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）

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

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