編輯 | 云昭

繼昨天凌晨OpenAI推出滿血o3、o4-mini之后，沒想到谷歌邁著“LLM王者”的步伐給出了自家的模型SOTA研究Gemini2.5 Flash。

如果說o3主打的是“干實事”，那么谷歌這次的新發布則是告訴我們：什么是“成本可控”的極致性價比。

這次的發布以后立馬引來一眾開發者的討論，不過這次不是負面的，而是全面的好評。

1.Gemini 2.5 Flash的最大賣點控制大模型的思考預算

今天剛剛推出來的谷歌的新模型，是通過Google AI Studio和Vertex AI以預覽版形式發布的。

從官網發布的博客來看，個人看來最大的亮點在于：可開啟或關閉思考+給大模型引入了“思考預算”的可控機制。這種機制可以讓開發人員指定在生成響應之前應分配多少計算能力用于推理復雜問題。

個人認為，這是谷歌一個非常務實的戰略性舉措，重要性不亞于昨天OpenAI發布的能干實事的o3、o4-mini。

因為采用“思考預算”這種方法非常契合解決如今AI市場的一個根本矛盾：更復雜的推理，通常以更高的延遲和更高的價格為代價，進而影響了先進模型的采用和普及。

具體到Gemini 2.5 Flash的思考預算是如何制定的？

谷歌為了給開發者提供足夠的靈活性，特別添加了“思考預算設置”，可以精細控制模型在思考時能夠生成的最大token數量。更高的預算允許模型進一步推理，從而提高質量。

圖表顯示，隨著思維預算的增加，推理質量有所提高

更重要的是，預算設置了 Gemini 2.5 Flash 的思考能力上限，但如果任務不需要，模型不會用盡全部預算。據了解，思考預算可以從0調整到24,576個token，作為一個最大限制而不是固定分配。根據谷歌的說法，模型會根據任務的復雜性智能地決定使用多少預算，在不需要復雜推理時節省資源。

有了這些，開發者就可以在質量、成本和延遲之間找到合適的平衡點。

2.思考與不思考：6倍價格差

價格方面，在Gemini 2.5 Flash中，每百萬個token的輸入成本為0.15美元。輸出成本則根據推理設置而存在顯著差異：關閉思考功能時每百萬token為 0.6美元，而啟用推理功能時則為每百萬token 3.5美元。

推理輸出的近六倍價格差異反映了“思考”過程的計算強度，其中模型在生成響應之前會評估多種潛在路徑和考慮因素。

Gemini 2.5 Flash 性價比對比

圖源：谷歌整理的每百萬token價格和性能的帕累托圖

這里值得注意的是，單純關注定價變化已經意義不大，小編認為更大的意義上在于，谷歌做了一件值得思考的動作，即，谷歌給出了一種讓公司老板或者獨立開發者們非常方便的大模型的成本考量尺度：用推理輸出的價格差異來度量“思考”過程的計算強度。

正如谷歌Gemini產品總監在采訪中所提到的：“客戶需要為模型生成的任何思考和輸出token付費。在 AI Studio UX 中，你可以在響應之前看到這些思考。在 API 中，我們目前不提供對這些思考的訪問權限，但開發人員可以查看生成的token數量。”

3.根據提示詞自動調整思考時長

當然，除了思考預算設置，Gemini 2.5 Flash 還有一項“思考時長”的感知能力。據谷歌介紹，該模型經過訓練可以知道對于給定的提示需要思考多長時間，因此可以根據感知到的任務復雜性自動決定思考多少。

也就是說，根據你所問的問題的復雜程度，自動調整推理程度，從而可以更快地回答更簡單的請求。此外，即使即使關閉“思考”，開發者也能保持 2.0 Flash 的快速運行速度，并提升性能。

谷歌將提示詞按照需要推理能力的強弱分成了三種：較少推理能力、中等推理能力、高級推理能力。具體粒度究竟如何？可以看下面幾個示例。

需要較少推理能力的提示：加拿大有多少個??？（可以理解成“事實性”拷問）

需要中等推理能力的提示：你擲兩個骰子。它們加起來等于 7 的概率是多少？（高中數學題）

還有一個不錯的提示示例：

我的健身房每周一至周五上午 9 點至下午 3 點以及周二和周六下午 2 點至晚上 8 點安排籃球訓練。如果我每周工作 5 天，上午 9 點至下午 6 點，并且希望在工作日打 5 個小時籃球，請為我制定一個時間表，確保一切順利。（簡單的辦公規劃）

需要高度推理的提示：計算于梁應力、開發者常用的復雜函數編程等復雜工程問題。

編寫一個evaluate_cells(cells: Dict[str, str]) -> Dict[str, float]計算電子表格單元格值的函數。

每個單元格包含：

• 一個數字（例如"3"）
• "=A1 + B1 * 2"或者像使用+、、和其他單元格-的公式。*/

要求：

• 解決單元格之間的依賴關系。
• 處理運算符優先級（*/之前+-）。
• 檢測循環并提出ValueError("Cycle detected at <cell>")。
• 不要使用eval()。僅使用內置庫。

