Gemini 2.5 Flash API - 定价、快速入门与提供商比较

什么是 Gemini 2.5 Flash？

Gemini 2.5 Flash 是 Google 面向高吞吐、延迟敏感且需要推理的任务的主力模型。它是首个内置思考能力的 Flash 级模型，具备可随意开关的混合推理模式。这一特点使其与 2.0 Flash 有显著不同，也值得与价格高出许多的模型一较高下。

核心能力

Gemini 2.5 Flash 支持以下输入类型：文本、代码、图像、音频、视频和文档。对于文档输入，在生产环境中有两项限制：每个文档的最大文件大小为 50MB（超过此限制的文件必须拆分为小于 50MB 的块后再提交）。支持的文档 MIME 类型仅限于 application/pdf 和 text/plain。

它不支持的功能包括：音频生成、图像生成以及 Live API。如果你需要图像生成，请使用 Gemini 2.5 Flash Image，那是一个独立的模型。

“思考”在实际中意味着什么

思考预算是一个参数，用于控制模型在生成响应之前进行多少内部推理。它是在推理阶段内置于模型架构中的。将预算设为 0 会完全禁用该功能，从而产生最快、最便宜的输出。设为 -1 则启用动态模式，模型会根据提示词的复杂程度自动调整推理深度。在 Google 的直接 API 中，默认值为 -1。而通过 OpenRouter，思考功能默认关闭，除非你显式请求开启（参见下文“通过 OpenRouter 配置”）。更高的固定预算可以提升复杂任务上的输出质量，但代价是额外的延迟和 token 消耗，且按输出费率计费。

Gemini 2.5 Flash API 定价

下表展示了三种接入方式经核实的每百万 token 费率。所有定价数据来自 ai.google.dev/gemini-api/docs/pricing 和 openrouter.ai/google/gemini-2.5-flash。OpenRouter 和 Vertex AI 的数字请在撰写当日对照其在线页面进行核实；费率可能随时更新，恕不另行通知。

核实日期：2026 年 5 月

截至 2026 年 5 月，Google AI Studio 付费档和 OpenRouter 对文本输入和输出收取相同的每 token 费率。每 token 价格一样。差异在于 API 调用之外包装的东西。

OpenRouter 位于你的代码和 3 个 Google 提供方（AI Studio、Vertex Global、Vertex）之间。如果其中一个宕机，你的请求会重新路由到健康的提供方。无需改代码。

你的集成不再与 Gemini 绑死。改一下模型字符串，你就可以调用 Claude、GPT-4o、Llama 或 300 多个模型中的任意一个。相同的基础 URL、相同的 SDK、相同的 API 密钥。几秒钟即可切换模型，无需重写你的客户端。

账单合并到一个仪表盘：一张发票、一个 API 密钥，覆盖所有模型和提供方。无需在 Google、Anthropic 和 OpenAI 的独立账户之间来回切换。

对于要上线生产环境的团队，OpenRouter 叠加了企业级控制（配置管理、按密钥消费限额、用量分析、团队管理）。护栏和内容过滤可按请求配置，因此你可以执行安全策略，而无需自建审核体系。提示词日志和可观测性功能内置于仪表盘中，方便调试生产流量。

OpenRouter 对按量付费（PAYG）充值收取 5.5% 的平台费。这涵盖了上述的故障转移、路由、计费和工具功能。Google AI Studio 是没有中间商费用的直接途径，但故障转移、模型可移植性和跨提供方计费都得你自己解决。Vertex AI 的定价不同；在把价格填入生产成本估算之前，请查看 Vertex AI 定价页面 以了解当前费率。

要了解 Gemini 2.5 Flash 的实时定价和各提供商的正常运行时间，包括实时缓存费率和各提供商的有效价格，请查看 OpenRouter 模型页面。有关降低重复上下文成本的缓存策略，请查看 缓存定价详情。

思考 Token 计费

思考 token 与输出 token 按相同费率计费。预算为 0 时，没有思考成本。在最大预算（24,576 tokens）下，思考开销可能超过可见回复本身的价格。要估算特定工作负载的成本，请将预期的思考 token 数乘以输出费率，再加到标准输出 token 成本中。

免费使用选项

Google AI Studio 提供有速率限制的免费层级。在免费层级上，你的提示词和响应会被用于改进 Google 的产品；完整的数据使用政策请参阅 服务条款。如果你的使用场景涉及用户数据，或要求数据不用于模型训练，则必须使用付费层级。

