Gemini 2.5 Flash 是 Google 性价比最高的 Gemini 2.5 模型，面向仍需推理能力的低延迟、高并发工作负载，包括大规模处理和智能体应用。
- 输入
- 文本 图像 视频 音频 $0.3/M
- 输出
- 文本 $2.5/M
- 音频输入
- $1/M
- 缓存读取
- $0.03/M
- 上下文
- 1M
- 对比 GPT-4o
- 便宜约 94%
- 知识截止
- 2025-01
Benchmark 成绩
供应商公布： Alibaba (Qwen) Amazon Anthropic ByteDance DeepSeek Google MiniMax Moonshot OpenAI Tencent Z.ai
价格在同类中的位置
价格在 68 个同类模型中的位置
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 0 to 24576, or -1 for dynamic · Interactions API: low, medium, high |
| 默认值 | 动态思考（thinkingBudget -1） 请求未指定时生效 |
| 可关闭 | 支持 |
| 思考行为 | thinkingBudget 0 关闭思考；思考 token 按输出 token 计费（thoughtsTokenCount）；2.5 仅在思考开启且请求声明了函数时才返回思考签名 |
| 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 |
|---|
- 首个稳定版 2.5 Flash
- 1,048,576 token 输入 / 65,536 输出
- 文本+图像+视频+音频输入
- 支持思考
一条提示词，经网关实测
Gemini 2.5 Flash 通过 · 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.
输出 368 tok (+290 思考) 延迟 3.1 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。
Gemini 2.5 Flash 通过 · 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. […]
输出 3871 tok (+3463 思考) 延迟 19.8 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。
Gemini 2.5 Flash 通过 · 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" } ```
输出 380 tok (+314 思考) 延迟 2.5 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。
Gemini 2.5 Flash 通过 · 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.
输出 1242 tok (+1108 思考) 延迟 7.3 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
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",
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(""));关于 Gemini 2.5 Flash
- Google 的模型页称它是「性价比最好、能力均衡的模型」，处在放弃推理深度换取成本的 Flash-Lite 与放弃延迟换取深度的 2.5 Pro 之间。
- 它是思考模型，具备 1,048,576 token 上下文窗口和 65,536 token 输出上限，接受文本、图像、视频和音频输入并返回文本。
- 支持的能力包括函数调用、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；Live API、图像生成、音频生成和计算机操作不受支持。
- 思考默认动态运行，而 2.5 Flash 是少数可以彻底关闭思考的 Gemini 模型之一：thinkingBudget 接受 0 到 24,576，-1 表示动态，0 则完全禁用思考。
- 这个设置值得刻意选择，因为即使只返回摘要，思考 token 也按输出 token 计费。
- Google 更新的 Interactions API 把同一个控制项表达为 thinking_level 字符串，取值 low、medium 或 high，而不是数值预算，因此调用哪个接口会改变你的表述方式。
- 知识截止为 2025 年 1 月。
- 开发者在 Synthorai 上通过熟悉的 OpenAI 兼容 chat completions API 使用它。
常见问题
Gemini 2.5 Flash 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 $0.3/M 计算，光这笔额度就够向 Gemini 2.5 Flash 发约 416 次请求，每次 ~8K token。
Gemini 2.5 Flash 最擅长什么？
高并发推理的最佳性价比、1,048,576 token 上下文的思考模型、内置代码执行与搜索事实依据。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 的价格是多少？
在 Synthorai 上，Gemini 2.5 Flash 的输入价为 $0.3/百万 token，输出价为 $2.5/百万 token。这就是供应商官网价，平台不加价。缓存命中的输入 token 按 $0.03/M 计费。
Gemini 2.5 Flash 的上下文长度是多少？
Gemini 2.5 Flash 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 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 $0.03/M 计费（未命中为 $0.3/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？
把现有 OpenAI SDK 的 base_url 指向 "https://synthorai.io/v1"，model 设为 "gemini-2.5-flash" 即可。一个 API key 就能调用网关上的全部模型。
Gemini 2.5 Flash 的知识截止日期是什么时候？
Gemini 2.5 Flash 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）。
相关模型
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。