Google 推出 Gemini 2.5 Flash-Lite 稳定版：百万输入仅需 0.1 美元

如果你手头正管着成千上万个并发请求，比如实时翻译或者高频分类，大模型的账单和延迟往往能让人倒吸一口凉气。

Google 今天正式把 Gemini 2.5 Flash-Lite 推向了稳定通用阶段。这是目前整个 Gemini 2.5 家族里速度最快、价格最便宜的成员，专门用来啃那些对延迟极度敏感、同时调用量又巨大的硬骨头。

便宜到极致，还能自选思考深度

先看最实在的账本。Gemini 2.5 Flash-Lite 的输入每百万 token 只要 0.10 美元，输出每百万 token 为 0.40 美元。不仅如此，Google 还把它的音频输入价格在预览版基础上下调了 40%。

速度方面，官方实测显示，在广泛的提示词样本下，它的延迟比上一代的 2.0 Flash-Lite 甚至是 2.0 Flash 都要低。

性能上，它在编程、数学、科学、推理以及多模态理解等基准上全面超越了 2.0 Flash-Lite。更重要的是，它虽然定位为轻量级模型，但依然自带了原生推理能力，开发者可以按需开关或设置思考预算。

此外，它保留了 100 万 token 的上下文窗口，并支持 Google 搜索接地、代码执行以及 URL 上下文等原生工具。开发者现在就可以在 Google AI Studio 和 Vertex AI 中调用 gemini-2.5-flash-lite，官方计划在 8 月 25 日下线旧的预览别名。

上天入地的实操落地

从预览期到转正，已经有一些团队把它塞进了严苛的业务流程里。

做去中心化太空计算的 Satlyt 把它送上了卫星，用来实时汇总轨道遥测数据和自主任务管理。得益于极高的运行效率，Satlyt 关键星载诊断的延迟降低了 45%，功耗也比基准模型减少了 30%。

AI 视频生成平台 HeyGen 拿它来做视频策划、内容分析，并支持超过 180 种语言的视频翻译。文档生成工具 DocsHound 则利用它的超低延迟处理长视频演示，从中抽取数千张截图生成操作指南。

另外，监测品牌在各 AI 模型中展现情况的 Evertune，也是靠它的大吞吐能力来快速扫描并合成海量输出，生成分析报告。

为什么重要

在大模型领域，卷参数量和榜单成绩是给外人看的，把每 token 成本和首字延迟打下来，才是真正决定应用能不能跑通商业模式的关键。

对开发者和中小团队来说，百万元输入 0.1 美元的价格几乎抹平了尝试门槛。尤其是具备了可选的思考预算后，你可以用一个模型既处理简单的分类，又在遇到复杂逻辑时多给几步推理，而不用在管道里频繁切换多个大小模型。

我们认为，Google 这步棋非常务实。它补齐了 2.5 Pro 和 2.5 Flash 之后的规模化生产拼图，直接把压力甩给了 OpenAI 的 mini 系列。把 100 万长上下文和原生工具链标配给最便宜的轻量模型，看起来会逼着竞品进一步压低小模型的推理资费并下放高级功能。