谷歌首款混合推理Gemini 2.5登场，成本暴降600%！思考模式一开，直追o4-mini

谷歌发布首款混合推理模型Gemini 2.5 Flash，引入了革命性「思考预算」，可灵活控制推理深度，性能一举击败Claude 3.7，比肩o4-mini。而且，关闭思考模式成本直降600%。

刚刚，谷歌重磅发布首个混合推理模型——Gemini 2.5 Flash。

与Claude类似，新模型的「思考预算」可以自定义，即可开启/关闭Gemini 2.5的思考模式。

值得一提的是，关闭思考的成本直接暴降600%，而且性能还不输Gemini 2.0 Flash。

具体来说，Gemini 2.5 Flash关闭思考输出价格0.6美元/百万token，开启思考输出价格3.5美元/百万token。

当然了，思考越久，模型性能也会随之提升。

在GPQA知识问答中，新模型24k思考预算，性能提升了6%；对于代码任务（LiveCodeBench），16k思考预算性能最佳。

在多项基准测试中，Gemini 2.5 Flash再次刷新SOTA。在大模型排行榜中，Flash预览版以1392 ELO高分位居第二，与GPT-4.5-preview、Grok 3并驾齐驱。

在数学（AIME 2025/2024）、多模态推理（MMMU）、知识问答（GPQA）等基准上，Gemini 2.5 Flash完全碾压Claude 3.7 Sonnet，足以与最新o4-mini相媲美。

就模型每百万token输入/输出价格来看，Gemini 2.5 Flash更具性价比。

在人类最后一次考试中，Gemini 2.5 Flash拿下12.1%高分，仅次于o4-mini

目前，Flash预览版可以在Gemini中使用，API同时向开发者开放。

首款混合推理Gemini登场

击败Claude 3.7

混合推理模型，就是专为需要在性能、成本、延迟之间找到完美平衡的开发者而设计。

Gemini 2.5 Flash不仅继承了2.0 Flash的高速响应特点，还引入了革命性的「思考模式」——可根据任务需求灵活调整推理深度。

Gemini 2.5系是「思考模型」，能够在回答前先行推理。

模型不会立即输出结果，而是先执行「思考」流程，更好地理解提示词，拆解复杂任务并规划回答。

如下图所示，相较于2.0 Flash，Gemini 2.5 Flash在复杂任务，如数学推理、科研分析中表现更优异。

在LMArena其他评估中，比如Hard Prompts、编码、长查询，Gemini 2.5 Flash全部拿下第一。

另外从下图中可看出，在同类模型中，2.5 Flash以超高性价比领跑，兼具最优性能和极低成本的优势。

网友实测

在网友的实测中，2.5 Flash物理模拟能力足够惊艳，小球会随着多边形变化精准运动。

而且，2.5 Flash还轻轻松松通过了4o-mini/o3无法通过的Galton Board（高尔顿板）测试。

它还能根据精灵图，创建出自定义游戏城房间。

另一位网友用了最大24k预算，让2.5 Flash设计出了一个《创：战纪》风格的游戏。

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已经完全没有优势了，在设计登录界面时，Gemini 2.5 Flash用时最短速度最快。

思考预算

智能控制

不同使用场景在质量、成本与延迟之间各有取舍。

为给开发者更大灵活性，2.5 Flash新增了「思考预算」功能。开发者可以通过设置预算（0 – 24576 Token），来控制模型在思考阶段的推理深度。

• 低预算（甚至为0）：适合简单查询，保持2.0 Flash超低延迟和成本，性能更强
• 高预算：模型会进行更深入的推理，生成更准确、全面的答案。

需要强调的是，预算只是设定了2.5 Flash的思考上限；若prompt并不复杂，模型不会用满全部预算。

开发者也可通过API参数，或在Google AI Studio与Vertex AI控制台的滑块控件，为思考阶段指定具体的Token预算

更智能的是，模型会根据prompt复杂度，自动判断所需推理量和思考时间，避免了预算的浪费。

以下示例中，展示了2.5 Flash在默认模式下，可能使用的推理量。

· 需要低推理量的提示词：

示例1：

「Thank you」的西班牙语表达

示例2：

加拿大有多少个省？

· 需要中等推理量的提示词：

示例1：

掷两枚骰子，点数之和为7的概率是多少？

示例2：

我的健身房在周一、三、五9‑15点以及周二、周六14‑20点开放篮球自由场地。如果我每周工作5天、时间为9‑18点，但想在工作日打5小时篮球，请为我制定一份可行的日程表。

· 需要高推理量的提示词：

示例1：

一根悬臂梁，长度L=3 m，矩形截面宽b=0.1 m、高h=0.2 m，材质钢 (E=200 GPa)。梁全长受均布载荷w=5 kN/m，且自由端承受集中载荷P=10 kN。请计算最大弯曲应力σ_max。

示例 2：

编写函数evaluate_cells(cells: Dict[str, str]) -> Dict[str, float]，用于计算电子表格单元格的数值。

每个单元格的内容可能为：

· 一个数字（如 「3」），或

· 一个公式，例如「=A1 + B1 * 2」，可使用「+、-、*、/」运算符并引用其他单元格。

要求：

1. 解析并解决单元格间的依赖关系。

2. 处理运算符优先级（*/高于+-）。

3. 检测循环依赖并抛出 ValueError("Cycle detected at <cell>")。

4. 不得使用eval()，只可使用Python内置库。

Gemini 2.5 Flash正式上线

当前，Gemini 2.5 Flash预览版API在Google AI Studio和Vertex AI中上线，可通过Gemini应用专用下拉菜单找到它。

谷歌强烈建议尝试thinking_budget（思考预算）参数，看看可控推理如何去解决更复杂的问题。

参考资料：

https://developers.googleblog.com/en/start-building-with-gemini-25-flash/

文章来自于“新智元”，作者“桃子 好困”。