谷歌Gemini 2.5“全家桶”更新，0.7元/百万token的“性能怪兽”能否引发行业地震？

2025年6月18日凌晨，硅谷科技圈迎来一场大地震。谷歌正式宣布Gemini 2.5系列全系开放商用，其中轻量级模型Gemini 2.5 Flash-Lite以0.1美元/百万Token（约人民币0.7元）的破冰定价杀入市场，直接将大模型推理成本拖入“分时代”。

文字编辑｜宋雨涵

1

重磅更新

轻量模型的“重型武器”

• Gemini 2.5 Pro稳定版发布且已全面可用，其与6月5日的预览版相比无变化。

• Gemini 2.5 Flash稳定版发布且已全面可用，其与5月20日的预览版相比无变化，但价格有更新。

• 新推出了Gemini 2.5 Flash-Lite并已开启预览。

Gemini 2.5 Pro（稳定版）

定位旗舰级复杂任务处理，支持多模态输入（文本/图像/音频/视频/代码）和百万级上下文窗口（可解析整本《三体》或3小时视频），专注高精度编程、科学推理与长文档分析。新增“深度思考”（Deep Think）模式，通过递归分析提升复杂问题解决能力，在USAMO数学竞赛、LiveCodeBench编程测试中超越GPT-4.5等竞品。

Gemini 2.5 Flash（稳定版）

主打效率与成本平衡，输入/输出定价调整为 $0.3/$2.5/百万Token（原预览版为$0.15/$3.5），取消“思考/非思考”双轨计费，统一为单一定价简化成本控制。支持动态思考预算控制（0-24K Token），根据任务复杂度自动调整推理资源，在保证精度的同时降低70%计算负载。

Gemini 2.5 Flash-Lite（预览版）

支持百万Token上下文与多模态输入，默认关闭“思考”功能以优化速度，但可按需启用。演示实时生成操作系统内核能力，用户点击图标后动态生成非确定性UI界面（如文件夹内容实时变化），颠覆传统软件开发流程。

性价比核弹：输入/输出成本仅 $0.1/$0.4/百万Token（约¥0.7/¥2.9），较前代Flash输出成本降低62%，创行业新低。

首个在TPU v5p架构上训练的模型系列

Gemini2.5系列模型运用了稀疏混合专家（MoE）架构，具备原生支持文本、视觉以及音频输入的能力。稀疏MoE模型的工作原理是，通过学习将不同的token动态分配到参数子集（即专家）中，为每个输入token激活特定的模型参数子集。这种机制让模型总容量与每个token的计算及服务成本实现了分离。

在应对训练不稳定性的挑战时，Gemini2.5模型系列着重在增强大规模训练稳定性、优化信号传播以及改进动态方面取得了突出成果。该系列模型是在Gemini1.5处理长上下文查询取得成功的基础上构建的，并融入了新的建模技术，使得Gemini2.5Pro在处理长达1Mtokens的长上下文输入序列时，性能超越了Gemini1.5Pro。无论是Gemini2.5Pro还是Gemini2.5Flash，都能够处理长格式文本、完整的代码库，以及长格式的音频和视频数据。

Gemini2.5模型系列是谷歌首个在TPUv5p架构上进行训练的模型系列。谷歌采用同步数据并行训练方式，在分布于多个数据中心的谷歌TPUv5p加速器的多个8960芯片pod上进行并行化训练。其预训练数据集规模庞大且类型多样，广泛覆盖多个领域和模态，包含公开可用的Web文档、各种编程语言的代码、图像、音频（涵盖语音及其他音频类型）以及视频。这里需要说明的是，Gemini2.0的数据收集截止日期为2024年6月，而Gemini2.5的截止日期为2025年1月。

谷歌还采用了新方法来提升数据过滤和去重的质量，其训练后数据集由精心收集和审核的指令调优数据构成，是多模态数据的集合，除包含人类偏好和工具使用数据外，还有成对的指令和响应。谷歌研究报道指出，在后训练阶段，他们借助模型来辅助监督微调（SFT）、奖励建模（RM）和强化学习（RL）阶段，以此实现更高效、更精细的数据质量控制。此外，谷歌增加了分配给RL的训练计算资源，并结合对可验证奖励和基于模型的生成奖励的关注，以提供更复杂、更具可扩展性的反馈信号。RL过程的算法改进提升了长时间训练期间的稳定性。

Gemini推理模型通过强化学习进行训练，能够在推理时利用额外的计算资源来得出更精确的答案。生成的模型具备“思考”能力，在回答问题或查询之前，会进行数万次正向传递。

2

价格屠刀：

0.7元如何重构行业生态？

此次更新在价格方面，Gemini-2.5-Flash-Lite比Gemini-2.5-Flash便宜30%-60%，输入价格为0.1美元（折合人民币约0.7元）/百万tokens，输出价格为0.4美元（折合人民币约2.9元）/百万tokens。

谷歌还宣布了Gemini 2.5 Flash的最新定价，模型的思考和非思考价格相同，输入价格为0.3美元（折合人民币约2.2元）/百万tokens，输出价格为2.5美元（折合人民币约17.9元）/百万tokens。

我们再来看看主流模型定价格局（2025年6月）

定价背后的“三重革命”

① 技术民主化加速：顶尖AI从“实验室奢侈品”变为“开发者日用品”，一瓶矿泉水钱处理千万字时代正式开启；

② 竞争维度升维：模型战场从“纯性能PK”转向“效能+成本+生态”综合较量，谷歌借云基建优势碾压纯软件厂商；

③ 行业标准重置：$0.1/百万token成为新心理锚点，倒逼全行业优化架构——没有MoE与超算集群的玩家，或许将或将永久出局。

未来展望：

价格战只是开始，生态战才是终局

谷歌此次”放核弹”绝非孤立事件。结合近期动作：

1、硬件协同：搭配Tensor G5芯片的Pixel 10系列将在Q3发布，GFL将作为默认AI助手

2、开发者激励：推出”AI Startup Fund”计划，承诺前100万次调用免费

3、开源布局：GFL的蒸馏技术论文将在CVPR2025发表

这标志着AI竞争从单点技术突破，升级为”硬件-模型-生态”的立体战争。对于企业用户而言，真正的价值不在于API价格，而是能否构建端到端解决方案。

结语：

谷歌此次”价格核爆”式的发布，不仅是一款新产品的亮相，更标志着AI行业进入了一个全新的发展阶段。当千亿参数模型以0.7元/百万token的价格提供时，我们不禁要问：AI民主化的拐点是否已经到来？

这一轮”价格战”背后，是AI基础设施成熟度的重要里程碑。如同云计算在2010年代初期的发展轨迹，当计算资源价格突破某个临界点后，会催生大量新型应用和创新模式。可以预见，GFL的低成本高性能将加速各行业AI应用渗透，特别是在传统企业数字化、医疗健康、教育普惠等领域。