Google 推出 Gemini 2.5 Flash：首個混合推理模型，思考預算可自選

以前用推理模型，最讓人頭疼的就是錢包和延遲。讓 AI 回答一句簡單的客套話，它也得在後臺暗自琢磨幾秒鐘，扣掉幾百個 token 的錢。

Google 在 Google AI Studio 和 Vertex AI 預覽上線了 Gemini 2.5 Flash。它主打所謂「混合推理」，最大的看點不是刷了多高的分，而是把推理思考的主動權交還給了開發者。

讓 AI 思考，現在可以限額了

以往用帶推理功能的模型，你想讓它快一點或者省一點，基本沒得選。這次 Gemini 2.5 Flash 直接給 API 和 Web 端塞了一個滑動條：思考預算（thinking budget）。

這個預算上限最高可以拉到 24576 個 token。如果你只是拿它做日常翻譯或者提取欄位，直接把預算設為 0，它就退回成普通的快速響應模式，速度和 2.0 Flash 一樣快，但基礎效能依然有提升。

更有意思的是它的動態判斷機制。設定了預算只是定了一個天花板，如果任務本身不難，比如問它加拿大有幾個省，模型根本不會硬把配額用完，而是自動早早交卷。

只有遇到雙骰子機率計算、複雜的排班規劃，或者材料力學裡懸臂梁的最大彎曲應力這種硬骨頭，它才會吃進更多思考 token，把每一步推導清楚。

成績單上的越級表現

除了能控成本，Gemini 2.5 Flash 展現出的紙面戰鬥力也挺誇張。據報道，它的推理和 STEM 基準表現不僅追平了 OpenAI 的 o4-mini，還在推理和科學基準上超越了 Claude 3.5 Sonnet。

在 LMArena 的 Hard Prompts 榜單上，它的表現也排在很前面，官方稱其僅次於自家大哥 2.5 Pro。對於一款定位在 Flash 級別、主打輕量價效比的模型來說，越級打怪已經成了常態。

目前這個預覽版模型型號為 gemini-2.5-flash-preview-04-17，已經在 API 和 Vertex AI 開放，普通使用者在 Gemini 網頁版的下拉選單裡也能看到實驗選項。

為什麼重要

我們認為，Google 這次給行業指出了一條非常務實的路：推理不應該是非黑即白的開關，而應該是一個可調節的旋鈕。

對於業務開發者來說，過去想把類似 o3 或 o4-mini 的深度思考引入高頻業務，成本和延遲往往會直接勸退老闆。現在你可以給不同介面設定不同的思考上限，甚至在同一套邏輯裡按場景調參，高併發場景省下的都是真金白銀。

對行業而言，這場較量正在從單純比拼最高智力上限，轉向比拼單 token 產出的價效比。OpenAI 前腳剛發新品，Google 緊接著就在輕量化推理上交出答卷，逼著對手也必須在推理成本控制上拿出更細粒度的工具。

不過，這種自適應思考也有隱患。由於模型會自行感知複雜度並決定思考步數，實際響應時間和扣費可能會出現波動，對於極其看重延遲上限的線上業務，開發者還是需要仔細做迴歸測試，或者乾脆把預算焊死在特定數值上。