Google 扩容 Gemini 2.5：Pro 与 Flash 转正，推出极速版 Flash-Lite

如果把大模型比作赛车，过去大家拼的是谁马力最大，现在各大厂商比的则是谁能在极速狂飙的同时，把油耗和车票压到最低。

Google 宣布对其 Gemini 2.5 系列模型进行重大扩展：此前测试的 Gemini 2.5 Pro 和 2.5 Flash 结束预览阶段，正式作为稳定版（Generally Available）上线。与此同时，Google 还拿出了一个主打极致性价比的全新成员：Gemini 2.5 Flash-Lite 预览版。

生产环境转正与最轻量选手入场

对开发者和企业来说，Pro 和 Flash 转入稳定版意味着可以放心地将它们接入正式的生产环境。Google 透露，像 Snap、SmartBear，以及 Spline、Rooms 等团队在过去几周已经在生产中实际使用了这些最新版本。

目前，这两款稳定版模型除了在 Google AI Studio 和 Vertex AI 提供给开发者调用外，也已经在面向消费者的 Gemini 应用中上线。另外，Google 还在自家的 Google 搜索中部署了定制版的 2.5 Flash-Lite 和 Flash。

而新亮相的 Gemini 2.5 Flash-Lite，则是 Google 迄今为止成本最低、推理速度最快的 2.5 模型。它被专门设计用来对付那些吞吐量极大、对延迟极度敏感的高并发任务，比如大批量的文本翻译和数据分类。

既降延迟，又保住了百万级上下文

通常轻量化小模型为了速度会砍掉不少高级功能，但这次 2.5 Flash-Lite 保留了 2.5 家族几乎所有的核心能力。

在能力基准上，它在编程、数学、科学、推理和多模态测试中，表现全面超过了上一代的 2.0 Flash-Lite。在广泛的提示词样本测试中，它的延迟甚至比 2.0 Flash-Lite 和标准版 2.0 Flash 还要低。

更关键的是，它依然具备完整的混合推理特性。开发者可以自由调节思考预算（Thinking Budget），决定模型到底思考多久。它还直接支持多模态输入、连接 Google 搜索工具和代码执行环境，并且完整保留了 100 万 token 的超长上下文窗口。

现在开发者已经可以在 Google AI Studio 和 Vertex AI 中直接体验 2.5 Flash-Lite 的预览版。

为什么重要

对于开发者和中小团队来说，2.5 Flash-Lite 极具吸引力。很多高频日常业务根本不需要 Pro 级别的算力浪费，他们要的是便宜、快、不掉链子。保留 100 万上下文和可控思考预算，意味着哪怕是轻量级模型，也能处理超长文档总结或简单检索，而不用担心账单爆表，很适合现在就去测试替代现有的低端分类器或批量处理流。

对行业而言，Google 正在把价格和速度的「帕累托前沿」进一步往下压。大厂们不仅在卷前沿推理智商，更在卷谁能把 API 价格打到尘埃里。当轻量模型也标配长上下文和工具调用时，独立模型提供商在低成本高并发市场的防线会变得更加脆弱。

我们认为 Google 这一步走得相当务实。大模型进入生产落地的瓶颈往往不是「不够聪明」，而是「太贵太慢」。把 2.5 Pro 和 Flash 转正、同时推出 Flash-Lite，补齐了从高智商推理到边缘高并发的流水线组合。不过隐患在于，超轻量模型在极端长文本下的检索精度和深度推理究竟能保持几成，仍需要在复杂业务里经过真实洗礼。