Google开发者大放送：Veo 2视频模型上线API，2.5 Flash即将到来

AI 开发者最近的烦恼，往往是既想要模型能慢下来深度思考、啃复杂的超大代码库，又想要它能毫秒级接话做实时音视频互动，最好还能随手给应用生成一段高清视频。

在今年的 Cloud Next 上，Google 索性把这些底牌全摊在了 Gemini API 的桌面上。

连 Flash 都要学会自己思考了

上周 Google 刚刚在 AI Studio 和 Vertex AI 上线了 Gemini 2.5 Pro。这个被官方称为最强模型的版本主打思考能力，在回答前先进行自主推理，尤其擅长写网页应用和构建智能体编程工具。

紧接着，Google 宣布定位更轻快、更划算的 Gemini 2.5 Flash 也即将到来。

Flash 一直是开发者眼里跑大规模任务的干活主力。Google 这次的意图很明确：要把自适应思考能力普及到全系 Gemini 模型。

配合高达 100 万 token 的输入上下文窗口，带思考能力的 2.5 Flash 可以在控制延迟和成本的同时，直接吃下整个代码库做生成式推理，或者负责调度复杂的多智能体协作。

视频模型 Veo 2 转正，实时 Live API 开放预览

除了给大脑升级，多模态交互和生成能力也迎来了两个关键更新。

视频生成模型 Veo 2 现在正式在 Gemini API 中进入生产可用状态。它支持文字和图片提示词生成高质量视频，能够遵循复杂指令并模拟真实物理效果。

游戏工作室 Wolf Games 已经用它来做互动叙事游戏，据他们反馈，画面迭代的修改次数减少了 60% 以上，制作周期大幅缩短。

另一个是去年 12 月开启实验的 Live API，现在正式进入预览阶段。它支持超低延迟的流式音频、视频和文本双向互动，非常适合用来做实时开会助手或者现场画面监控。

这次更新不仅大幅调高了调用频率限制，还打通了搜索、代码执行和函数调用工具，配合 Gemini 2.0 Flash 就能直接跑起高交互性的智能体。

为什么重要

对开发者和产品经理来说，现在可以用同一套 Gemini API 把实时语音交互、百万上下文深度推理和视频生成串联起来。如果你正在做交互式游戏、实时客服或多模态智能体，现在非常值得去 AI Studio 跑通 Demo，因为 Live API 放宽了频率限制，Veo 2 也达到了商业可用的标准，门槛比之前低了不少。

对行业竞争而言，Google 正在把全模态工程化落地推向对手很难短时间跟进的维度。当别人还在单独推出视频产品或限制语音入口时，Google 选择把低延迟流式音视频、慢思考推理和视频生成全部作为底层组件塞进 API。

我们认为，Google 最聪明的一步是决定给 Flash 加上思考能力。高端的 Pro 负责刷榜和攻坚，走量的 Flash 负责占领真实业务；如果 Flash 能在保持低成本和高响应的同时具备自适应思考，在 Agent 市场的性价比优势会非常可怕。不过看起来隐患也很直接：要把流式音视频和多模态生成完全串进生产环境，实际的 token 消耗和综合延迟依然是对开发者钱包的巨大考验。