谷歌首款混合推理Gemini 2.5登場，成本暴降600%！思考模式一開，直追o4-mini
剛剛，谷歌重磅發(fā)布首個混合推理模型——Gemini 2.5 Flash。
與Claude類似，新模型的「思考預算」可以自定義，即可開啟/關閉Gemini 2.5的思考模式。
圖片
值得一提的是，關閉思考的成本直接暴降600%，而且性能還不輸Gemini 2.0 Flash。
具體來說，Gemini 2.5 Flash關閉思考輸出價格0.6美元/百萬token，開啟思考輸出價格3.5美元/百萬token。
圖片
當然了，思考越久，模型性能也會隨之提升。
在GPQA知識問答中，新模型24k思考預算，性能提升了6%；對于代碼任務（LiveCodeBench），16k思考預算性能最佳。
|
|
在多項基準測試中，Gemini 2.5 Flash再次刷新SOTA。在大模型排行榜中，F(xiàn)lash預覽版以1392 ELO高分位居第二，與GPT-4.5-preview、Grok 3并駕齊驅(qū)。
圖片
在數(shù)學（AIME 2025/2024）、多模態(tài)推理（MMMU）、知識問答（GPQA）等基準上，Gemini 2.5 Flash完全碾壓Claude 3.7 Sonnet，足以與最新o4-mini相媲美。
就模型每百萬token輸入/輸出價格來看，Gemini 2.5 Flash更具性價比。
圖片
在人類最后一次考試中，Gemini 2.5 Flash拿下12.1%高分，僅次于o4-mini
目前，F(xiàn)lash預覽版可以在Gemini中使用，API同時向開發(fā)者開放。
首款混合推理Gemini登場擊敗Claude 3.7
混合推理模型，就是專為需要在性能、成本、延遲之間找到完美平衡的開發(fā)者而設計。
Gemini 2.5 Flash不僅繼承了2.0 Flash的高速響應特點，還引入了革命性的「思考模式」——可根據(jù)任務需求靈活調(diào)整推理深度。
圖片
Gemini 2.5系是「思考模型」，能夠在回答前先行推理。
模型不會立即輸出結果，而是先執(zhí)行「思考」流程，更好地理解提示詞，拆解復雜任務并規(guī)劃回答。
如下圖所示，相較于2.0 Flash，Gemini 2.5 Flash在復雜任務，如數(shù)學推理、科研分析中表現(xiàn)更優(yōu)異。
圖片
在LMArena其他評估中，比如Hard Prompts、編碼、長查詢，Gemini 2.5 Flash全部拿下第一。
圖片
另外從下圖中可看出，在同類模型中，2.5 Flash以超高性價比領跑，兼具最優(yōu)性能和極低成本的優(yōu)勢。
圖片
網(wǎng)友實測
在網(wǎng)友的實測中，2.5 Flash物理模擬能力足夠驚艷，小球會隨著多邊形變化精準運動。
圖片
圖片
而且，2.5 Flash還輕輕松松通過了4o-mini/o3無法通過的Galton Board（高爾頓板）測試。
圖片
圖片
它還能根據(jù)精靈圖，創(chuàng)建出自定義游戲城房間。
圖片
另一位網(wǎng)友用了最大24k預算，讓2.5 Flash設計出了一個《創(chuàng)：戰(zhàn)紀》風格的游戲。
圖片
提示：Create Design a visually striking Tron-style game in a single HTML file, where AI-controlled light cycles compete in fast-paced, strategic battles against each other
如今Claude 3.7已經(jīng)完全沒有優(yōu)勢了，在設計登錄界面時，Gemini 2.5 Flash用時最短速度最快。
圖片
思考預算智能控制
不同使用場景在質(zhì)量、成本與延遲之間各有取舍。
為給開發(fā)者更大靈活性，2.5 Flash新增了「思考預算」功能。開發(fā)者可以通過設置預算（0 – 24576 Token），來控制模型在思考階段的推理深度。
- 低預算（甚至為0）：適合簡單查詢，保持2.0 Flash超低延遲和成本，性能更強
- 高預算：模型會進行更深入的推理，生成更準確、全面的答案。
需要強調(diào)的是，預算只是設定了2.5 Flash的思考上限；若prompt并不復雜，模型不會用滿全部預算。
圖片
開發(fā)者也可通過API參數(shù)，或在Google AI Studio與Vertex AI控制臺的滑塊控件，為思考階段指定具體的Token預算
更智能的是，模型會根據(jù)prompt復雜度，自動判斷所需推理量和思考時間，避免了預算的浪費。
以下示例中，展示了2.5 Flash在默認模式下，可能使用的推理量。
- 需要低推理量的提示詞：
示例1：
「Thank you」的西班牙語表達
示例2：
加拿大有多少個??？
- 需要中等推理量的提示詞：
示例1：
擲兩枚骰子，點數(shù)之和為7的概率是多少？
示例2：
我的健身房在周一、三、五9?15點以及周二、周六14?20點開放籃球自由場地。如果我每周工作5天、時間為9?18點，但想在工作日打5小時籃球，請為我制定一份可行的日程表。
- 需要高推理量的提示詞：
示例1：
一根懸臂梁，長度L=3 m，矩形截面寬b=0.1 m、高h=0.2 m，材質(zhì)鋼 (E=200 GPa)。梁全長受均布載荷w=5 kN/m，且自由端承受集中載荷P=10 kN。請計算最大彎曲應力σ_max。
示例 2：
編寫函數(shù)evaluate_cells(cells: Dict[str, str]) -> Dict[str, float]，用于計算電子表格單元格的數(shù)值。
每個單元格的內(nèi)容可能為：
- 一個數(shù)字（如 「3」），或
- 一個公式，例如「=A1 + B1 * 2」，可使用「+、-、*、/」運算符并引用其他單元格。
要求：
1. 解析并解決單元格間的依賴關系。
2. 處理運算符優(yōu)先級（*/高于+-）。
3. 檢測循環(huán)依賴并拋出 ValueError("Cycle detected at <cell>")。
4. 不得使用eval()，只可使用Python內(nèi)置庫。
Gemini 2.5 Flash正式上線
當前，Gemini 2.5 Flash預覽版API在Google AI Studio和Vertex AI中上線，可通過Gemini應用專用下拉菜單找到它。
谷歌強烈建議嘗試thinking_budget（思考預算）參數(shù)，看看可控推理如何去解決更復雜的問題。
圖片
參考資料：
https://developers.googleblog.com/en/start-building-with-gemini-25-flash/
