Gemini 2.5 Flash
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
- 综合 Index52
- 推理41
- 编程42
- 智能体与工具50
- 数学54
- 知识48
- 指令遵循63
- 人类偏好58
- 多模态60
- 长上下文59
嵌入这个排名
更多徽章样式[](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。
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 Flashmedium | 2026年9月2日 | 60.2 | #80 |
| Gemini 3.7 Flashhigh | 2026年8月13日 | 62.1 | #52 |
| Gemini 3.6 Flashhigh | 2026年7月21日 | 61.0 | #68 |
| Gemini 3.5 Flashhigh | 2026年5月19日 | 62.5 | #48 |
| Gemini 3 Flashthinking | 2025年12月17日 | 58.9 | #117 |
| Gemini 2.5 Flash 09 2025thinking | 2025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 Flash | 2025年2月5日 | 43.5 | #482 |
| Gemini 1.5 Flash 002 | 2024年9月24日 | 38.2 | #564 |
| Gemini 1.5 Flash 001 | 2024年5月23日 | – | – |
| Gemini 1.5 Flash | 2024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 | #407 | 184 tok/s | 0.65 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 |
| thinking | 49.0 | #372 | 213 tok/s | 13 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- 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%#28 | Scale AI / CAIS | |
| SimpleBench推理强度未说明 | – | – | 41.2%#76 | SimpleBench | |
| Arena Hard Prompts推理强度未说明 | – | – | 1420#154 | Arena (LMArena) | |
| GPQA Diamond (AA)不计入 Index | 68.3%#320 | 79.0%#206 | – | Artificial Analysis | |
| Humanity's Last Exam (AA)不计入 Index | 4.7%#500 | 12.1%#299 | – | Artificial Analysis | |
| GPQA Diamond (Vals)不计入 Index推理强度未说明 | – | – | 57.6%#112 | Vals AI | |
| Kagi LLM Benchmark | – | 56.8%#60 | 44.1%#98 | Kagi LLM Benchmark | |
| GPQA Diamond (HELM)不计入 Index推理强度未说明 | – | – | 39.0%#50 | HELM Capabilities | |
| ARC-AGI-1 | – | 33.3%#211 | 33.3%#211 | ARC Prize | |
| ARC-AGI-2 | – | 2.5%#206 | 1.7%#218 | ARC Prize | |
| CritPt不计入 Index | 1.4%#230 | 1.1%#242 | – | Artificial Analysis | |
| Arena Expert不计入 Index推理强度未说明 | – | – | 1433#142 | Arena (LMArena) | |
| LMCA不计入 Index推理强度未说明 | – | – | 27.5%#153 | Epoch AI Benchmarking Hub | |
| DTBench不计入 Index推理强度未说明 | – | – | 76.5%#153 | Epoch AI Benchmarking Hub | |
| ForecastBench不计入 Index推理强度未说明 | – | – | 62.7%#53 | ForecastBench |
编程
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| WeirdML | – | 41.0%#99 | 41.0%#99 | WeirdML | |
| Arena Coding推理强度未说明 | – | – | 1428#185 | Arena (LMArena) | |
| LiveCodeBench | – | 46.9%#117 | 56.9%#108 | Vals AI | |
| Aider Polyglot | 44.0%#40 | 55.1%#27 | 47.1%#37 | Aider polyglot leaderboard | |
| SWE-bench Verified (bash only)推理强度未说明 | – | – | 28.7%#39 | SWE-bench | |
| SWE-bench Verified (any scaffold)不计入 Index推理强度未说明 | – | – | 28.7%#52 | SWE-bench | |
| ALE-Bench不计入 Index推理强度未说明 | – | – | 661.9#102 | Epoch AI Benchmarking Hub | |
| Design Arena Website不计入 Index推理强度未说明 | – | – | 1066#155 | Design Arena | |
| LiveCodeBench (AA)不计入 Index | 49.5%#142 | 69.5%#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%#92 | Terminal-Bench | |
| Terminal-Bench Hard | 12.1%#215 | 13.6%#206 | – | Artificial Analysis | |
| τ²-Bench Telecom (AA)不计入 Index | 14.9%#368 | 31.6%#256 | – | Artificial Analysis | |
| BFCL Overall推理强度未说明 | – | – | 56.2%#13 | Berkeley Function Calling Leaderboard | |
| BALROG不计入 Index推理强度未说明 | – | – | 33.5%#13 | BALROG | |
| Vending-Bench 2不计入 Index推理强度未说明 | – | – | 548.8#61 | Andon Labs | |
| BrowseComp-Plus不计入 Index推理强度未说明 | – | – | 16.3%#11 | BrowseComp-Plus | |
