BenchLeader

Gemini 2.5 Flash

推理强度
质量第 137 / 339 名
52.4Index
高于中位数
较中位数 +2.2
价格第 127 / 255 名
$0.850每百万 token
比多数便宜
中位数的 1.0 倍
性价比第 119 / 255 名
61.6分/$
高于中位数
中位数的 1.1 倍

性价比更高: Ling 3.0 Flash $0.115/M 即可获得 Index 51.7,便宜 86%。

有 33 个更便宜的已排名模型得分更高:DeepSeek V4.1 Flash (58.5, $0.525)、GPT-5.6 Luna (58.2, $0.450)、Inkling 2 Small (57.9, $0.475),另有 30 个。

截至 2026年11月16日,Gemini 2.5 Flash(Google)在 BenchLeader Index 上得分 52.4(共 608 个已排名配置)。表现最好的是指令遵循(63),最弱的是推理(41)。API 价格为输入每百万 token $0.300、输出每百万 token $2.50(按 3:1 混合为 $0.850),为 2026年11月16日的标价。发布于 2025年4月17日。

要点(截至 2026年11月16日)

  • Gemini 2.5 Flash 的 API 价格为输入每百万 token $0.300、输出每百万 token $2.50(按 3:1 混合为 $0.850)(标价,2026年11月16日)。
  • Gemini 2.5 Flash 于 2025年4月17日发布(Google)。

详细说明:Gemini 2.5 Flash 是 Google 的闭源推理模型,发布于 2025年4月17日。其最佳配置在 BenchLeader Index 上得分 52.4 ±3.8,在 608 个配置中排第 276 名,处于上半区。关键在于这个“±”:另有 267 个配置的得分落在这一区间内,仅凭质量无法区分,真正拉开差距的是价格和速度。分类别看,指令遵循得分最高(63),推理最低(41)。按混合价格计,每百万 token $0.850,价格居中。它已在 3 种推理强度设置下测得结果;本摘要描述的是得分最高的设置,可用上方标签切换。最近一次测量:2026年11月11日。

混合价格
$0.850/M
输入 $0.300 · 输出 $2.50
来源:models.dev
输出速度
–
首次回答
–
上下文
1.0M
来源:models.dev
单任务成本
–
单任务 token 数
–
发布日期
2025年4月17日
各类别得分虚线 = 平均模型(50)。每 15 分为一个标准差。
  1. 综合 Index52
  2. 推理41
  3. 编程42
  4. 智能体与工具50
  5. 数学54
  6. 知识48
  7. 指令遵循63
  8. 人类偏好58
  9. 多模态60
  10. 长上下文59

嵌入这个排名

更多徽章样式
[![Gemini 2.5 Flash on BenchLeader: 综合第 136 名](https://www.benchleader.com/badge/gemini-2-5-flash.svg?style=compact)](https://www.benchleader.com/models/gemini-2-5-flash)

粘贴到 README.md 顶部,放在其他徽章旁边。徽章会随每次数据更新重新生成,并链接回本页。

Google 发布新模型时邮件通知我

进入排名时再通知一次,每周一另有每周回顾。

选择提供商和邮件类型

版本

Google 以这个名称发布过 12 个模型。每个版本都只按自身结果排名;较新的版本往往结果较少,在更多结果出炉之前,其 Index 会更接近平均水平。

模型发布日期Index排名
Gemini 3.8 Flashmedium2026年9月2日60.2#80
Gemini 3.7 Flashhigh2026年8月13日62.1#52
Gemini 3.6 Flashhigh2026年7月21日61.0#68
Gemini 3.5 Flashhigh2026年5月19日62.5#48
Gemini 3 Flashthinking2025年12月17日58.9#117
Gemini 2.5 Flash 09 2025thinking2025年9月25日52.8#271
Gemini 2.5 Flash本页2025年4月17日52.4#276
Gemini 2.0 Flash2025年2月5日43.5#482
Gemini 1.5 Flash 0022024年9月24日38.2#564
Gemini 1.5 Flash 0012024年5月23日––
Gemini 1.5 Flash2024年5月14日45.3#457
Gemini Flash 2.0–––

