Gemini 2.5 Flash

概述

Gemini 2.5 Flash 是 Gemini 2.5 Pro 的轻量版，定位为"极致性价比"。Input $0.075/M token——是 Claude Sonnet 4 的 1/40，GPT-4o 的 1/33。保留 100 万 token 上下文和多模态能力。

核心能力

全网最低价

100 亿 token 的 Input 费用：Flash $750，Sonnet 4 $30,000。

100 万 token 上下文

与 Pro 版共享 100 万 token 上下文窗口。可以用极低成本处理超长文档、整个代码仓库。但实测同样有"中间遗忘"问题，超过 200K 后质量明显下降，详见 Context Engineering。

多模态

支持图片、视频、音频输入。视频理解能力继承自 Pro 版，质量略低但速度更快——适合海量视频内容审核 / 打标场景。

速度

首 token 延迟 ~0.3s，流式吞吐 ~120 tok/s，是同档最快的之一。对实时聊天 / 流式输出体验非常重要。

API 调用示例

from google import genai
client = genai.Client(api_key="AIza...")

# 关闭 thinking 加速（Flash 默认也开了 thinking，但对简单任务无必要）
resp = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="把这段文本分类：" + text,
    config={
        "temperature": 0,
        "max_output_tokens": 100,
        "thinking_config": {"thinking_budget": 0},   # 关掉省钱省时间
        "response_mime_type": "application/json",
        "response_schema": {
            "type": "object",
            "properties": {"category": {"type": "string"}},
        },
    },
)

thinking_budget=0 是 Flash 的重要省钱开关——批量分类、抽取这种"无脑活"完全不需要推理，关掉后速度 +30%、token -20%。

Batch API

Gemini Batch API 提供 -50% 折扣（Flash Input 直接砍到 $0.0375/M），24 小时内出结果：

batch = client.batches.create(
    model="gemini-2.5-flash",
    requests=[
        {"contents": "分类：" + t} for t in texts
    ],
)

万级离线任务的成本基本可以忽略不计。

实际表现

Flash 保留约 Pro 85% 的能力。在以下场景表现优秀：

• 文本分类、情感分析
• 文档摘要、信息抽取
• 简单问答、FAQ
• 代码补全（简单场景）
• 视频内容打标 / 审核
• 多语言翻译

以下场景建议用 Pro：

• 复杂推理 / 数学
• 精确编程 / 多文件改写
• 需要深度分析的长文档
• 法律 / 医疗等严格场景

典型用量成本

用 Claude Sonnet 4 做同样的事，成本是 40 倍——很多生意做不起来。

Flash vs Flash-Lite

Google 还有更轻的 gemini-2.5-flash-lite：

Flash-Lite 适合极端高吞吐场景（百亿级 token / 月）。但能力差距明显，能用 Flash 就别用 Lite。

适合 / 不适合

适合：

• 内容分类 / 情感分析 / 关键词抽取
• 客服 Bot 第一线（复杂问题升级到 Pro）
• 海量文档摘要 / 知识库构建
• 视频审核 / 直播切片打标
• 离线 batch 数据清洗

不适合：

• AI 编程主力（SWE-bench 表现差）
• 复杂 Agent 多步推理（工具调用稳定性不够）
• 法律 / 医疗严格场景（拒答率低，幻觉风险）
• 长文创意写作（输出质量明显不如 Sonnet/Opus）

实战：分层路由模式

很多生产系统用 Flash + Pro/Sonnet 双模型分层：

用户请求
  │
  ├─ [Flash 路由器] 快速判断任务复杂度
  │     ├─ 简单（80%） → Flash 直接回答
  │     └─ 复杂（20%） → 转 Pro / Claude Sonnet 4
  │
  └─ 综合：均价低、用户体验不打折

实际可能：80% 流量走 Flash（$0.1/万条），20% 走 Sonnet 4（$10/万条），均价 $2/万条——比纯 Sonnet 4 便宜 5 倍。

避坑清单

• thinking_budget 默认非 0：Flash 也会"想一会儿"，简单任务必须显式关掉。
• JSON 输出务必带 schema：response_mime_type=application/json 单独用不够强约束。
• 多语言慎重：英文中文表现 OK，小语种（日韩阿拉伯等）质量明显不如 Pro。
• 视频不要超过 1 小时：尽管 1M 上下文支持，但长视频"中间遗忘"严重，建议切片处理。
• 国内访问：和 Pro 一样需中转，OpenRouter 或自建 Cloudflare Workers。

什么时候用 / 别用

适合用 Flash 一档：

• 高吞吐、低单价的批处理：分类、抽取、打标、批量改写——这类任务单点难度低但量大，省下的钱全在规模上。
• 分层路由里的第一层：先让便宜模型处理，不确定才升级。同样的准确率，成本可以差一个数量级。
• 对延迟敏感的实时路径：补全、即时问答、简单工具调用。

不适合用：

• 多步推理与复杂规划。省下的 token 钱，会变成返工的人力钱。
• 小语种内容。英文中文表现尚可，日韩阿拉伯等质量明显不如 Pro 一档。
• 长视频 / 超长输入的理解任务。尽管上下文支持很大，但**「中间遗忘」严重**，建议切片处理。

与 Pro 一档的分层路由

实际落地最划算的形态不是二选一，而是分层：

1. 默认走 Flash，并让它顺带自评一次置信度（「这个结果你有把握吗」）。
2. 自评不确定、或任务属于上表「不适合」清单，升级到 Pro 重跑。
3. 记录每次升级的原因，跑一段时间你会得到自己业务的「什么时候必须升级」清单。

thinking_budget 默认非 0：Flash 也会「想一会儿」，简单任务务必显式关掉，否则你既付了思考的钱，又没拿到思考的收益。这是本卡最常被忽略的一条成本项。

更新说明

• 2026-10-17：补充「什么时候用 / 别用」与「分层路由」两节。本卡为上一代型号基线，新项目选型请以站内更新的 Gemini 型号卡片为准；本文只作为存量项目的成本与用法参照，具体定价与上下文请以 Google 官方定价页为准，本站不转录第三方口径。

延伸阅读

• 上位旗舰：Gemini 2.5 Pro
• 同档对比：Claude Haiku 4 / DeepSeek-V3
• 成本控制：Token
• 分层架构：AI Agent

来源

• Google AI · Gemini API 模型文档（官方，型号与能力入口）
• Google AI · Gemini API 定价页（官方，单价与免费额度口径）
• Google AI · 速率限制（官方，Free / Tier 1 各档 RPM / TPM / RPD）

取证边界：本卡是上一代型号基线，2026-10-17 补写「什么时候用 / 别用」与分层路由时未重新核对官方定价与上下文长度。本卡单价与配额以官方定价页为准，本站不转录第三方转述；新项目选型请以站内更新的 Gemini 型号卡为准（见 Gemini 3.8 Flash）。