機器之心報道

編輯：Panda

剛剛，Gemini 系列模型迎來了一波更新：

• Gemini 2.5 Pro 穩定版發布且已全面可用，其與 6 月 5 日的預覽版相比無變化。
• Gemini 2.5 Flash 穩定版發布且已全面可用，其與 5 月 20 日的預覽版相比無變化，但價格有更新。
• 新推出了Gemini 2.5 Flash-Lite并已開啟預覽。

谷歌 CEO Sundar Pichai 發推表示新推出的 Gemini 2.5 Flash-Lite 是目前性價比最高的 2.5 系列模型。

可以看到，谷歌對 2.5 Flash-Lite 的定位是適合用于「量大且注重成本效率的任務」。相較之下，2.5 Pro 適合編程和高復雜度任務，2.5 Flash 則居中，更適合需要較快速度的日常任務。

據官方博客介紹，Gemini 2.5 Flash-Lite 同樣是一個推理模型，同樣支持多模態輸入和 100 萬 token 上下文，并支持通過 API 參數動態控制思考預算。由于 Flash-Lite 針對成本和速度進行了優化，因此與谷歌 DeepMind 的其他模型不同，其「思考」功能默認處于關閉狀態。除了函數調用之外，2.5 Flash-Lite 還支持已有的所有原生工具，例如基于谷歌搜索查找依據、代碼執行和 URL 上下文。

性能上，Gemini 2.5 Flash-Lite 的整體表現自然會比 2.5 Flash 差一些，而開啟思考的版本也比沒開啟的更強。但在少量指標上，2.5 Flash-Lite 卻意外地具有少量分數優勢，比如 AIME 2025 和 FACTS Grounding。

價格方面，自然也是與性能掛鉤的。如上圖底部所示，2.5 Flash-Lite 的定價為每百萬輸入 / 輸出 token0.1/0.4美元，而如果是音頻輸入，則為每百萬輸入 token 0.5 美元。2.5 Flash 的價格為每百萬輸入 / 輸出 token 0.3/2.5 美元，音頻輸入的則為 1 美元。性能最佳的 2.5 Pro 價格沒有變化，還是貴得多：每百萬輸入 / 輸出 token 1.25/10 美元。

Gemini 2.5 Flash-Lite 的預覽版現已在 Google AI Studio 和 Vertex AI 上線，與 2.5 Flash 和 Pro 的穩定版本一同提供。用戶也可在 Gemini App 中使用 2.5 Flash 和 Pro。此外，谷歌還為 2.5 Flash-Lite 和 2.5 Flash 的定制版本引入了搜索功能。

另外，谷歌也發布了新版本的 Gemini 2.5 技術報告，從中我們可以看到有關 Gemini 2.5 Flash-Lite 的更多信息，比如在性價比方面，Gemini 系列共同組成了當前 LLM 的佩雷托前沿，是性價比最高的系列模型

另外，該報告中還提到了一種名為「智能體恐慌（agent panic）」的現象，即在游戲過程中，Gemini 2.5 Pro 遇到了多種可能導致模型模擬「恐慌」的情況。

例如，當隊伍中的寶可夢生命值或能量值較低時，模型會反復提醒自己需要立即治療隊伍或逃離當前地牢。有趣的是，這種模型性能模式似乎與模型推理能力的定性可觀察到的下降相關——例如，在這種情況持續期間，在游戲過程中完全忘記使用探路工具。

報告地址：https://storage.googleapis.com/deepmind-media/gemini/gemini_v2_5_report.pdf

作為當今 AI 模型的頂流之一，Gemini 更新自然也吸引了萬眾矚目，很多用戶已經嘗試并分享了自己的體驗。

Datasette 開發者、著名技術博主 Simon Willison 用一篇博客分享了自己的體驗，下圖從左到右分別為 2.5 Pro、2.5 Flash 和 2.5 Flash-Lite 生成的鵜鶘騎自行車 SVG。

https://simonwillison.net/2025/Jun/17/gemini-2-5/

而輸出 token 數分別為 4,226、14,500、2,070，對應成本分別為 4.2274、3.6253、0.0829 美分。

另外，他還嘗試了將一個新的 Twitter Space 的錄音轉錄成文本。結果發現，2.5 Pro 的效果最好，總成本為 18.1 美分，時間 147.5 秒；2.5 Flash 也不錯，消耗 10 美分和 72.6 秒。但 2.5 Flash-Lite 卻遭遇了錯誤，中途卡住了。

DeepMind 研究 VP 和深度學習負責人 Oriol Vinyals 則通過一個更加亮眼的示例展示了 2.5 Flash-Lite，即所謂的Neural OS / 神經操作系統。這看起來像是一個操作系統的 UI，但實際上里面的內容是用戶在點擊圖標后由 2.5 Flash-Lite 實時生成的！

可以說這是一種非確定性（non-deterministic）的操作系統 —— 當你退出一個文件夾再重新進入，里面的內容可能就已經完全不一樣了！

另外，谷歌開發者 帳號今天也分享了一些使用 Gemini 2.5 系列模型輔助開發的案例，比如 @splinetool 在其新的 Hana 工具中使用了 Gemini 2.5 Pro 來革新交互式 3D 設計。創作者可以使用自然語言生成對象和場景，并觀察它們如何栩栩如生地呈現，從而簡化復雜的工作流程。

機器之心也在 Google AI Studio 中簡單實驗了新推出的 2.5 Flash-Lite。

首先開啟 Thinking 模式，使用如下提示詞編寫一個小游戲：

編寫一個貪吃蛇小游戲，除了常規機制外，里面還要有障礙物。使用鮮艷多彩的顏色。

2.5 Flash-Lite 確實很快，僅用 17.1 秒就完成了任務，效果也還不錯，就是障礙物過多了。

接下來，關閉 Thinking 模式，丟給它今年上海高考的作文題：

請完成這道作文題：
有學者用 “專”“轉”“傳” 概括當下三類文章：“專” 指專業文章；“轉” 指被轉發的通俗文章；“傳” 指獲得廣泛傳播的佳作，甚至是傳世文章。他提出，專業文章可以變成被轉發的通俗文章，而面對大量 “轉” 文，讀者又不免期待可傳世的文章。
由 “專” 到 “傳”，必定要經過 “轉” 嗎？請聯系社會生活，寫一篇文章，談談你的認識與思考。
要求：（1）自擬題目；（2）不少于 800 字。

2.5 Flash-Lite 僅用 5.9 秒就完成了任務，至于結果，就交給你親自品鑒了：

最后，分享一個 Gemini 2.5 技術報告的貢獻者和致謝名單中隱藏的彩蛋：

你看出來了嗎？

https://developers.googleblog.com/en/gemini-2-5-thinking-model-updates/

https://blog.google/products/gemini/gemini-2-5-model-family-expands/

https://x.com/googleaidevs/status/1935103305581207923