不同推理强度的配置

同一个模型允许思考的程度不同,表现也会不同。每一行是一种推理强度设置,只用在该设置下运行的基准测试打分。“未说明”汇总了发布方没有注明所用设置的结果;对推理模型而言这通常是其思考模式,但我们不做这一假定。在这里或页面顶部选择一个设置,即可查看其价格、速度和各类别得分。

推理强度Index排名速度首次回答聊天回复成本类别
无推理47.4#407184 tok/s0.65 s$0.0009智能体与工具 44 · 编程 47 · 指令遵循 42 · 长上下文 49 · 多模态 48
thinking49.0#372213 tok/s13 s$0.0009智能体与工具 46 · 编程 43 · 指令遵循 52 · 知识 55 · 长上下文 57 · 多模态 51 · 推理 39
未说明最佳52.4#276––$0.0009智能体与工具 50 · 编程 42 · 人类偏好 58 · 指令遵循 63 · 知识 48 · 长上下文 59 · 数学 54 · 多模态 60 · 推理 41

Index 走势

2026年9月8日 至 2026年11月16日
435057
  • 默认
  • thinking
  • 无推理

Index 每天从头重新计算,因此当有新的基准测试结果、发布方修订分数,或用于归一化的参照模型发生变化时,曲线都会移动。早期的波动通常说明分数仍在趋于稳定。

基准测试结果

查看全部大模型基准测试。每种推理强度一列。排名是在该基准测试上所有模型的所有配置中的位置。将鼠标悬停在分数上可查看对应的测试运行。

推理

基准测试无推理thinking默认来源趋势
Humanity's Last Exam推理强度未说明––12.1%#28Scale AI / CAIS
SimpleBench推理强度未说明––41.2%#76SimpleBench
Arena Hard Prompts推理强度未说明––1420#154Arena (LMArena)
GPQA Diamond (AA)不计入 Index68.3%#32079.0%#206–Artificial Analysis
Humanity's Last Exam (AA)不计入 Index4.7%#50012.1%#299–Artificial Analysis
GPQA Diamond (Vals)不计入 Index推理强度未说明––57.6%#112Vals AI
Kagi LLM Benchmark–56.8%#6044.1%#98Kagi LLM Benchmark
GPQA Diamond (HELM)不计入 Index推理强度未说明––39.0%#50HELM Capabilities
ARC-AGI-1–33.3%#21133.3%#211ARC Prize
ARC-AGI-2–2.5%#2061.7%#218ARC Prize
CritPt不计入 Index1.4%#2301.1%#242–Artificial Analysis
Arena Expert不计入 Index推理强度未说明––1433#142Arena (LMArena)
LMCA不计入 Index推理强度未说明––27.5%#153Epoch AI Benchmarking Hub
DTBench不计入 Index推理强度未说明––76.5%#153Epoch AI Benchmarking Hub
ForecastBench不计入 Index推理强度未说明––62.7%#53ForecastBench

编程

基准测试无推理thinking默认来源趋势
WeirdML–41.0%#9941.0%#99WeirdML
Arena Coding推理强度未说明––1428#185Arena (LMArena)
LiveCodeBench–46.9%#11756.9%#108Vals AI
Aider Polyglot44.0%#4055.1%#2747.1%#37Aider polyglot leaderboard
SWE-bench Verified (bash only)推理强度未说明––28.7%#39SWE-bench
SWE-bench Verified (any scaffold)不计入 Index推理强度未说明––28.7%#52SWE-bench
ALE-Bench不计入 Index推理强度未说明––661.9#102Epoch AI Benchmarking Hub
Design Arena Website不计入 Index推理强度未说明––1066#155Design Arena
LiveCodeBench (AA)不计入 Index49.5%#14269.5%#68–Artificial Analysis

