Google 做了一件有点反直觉的事。
Gemini 2.5 Flash 是一个推理模型，但它把"思考"做成了可以关掉的开关。
思考预算：你决定模型想多少
Gemini 2.5 Flash 引入了"思考预算（thinking budget）“机制：
- 设为 0：关闭思考，纯速度模式，响应极快
- 设为 1-24,576 token：开启思考，根据任务复杂度分配推理深度
- 动态模式：模型自动判断是否需要思考，简单问题直接答，复杂问题先想再答
这个设计背后的逻辑是：不是所有任务都需要推理，让用户自己决定值不值得花这个时间和钱。
为什么这是个大事
过去的推理模型是"要么全开要么不用”——o1 每次回答都要慢慢想，不管你问的是"1+1等于几"还是"帮我证明黎曼猜想"。
Gemini 2.5 Flash 把推理变成了细粒度可控的资源：
简单问题 → 关掉思考 → 快如闪电，成本趋近于普通模型 复杂问题 → 开启思考 → 该花的算力一点不省
对开发者来说，这意味着可以在同一个应用里，对不同类型的请求动态调整推理深度——既不浪费算力，也不牺牲质量。
速度与质量
Gemini 2.5 Flash 的速度与 2.0 Flash 相当，在 LMArena Hard Prompts 榜单上排名第二（仅次于 Gemini 2.5 Pro）——以 Flash 级别的速度和成本，跑出了接近旗舰模型的质量表现。
一句话
推理模型终于有了油门踏板——你决定踩多深。
发布时间：2025 年 4 月 适用：Gemini API、Google AI Studio、Vertex AI