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。
图片
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。
图片
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。
|
|
图片在多项基准测试中，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。
图片
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。
图片
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。
图片
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。
图片
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。
图片
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。
图片
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。
图片
图片
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。
图片
图片
它还能根据精灵图，创建出自定义游戏城房间。
图片
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。
图片
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。
图片
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。
图片
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。
图片
参考资料：
https://developers.googleblog.com/en/start-building-with-gemini-25-flash/