智能体与工具

基准测试无推理thinking默认来源趋势
Terminal-Bench推理强度未说明––17.1%#92Terminal-Bench
Terminal-Bench Hard12.1%#21513.6%#206–Artificial Analysis
τ²-Bench Telecom (AA)不计入 Index14.9%#36831.6%#256–Artificial Analysis
BFCL Overall推理强度未说明––56.2%#13Berkeley Function Calling Leaderboard
BALROG不计入 Index推理强度未说明––33.5%#13BALROG
Vending-Bench 2不计入 Index推理强度未说明––548.8#61Andon Labs
BrowseComp-Plus不计入 Index推理强度未说明––16.3%#11BrowseComp-Plus
BrowseComp不计入 Index推理强度未说明––2.5%#10OpenAI
DeepSearchQA不计入 Index推理强度未说明––25.9%#8Google

数学

基准测试无推理thinking默认来源趋势
OTIS Mock AIME推理强度未说明––73.1%#145Epoch AI Benchmarking Hub
Omni-MATH (HELM)推理强度未说明––38.4%#32HELM Capabilities
MATH 500不计入 Index–91.8%#1991.6%#21Vals AI
Arena Maths推理强度未说明––1409#142Arena (LMArena)
AIME 2025 (AA)不计入 Index60.3%#11373.3%#82–Artificial Analysis

知识

基准测试thinking默认来源趋势
LegalBench推理强度未说明–83.8%#47Vals AI
CorpFin推理强度未说明–54.2%#94Vals AI
TaxEval70.5%#8971.2%#80Vals AI
MedQA91.0%#4286.7%#57Vals AI
PRBench Finance推理强度未说明–38.4%#35Scale AI SEAL
PRBench Legal推理强度未说明–41.0%#33Scale AI SEAL
MMLU-Pro (HELM)不计入 Index推理强度未说明–63.9%#43HELM Capabilities
MedCode不计入 Index40.4%#6338.4%#69Vals AI
MedScribe不计入 Index83.0%#4682.9%#48Vals AI

指令遵循

基准测试无推理thinking默认来源趋势
IFBench39.0%#27850.3%#174–Artificial Analysis
IFEval (HELM)推理强度未说明––89.8%#10HELM Capabilities
WildBench (HELM)推理强度未说明––81.7%#25HELM Capabilities
Arena Instruction Following不计入 Index推理强度未说明––1400#146Arena (LMArena)

人类偏好

基准测试thinking默认来源趋势
Arena Text推理强度未说明–1409#149Arena (LMArena)
EQ-Bench Creative Writing v3不计入 Index推理强度未说明–1134#98EQ-Bench
Arena Creative Writing不计入 Index推理强度未说明–1394#116Arena (LMArena)
Arena Multi-turn不计入 Index推理强度未说明–1403#158Arena (LMArena)
Arena Longer Queries不计入 Index推理强度未说明–1417#144Arena (LMArena)
Lech Mazur Creative Writing不计入 Index76.5%#23–Lech Mazur

多模态

基准测试无推理thinking默认来源趋势
Arena Vision推理强度未说明––1253#59Arena (LMArena)
MMMU-Pro65.5%#18869.1%#172–Artificial Analysis
VISTA推理强度未说明––49.1%#13Scale AI SEAL
MMMU-Pro (Vals)不计入 Index–71.9%#6568.0%#72Vals AI
MortgageTax不计入 Index–57.5%#7258.4%#69Vals AI
AudioMC不计入 Index–40.0%#1026.1%#16Scale AI SEAL
AudioMC (text output)不计入 Index–40.0%#826.1%#11Scale AI SEAL
VTB不计入 Index推理强度未说明––4.7%#16Scale AI SEAL
GeoBench不计入 Index推理强度未说明––76.0%#16GeoBench
VPCT不计入 Index推理强度未说明––38.0%#21Epoch AI Benchmarking Hub
SpatialViz-Bench不计入 Index推理强度未说明––36.9%#3Epoch AI Benchmarking Hub

