Gemini 2.5 Flash

gemini-2.5-flash

Gemini 2.5 Flash 是 Gemini 2.5 系列中平衡价格与性能的模型，将 thinking 能力与较低延遲和成本结合起来。Google 資料将它定位在 Pro 的深度能力和 Flash-Lite 的效率之间。它適合需要推理、多模态輸入和实际吞吐量的生產任務。

上下文視窗

1M Token

最大輸出

65.5K Token

發布日期

2025年6月17日

模態

Gemini 2.5 Flash 價格

輸入價格	輸出價格	快取讀取
$0.3/M	$2.5/M	$0.03/M

Gemini 2.5 Flash API 能力

推理

支援

工具呼叫

支援

Temperature 參數

支援

附件

支援

知識庫

2025-01-01

Endpoint 協議

Completions APIMessages APIgemini

Gemini 2.5 Flash 模型亮點

Gemini 2.5 Flash 結合自適應推理、多模態理解與大型內容脈絡視窗，適合重視回應速度的大量工作負載。

自適應推理

模型可在任務需要進一步分析時進行思考，兼顧推理深度與回應速度。

多模態理解

模型可接收文字、圖片、影片與音訊，讓開發者透過同一模型分析多種媒體內容。

長內容脈絡處理

1,048,576 token 的輸入視窗可處理大型文件、媒體集合，以及整合後的應用程式內容脈絡。

Gemini 2.5 Flash 使用情境

Gemini 2.5 Flash 適合大量內容處理、多模態分析，以及仍需推理能力的互動式應用。

多媒體分析

結合文字分析圖片、錄音與影片，產出可搜尋的摘要、分類結果及擷取資訊。

大量內容處理

針對大量內容進行分類、摘要與資訊擷取，並在處理較複雜情況時保留必要的推理能力。

互動式助理

建置回應快速的助理，用來理解使用者內容、分析需求，並以較低的感受延遲提供實用文字回應。

如何透過 TokenHub API 使用 Gemini 2.5 Flash

建立 API key

import OpenAI from "openai"

const client = new OpenAI({
  apiKey: process.env.TOKENHUB_API_KEY,
  baseURL: "https://us-api.tokenhub.com/v1",
})

const result = await client.chat.completions.create({})
console.log(result.choices[0]?.message?.content)

Gemini 2.5 Flash 基準測試

指數分數
Artificial Analysis 綜合能力指數Artificial Analysis 綜合能力指數彙總多個評測維度，用於觀察模型的整體能力表現。	Artificial Analysis 綜合能力評分	14.1
Artificial Analysis 程式碼能力指數Artificial Analysis 程式碼能力指數彙總模型在程式碼生成、除錯與軟體工程任務中的表現。	Artificial Analysis 軟體任務評分	17.8
Artificial Analysis 數學能力指數Artificial Analysis 數學能力指數彙總模型在數學推理與競賽題求解中的表現。	Artificial Analysis 數學推理評分	60.3
知識與推理
MMLU-ProMMLU-Pro 使用比原版 MMLU 更具挑戰的問題，評估模型在學術與專業知識上的綜合能力。	高難度多任務知識評測	80.9%
GPQAGPQA 是面向研究生級科學問題的評測集，用來測試模型的專家級推理能力。	高階科學問題求解	68.3%
HLEHLE 覆蓋多個領域的高難度專家級知識與推理問題。	廣泛專家級考試集合	5.1%
程式碼與工程
LiveCodeBenchLiveCodeBench 使用較新的程式題評估模型程式碼能力，降低訓練資料污染帶來的影響。	近期程式題評測	49.5%
SciCodeSciCode 評估模型在科學計算場景下撰寫 Python 程式碼和實作演算法的能力。	科學計算程式碼挑戰	29.1%
Terminal-Bench HardTerminal-Bench Hard 評估 AI Agent 在終端環境中完成複雜任務的能力。	高難度終端任務執行	12.1%
數學能力
MATH-500MATH-500 透過一組精選高難度數學題評估模型的問題求解能力。	高難度數學解題	93.2%
AIMEAIME 用競賽風格數學題評估模型的數學推理能力。	數學競賽題	50%
AIME 2025AIME 2025 評估模型在高難度競賽數學題上的表現。	數學競賽題	60.3%
指令遵循與 Agent 任務
IFBenchIFBench 衡量模型遵循複雜指令和約束條件的穩定性。	指令約束遵循	39.0%
AA-LCRAA-LCR 衡量模型在長上下文視窗中的推理品質。	長上下文推理	45.9%
τ²-Benchτ²-Bench 使用帶工具和狀態約束的真實工作流程，評估對話式 Agent 的任務完成能力。	Agent 工作流程任務	14.9%

指標來源 Artificial Analysis

Gemini 2.5 Flash 常見問題

了解 Gemini 2.5 Flash 的定位、適合的使用情境、主要優勢、使用限制，以及在 TokenHub 中串接時要注意的事項。

開發者該如何理解 Gemini 2.5 Flash 的角色？+

Gemini 2.5 Flash 是 Google 的均衡型 Gemini 2.5 Flash，適合仍需要推理能力的高用量、低延遲工作。它仍是明確的模型版本，但新專案評估時通常也應比較同系列較新型號。

在哪些情境下，Gemini 2.5 Flash 最能發揮實際價值？+

它適合高用量應用請求、可靠執行多步驟代理流程以及文字與影像輸入分析。正式上線前應使用具代表性的輸入測試，並訂定可衡量的驗收標準。

Gemini 2.5 Flash 最實用的特點有哪些？+

它最實用的優勢包括品質、速度與成本的良好平衡、較快的回應速度以及處理難題時的強大推理能力。這些特點對可靠執行多步驟代理流程尤其有價值。

Gemini 2.5 Flash 有哪些實際限制？+

如果工作需要最強的 Pro 級推理、專案可採用較新一代 Gemini，或重要決策流程無法安排人工覆核，可以考慮其他模型。涉及事實、法律、財務、醫療或營運的重要結果，應由具備相關資格的人員覆核。

如何在 TokenHub 中呼叫 Gemini 2.5 Flash？+

在 TokenHub 中，請選擇頁面顯示的 Gemini 2.5 Flash 精確模型識別碼，使用帳戶文件中指定的介面，並以 TokenHub 憑證完成驗證。請確認 TokenHub 實際開放的輸入類型、工具、資料依據選項與模型生命週期，不要預設與 Gemini API 完全相同。

準備呼叫 Gemini 2.5 Flash？

透過一個 API Key 接入 Gemini 2.5 Flash 與更多 AI 模型。

建立 API Key