Google 擴容 Gemini 2.5：Pro 與 Flash 轉正，推出極速版 Flash-Lite

如果把大模型比作賽車，過去大家拼的是誰馬力最大，現在各大廠商比的則是誰能在極速狂飆的同時，把油耗和車票壓到最低。

Google 宣佈對其 Gemini 2.5 系列模型進行重大擴充套件：此前測試的 Gemini 2.5 Pro 和 2.5 Flash 結束預覽階段，正式作為穩定版（Generally Available）上線。與此同時，Google 還拿出了一個主打極致價效比的全新成員：Gemini 2.5 Flash-Lite 預覽版。

生產環境轉正與最輕量選手入場

對開發者和企業來說，Pro 和 Flash 轉入穩定版意味著可以放心地將它們接入正式的生產環境。Google 透露，像 Snap、SmartBear，以及 Spline、Rooms 等團隊在過去幾週已經在生產中實際使用了這些最新版本。

目前，這兩款穩定版模型除了在 Google AI Studio 和 Vertex AI 提供給開發者呼叫外，也已經在面向消費者的 Gemini 應用中上線。另外，Google 還在自家的 Google 搜尋中部署了定製版的 2.5 Flash-Lite 和 Flash。

而新亮相的 Gemini 2.5 Flash-Lite，則是 Google 迄今為止成本最低、推理速度最快的 2.5 模型。它被專門設計用來對付那些吞吐量極大、對延遲極度敏感的高併發任務，比如大批次的文本翻譯和資料分類。

既降延遲，又保住了百萬級上下文

通常輕量化小模型為了速度會砍掉不少高階功能，但這次 2.5 Flash-Lite 保留了 2.5 家族幾乎所有的核心能力。

在能力基準上，它在程式設計、數學、科學、推理和多模態測試中，表現全面超過了上一代的 2.0 Flash-Lite。在廣泛的提示詞樣本測試中，它的延遲甚至比 2.0 Flash-Lite 和標準版 2.0 Flash 還要低。

更關鍵的是，它依然具備完整的混合推理特性。開發者可以自由調節思考預算（Thinking Budget），決定模型到底思考多久。它還直接支援多模態輸入、連線 Google 搜尋工具和程式碼執行環境，並且完整保留了 100 萬 token 的超長上下文視窗。

現在開發者已經可以在 Google AI Studio 和 Vertex AI 中直接體驗 2.5 Flash-Lite 的預覽版。

為什麼重要

對於開發者和中小團隊來說，2.5 Flash-Lite 極具吸引力。很多高頻日常業務根本不需要 Pro 級別的算力浪費，他們要的是便宜、快、不掉鏈子。保留 100 萬上下文和可控思考預算，意味著哪怕是輕量級模型，也能處理超長文件總結或簡單檢索，而不用擔心賬單爆表，很適合現在就去測試替代現有的低端分類器或批次處理流。

對行業而言，Google 正在把價格和速度的「帕累托前沿」進一步往下壓。大廠們不僅在卷前沿推理智商，更在卷誰能把 API 價格打到塵埃裡。當輕量模型也標配長上下文和工具呼叫時，獨立模型提供商在低成本高併發市場的防線會變得更加脆弱。

我們認為 Google 這一步走得相當務實。大模型進入生產落地的瓶頸往往不是「不夠聰明」，而是「太貴太慢」。把 2.5 Pro 和 Flash 轉正、同時推出 Flash-Lite，補齊了從高智商推理到邊緣高併發的流水線組合。不過隱患在於，超輕量模型在極端長文本下的檢索精度和深度推理究竟能保持幾成，仍需要在複雜業務裡經過真實洗禮。