谷歌大模型“性價比之王”來了！混合推理模型，思考深度可自由控制，競技場排名僅次于自家Pro
緊跟o4-mini，谷歌上新了Gemini 2.5 Flash preview版本。
作為更注重效率的Flash，在大模型競技場上排名并列第二，第一是自家的Gemini 2.5 Pro。
這樣的表現，讓Gemini 2.5 Flash的性價比直接拉滿。
而且還是一款混合推理模型，可以自由設定思考深度，幫助預算不足的用戶進一步控制推理成本。
目前，preview版本（不同于Gemini網頁版中的版本）已在Google AI Studio和Vertex AI的 API中上線。
主打性價比，思考深度自由調控
在大模型競技場上，經過3000多輪對戰，Gemini 2.5 Flash獲得了1392分的成績，與Grok-3、GPT-4.5等模型并列第二。
綜合成績僅次于自家的Pro版，這樣看來在競技場中戰勝谷歌的只有谷歌了。
并且在編程、復雜提示和長文本三個子榜單中，都和Pro版并列第一。
在大模型競技場推出的WebDev榜單里，Gemini 2.5 Flash位列第七，超過了前一代（2.0）的Pro版本。
此外谷歌還展示了Gemini 2.5 Flash在一系列高難度數據集上的表現。
其中包括由1000多名學者提出的“人類最后的考試”，這套測試集發布時沒有任何一個模型得分超過10%，現在Gemini 2.5 Flash的成績是12.1%。
作為Flash版本，Gemini 2.5 Flash在谷歌自家的模型中，是至今性價比最高的版本。
其價格為0.15/0.6/3.5美元每百萬輸入/輸出/推理Token，和o4-mini相比便宜了不少。
實際上，如果按照輸入輸出3:1的比例計算，在大模型競技場1400分附近，Gemini 2.5 Flash是最便宜的一款模型。
△請注意橫軸數字非單調下降
另外對于價格相對較高的推理過程，Gemini 2.5 Flash支持自由深度控制（甚至完全關閉），可以幫助預算不足的用戶節約成本。
如果不進行設置，模型也會根據prompt自己判斷適宜的思考深度，避免在簡單的問題上過度思考，從而平衡成本。
o4-mini的競爭者？
在HackerNews上，Gemini 2.5 Flash引發了熱烈的討論。
有人認為，谷歌不搞炒作，但實際上性價比非常高，谷歌正在贏得人工智能競賽。
也有人覺得，便宜是便宜，但是模型有時候會犯懶，不過這也在預料之中。
當然，實際應用還是要看具體任務，不過可以確定的是，Gemini 2.5 Flash的性價比已經獲得了部分人的認可。
另外由于Gemini的Flash版本和OpenAI的mini類似，再加上上線時間鄰近，Gemini 2.5 Flash也被視為o4-mini的競爭者。
不過從谷歌官方發布的成績單上看，Gemini 2.5 Flash在一些難度較高的測試集中，表現是要稍遜于o4-mini的。
但如果考慮價格，這樣的差距似乎可以接受，而且實際任務當中，也不總是需要模型能夠應付這些最難的問題。
那么，在實際環境當中，Gemini 2.5 Flash的表現又如何呢？首先看看編程能力。
先安排一下著名的小球測試變體——一個大五邊形中包含了三個缺一邊的小五邊形，之間互不交叉，小球在其中按照物理規律運動。
五邊形的部分Gemini 2.5 Flash，正確繪制出來了，但對于小球則是完全已讀亂回，經過了反復調整之后依然翻車。
再看o4-mini，運行結果符合提示詞要求，并且代碼更加精簡，僅128行，而Gemini版本超過了500行。
這一輪，o4-mini勝。
再看數據分析能力。
我們找來了最近某班次航班的飛行記錄，包含了起飛到降落過程中各時間點的位置、高度、速度、航向等信息，一共有1700余個數據點。
給出的任務則是繪制出高度和速度隨時間變化的折線圖，并且涉及到了時區和計量單位的換算（原始數據中時間為UTC時間、高度為英尺、速度為節，需要換算成北京時間、高度單位為米、速度單位為公里每小時）。
雖然我們上傳了數據文件，但一開始Gemini沒有選擇外掛，而是把數據全都寫進了Python代碼，導致代碼非常冗長。
經過提示之后，Gemini對代碼進行了改進，得到了正確的圖像。
o4-mini這邊，雖然結果也對，但是沒有考慮清楚坐標軸文本的長度，導致橫軸上所有標簽都擠成一團。
而且相比之下，Gemini的版本還帶有網格線，能夠更清晰地看出各點對應的大致數值。
這一輪，Gemini勝。
最后一輪，來看下兩款模型的多模態理解能力。
這是英偉達最近一個月的股票形勢圖，我們讓兩款模型分別分析一下最佳的入手時機。
它們都從圖中正確發現了最低點和對應的時間，至于回答質量，還是直接看他們的輸出結果：
總的來說，如果不考慮價格，Gemini 2.5 Flash確實和o4-mini比還有些不盡如人意，但落地中考慮性價比，可能綜合競爭力就體現出來了。