4.R1、Sonnet3.7被比下去了

Gemini 2.5 Flash在關鍵基準測試中展現出極具競爭力的性能，同時保持了比其他同類產品更小的模型規模。

在一項旨在評估推理和知識的嚴格測試“人類的最后考試”中，Gemini 2.5 Flash 的得分為 12.1%，優于 Anthropic 的Claude 3.7 Sonnet（8.9%）和DeepSeek R1（8.6%），但略低于 OpenAI 近期推出的o4-mini（14.3%）。

圖片

該模型在博士級水平的科學問題評估GPQA Diamond（78.3%）和AIME 數學考試（2025 年測試中為 78.0%，2024 年測試中為 88.0%）等技術基準上也取得了優異的成績。

據了解，Doshi對自己的作品信心滿滿，“企業應該選擇 2.5 Flash，因為它在成本和速度方面提供了最佳價值。同時，它在數學、多模態推理、長上下文和其他幾個關鍵指標方面都比競爭對手更加強大?！?/span>

言外之意，很簡單，谷歌的模型比同行在關鍵指標性能上更強大，而在成本上更便宜，速度上更快。沒有理由不選擇谷歌。

還有一個重要的風向變化。谷歌這次除了狠狠地命中了企業開發者在使用LLM時的成本、性能、速度的“死亡三角”的痛點，同時還在高校學生側發力了。

據悉，Gemini 2.5 Flash的發布正值谷歌AI周，今天除了發布 2.5 Flash 之外，谷歌還宣布所有美國大學生在 2026 年春季之前都可以免費使用 Gemini Advanced。

谷歌開始明目張膽地在學生側發起沖鋒，可以被視作這樣一種信號：谷歌準備一場長線的戰斗，因為這些高效學生都是未來的知識型員工，而知識型員工正是大模型市場的必爭之地。當然，學生使用一款大模型的慣性或者說忠誠度究竟如何，尚有待考證。

5.網友熱議：谷歌正在贏下LLM比賽

隨著Gemini2.5發布以來，越來越多的開發者開始重新審視LLM玩家在自己心中的地位。

“谷歌正在悄悄地贏得AI競賽”的聲音越來越多。一位網友表示：Gemini Flash系列模型的宣傳水分是最少的，以自己的生產經驗來看，谷歌提供了最好的性價比體驗和多模態工具。

圖片

同樣，在知乎上，同樣也拋出了類似的問題。

圖片

這條帖子下面有網友用“龜兔賽跑”來比喻現在的LLM競賽，用兔子來形容優勢明顯的谷歌：數據頂級、人才頂級、算力不愁，只不過這場LLM競賽顯然不是短跑，而是一場足以讓谷歌中途打盹醒過來快速超過對手的長途馬拉松。

圖片

這位答主已經說得非常形象，這里不再贅述。

但這里想從另一種視角來聊這種現象。在兩年前甚至去年上半年時，大家對于谷歌的印象還停留在“狼狽不堪”的防守姿態上。OpenAI每次都成功截胡谷歌的新發布，而且每次新發布都伴隨著這樣或那樣的質疑的聲音。

但近四個月以來，我們會發現這種現象已經消失了。取而代之的則是一片“叫好”的口碑。

就比如這次的模型發布后，hackernews下方很多網友表示：Gemini的輸出質量和風格相較于OpenAI的o1和Anthropic的Claude都有很大的不同，印象深刻。

別的模型往往卑躬屈膝，而Gemini則表現得更像是一位“諫議大夫”，“Gemini似乎不太愿意同意我的觀點。它做出了一些小的改進，而Claude和ChatGPT則會接受最初的提議，直到被特別要求才會做出改進?！?/span>

圖片

“跟Gemini 2.5 Pro對話，感覺就像是和一個知識淵博、聰明絕頂的人在辯論。”

圖片

這其實很直接的就能表明：谷歌的大模型，已經在趕上甚至超越同行。注重大模型用戶的切實需求和體驗，正在讓谷歌贏得用戶的認可。

此外，值得注意的是，谷歌正在摸索自己的大模型演進路徑。而不是以往被動追趕的姿態。此次OpenAI的o3發布走的是“大模型使用工具”的風格，但谷歌似乎并不care，將自己認為正確的“細粒度的思考預算控制”功能擺到臺面上切作為最大亮點進行推出。

可以看出谷歌已經開始觸到了那根大模型產品演進的主線脈絡。

不過，或許從模型層面上看，谷歌的Gemini雖然可圈可點，但從日活數據上看，還遠遠沒有達到贏得競賽的程度。據第三方分析稱， ChatGPT每周用戶超過 8 億，而 Gemini每月用戶估計為 2.5 億至 2.75 億。

但長遠看，基礎模型的領先加上極致可控的性價比，Gemini的用戶勢必會迎來新一波的暴漲。

正如下面這位轉向使用Gemini的網友所說：我同意Claude非常好，但我從未覺得它在實際工作中很舒服，3.7中有很多過度設計而半生不熟的解決方案，而這使得自己付出API的費用物失所值。

圖片

可以想象在一年后的某天，幾個開發者調侃某個大模型產品或功能：“不是XX我買不起，而是XX家的更有性價比！”

到那時候，大模型的生態才算是塵埃落定了。

參考鏈接：

https://developers.googleblog.com/en/start-building-with-gemini-25-flash/

https://news.ycombinator.com/item?id=43720845