Google 上线 Gemini 1.5 Flash-8B 正式版：限速翻倍至 4000 RPM

想用大模型做点高频任务，开发者最怕的往往不是效果不够好，而是月底账单直接爆炸。

Google 正式宣布 Gemini 1.5 Flash-8B 结束实验阶段，进入正式商用。这个版本上个月刚放出测试版，现在就已经可以用来跑线上生产业务了。

开发者可以直接在 Google AI Studio 和 Gemini API 免费体验，付费通道则定在 10 月 14 日周一开始正式计费。

砍到 8B，但长文本没缩水

今年 5 月的 I/O 大会上，Google 拿出了主打速度和轻量的 Gemini 1.5 Flash。这次的 Flash-8B 则是把它进一步压缩，体量更小、速度更快。

Google 表示，在很多基准测试里，这个只有 8B 参数的小模型，表现几乎追平了 5 月份发布的第一版 1.5 Flash。

它最拿手的场景包括常规对话、音频转录，以及超长上下文的跨语言翻译。另外在海量多模态请求和大长篇总结任务上，它的表现也比较抢眼。

虽然体量变小了，但 1.5 家族标志性的长上下文能力依然在。对于需要一遍遍吞进大量资料、做基础信息提取的场景，它几乎就是量身定做的。

吞吐翻倍，专治高并发

为了让开发者敢放开了用，Google 这次给的定价据称是所有 Gemini 模型里单位智能成本最低的一个。

除了把价格打下来，调用上限也大幅放宽。Google 直接把 Flash-8B 的调用速率限制翻了一倍，每分钟最高可以承受 4000 次请求（4000 RPM）。

说白了，它的定位根本不是跟旗舰模型比拼复杂的逻辑推理，而是帮开发者解决海量、高频、单次逻辑相对简单的重活累活。

为什么重要

如果你的业务每天要处理海量聊天记录、长音频整理或者批量文档提取，这个模型现在就值得换上去试试。以前用旗舰模型跑这些任务纯属大炮打蚊子，账单根本顶不住；现在换成 8B 级别，性能没怎么降，成本却能砍掉一大截。

我们认为，Google 这一步走得相当实在。大模型竞争打到今天，前沿模型的智商天花板固然重要，但真正能跑通商业模式的，是那些极其便宜、响应极快的小尺寸端侧和云端轻量模型。

看起来 Google 的策略很清晰：用 Pro 保住技术名声，用 Flash 和 Flash-8B 在 API 市场上打价格战和吞吐战，逼着 OpenAI 和其他开源服务商也得在小模型吞吐上继续跟进。

不过隐患也在于任务边界。小模型终究是小模型，处理简单高频任务很顺手，一旦涉及复杂的长逻辑推导，幻觉和理解偏差肯定比大尺寸版本更容易冒出来，工程落地时依然得做好兜底和校验。