OpenRouter 的免费层级不包含 Gemini 2.5 Flash。需要至少 $5 的信用余额。

Vertex AI 为新的 Google Cloud 账户提供 $300 试用额度，可在评估期间用于 Gemini 2.5 Flash 的使用。

API 快速入门：5 分钟内发出第一个请求

OpenRouter 路径无需 Google Cloud 账号，并且可与任何兼容 OpenAI 的 SDK 配合使用。Google 直连路径需要 Google 账号和 google-genai SDK。如需更多 SDK 示例和配置选项，请参阅 OpenRouter 快速入门。

第 1 步：获取你的 API Key

OpenRouter 路径：获取你的 OpenRouter API key。无需 Google Cloud 账号。

Google 直连路径：在 aistudio.google.com/apikey 获取 key。

第 2 步：设置 Base URL（OpenRouter 路径）

OpenRouter 的 base URL 是 https://openrouter.ai/api/v1。下面三个代码示例均使用此端点。

第 3 步：发出你的第一个请求

cURL：

curl https://openrouter.ai/api/v1/chat/completions \
  -H "Authorization: Bearer <your-openrouter-key>" \
  -H "Content-Type: application/json" \
  -d '{
    "model": "google/gemini-2.5-flash",
    "messages": [{"role": "user", "content": "Explain the difference between attention mechanisms in transformers."}]
  }'

Python（OpenAI SDK）：

from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="<your-openrouter-key>",
)

response = client.chat.completions.create(
    model="google/gemini-2.5-flash",
    messages=[{"role": "user", "content": "Explain the difference between attention mechanisms in transformers."}]
)

print(response.choices[0].message.content)

TypeScript（OpenAI SDK）：

import OpenAI from "openai";

const client = new OpenAI({
  baseURL: "https://openrouter.ai/api/v1",
  apiKey: "<your-openrouter-key>",
});

const response = await client.chat.completions.create({
  model: "google/gemini-2.5-flash",
  messages: [{ role: "user", content: "Explain the difference between attention mechanisms in transformers." }],
});

console.log(response.choices[0].message.content);

Google 直连路径

如果你已经拥有 Google AI Studio API 密钥，并且更倾向于不经过中间层的直接路径：

from google import genai

client = genai.Client(api_key="<your-google-api-key>")

response = client.models.generate_content(
    model="gemini-2.5-flash",
    contents="Explain the difference between attention mechanisms in transformers.",
)

print(response.text)

直接路径使用 google-genai SDK，它与 OpenAI 不兼容。从 OpenRouter 切换到直接路径需要同时更改你的客户端库和请求结构。直接路径没有提供商故障转移机制。

思考预算：控制推理质量与成本

思考预算是你使用该模型时要做的最重要的配置决策。设置不当，你要么为不需要的推理多付钱，要么在需要推理的任务上损失准确率。完整参数参考请参见 配置思考预算。

预算级别及其权衡

在请求配置中设置 thinkingBudget 参数。取值范围为 0 到 24,576 tokens。

预算 0：禁用思考。响应最快，成本最低，无推理开销。适用于不需要结构化推理的高吞吐量分类、抽取和摘要任务。

Budget -1（动态）： 模型会根据提示词的复杂程度自动选择推理深度。这是 Google 直连 API 的默认模式。通过 OpenRouter 使用时，必须显式将 max_tokens 设置为 -1 才能启用动态模式；省略 reasoning 配置则会关闭思考。推荐大多数需要推理的工作负载使用：它可以避免在简单提示词上为重型推理付费，同时在任务需要时启用推理。

Budget 1,024 到 8,192： 中等至重度推理。适用于多步骤分析、结构化编程任务和研究类问题。

Budget 24,576（最大值）： 最大推理深度，最高成本。适用于复杂数学、科学问题，以及准确性足以抵消开销的高难度编程挑战。

关键限制

如果你不在编写第一个请求之前了解以下两个限制，它们会在生产环境中引发错误：

1. thinkingBudget 和 thinkingLevel 不能在同一个请求中使用。thinkingBudget 用于 Gemini 2.5 系列模型。thinkingLevel 用于 Gemini 3 系列模型。同时使用两者会返回 400 错误。

2. 结构化 JSON 输出与 Search Grounding 互斥。不能在同一个请求中同时启用两者。

通过 OpenRouter 进行配置

使用 extra_body 参数和 reasoning 键，通过 OpenRouter 的 API 设置思考预算：

from openai import OpenAI

client = OpenAI(
    base_url="https://openrouter.ai/api/v1",
    api_key="<your-openrouter-key>",
)

response = client.chat.completions.create(
    model="google/gemini-2.5-flash",
    messages=[{"role": "user", "content": "Solve this step by step: if f(x) = 3x^2 + 2x - 5, find all roots."}],
    extra_body={"reasoning": {"max_tokens": 8192}}
)

print(response.choices[0].message.content)

