新智元报道
编辑：桃子好困
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 ")。
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/
