谷歌大模型“性价比之王”来了！混合推理模型，思考深度可自由控制，竞技场排名仅次于自家Pro

克雷西
2025-04-18
15:59:21

来源：量子位

克雷西 发自 凹非寺

量子位 | 公众号 QbitAI

紧跟o4-mini，谷歌上新了Gemini 2.5 Flash preview版本。

作为更注重效率的Flash，在大模型竞技场上排名并列第二，第一是自家的Gemini 2.5 Pro。

这样的表现，让Gemini 2.5 Flash的性价比直接拉满。

而且还是一款混合推理模型，可以自由设定思考深度，帮助预算不足的用户进一步控制推理成本。

目前，preview版本（不同于Gemini网页版中的版本）已在Google AI Studio和Vertex AI的 API中上线。

主打性价比，思考深度自由调控

在大模型竞技场上，经过3000多轮对战，Gemini 2.5 Flash获得了1392分的成绩，与Grok-3、GPT-4.5等模型并列第二。

综合成绩仅次于自家的Pro版，这样看来在竞技场中战胜谷歌的只有谷歌了。

并且在编程、复杂提示和长文本三个子榜单中，都和Pro版并列第一。

在大模型竞技场推出的WebDev榜单里，Gemini 2.5 Flash位列第七，超过了前一代（2.0）的Pro版本。

此外谷歌还展示了Gemini 2.5 Flash在一系列高难度数据集上的表现。

其中包括由1000多名学者提出的“人类最后的考试”，这套测试集发布时没有任何一个模型得分超过10%，现在Gemini 2.5 Flash的成绩是12.1%。

作为Flash版本，Gemini 2.5 Flash在谷歌自家的模型中，是至今性价比最高的版本。

其价格为0.15/0.6/3.5美元每百万输入/输出/推理Token，和o4-mini相比便宜了不少。

实际上，如果按照输入输出3:1的比例计算，在大模型竞技场1400分附近，Gemini 2.5 Flash是最便宜的一款模型。

△请注意横轴数字非单调下降

另外对于价格相对较高的推理过程，Gemini 2.5 Flash支持自由深度控制（甚至完全关闭），可以帮助预算不足的用户节约成本。

如果不进行设置，模型也会根据prompt自己判断适宜的思考深度，避免在简单的问题上过度思考，从而平衡成本。

o4-mini的竞争者？

在HackerNews上，Gemini 2.5 Flash引发了热烈的讨论。

有人认为，谷歌不搞炒作，但实际上性价比非常高，谷歌正在赢得人工智能竞赛。

也有人觉得，便宜是便宜，但是模型有时候会犯懒，不过这也在预料之中。

当然，实际应用还是要看具体任务，不过可以确定的是，Gemini 2.5 Flash的性价比已经获得了部分人的认可。

另外由于Gemini的Flash版本和OpenAI的mini类似，再加上上线时间邻近，Gemini 2.5 Flash也被视为o4-mini的竞争者。

不过从谷歌官方发布的成绩单上看，Gemini 2.5 Flash在一些难度较高的测试集中，表现是要稍逊于o4-mini的。

但如果考虑价格，这样的差距似乎可以接受，而且实际任务当中，也不总是需要模型能够应付这些最难的问题。

那么，在实际环境当中，Gemini 2.5 Flash的表现又如何呢？首先看看编程能力。

先安排一下著名的小球测试变体——一个大五边形中包含了三个缺一边的小五边形，之间互不交叉，小球在其中按照物理规律运动。

五边形的部分Gemini 2.5 Flash，正确绘制出来了，但对于小球则是完全已读乱回，经过了反复调整之后依然翻车。

再看o4-mini，运行结果符合提示词要求，并且代码更加精简，仅128行，而Gemini版本超过了500行。

这一轮，o4-mini胜。

再看数据分析能力。

我们找来了最近某班次航班的飞行记录，包含了起飞到降落过程中各时间点的位置、高度、速度、航向等信息，一共有1700余个数据点。

给出的任务则是绘制出高度和速度随时间变化的折线图，并且涉及到了时区和计量单位的换算（原始数据中时间为UTC时间、高度为英尺、速度为节，需要换算成北京时间、高度单位为米、速度单位为公里每小时）。

虽然我们上传了数据文件，但一开始Gemini没有选择外挂，而是把数据全都写进了Python代码，导致代码非常冗长。

经过提示之后，Gemini对代码进行了改进，得到了正确的图像。

o4-mini这边，虽然结果也对，但是没有考虑清楚坐标轴文本的长度，导致横轴上所有标签都挤成一团。

而且相比之下，Gemini的版本还带有网格线，能够更清晰地看出各点对应的大致数值。

这一轮，Gemini胜。

最后一轮，来看下两款模型的多模态理解能力。

这是英伟达最近一个月的股票形势图，我们让两款模型分别分析一下最佳的入手时机。

它们都从图中正确发现了最低点和对应的时间，至于回答质量，还是直接看他们的输出结果：

总的来说，如果不考虑价格，Gemini 2.5 Flash确实和o4-mini比还有些不尽如人意，但落地中考虑性价比，可能综合竞争力就体现出来了。

参考链接：
https://developers.googleblog.com/en/start-building-with-gemini-25-flash

Read More