Google 推出 Gemini 2.5 Flash：首个混合推理模型，思考预算可自选

以前用推理模型，最让人头疼的就是钱包和延迟。让 AI 回答一句简单的客套话，它也得在后台暗自琢磨几秒钟，扣掉几百个 token 的钱。

Google 在 Google AI Studio 和 Vertex AI 预览上线了 Gemini 2.5 Flash。它主打所谓「混合推理」，最大的看点不是刷了多高的分，而是把推理思考的主动权交还给了开发者。

让 AI 思考，现在可以限额了

以往用带推理功能的模型，你想让它快一点或者省一点，基本没得选。这次 Gemini 2.5 Flash 直接给 API 和 Web 端塞了一个滑动条：思考预算（thinking budget）。

这个预算上限最高可以拉到 24576 个 token。如果你只是拿它做日常翻译或者提取字段，直接把预算设为 0，它就退回成普通的快速响应模式，速度和 2.0 Flash 一样快，但基础性能依然有提升。

更有意思的是它的动态判断机制。设定了预算只是定了一个天花板，如果任务本身不难，比如问它加拿大有几个省，模型根本不会硬把配额用完，而是自动早早交卷。

只有遇到双骰子概率计算、复杂的排班规划，或者材料力学里悬臂梁的最大弯曲应力这种硬骨头，它才会吃进更多思考 token，把每一步推导清楚。

成绩单上的越级表现

除了能控成本，Gemini 2.5 Flash 展现出的纸面战斗力也挺夸张。据报道，它的推理和 STEM 基准表现不仅追平了 OpenAI 的 o4-mini，还在推理和科学基准上超越了 Claude 3.5 Sonnet。

在 LMArena 的 Hard Prompts 榜单上，它的表现也排在很前面，官方称其仅次于自家大哥 2.5 Pro。对于一款定位在 Flash 级别、主打轻量性价比的模型来说，越级打怪已经成了常态。

目前这个预览版模型型号为 gemini-2.5-flash-preview-04-17，已经在 API 和 Vertex AI 开放，普通用户在 Gemini 网页版的下拉菜单里也能看到实验选项。

为什么重要

我们认为，Google 这次给行业指出了一条非常务实的路：推理不应该是非黑即白的开关，而应该是一个可调节的旋钮。

对于业务开发者来说，过去想把类似 o3 或 o4-mini 的深度思考引入高频业务，成本和延迟往往会直接劝退老板。现在你可以给不同接口设置不同的思考上限，甚至在同一套逻辑里按场景调参，高并发场景省下的都是真金白银。

对行业而言，这场较量正在从单纯比拼最高智力上限，转向比拼单 token 产出的性价比。OpenAI 前脚刚发新品，Google 紧接着就在轻量化推理上交出答卷，逼着对手也必须在推理成本控制上拿出更细粒度的工具。

不过，这种自适应思考也有隐患。由于模型会自行感知复杂度并决定思考步数，实际响应时间和扣费可能会出现波动，对于极其看重延迟上限的线上业务，开发者还是需要仔细做回归测试，或者干脆把预算焊死在特定数值上。