长上下文

基准测试无推理thinking默认来源趋势
Fiction.LiveBench 120k推理强度未说明––68.8%#8Fiction.live
AA-LCR v1.149.9%#34465.3%#268–Artificial Analysis

综合

基准测试无推理thinking默认来源趋势
Epoch Capabilities Index不计入 Index推理强度未说明––141.9#105Epoch AI Benchmarking Hub
AA Intelligence Index v4.3.2不计入 Index9.8#39913.1#328–Artificial Analysis
AA Progress Index v1不计入 Index200.4#416226.1#330–Artificial Analysis
HELM Capabilities mean不计入 Index推理强度未说明––62.6%#39HELM Capabilities

安全与诚实

基准测试默认来源趋势
MASK不计入 Index可能存在污染49.1%#53Scale AI SEAL
PropensityBench不计入 Index68.0%#11Scale AI SEAL

一项任务的成本

根据最佳配置的标价、输出速度和首次回答时间估算。“使用缓存”假定四分之三的输入来自提示缓存,价格为每百万 token $0.030。未计入推理 token。

工作负载输入 / 输出 token成本使用缓存耗时
聊天回复400 / 300$0.0009$0.0008–
总结一份 30 页的报告12,000 / 600$0.0051$0.0027–
代码编辑6,000 / 1,500$0.0056$0.0043–
智能体编程会话60,000 / 4,000$0.028$0.016–
结构化信息提取2,000 / 200$0.0011$0.0007–

Google 的更多模型

本月新上线

另请参阅

嵌入或引用

在模型卡片或 README 中展示 Gemini 2.5 Flash 的排名。徽章会随每日更新重新生成,带有数据日期,并链接回本页。

[![Gemini 2.5 Flash on BenchLeader: 综合第 136 名](https://www.benchleader.com/badge/gemini-2-5-flash.svg)](https://www.benchleader.com/models/gemini-2-5-flash)

引用本页

排名每天都会变化,因此引用时需注明数据日期。APA 格式:

BenchLeader. (2026, November 16). Gemini 2.5 Flash on the BenchLeader Index (method v1.4) [Data set]. Retrieved November 16, 2026, from https://www.benchleader.com/models/gemini-2-5-flash

BibTeX:

@misc{benchleader_gemini_2_5_flash_20261116,
  author       = {{BenchLeader}},
  title        = {{Gemini 2.5 Flash on the BenchLeader Index (method v1.4)}},
  year         = {2026},
  month        = nov,
  howpublished = {\url{https://www.benchleader.com/models/gemini-2-5-flash}},
  note         = {Data as of 2026-11-16}
}

全部徽章样式、可嵌入的前 10 名小组件,以及如何引用 Index

常见问题

Gemini 2.5 Flash 的基准测试得分是多少?
截至 2026年11月16日,Gemini 2.5 Flash 的 BenchLeader Index 为 52.4 ±3.8。最强的是指令遵循(63),最弱的是推理(41)。该得分只基于第三方基准测试结果,本页每个分数都链接到其发布方。
Gemini 2.5 Flash 排名第几?
截至 2026年11月16日,Gemini 2.5 Flash 在 608 个已排名配置中排第 276 名。另有 267 个配置的得分在其误差范围内,因此名次区间比确切名次更有意义。第一名是 Claude Fable 5.2(推理强度 max),得分 72.7。
Gemini 2.5 Flash 每百万 token 的价格是多少?
截至 2026年11月16日,Gemini 2.5 Flash 的价格为输入每百万 token $0.300、输出每百万 token $2.50,混合价格(每 1 个输出 token 对应 3 个输入 token)为 $0.850。
Gemini 2.5 Flash 是什么时候发布的?
Google 于 2025年4月17日发布了 Gemini 2.5 Flash。BenchLeader 收录了它在 3 种推理强度设置下的结果。

数据截至 2026年11月16日。 对比这些配置

引用格式:BenchLeader,《Gemini 2.5 Flash:基准测试、价格、速度与排名》,数据截至 2026年11月16日,https://www.benchleader.com/zh/models/gemini-2-5-flash。