Gemini 2.5 Pro

概述

Gemini 2.5 Pro 是 Google 于 2025 年 3 月发布的旗舰模型，最大亮点是 100 万 token 的上下文窗口——全网最长。可以一次性处理整本书、整个代码仓库或数小时的视频。

核心能力

100 万 token 上下文

这是 Gemini 2.5 Pro 的杀手锏。100 万 token 约等于：

• 一本 75 万字的中文小说
• 一个 10 万行代码的中型项目
• 10 小时 1080p 视频
• 一次完整的学术会议所有论文

但要注意"中间遗忘"——超过 500K 后召回率明显下降，详见 Context Engineering。Google 自己的 Needle-in-Haystack 测试虽然全 100% 命中，但真实业务中的多 hop 推理在长上下文下仍然不稳。

多模态

原生支持图片、视频、音频输入。视频理解能力是所有大模型中最强的——可以精确识别视频中的动作、物体、场景、对话内容。

# 视频输入
content_part = {
    "file_data": {
        "mime_type": "video/mp4",
        "file_uri": "gs://bucket/lecture.mp4",
    }
}
# 1 小时视频约消耗 100K-200K token

Thinking 模式（自适应推理）

Gemini 2.5 系列内置 dynamic thinking——模型自动决定是否要"想一想"。也可以手动控制：

from google import genai

client = genai.Client(api_key="...")

resp = client.models.generate_content(
    model="gemini-2.5-pro",
    contents="证明费马小定理",
    config={
        "thinking_config": {"thinking_budget": 8000},  # 0 = 关闭
    },
)

thinking_budget=0 禁用推理（变成快速模式），数值越大推理越深。

Flash 版本

Gemini 2.5 Flash 是 Pro 的轻量版：

• 速度：Pro 的 5-10 倍
• 价格：Input $0.075/M（Pro 的 6%）
• 能力：保留 Pro 约 85% 的能力

对于高吞吐场景（客服 bot、批量分类、内容审核），Flash 的性价比无敌。

API 调用示例

Python SDK（新版 google-genai）

from google import genai

client = genai.Client(api_key="AIza...")

resp = client.models.generate_content(
    model="gemini-2.5-pro",
    contents="Hello, summarize this PDF.",
    config={
        "temperature": 1.0,
        "max_output_tokens": 8000,
        "response_mime_type": "application/json",   # 强制 JSON 输出
    },
)
print(resp.text)

Context Caching（显式 API，与 OpenAI 自动 cache 不同）

# 1. 创建 cache
cache = client.caches.create(
    model="gemini-2.5-pro",
    config={
        "contents": [{"role": "user", "parts": [{"text": LONG_DOCUMENT}]}],
        "ttl": "3600s",   # 1 小时
    },
)

# 2. 用 cache 名引用
resp = client.models.generate_content(
    model="gemini-2.5-pro",
    contents="What are the key findings?",
    config={"cached_content": cache.name},
)
# Input 价格 -75%，再加按小时存储费

显式 cache 适合少量超长文档反复问的场景（合同、财报）。注意 cache 不是免费——按存储时长计费 $4.50/M-token/hour。

关键参数

定价

重要：Pro 的价格在 200K input 处翻倍！很多人没注意到这点。如果你的 prompt 长期超过 200K，先做检索压缩再喂给模型比硬塞 600K 划算。

视频理解的真实场景

Gemini Pro 在视频上的护城河目前没人能赶上：

调用价：1 分钟 1080p 视频约 250-500 input token，1 小时视频 ~30K token，远比想象中便宜。

国内使用

Google API 不对中国大陆开放，需要：

1. 海外网络环境 + Google AI Studio API
2. Google Cloud Vertex AI（企业级，要海外 GCP 账号）
3. 通过 OpenRouter / 其他中转平台
4. AWS Bedrock 暂不支持 Gemini（只有 Anthropic / Llama）

2026-10-14 待核实注记（本站追加）：上述「AWS Bedrock 暂不支持 Gemini」是本文发布时的表述，本次复核未取得 AWS 官方文档的一手证据，既未证实也未证伪。云平台对第三方模型的上架情况变化频繁，请勿据此条做架构决策——请以 AWS Bedrock 官方模型列表与 Google 官方渠道为准。

与其他模型怎么选

建议：

• 需要处理超长内容或视频 → Gemini 2.5 Pro
• 主力编程 → Claude Sonnet 4
• 推理 / Agent → GPT-5 或 Sonnet 4

适合 / 不适合

适合：

• 超长内容一次读入——1M 上下文适合整本书、整个代码仓库、数小时视频的一次性分析，这是本卡最不可替代的一条
• 视频 / 多模态理解——图像、音频、视频、代码原生混合输入，视频理解是本卡的强项
• 高吞吐低成本的批量任务——Flash 版本约 1/16 价格，是跑量的兜底档
• 已在 Google 生态内——Vertex AI / AI Studio 集成成熟，企业级 SLA 与数据 residency 有现成路径

不适合：

• 主力编程——本卡记录的短板是「编程实操不如 Claude Sonnet 4 稳定」，SWE-bench Verified 63.8% 在今天也已不是第一梯队
• 新项目不要从本卡起步——本卡是 2025-03-25 的型号，Google 此后已推多代（本站另有 Gemini 3 Pro 及更新的 Gemini 4 系列资讯），本卡的定位是「长上下文与多模态的历史基线」
• 国内直连——官方 API 不直供，需海外网络或中转
• 超过 200K 的超长输入——200K 是价格断点，超过后单价翻倍，这类任务的成本要单独算
• 把「能塞进去」当「能想清楚」——长上下文存在「中间遗忘」现象，塞满不等于检索准确，需要配合 上下文工程 做切分与重排

时效提示：本卡事实基准为 2025-03-25 发布期的公开资料，最后编辑日 2026-11-01。定价、上下文断点与模型可用性均已可能变化，接入前请以 Google 官方定价页与模型文档为准。新项目请优先评估 Google 当前一代模型，本卡按历史型号参考保留。

来源

• Google AI for Developers：Gemini 模型文档与定价（当前可用型号与价格断点以官方页面为准）
• Google Vertex AI 官方文档（企业级接入、SLA 与数据驻留）
• 站内交叉：Gemini 2.5 Flash、Gemini 3 Pro、上下文工程
• SWE-bench Verified / HumanEval / MMLU / GPQA 分数引自发布期公开资料，本站未在 2026-11 重新核对榜单原始表，作为历史记录保留，不作为当前位次的依据。

避坑清单

• 200K 价格断点：超过就翻倍。Prompt 设计时尽量切在 200K 以内。
• thinking_budget 默认开：意味着即使简单任务也可能多花 token。批量场景显式设 0。
• max_output_tokens 不设会截断：默认 8192，长输出务必显式调高到 65536。
• response_mime_type=application/json 不够：还要配 response_schema 才是强约束，否则模型可能输出"// 注释"破坏 JSON。
• 国内中转质量参差：OpenRouter 是相对稳定的选择；自建中转要注意 Google 的速率限制。
• Cache 存储费：不用了记得 caches.delete()，否则按小时持续扣费。

延伸阅读

• 轻量版本：Gemini 2.5 Flash
• 上下文管理：Context Engineering
• 多模态基础：Embedding
• 工具调用：Function Calling