| BrowseComp不计入 Index推理强度未说明 | – | – | 2.5%#10 | OpenAI | |
| DeepSearchQA不计入 Index推理强度未说明 | – | – | 25.9%#8 |
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%#145 | Epoch AI Benchmarking Hub | |
| Omni-MATH (HELM)推理强度未说明 | – | – | 38.4%#32 | HELM Capabilities | |
| MATH 500不计入 Index | – | 91.8%#19 | 91.6%#21 | Vals AI | |
| Arena Maths推理强度未说明 | – | – | 1409#142 | Arena (LMArena) | |
| AIME 2025 (AA)不计入 Index | 60.3%#113 | 73.3%#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%#47 | Vals AI | |
| CorpFin推理强度未说明 | – | 54.2%#94 | Vals AI | |
| TaxEval | 70.5%#89 | 71.2%#80 | Vals AI | |
| MedQA | 91.0%#42 | 86.7%#57 | Vals AI | |
| PRBench Finance推理强度未说明 | – | 38.4%#35 | Scale AI SEAL | |
| PRBench Legal推理强度未说明 | – | 41.0%#33 | Scale AI SEAL | |
| MMLU-Pro (HELM)不计入 Index推理强度未说明 | – | 63.9%#43 | HELM Capabilities | |
| MedCode不计入 Index | 40.4%#63 | 38.4%#69 | Vals AI | |
| MedScribe不计入 Index | 83.0%#46 | 82.9%#48 | Vals AI |
指令遵循
| 基准测试 | 无推理 | thinking | 默认 | 来源 | 趋势 |
|---|---|---|---|---|---|
| IFBench | 39.0%#278 | 50.3%#174 | – | Artificial Analysis | |
| IFEval (HELM)推理强度未说明 | – | – | 89.8%#10 | HELM Capabilities | |
| WildBench (HELM)推理强度未说明 | – | – | 81.7%#25 | HELM Capabilities | |
| Arena Instruction Following不计入 Index推理强度未说明 | – | – | 1400#146 | Arena (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#149 | Arena (LMArena) | |
| EQ-Bench Creative Writing v3不计入 Index推理强度未说明 | – | 1134#98 | EQ-Bench | |
| Arena Creative Writing不计入 Index推理强度未说明 | – | 1394#116 | Arena (LMArena) | |
| Arena Multi-turn不计入 Index推理强度未说明 | – | 1403#158 | Arena (LMArena) | |
| Arena Longer Queries不计入 Index推理强度未说明 | – | 1417#144 | Arena (LMArena) | |
| Lech Mazur Creative Writing不计入 Index | 76.5%#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#59 | Arena (LMArena) | |
| MMMU-Pro | 65.5%#188 | 69.1%#172 | – | Artificial Analysis | |
| VISTA推理强度未说明 | – | – | 49.1%#13 | Scale AI SEAL | |
| MMMU-Pro (Vals)不计入 Index | – | 71.9%#65 | 68.0%#72 | Vals AI | |
| MortgageTax不计入 Index | – | 57.5%#72 | 58.4%#69 | Vals AI | |
| AudioMC不计入 Index | – | 40.0%#10 | 26.1%#16 | Scale AI SEAL | |
| AudioMC (text output)不计入 Index | – | 40.0%#8 | 26.1%#11 | Scale AI SEAL | |
| VTB不计入 Index推理强度未说明 | – | – | 4.7%#16 | Scale AI SEAL | |
| GeoBench不计入 Index推理强度未说明 | – | – | 76.0%#16 | GeoBench | |
| VPCT不计入 Index推理强度未说明 | – | – | 38.0%#21 | Epoch AI Benchmarking Hub | |
| SpatialViz-Bench不计入 Index推理强度未说明 | – | – | 36.9%#3 | Epoch 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%#8 | Fiction.live | |
| AA-LCR v1.1 | 49.9%#344 | 65.3%#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#105 | Epoch AI Benchmarking Hub | |
| AA Intelligence Index v4.3.2不计入 Index | 9.8#399 | 13.1#328 | – | Artificial Analysis | |
| AA Progress Index v1不计入 Index | 200.4#416 | 226.1#330 | – | Artificial Analysis | |
| HELM Capabilities mean不计入 Index推理强度未说明 | – | – | 62.6%#39 | HELM 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%#53 | Scale AI SEAL | |
| PropensityBench不计入 Index | 68.0%#11 | Scale 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
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。
[](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}
}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。