Google開發者大放送：Veo 2影片模型上線API，2.5 Flash即將到來

AI 開發者最近的煩惱，往往是既想要模型能慢下來深度思考、啃複雜的超大程式碼庫，又想要它能毫秒級接話做即時音影片互動，最好還能隨手給應用生成一段高畫質影片。

在今年的 Cloud Next 上，Google 索性把這些底牌全攤在了 Gemini API 的桌面上。

連 Flash 都要學會自己思考了

上週 Google 剛剛在 AI Studio 和 Vertex AI 上線了 Gemini 2.5 Pro。這個被官方稱為最強模型的版本主打思考能力，在回答前先進行自主推理，尤其擅長寫網頁應用和構建智慧體程式設計工具。

緊接著，Google 宣佈定位更輕快、更划算的 Gemini 2.5 Flash 也即將到來。

Flash 一直是開發者眼裡跑大規模任務的幹活主力。Google 這次的意圖很明確：要把自適應思考能力普及到全系 Gemini 模型。

配合高達 100 萬 token 的輸入上下文視窗，帶思考能力的 2.5 Flash 可以在控制延遲和成本的同時，直接吃下整個程式碼庫做生成式推理，或者負責排程複雜的多智慧體協作。

影片模型 Veo 2 轉正，即時 Live API 開放預覽

除了給大腦升級，多模態互動和生成能力也迎來了兩個關鍵更新。

影片生成模型 Veo 2 現在正式在 Gemini API 中進入生產可用狀態。它支援文字和圖片提示詞生成高質量影片，能夠遵循複雜指令並模擬真實物理效果。

遊戲工作室 Wolf Games 已經用它來做互動敘事遊戲，據他們反饋，畫面迭代的修改次數減少了 60% 以上，製作週期大幅縮短。

另一個是去年 12 月開啟實驗的 Live API，現在正式進入預覽階段。它支援超低延遲的流式音訊、影片和文本雙向互動，非常適合用來做即時開會助手或者現場畫面監控。

這次更新不僅大幅調高了呼叫頻率限制，還打通了搜尋、程式碼執行和函式呼叫工具，配合 Gemini 2.0 Flash 就能直接跑起高互動性的智慧體。

為什麼重要

對開發者和產品經理來說，現在可以用同一套 Gemini API 把即時語音互動、百萬上下文深度推理和影片生成串聯起來。如果你正在做互動式遊戲、即時客服或多模態智慧體，現在非常值得去 AI Studio 跑通 Demo，因為 Live API 放寬了頻率限制，Veo 2 也達到了商業可用的標準，門檻比之前低了不少。

對行業競爭而言，Google 正在把全模態工程化落地推向對手很難短時間跟進的維度。當別人還在單獨推出影片產品或限制語音入口時，Google 選擇把低延遲流式音影片、慢思考推理和影片生成全部作為底層元件塞進 API。

我們認為，Google 最聰明的一步是決定給 Flash 加上思考能力。高階的 Pro 負責刷榜和攻堅，走量的 Flash 負責佔領真實業務；如果 Flash 能在保持低成本和高響應的同時具備自適應思考，在 Agent 市場的價效比優勢會非常可怕。不過看起來隱患也很直接：要把流式音影片和多模態生成完全串進生產環境，實際的 token 消耗和綜合延遲依然是對開發者錢包的巨大考驗。