Google 推出 Gemini 2.5 Flash-Lite 穩定版：百萬輸入僅需 0.1 美元

如果你手頭正管著成千上萬個併發請求，比如即時翻譯或者高頻分類，大模型的賬單和延遲往往能讓人倒吸一口涼氣。

Google 今天正式把 Gemini 2.5 Flash-Lite 推向了穩定通用階段。這是目前整個 Gemini 2.5 家族裡速度最快、價格最便宜的成員，專門用來啃那些對延遲極度敏感、同時呼叫量又巨大的硬骨頭。

便宜到極致，還能自選思考深度

先看最實在的賬本。Gemini 2.5 Flash-Lite 的輸入每百萬 token 只要 0.10 美元，輸出每百萬 token 為 0.40 美元。不僅如此，Google 還把它的音訊輸入價格在預覽版基礎上下調了 40%。

速度方面，官方實測顯示，在廣泛的提示詞樣本下，它的延遲比上一代的 2.0 Flash-Lite 甚至是 2.0 Flash 都要低。

效能上，它在程式設計、數學、科學、推理以及多模態理解等基準上全面超越了 2.0 Flash-Lite。更重要的是，它雖然定位為輕量級模型，但依然自帶了原生推理能力，開發者可以按需開關或設定思考預算。

此外，它保留了 100 萬 token 的上下文視窗，並支援 Google 搜尋接地、程式碼執行以及 URL 上下文等原生工具。開發者現在就可以在 Google AI Studio 和 Vertex AI 中呼叫 gemini-2.5-flash-lite，官方計劃在 8 月 25 日下線舊的預覽別名。

上天入地的實操落地

從預覽期到轉正，已經有一些團隊把它塞進了嚴苛的業務流程裡。

做去中心化太空計算的 Satlyt 把它送上了衛星，用來即時彙總軌道遙測資料和自主任務管理。得益於極高的執行效率，Satlyt 關鍵星載診斷的延遲降低了 45%，功耗也比基準模型減少了 30%。

AI 影片生成平臺 HeyGen 拿它來做影片策劃、內容分析，並支援超過 180 種語言的影片翻譯。文件生成工具 DocsHound 則利用它的超低延遲處理長影片演示，從中抽取數千張截圖生成操作指南。

另外，監測品牌在各 AI 模型中展現情況的 Evertune，也是靠它的大吞吐能力來快速掃描併合成海量輸出，生成分析報告。

為什麼重要

在大模型領域，卷引數量和榜單成績是給外人看的，把每 token 成本和首字延遲打下來，才是真正決定應用能不能跑通商業模式的關鍵。

對開發者和中小團隊來說，百萬元輸入 0.1 美元的價格幾乎抹平了嘗試門檻。尤其是具備了可選的思考預算後，你可以用一個模型既處理簡單的分類，又在遇到複雜邏輯時多給幾步推理，而不用在管道里頻繁切換多個大小模型。

我們認為，Google 這步棋非常務實。它補齊了 2.5 Pro 和 2.5 Flash 之後的規模化生產拼圖，直接把壓力甩給了 OpenAI 的 mini 系列。把 100 萬長上下文和原生工具鏈標配給最便宜的輕量模型，看起來會逼著競品進一步壓低小模型的推理資費並下放高階功能。