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 能力与较低延迟和成本结合起来。Google 资料将它定位在 Pro 的深度能力和 Flash-Lite 的效率之间。它适合需要推理、多模态输入和实际吞吐量的生产任务。

上下文窗口

1M Token

最大输出

65.5K Token

发布日期

2025年6月17日

模态

Gemini 2.5 Flash 价格

输入价格	输出价格	缓存读取
$0.3/M	$2.5/M	$0.03/M

Gemini 2.5 Flash API 能力

推理

支持

工具调用

支持

Temperature 参数

支持

附件

支持

知识库

2025-01-01

Endpoint 协议

Completions APIMessages APIgemini

Gemini 2.5 Flash 模型亮点

Gemini 2.5 Flash 结合自适应推理、多模态理解和大上下文窗口，适合要求快速响应的大规模工作负载。

自适应推理

模型可在任务需要进一步分析时进行思考，在推理深度与响应速度之间取得平衡。

多模态理解

模型可接收文本、图像、视频和音频，让开发者使用同一模型分析多种媒体信息。

长上下文处理

1,048,576 token 的输入窗口可处理大型文档、媒体集合以及汇总后的应用上下文。

Gemini 2.5 Flash 使用场景

Gemini 2.5 Flash 适合大规模内容处理、多模态分析以及仍需一定推理能力的交互式应用。

多媒体分析

结合文本分析图像、录音和视频，生成可检索的摘要、分类结果与信息提取结果。

批量内容处理

对大量内容进行分类、摘要和信息提取，并在处理较复杂情况时保留必要的推理能力。

交互式助手

构建响应迅速的助手，用于理解用户内容、分析请求并以较低的感知延迟返回实用文本。

如何通过 TokenHub API 使用 Gemini 2.5 Flash

创建 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 基准测试

指数分数
Artificial Analysis 综合能力指数Artificial Analysis 综合能力指数汇总多个评测维度，用于观察模型的整体能力表现。	Artificial Analysis 综合能力评分	14.1
Artificial Analysis 代码能力指数Artificial Analysis 代码能力指数汇总模型在代码生成、调试和软件工程任务中的表现。	Artificial Analysis 软件任务评分	17.8
Artificial Analysis 数学能力指数Artificial Analysis 数学能力指数汇总模型在数学推理和竞赛题求解中的表现。	Artificial Analysis 数学推理评分	60.3
知识与推理
MMLU-ProMMLU-Pro 使用比原版 MMLU 更具挑战的问题，评估模型在学术和专业知识上的综合能力。	高难度多任务知识评测	80.9%
GPQAGPQA 是面向研究生级科学问题的评测集，用来测试模型的专家级推理能力。	高阶科学问题求解	68.3%
HLEHLE 覆盖多个领域的高难度专家级知识与推理问题。	广泛专家级考试集合	5.1%
代码与工程
LiveCodeBenchLiveCodeBench 使用较新的编程题评估模型代码能力，降低训练数据污染带来的影响。	近期编程题评测	49.5%
SciCodeSciCode 评估模型在科学计算场景下编写 Python 代码和实现算法的能力。	科学计算代码挑战	29.1%
Terminal-Bench HardTerminal-Bench Hard 评估 AI Agent 在终端环境中完成复杂任务的能力。	高难度终端任务执行	12.1%
数学能力
MATH-500MATH-500 通过一组精选高难度数学题评估模型的问题求解能力。	高难度数学解题	93.2%
AIMEAIME 用竞赛风格数学题评估模型的数学推理能力。	数学竞赛题	50%
AIME 2025AIME 2025 评估模型在高难度竞赛数学题上的表现。	数学竞赛题	60.3%
指令遵循与 Agent 任务
IFBenchIFBench 衡量模型遵循复杂指令和约束条件的稳定性。	指令约束遵循	39.0%
AA-LCRAA-LCR 衡量模型在长上下文窗口中的推理质量。	长上下文推理	45.9%
τ²-Benchτ²-Bench 使用带工具和状态约束的真实工作流，评估对话式 Agent 的任务完成能力。	Agent 工作流任务	14.9%

指标来源 Artificial Analysis

关于 Gemini 2.5 Flash 的常见问题

了解 Gemini 2.5 Flash 的定位、适合处理的任务、主要优势、使用限制，以及在 TokenHub 中接入时需要注意的事项。

开发者该如何理解 Gemini 2.5 Flash 的定位？+

Gemini 2.5 Flash 是 Google 的均衡型 Gemini 2.5 Flash，适合仍需一定推理能力的高并发、低延迟任务。它仍是明确的模型版本，但新项目评估时通常也应比较同系列更新型号。

在哪些场景下，Gemini 2.5 Flash 最能发挥实际价值？+

它适合高并发应用请求、可靠执行多步骤智能体流程以及文本与图像输入分析。上线前应使用有代表性的输入进行测试，并制定可衡量的验收标准。

Gemini 2.5 Flash 最实用的特点有哪些？+

它最实用的优势包括质量、速度与成本的良好平衡、较快的响应速度以及对难题的较强推理能力。这些特点对可靠执行多步骤智能体流程尤其有价值。

Gemini 2.5 Flash 有哪些实际限制？+

如果任务需要最强的 Pro 级推理、项目可以采用更新一代 Gemini，或重要决策流程无法安排人工复核，可以考虑其他模型。涉及事实、法律、财务、医疗或运营的重要结果，应由具备相关资质的人员复核。

如何在 TokenHub 中调用 Gemini 2.5 Flash？+

在 TokenHub 中，请选择页面显示的 Gemini 2.5 Flash 精确模型标识，使用账号文档中指定的接口，并通过 TokenHub 凭证完成认证。请确认 TokenHub 实际开放的输入类型、工具、信息依据选项和模型生命周期，不要默认与 Gemini API 完全一致。

准备调用 Gemini 2.5 Flash？

通过一个 API Key 接入 Gemini 2.5 Flash 与更多 AI 模型。

创建 API Key