GoogleがGemini 2.5 Flashを公開：思考予算を調整できるハイブリッド推論モデル

推論モデルの普及に伴い、開発者が最も頭を抱えていたのがレイテンシと利用コストの肥大化でした。簡単な問い合わせに対しても勝手に長く考え込み、時間とトークンを浪費してしまう課題があったためです。

Google は米国時間 4 月 17 日、Google AI Studio および Vertex AI を通じて、Gemini 2.5 Flash のプレビュー版の提供を開始しました。推論処理のオンとオフを柔軟に切り替えられる初の完全ハイブリッド推論モデルとして位置づけられています。

思考トークン数をスライダーで制限できる仕組み

今回の最大の特徴は、開発者が「思考バジェット（thinking budget）」を設定できる点です。API パラメータや管理コンソールのスライダーを使い、0 から最大 24576 トークンの間で推論ステップの上限を指定できます。

バジェットを 0 に設定した場合、推論ステップをスキップして 2.0 Flash と同等の高速レスポンスを維持しつつ、精度の底上げを享受できます。

また、設定値はあくまで上限キャップとして機能します。モデル自体がプロンプトの難易度を自律的に判断するため、簡単な翻訳や事実確認では無駄にバジェットを消費せず即座に応答します。サイコロの確率計算や梁の曲げ応力計算といった複雑な多段階タスクでのみ、必要な分だけ思考トークンを使用します。

軽量枠ながらベンチマークで上位モデルに対抗

Flash という軽量・低コスト枠でありながら、推論性能は大幅に強化されています。報道によると、推論や STEM ベンチマークにおいて o4-mini に匹敵し、Claude 3.5 Sonnet を上回るスコアを記録しているとされます。

LMArena の Hard Prompts においても上位の 2.5 Pro に次ぐ好成績を収めています。現在 gemini-2.5-flash-preview-04-17 としてプレビュー提供されており、Gemini アプリのドロップダウンからも実験的に選択可能です。

なぜ重要か

推論機能を「全か無か」の二者択一ではなく、コストと速度のトレードオフを細かく調整できるダイヤルにした点は、極めて実用的だと考えられます。

開発者にとって、大量のリクエストを処理する商用システムに高額な推論モデルを組み込むのは採算面で困難でした。今回の仕様であれば、同一モデルを使いながら用途ごとに思考量を絞れるため、コストコントロールの自由度が格段に上がります。

業界全体にとっても、最先端モデルの知能競争から、いかに推論を安く・柔軟に配備させるかという実用化の競争へと軸足が移りつつあることを示しています。ただし、モデル側がタスク難易度に応じて思考長を変動させる仕組みであるため、応答速度のばらつきが懸念されます。リアルタイム性が求められるプロダクトでは、バジェットの固定を含めた綿密な検証が必要になりそうです。