3

VATEX-ZH (CIDEr) 43.9-59.7

59.7

Vibe-Eval (Reka)

67.2%

Video-MME (audio+visual, Long subset)

84.3%

Video-MME (no sub) no thinking

80.6%

Video-MME (no sub) thinking

85.1%

VideoMMMU no thinking

79.4%

VideoMMMU thinking

83.6%

YouCook2 Cap (CIDEr) 177.6-188.3

188.3

LVBench no thinking 據 Alibaba (Qwen) 公布

沒有其他模型的公開成績

69%

LVBench thinking 據 Alibaba (Qwen) 公布

沒有其他模型的公開成績

73%

MMMU-Pro no thinking 據 Alibaba (Qwen) 公布

沒有其他模型的公開成績

71.2%

MMMU-Pro thinking 據 Alibaba (Qwen) 公布

沒有其他模型的公開成績

68.8%

ODinW-13 no thinking 據 Alibaba (Qwen) 公布

沒有其他模型的公開成績

34.5%

ODinW-13 thinking 據 Alibaba (Qwen) 公布

沒有其他模型的公開成績

33.7%

VisuLogic no thinking 據 Alibaba (Qwen) 公布

沒有其他模型的公開成績

26.9%

VisuLogic thinking 據 Alibaba (Qwen) 公布

沒有其他模型的公開成績

31.6%

ZeroBench thinking 據 Alibaba (Qwen) 公布

沒有其他模型的公開成績

ZeroBench (subquestions) thinking 據 Alibaba (Qwen) 公布

沒有其他模型的公開成績

33.8%

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

輸入$1.25/M

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

輸出$10/M

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

快取讀取$0.125/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 128 to 32768, 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	不支援
思考行為	Google 為 2.5 Pro 標註「N/A: Cannot disable thinking」；下限為 128 token，思考 token 按輸出 token 計費。
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 旗艦的穩定 / GA 版本
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 Pro 通過 · 3 sentences

Enabling reasoning changed the model from a simple Q&A tool into a multi-step problem solver. Instead of answering in one go, it now internally breaks down questions and thinks through steps, with each internal step incurring a charge. This series of computations produces a more accurate answer but requires significantly more processing, which is what doubled our bill.

輸出 1428 tok (+1359 思考) 延遲 14.1 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。

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 Pro 通過 · 8/8 cases

Here is the corrected function and an explanation of the bug. ```python def longest_run(xs): if not xs: return 0 best = 1 cur = 1 for i in range(1, len(xs)): if xs[i] == xs[i - 1]: cur += 1 else: cur = 1 best = max(best, cur) return best ``` The original function's bug stemmed from its counting logic. It initialized the current run length (`cur`) to 0 and only incremented it when a matching *pair* of elements was found. This meant the length of any run was always counted as one less than its actual size (e.g., a run of three `2`s has two matching pairs, so `cur` would only reach 2). […]

輸出 3286 tok (+2986 思考) 延遲 28.1 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 Pro 通過 · 5/5 fields, guidance "Formal guidance is withheld pending the "

```json { "company": "Meridian Robotics", "quarter": "September", "revenue_usd_m": 412, "growth_pct": 11, "guidance": "Formal guidance is withheld pending the Q4 close" } ```

輸出 1028 tok (+960 思考) 延遲 9.1 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 Pro 通過 · 111 words, 0 banned, 1 question

Announcing Cross-Provider Prompt Caching, a new feature for our API Gateway designed for maximum efficiency and cost savings. This capability intelligently stores the response for a given prompt, making it instantly available for future identical requests across any supported provider, including OpenAI, Anthropic, and Google. By serving results directly from the cache, it dramatically reduces latency for common queries and eliminates redundant API expenditures. Why pay multiple times for the same generative AI result? This provides a central, powerful tool to optimize your AI spending and accelerate application performance. Fine-tune your cache's time-to-live settings for granular control over data freshness. Get started today to build more responsive and economical AI-driven products.

輸出 2389 tok (+2249 思考) 延遲 21.0 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 Pro

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-pro",
    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-pro",
  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-pro",
    "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-pro",
		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-pro")
        .addUserMessage("Summarize this diff")
        .reasoningEffort(ReasoningEffort.MEDIUM)
        .build());
System.out.println(resp.choices().get(0).message().content().orElse(""));

關於 Gemini 2.5 Pro

1,048,576 token 上下文視窗和 65,536 token 輸出上限，配合音訊、影像、影片、文字和 PDF 輸入，輸出為文字。
它支援函式呼叫、結構化輸出、程式碼執行、搜尋與 Maps 事實依據、URL 上下文、檔案搜尋、上下文快取和 Batch API；Live API、電腦使用、影像生成、音訊生成和 Priority 推理則不支援，這也是把延遲敏感的流量改送 2.5 Flash 的一個實際理由。
思考是 Pro 與同門差別最大的地方：thinkingBudget 取值 128 到 32,768，不能設為 0，因此推理無法關閉，每個請求都帶有一個按輸出價計費的思考 token 下限。
若不設定，預算為動態，模型會依問題自行伸縮推理量；Google 較新的 Interactions API 把同一個控制項表達為 thinking_level 字串。
當前 Gemini 介面上還有一個通用的請求構造習慣：以非空 model 回合結尾的請求會被拒絕，因此應該用系統指令或結構化輸出來引導輸出，而不是預填一段答案。
知識截止為 2025 年 1 月。
在 Synthorai 上，它透過標準的 OpenAI 相容 chat completions 通道應答。

常見問題

Gemini 2.5 Pro 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 $1.25/M 計算,光是這筆額度就足以對 Gemini 2.5 Pro 發出約 99 次 ~8K token 的請求。

Gemini 2.5 Pro 最擅長什麼?

面向程式碼、數學、STEM 的頂尖思考、長上下文分析大型程式碼庫、1,048,576 token 上下文，PDF 輸入。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 Pro 的價格是多少?

在 Synthorai 上,Gemini 2.5 Pro 輸入 $1.25/百萬 token、輸出 $10/百萬 token,即廠商牌價,無平台加價。快取命中的輸入 token 以 $0.125/M 計費。

Gemini 2.5 Pro 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 $0.125/M 計費(未命中 $1.25/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 Pro?

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

Gemini 2.5 Pro 的知識截止日期是什麼時候?

Gemini 2.5 Pro 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 Pro

關於 Gemini 2.5 Pro

常見問題

相關模型

對比