Gemini 2.5 Flash API：定价、快速入门与提供商对比

什么是 Gemini 2.5 Flash？

Gemini 2.5 Flash 是 Google 面向高吞吐量、延迟敏感且需要推理能力任务的主力模型。它是首款内置思考能力的 Flash 级别模型，支持可随意开关的混合推理模式。这一特点使它与 2.0 Flash 有显著不同，也值得将其与价格高出许多的模型进行比较评估。

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在提交前拆分为小于 50MB 的分块）。支持的文档 MIME 类型仅限于 application/pdf 和 text/plain。

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

“思考”在实际应用中意味着什么

思考预算（thinking budget）是一个控制模型在生成回复前执行多少内部推理的参数。它内置于模型架构中，在推理时生效。将预算设为 0 会完全禁用思考，产生最快、最便宜的输出。将其设为 -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 直接 API 上，-1 是默认值。而通过 OpenRouter，除非你明确请求，思考默认关闭（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，代价是额外的延迟和 token 开销，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实时页面核实；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 的付费层级与 OpenRouter 在文本输入和输出上的每 token 价格相同。每 token 价格一致。两者的差异在于 API 调用外围所包裹的东西。

OpenRouter 位于你的代码与 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。无需更改代码。

你的集成并不与 Gemini 绑死。只需更改模型字符串，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。几秒内即可切换模型，无需重写你的客户端。

账单合并到一个仪表板：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 的多个独立账户之间来回切换。

对于要上线生产环境的团队，OpenRouter 提供了企业级控制（配置管理、按密钥的支出限额、用量分析、团队管理）。护栏和内容过滤可按请求进行配置，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已内置于仪表板中，便于调试生产流量。

OpenRouter 对按量付费（PAYG）额度充值收取 5.5% 的平台费用。这涵盖了上述的故障转移、路由、计费和工具功能。Google AI Studio 是无中介费用的直接途径，但故障转移、模型可移植性和跨提供方计费都需要你自己解决。Vertex AI 的定价不同；在将其纳入生产成本估算之前，请查看 Vertex AI 定价页面 了解当前费率。

要了解 Gemini 2.5 Flash 的实时定价和各提供商的在线率（包括实时缓存费率和按提供商计算的实际价格），请参阅 OpenRouter 模型页面。有关可降低重复上下文成本的缓存策略，请参阅 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，请将你预计的思考 token 数量乘以输出费率，并加到标准输出 token 成本中。

免费使用途径

Google AI Studio 提供带有速率限制的免费层级。在免费层级上，你的提示词和回复会被用于改进 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 的账户余额。

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

API 快速上手：5 分钟内完成首个请求

OpenRouter 路径无需 Google Cloud 账号，且可与任何兼容 OpenAI 的 SDK 配合使用。Google 直连路径需要 Google 账号以及 google-genai SDK。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：发起你的第一个请求

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连方式：

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)

直连方式使用 google-genai SDK，它不兼容 OpenAI。从 OpenRouter 切换到直连方式需要同时更改你的客户端库和请求结构。直连方式没有服务商故障转移。

思考预算：控制推理质量与成本

思考预算是使用此模型时你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费用，要么在需要推理的任务上损失准确率。完整参数参考请参阅 配置思考预算。

预算级别与权衡

在你的请求配置中设置 thinkingBudget 参数。取值范围为 0 到 24,576 个 token。

预算 0：禁用思考。响应最快、成本最低、无推理开销。适用于结构化推理非必需的高流量分类、提取和摘要任务。

Budget -1（动态）： 模型会根据提示词复杂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，你必须显式地将 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；它避免为简单提示词支付高额推理费用，同时在任务需要时启用推理。

Budget 1,024 到 8,192： 中等到较重的推理。适用于多步骤分析、结构化编码任务以及研究类问题。

Budget 24,576（最大值）： 最大推理深度，最高成本。适用于复杂数学、科学问题以及高难度编程挑战等准确性足以证明其开销合理性的场景。

关键限制

如果你在编写第一个请求之前不了解以下两个限制，它们会在生产环境中导致错误：

1. thinkingBudget 和 thinkingLevel 不能在同一请求中使用。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（搜索接地）互斥。你不能在同一请求中同时启用两者。

通过 OpenRouter 进行配置

通过 OpenRouter 的 API，使用 extra_body 参数配合 reasoning 键来设置思考预算：

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，将 max_tokens 设为 0。要使用动态模式，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。

以下所有数据需对照 openrouter.ai/google/gemini-2.5-flash 进行实时验证。

各供应商性能

来源：OpenRouter 实时模型页面。

Vertex Global 供应商在近期数据中显示出最高的吞吐量。AI Studio 在历史上显示出最佳的正常运行时间。三者中 Standard Vertex 的延迟最高。当你通过 OpenRouter 路由而不指定供应商时，它会根据实时信号自动将流量分配到最健康的选项。

如需了解 Gemini 2.5 Flash 的实时定价和正常运行时间，请参阅 OpenRouter 模型页面。

Gemini 2.5 Flash vs Flash Lite vs Pro

根据你的工作负载需求进行选择：

在大多数智能体和推理工作负载中使用 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、提取或翻译任务，使用 Gemini 2.5 Flash Lite，这些场景不需要思考能力，且每次请求的成本是主要约束。Flash Lite 默认禁用思考功能。

对于准确率值得付出比 Flash 高 5 到 10 倍成本的复杂推理任务，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。要查看最权威版本，请参阅 Google AI for Developers 模型页面（更新于 2026-04-01）以及 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会延续到该日期之后，请规划迁移到后续模型，并关注 ai.google.dev/gemini-api/docs/models 获取更新。

常见问题

Gemini 2.5 Flash 可以免费使用吗？

Google AI Studio 提供带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；在将其用于用户数据之前，请先阅读服务条款。OpenRouter 的免费层级不包含 Gemini 2.5 Flash，需要至少 $5 的额度余额。Vertex AI 为新的 Google Cloud 账户提供 $300 的试用额度。

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

thinkingBudget 参数（范围：0 到 24,576 个 token，或 -1 表示动态）控制模型在响应之前执行多少内部推理。预算设为 0 时禁用思考：速度最快、成本最低。预算设为 -1 时启用动态模式：模型会根据提示词的复杂程度自动调整。在 Google 的直接 API 上，-1 是默认值。通过 OpenRouter 时，除非你明确请求，否则思考处于关闭状态（例如 extra_body={"reasoning": {"max_tokens": -1}} 表示动态，或任何正的预算）。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，并且包含 GPT-4o 所不具备的可配置思考功能。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。本指南未发布这两个模型在同一评测上的直接基准对比；请使用OpenRouter 排名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？

不支持。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推理。如需图像生成，请使用 Gemini 2.5 Flash Image，那是一个独立模型，有单独的定价。

在 OpenRouter 上有哪些服务商提供 Gemini 2.5 Flash？

有三家：Google AI Studio、Google Vertex Global 和 Google Vertex。OpenRouter 会根据实时吞吐量和正常运行时间数据，自动路由到状态最佳的服务商。你也可以使用 OpenRouter 的 服务商路由控制固定到特定服务商。

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 针对超低延迟和成本做了优化，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；当每请求成本是首要约束时，用 Lite 处理大批量任务。