編輯：桃子 好睏

【新智元導讀】谷歌發布首款混合推理模型Gemini 2.5 Flash，引入了革命性「思考預算」，可靈活控制推理深度，性能一舉擊敗Claude 3.7，比肩o4-mini。而且，關閉思考模式成本直降600%。

啱啱，谷歌重磅發布首個混合推理模型——Gemini 2.5 Flash。

與Claude類似，新模型的「思考預算」可以自定義，即可開啓/關閉Gemini 2.5的思考模式。

值得一提的是，關閉思考的成本直接暴降600%，而且性能還不輸Gemini 2.0 Flash。

具體來說，Gemini 2.5 Flash關閉思考輸出價格0.6美元/百萬token，開啓思考輸出價格3.5美元/百萬token。

當然了，思考越久，模型性能也會隨之提升。

在GPQA知識問答中，新模型24k思考預算，性能提升了6%；對於代碼任務（LiveCodeBench），16k思考預算性能最佳。

在多項基準測試中，Gemini 2.5 Flash再次刷新SOTA。在大模型排行榜中，Flash預覽版以1392 ELO高分位居第二，與GPT-4.5-preview、Grok 3並駕齊驅。

在數學（AIME 2025/2024）、多模態推理（MMMU）、知識問答（GPQA）等基準上，Gemini 2.5 Flash完全碾壓Claude 3.7 Sonnet，足以與最新o4-mini相媲美。

就模型每百萬token輸入/輸出價格來看，Gemini 2.5 Flash更具性價比。

在人類最後一次考試中，Gemini 2.5 Flash拿下12.1%高分，僅次於o4-mini

目前，Flash預覽版可以在Gemini中使用，API同時向開發者開放。

首款混合推理Gemini登場

擊敗Claude 3.7

混合推理模型，就是專為需要在性能、成本、延遲之間找到完美平衡的開發者而設計。

Gemini 2.5 Flash不僅繼承了2.0 Flash的高速響應特點，還引入了革命性的「思考模式」——可根據任務需求靈活調整推理深度。

Gemini 2.5系是「思考模型」，能夠在回答前先行推理。

模型不會立即輸出結果，而是先執行「思考」流程，更好地理解提示詞，拆解複雜任務並規劃回答。

如下圖所示，相較於2.0 Flash，Gemini 2.5 Flash在複雜任務，如數學推理、科研分析中表現更優異。

在LMArena其他評估中，比如Hard Prompts、編碼、長查詢，Gemini 2.5 Flash全部拿下第一。

另外從下圖中可看出，在同類模型中，2.5 Flash以超高性價比領跑，兼具最優性能和極低成本的優勢。

網友實測

在網友的實測中，2.5 Flash物理模擬能力足夠驚豔，小球會隨着多邊形變化精準運動。

而且，2.5 Flash還輕輕鬆鬆通過了4o-mini/o3無法通過的Galton Board（高爾頓板）測試。

它還能根據精靈圖，創建出自定義遊戲城房間。

另一位網友用了最大24k預算，讓2.5 Flash設計出了一個《創：戰紀》風格的遊戲。

提示：Create Design a visually striking Tron-style game in a single HTML file, where AI-controlled light cycles compete in fast-paced, strategic battles against each other

如今Claude 3.7已經完全沒有優勢了，在設計登入界面時，Gemini 2.5 Flash用時最短速度最快。