编辑：桃子 好困

【新智元导读】谷歌发布首款混合推理模型Gemini 2.5 Flash，引入了革命性“思考预算”，可灵活控制推理深度，性能一举击败Claude 3.7，比肩o4-mini。而且，关闭思考模式成本直降600%。

刚刚，谷歌重磅发布首个混合推理模型——Gemini 2.5 Flash。

与Claude类似，新模型的“思考预算”可以自定义，即可开启/关闭Gemini 2.5的思考模式。

值得一提的是，关闭思考的成本直接暴降600%，而且性能还不输Gemini 2.0 Flash。

具体来说，Gemini 2.5 Flash关闭思考输出价格0.6美元/百万token，开启思考输出价格3.5美元/百万token。

当然了，思考越久，模型性能也会随之提升。

在GPQA知识问答中，新模型24k思考预算，性能提升了6%；对于代码任务（LiveCodeBench），16k思考预算性能最佳。

在多项基准测试中，Gemini 2.5 Flash再次刷新SOTA。在大模型排行榜中，Flash预览版以1392 ELO高分位居第二，与GPT-4.5-preview、Grok 3并驾齐驱。

在数学（AIME 2025/2024）、多模态推理（MMMU）、知识问答（GPQA）等基准上，Gemini 2.5 Flash完全碾压Claude 3.7 Sonnet，足以与最新o4-mini相媲美。

就模型每百万token输入/输出价格来看，Gemini 2.5 Flash更具性价比。

在人类最后一次考试中，Gemini 2.5 Flash拿下12.1%高分，仅次于o4-mini

目前，Flash预览版可以在Gemini中使用，API同时向开发者开放。

首款混合推理Gemini登场

击败Claude 3.7

混合推理模型，就是专为需要在性能、成本、延迟之间找到完美平衡的开发者而设计。

Gemini 2.5 Flash不仅继承了2.0 Flash的高速响应特点，还引入了革命性的“思考模式”——可根据任务需求灵活调整推理深度。

Gemini 2.5系是“思考模型”，能够在回答前先行推理。

模型不会立即输出结果，而是先执行“思考”流程，更好地理解提示词，拆解复杂任务并规划回答。

如下图所示，相较于2.0 Flash，Gemini 2.5 Flash在复杂任务，如数学推理、科研分析中表现更优异。

在LMArena其他评估中，比如Hard Prompts、编码、长查询，Gemini 2.5 Flash全部拿下第一。

另外从下图中可看出，在同类模型中，2.5 Flash以超高性价比领跑，兼具最优性能和极低成本的优势。

网友实测

在网友的实测中，2.5 Flash物理模拟能力足够惊艳，小球会随着多边形变化精准运动。

而且，2.5 Flash还轻轻松松通过了4o-mini/o3无法通过的Galton Board（高尔顿板）测试。

它还能根据精灵图，创建出自定义游戏城房间。

另一位网友用了最大24k预算，让2.5 Flash设计出了一个《创：战纪》风格的游戏。

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已经完全没有优势了，在设计登录界面时，Gemini 2.5 Flash用时最短速度最快。