Gemini中文文档Gemini 2.5模型介绍
Gemini 2.5共有五个细分版本，分别是：Gemini 2.5 Flash 预览版 05-20、Gemini 2.5 Flash 原生音频、Gemini 2.5 Flash 预览版 TTS、Gemini 2.5 Pro 预览版和Gemini 2.5 Pro 预览版 TTS。
按照大类分，共两个版本：Gemini 2.5 Flash 和 Gemini 2.5 Pro。
Gemini 2.5 Flash
性价比最高的模型，提供全面的功能。
- 输入音频、图片、视频和文本，并获取文本回复
- 模型会根据需要进行思考；或者，您可以配置思考预算
- 最适合需要思考的低延迟、高数据量任务
Gemini 2.5 Pro
谷歌最强大的思考型模型，具有最高的回答准确性和最先进的性能。
- 输入音频、图片、视频和文本，获取文本回复
- 解决棘手问题、分析大型数据库等
- 最适合处理复杂的编码、推理和多模态理解
模型细分
Gemini 2.5 Flash 预览版 05-20
性价比最高的模型，提供全面的功能。 Gemini 2.5 Flash 是实验性 / 预览版模型，因此其速率限制更为严格。
模型：
gemini-2.5-flash-preview-05-20
支持的数据类型：
- 输入：文本、图片、视频、音频
- 输出：文本
优化目标：
自适应思维，成本效益高
Token数限制：
- 输入限制：1,048,576
- 输出限制：65,536
功能：
| 功能 | 是否支持 |
|---|---|
| 音频生成 | × |
| 缓存 | √ |
| 代码执行 | √ |
| 函数调用 | √ |
| 图片生成 | × |
| 搜索着陆页 | √ |
| 结构化输出 | √ |
| 思考 | √ |
| 调音 | × |
最新更新
2025 年 5 月
知识截点
2025 年 1 月
Gemini 2.5 Flash 原生音频
原生音频对话模型（有思考和无思考）。这些模型可提供交互式和非结构化对话式体验，并提供样式和控制提示。
模型：
gemini-2.5-flash-preview-native-audio-dialog 和 gemini-2.5-flash-exp-native-audio-thinking-dialog
支持的数据类型：
- 输入：文本、视频、音频
- 输出：文本、音频
优化目标：
无论是否思考，都能获得高质量、自然流畅的对话式音频输出
Token数限制：
- 输入限制：128,000
- 输出限制：8,000
功能：
| 功能 | 是否支持 |
|---|---|
| 音频生成 | √ |
| 缓存 | × |
| 代码执行 | × |
| 函数调用 | √ |
| 图片生成 | × |
| 搜索着陆页 | √ |
| 结构化输出 | × |
| 思考 | √ |
| 调音 | × |
最新更新
2025 年 5 月
知识截点
2025 年 1 月
Gemini 2.5 Flash 预览版 TTS
性价比最高的语音合成模型，可为播客生成、有声读物、客户服务等结构化工作流提供高度控制和透明度。 Gemini 2.5 Flash 是实验性/预览版模型，因此其速率限制更为严格。
TTS：Text-to-Speech，即文本转语音
模型：
gemini-2.5-flash-preview-tts
支持的数据类型：
- 输入：文本
- 输出：音频
优化目标：
低延迟、可控的单声道和多声道文字转语音音频生成
Token数限制：
- 输入限制：8,000
- 输出限制：16,000
功能：
| 功能 | 是否支持 |
|---|---|
| 音频生成 | √ |
| 缓存 | × |
| 代码执行 | × |
| 函数调用 | × |
| Live API | × |
| 搜索 | × |
| 结构化输出 | × |
| 思考 | √ |
| 调音 | × |
最新更新
2025 年 5 月
Gemini 2.5 Pro 预览版
最先进的思考型模型，能够推理编码、数学和 STEM 领域的复杂问题，还能使用长上下文分析大型数据集、代码库和文档。 由于 Gemini 2.5 Pro 是一款预览版模型，因此其速率限制更为严格。
模型：
gemini-2.5-pro-preview-05-06
支持的数据类型：
- 输入：文本、图片、视频、音频
- 输出：文本
优化目标：
增强型思考和推理、多模态理解、高级编码等
Token数限制：
- 输入限制：1,048,576
- 输出限制：65,536
功能：
| 功能 | 是否支持 |
|---|---|
| 音频生成 | × |
| 缓存 | √ |
| 代码执行 | √ |
| 函数调用 | √ |
| 图片生成 | × |
| 搜索着陆页 | √ |
| 结构化输出 | √ |
| 思考 | √ |
| 调音 | × |
| Live API | × |
最新更新
2025 年 5 月
知识截点
2025 年 1 月
Gemini 2.5 Pro 预览版 TTS
最强大的文本转语音模型，可为播客生成、有声读物、客户服务等结构化工作流提供高度控制和透明度。 Gemini 2.5 Pro 是实验性/预览版模型，因此其速率限制更为严格。
模型：
gemini-2.5-pro-preview-tts
支持的数据类型：
- 输入：文本
- 输出：音频
优化目标：
低延迟、可控的单声道和多声道文字转语音音频生成
Token数限制：
- 输入限制：8,000
- 输出限制：16,000
功能：
| 功能 | 是否支持 |
|---|---|
| 音频生成 | √ |
| 缓存 | × |
| 代码执行 | × |
| 函数调用 | × |
| 图片生成 | × |
| 搜索着陆页 | × |
| 结构化输出 | × |
| 思考 | × |
| 调音 | × |
| Live API | × |
最新更新
2025 年 5 月