要完全禁用思考，请将 max_tokens 设为 0。要使用动态模式，请将 max_tokens 设为 -1。

跨供应商性能

OpenRouter 通过三个 Google 供应商路由 Gemini 2.5 Flash，并实时追踪每个供应商的吞吐量、首 token 时间（TTFT）、端到端延迟和正常运行时间。供应商之间的差异足以影响延迟敏感型工作负载的供应商选择。

以下所有数据均需对照 openrouter.ai/google/gemini-2.5-flash 进行实时核实。

各供应商性能表现

来源：OpenRouter 实时模型页面。

在近期数据中，Vertex Global 提供商展现出最高的吞吐量。AI Studio 在历史上表现出最佳的正常运行时间。三者之中，Standard Vertex 的延迟最高。当你通过 OpenRouter 路由且未指定提供商时，它会基于实时信号自动将流量分配到最健康的选择。

如需 Gemini 2.5 Flash 的实时价格和正常运行时间，请查看 OpenRouter 模型页面。

Gemini 2.5 Flash 与 Flash Lite 与 Pro 对比

根据你的工作负载需求进行选择：

对于大多数智能体和推理工作负载，请使用 Gemini 2.5 Flash。当你需要思考能力又不想承担 Pro 级别的成本时，它是默认推荐。

对于大批量的分类、抽取或翻译任务，请使用 Gemini 2.5 Flash Lite，这类任务不需要思考能力，且每次请求的成本是首要约束。Flash Lite 默认禁用思考功能。

对于准确性足以证明比 Flash 高出 5 到 10 倍成本溢价合理的复杂推理任务，请使用 Gemini 2.5 Pro：前沿数学、高难度编程挑战，以及多步骤科学分析。

技术规格

下表是 Gemini 2.5 Flash 的权威参考。如需最权威版本，请参阅 Google AI for Developers 模型页面（更新于 2026-04-01）和 Vertex AI 文档（更新于 2026-04-03）。

弃用通知：[ Gemini 2.5 Flash 计划于 2026 年 10 月 16 日在 Vertex AI 上停用。如果您正在构建的使用场景将延伸到该日期之后，请规划迁移到后续模型，并关注 ai.google.dev/gemini-api/docs/models 以获取更新。

常见问题解答

Gemini 2.5 Flash 可以免费使用吗？

Google AI Studio 提供带速率限制的免费额度。在免费额度下，你的提示词和响应会被用于改进 Google 的产品；在将用户数据用于其上之前，请先阅读[服务条款。OpenRouter 的免费额度不包含 Gemini 2.5 Flash；需要至少 $5 的充值余额。Vertex AI 为新的 Google Cloud 账户提供 $300 试用额度。

Gemini 2.5 Flash 的思考预算（thinking budget）是什么？

thinkingBudget 参数（范围：0 到 24,576 token，或 -1 表示动态）控制模型在响应前进行多少内部推理。预算设为 0 表示禁用思考：最快且最便宜。预算设为 -1 表示启用动态模式：模型根据提示词复杂度自动调整。在 Google 的直连 API 上，默认值为 -1。通过 OpenRouter 使用时，除非你明确请求开启思考（例如 extra_body={"reasoning": {"max_tokens": -1}} 表示动态，或任意正数预算），否则思考功能是关闭的。更高的固定预算可以提升复杂任务上的输出质量，但会增加延迟和成本，按输出 token 费率计费。

Gemini 2.5 Flash 与 GPT-4o 相比如何？

Flash 支持 1M token 的上下文窗口，而 GPT-4o 为 128K，并且具备 GPT-4o 所没有的可配置思考功能。Flash 的每 token 定价更低。GPT-4o 拥有更广泛的第三方生态系统支持和更长的生产环境使用记录。本指南中没有发布两款模型在同一评测上的直接基准对比；可使用[OpenRouter 排行榜获取最新的第三方评测数据。

我可以用 Gemini 2.5 Flash 进行图像生成吗？

不能。Gemini 2.5 Flash 只输出文本。它支持图像输入，模型可以处理图像并对其进行推理。若要生成图像，请使用 Gemini 2.5 Flash Image，这是一个独立的模型，有各自的定价。

哪些提供商在 OpenRouter 上提供 Gemini 2.5 Flash？

三家：Google AI Studio、Google Vertex Global 和 Google Vertex。OpenRouter 会根据实时吞吐量和在线率数据自动路由到状态最佳的提供商。你也可以使用 OpenRouter 的 提供商路由控制固定到某个特定提供商。

Gemini 2.5 Flash 和 Flash Lite 有什么区别？

Flash 支持可配置的思考功能（预算 0 到 24,576），输出质量更高。Flash Lite 则针对超低延迟和低成本进行了优化，默认关闭思考功能（不过可以开启）。当推理能力重要时使用 Flash；对于以每请求成本为主要约束的大批量任务，则使用 Lite。