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 68 个同类模型中的位置

输入$0.1/M

$0.1 · Dola Seed 2.0 Mini 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

$0.01 · Claude Haiku 5.5 GPT-5.4 Pro · $15

这条线标出该模型的价格在 Synthorai 同类模型中的位置，两端分别是最便宜和最贵的模型。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（供应商规格）	1,048,576
最大输出（供应商规格）	65,536
知识截止	2025-01

提示词缓存

缓存方式	自动 + 显式
最小前缀	4,096

思考

供应商参数	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 这是网关侧的参数，实际以上方的供应商映射为准

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 ↗

一条提示词，经网关实测

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

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，数得出来）、受众适配（对 CFO 说话的口吻），以及下方 token 计数暴露出的隐藏思考计费差额。

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（能运行）、解释的信息密度，以及在一个范围明确的任务上的 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，严格符合 schema

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

是否严守 schema（不臆造字段）、能否顶住幻觉压力（原文明说暂不给出 guidance），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 未通过 · 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

是否守住约束（字数预算、禁用词表、只能有一个问句）、文风特征，以及长度控制。

30 秒用上 Gemini 2.5 Flash-Lite

兼容 OpenAI：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。新账号有 10 次试用调用，免费额度最高 $1，无需绑卡。按输入 $0.1/M 计算，光这笔额度就够向 Gemini 2.5 Flash-Lite 发约 1,250 次请求，每次 ~8K token。

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。完整介绍见「关于」部分，内容取自供应商的官方发布说明。

Gemini 2.5 Flash-Lite 的价格是多少？

在 Synthorai 上，Gemini 2.5 Flash-Lite 的输入价为 $0.1/百万 token，输出价为 $0.4/百万 token。这就是供应商官网价，平台不加价。缓存命中的输入 token 按 $0.01/M 计费。

Gemini 2.5 Flash-Lite 的上下文长度是多少？

Gemini 2.5 Flash-Lite 的上下文长度（上下文窗口）是 1M token。单次回复最多输出 65,536 个 token。

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，可以确保拿到折扣。缓存命中的输入 token 按 $0.01/M 计费（未命中为 $0.1/M）；提示词的稳定前缀至少要有 4,096 个 token 才能缓存。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。一个 API key 就能调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 的知识截止日期是 2025-01，以供应商官方文档为准（核对于 2026-07-09）。

对比

与任意模型对比 →

本页的每个数值都照录自供应商自己的文档（链接见上），并标有核对日期。价格是在整个目录范围内比较的；各家供应商定义不一样的规格项，只说明差异，不画图对比。这里没有任何一项是我们自己测的，也不打分。

获取 API key 算算你的成本 →

规格与限制

一条提示词，经网关实测

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