Gemini 2.5 Flash-Lite

对比

发布于 2025-07-22

chat图像理解代码工具调用提示词缓存推理

Gemini 2.5 Flash-Lite 是 Google 成本效率最高的多模态 Gemini 2.5 模型，在该家族中速度最快，面向分类、数据抽取和摘要这类高频轻量任务。

输入: 文本图像视频音频 $0.1/M
输出: 文本 $0.4/M
音频输入: $0.3/M
缓存读取: $0.01/M
上下文: 1M
对比 GPT-4o: 便宜约 98%
知识截止: 2025-01

价格在同类中的位置

价格在 60 个同类模型中的位置

输入$0.1/M

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

输出$0.4/M

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

缓存读取$0.01/M

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

这条线显示该模型的价格，在 Synthorai 上同类模型里处于什么位置。两端标出了最便宜和最贵的那个。这里是基础价，批量、区域和缓存写入的折扣见价格页。

规格与限制

Token

上下文窗口(厂商规格)	1,048,576
最大输出(厂商规格)	65,536
知识截止	2025-01

提示词缓存

缓存方式	自动 + 显式
最低前缀	4,096

思考

厂商参数	thinkingBudget (generateContent) · thinking_level (Interactions API)
可选值	thinkingBudget 512 to 24576, or -1 for dynamic · Interactions API: low, medium, high
默认值	关闭，除非设置了预算，否则模型不进行思考请求未指定时生效
可关闭	支持
思考行为	唯一默认关闭思考的 Gemini；预算区间从 512 起，但 thinkingBudget 0 另行有效并保持思考关闭，而 -1 则开启动态思考
参数	reasoning_effort
取值	minimal · low · medium · high 网关侧参数面——以上方厂商映射为准

模型

模态	文本 + 图像 + 视频 + 音频 → 文本

1,048,576 token 输入 / 65,536 输出
文本+图像+视频+音频+PDF 输入
支持思考

依据 Google 官方文档 ↗

单个 Prompt —— 通过网关实测

面向 CFO 的推理修复含 bug 的函数提取至 schema 按约束条件写作

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

Gemini 2.5 Flash-Lite 通过 · 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.

输出 80 tok 延迟 1.0 s

指令遵循（恰好三句，可数）、受众适配（面向 CFO 的语气），以及下方 token 计量所暴露的隐藏思考计费缺口。

提示词 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. 检查修复通过测试

Gemini 2.5 Flash-Lite 通过 · 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. […]

输出 728 tok 延迟 2.8 s

修复是否真的正确（可运行）、解释的信息密度，以及在一个边界明确的任务上的 token 效率。

提示词 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. 检查合法 JSON，schema 精确

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

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

输出 58 tok 延迟 0.9 s

schema 服从度（不臆造字段）、幻觉压力（guidance 明确被暂缓给出），以及结构化输出路径的差异。

提示词 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. 检查 120 词，0 个禁用词

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.

输出 97 tok 延迟 1.0 s

约束服从度（字数预算、禁用词表、唯一的那句问句）、文风指纹，以及长度控制。

30 秒用上 Gemini 2.5 Flash-Lite

OpenAI 兼容:换掉 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(""));

关于 Gemini 2.5 Flash-Lite

Google 把它的最佳用途列为高并发分类、简单数据抽取，以及「预算和速度是首要约束的极低延迟应用」，这也是在它与 2.5 Flash 之间做选择的分界线。
它接受文本、图像、视频、音频和 PDF 输入，具备 1,048,576 token 上下文窗口和 65,536 token 输出上限，返回文本。
函数调用、结构化输出、代码执行、搜索与地图事实依据、URL 上下文、上下文缓存、Batch API 以及 Flex 和 Priority 推理全部支持；Live API、图像生成和音频生成不支持。
它最鲜明的行为是思考：在这一产品线中唯有 Flash-Lite 默认关闭思考，因此除非你主动要求，否则不会在推理 token 上花钱。
thinkingBudget 接受 512 到 24,576 作为固定额度，或用 -1 表示动态思考，0 则保持禁用；这一点很重要，因为思考 token 按输出价计费。
Google 更新的 Interactions API 把同一控制项表达为 thinking_level 字符串，取值 low、medium 或 high。
知识截止为 2025 年 1 月，Google 尚未公布 2.5 正式发布模型的退役日期。
Synthorai 通过标准的 OpenAI 兼容 chat completions 端点转发对它的请求。

常见问题

Gemini 2.5 Flash-Lite API 可以免费试用吗?

可以。新账号可获得 10 次试用调用和最高 $1 的免费额度,无需绑卡。按输入 $0.1/M 计算,仅这笔额度就足够对 Gemini 2.5 Flash-Lite 发起约 1,250 次 ~8K token 的请求。

Gemini 2.5 Flash-Lite 最擅长什么?

家族中最省成本、速度最快、可为难题选择性开启思考、为分类、抽取、摘要打造。完整能力请见「关于」部分,内容取自厂商官方发布说明。

Gemini 2.5 Flash-Lite 的价格是多少?

在 Synthorai 上,Gemini 2.5 Flash-Lite 输入 $0.1/百万 token、输出 $0.4/百万 token,即厂商牌价,无平台加价。缓存命中的输入 token 按 $0.01/M 计费。

Gemini 2.5 Flash-Lite 支持提示词缓存(prompt caching)吗?

支持:自动缓存默认开启,另有显式模式可获得确定性折扣。缓存命中的输入 token 按 $0.01/M 计费(未命中 $0.1/M);提示词需有 4,096 token 以上的稳定前缀才能命中缓存。提示词缓存指南 →

如何开通 Gemini 2.5 Flash-Lite?

把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1",model 设为 "gemini-2.5-flash-lite" 即可。一把 API key 通用网关上的全部模型。

Gemini 2.5 Flash-Lite 的知识截止日期是什么时候?

Gemini 2.5 Flash-Lite 的知识截止日期为 2025-01,依据厂商官方文档(数据核验于 2026-07-09)。

对比

与任意模型对比 →

本页每个值都转录自厂商自己的文档(链接见上),并带有核对日期。价格在全目录范围内比较;各厂商定义不同的规格值,只说明差异而不作图表对比。此处没有任何由我们测量的数据,也不做评分。

获取 API 密钥算算你的成本 →

规格与限制

单个 Prompt —— 通过网关实测

30 秒用上 Gemini 2.5 Flash-Lite

关于 Gemini 2.5 Flash-Lite

常见问题

相关模型

对比