把重复任务做成标准结果
Flash-Lite 的重点是高频分类与简单提取。为它提供标签集合、字段定义和少量示例，可用于整理工单、表单与商品资料；结合结构化输出，将结果交给后续程序处理。任务边界越明确，越容易评估它是否满足实际质量要求。
All models
Get your API key
gemini-2.5-flash-lite
GoogleChatvision
Input 0.2102 Credits / 1MOutput 0.841 Credits / 1M
Overview
API
Pricing
规格与接口特性
在选型前明确容量、输入输出与调用方式。
- 原生输入上限
- 1,048,576 tokens
- 原生输出上限
- 65,536 tokens
- 原生输入与输出
- 文本、图像、视频、音频、PDF 输入；文本输出
- 原生推理与工具能力
- 支持 Thinking、函数调用和结构化输出
- 图文调用方式
- /gemini/chat/completions：messages 中组合 text 与 image_url
- 响应与会话方式
- 支持流式响应；/aichat2/conversations 支持保存并续接会话
- 知识截止
- 2025 年 1 月
原生容量与模态描述模型能力，本平台的消息组织、文件处理与会话方式按所选入口区分。
核心能力
了解 gemini-2.5-flash-lite 能为你的工作带来什么。
图片与文字一起理解
它不仅处理文字，也能结合图片回答问题。在同一条消息中附上图片与提取要求，可以整理截图中的信息、描述商品外观或概括图表内容。交付物仍是文字或结构化记录，适合把视觉材料纳入已有的信息处理流程。
长材料与短交付相结合
百万级原生输入容量适合容纳较长材料和任务说明，而实际交付可以保持为摘要、标签或字段集合。原生 Thinking 与函数调用为需要判断步骤的任务提供能力基础，但轻量型号的优势仍在目标明确的处理，而非追求最复杂的分析。
适用场景
从具体任务出发，找到模型发挥作用的位置。
客服工单分类与摘要
输入工单正文、分类规则与输出字段，让模型生成问题类别、关键诉求和待补充信息。把无匹配类别的情况明确设为待复核，避免勉强归类。交付的结构化记录可用于分配工单、汇总问题趋势，或为人工客服准备简短背景。
商品图文资料整理
输入商品图片、现有标题与属性模板，提取可见特征并整理描述草稿。要求模型区分图片中可观察的内容与文字提供的属性，不凭外观推断材质或认证。最终获得可编辑的商品字段与简明文案，适合目录维护和内容初步整理。
文档要点与字段提取
提供文档正文，或在 AI Chat v2 中提交可读取的文件链接，并指定需要的日期、事项与摘要格式。模型可生成便于浏览的要点和字段记录；对缺失内容要求返回空值。适合资料预处理，重要条款和金额仍应与原文逐项核验。
如何选择这个模型
结合任务复杂度、输入材料与预期结果选择。
轻量任务优先，复杂任务再比较
如果主要任务是分类、提取、翻译或摘要，可先用 Flash-Lite 做代表性样本测试。当任务涉及多层约束、复杂推理或难以处理的例外时，再比较 Gemini 2.5 Flash 或 Pro。选择依据应是任务通过率与返工成本，而不是仅看型号名称或单次输出长度。
分清稳定版与两种对话方式
调用时使用 gemini-2.5-flash-lite，不要与 2025 年 9 月预览版混用。需要自己管理历史、输出格式与函数工具时，选择 Chat Completions；希望通过会话 ID 续接交流、提交文件链接时，选择 AI Chat v2。两者区别在工作流，不是两个不同的原生模型。
开始使用
从一次小规模任务到正式接入。
准备任务与材料
明确目标、必要输入与输出要求，使用真实业务样例作为起点。
在 API 调试区试用
打开试用页，确认此入口支持的参数，再提交小规模任务查看结果。
按 API 文档接入
保留完整模型 ID，使用文档规定的请求格式，并在 Pricing 页确认计费规则。
使用边界
在正式使用前，了解输出质量与能力范围。
- 原生模型支持图像和音频理解，但不生成图片或音频，也不支持原生 Live API。本平台可通过图文内容块分析图片，通过 AI Chat v2 的文件入口处理 PDF 等文档；不要将音频或视频链接作为 image_url 提交。看图问答不等于图像创作，音频理解也不等于语音合成；需要生成图片或语音时，应选择专门的生成型号。
- 长输入容量不代表复杂分析一定可靠。将大量记录放入同一次请求时，应标明记录边界、提取字段和缺失值规则；涉及跨文档冲突或多步推断的任务，需增加验证步骤，不能只依靠一份汇总答案。
- 函数调用表示模型可以提出工具名称与参数，不代表 Chat Completions 会自动执行代码或操作业务系统。文件链接也需具备可读取条件；知识截止后的事实应通过新材料补充，不把模型已有知识当作实时信息。
常见问题
解答使用 gemini-2.5-flash-lite 时的常见疑问。
Flash-Lite 与 Gemini 2.5 Flash 怎么选？
Flash-Lite 更适合高频、规则清晰的分类与提取任务。若输入包含复杂例外，或回答需要更强的综合判断，可对比 Flash；复杂分析再评估 Pro。建议用相同样本测试准确性、返工量和整体使用成本。
gemini-2.5-flash-lite 是预览版吗？
不是，gemini-2.5-flash-lite 是 Gemini 2.5 Flash-Lite 的稳定版本 ID，也是本页面两个入口使用的型号 ID。gemini-2.5-flash-lite-preview-09-2025 是不同的预览版本，官方已将其关闭，不能与稳定版本混用。已有集成应保持精确 ID，并在更换型号或版本时重新测试提示词与输出。
怎样让 Flash-Lite 分析图片？
在 /gemini/chat/completions 中，将消息 content 设为内容块数组，同时放入 text 和 image_url。文字中写清需要描述、分类还是提取哪些字段；普通回答读取 choices 中的 message.content，流式回答则拼接增量内容。
Flash-Lite 可以读取 PDF 吗？
原生支持 PDF 理解。在 AI Chat v2 中可使用 file_url 提交可读取的 PDF 链接，并配合文字说明任务。Chat Completions 的图文内容块与文件入口不同，不应把 PDF 链接直接当作图片提交；提取结果仍需核验。
能输出 JSON，也能调用函数吗？
可以，原生支持结构化输出和函数调用。Chat Completions 可通过 response_format 指定 JSON 形式，并通过 tools 定义函数。收到工具调用后，应用需要执行相应逻辑并回填结果；JSON 格式正确也不代表字段内容必然准确。
模型资料 · 更新日期：2026-10-01。调用参数与计费规则请查看 API 和定价栏目。
Input
$0.02per 1M tokens
Official $0.10
Output
$0.08per 1M tokens
Official $0.40
−80%vs official
Top-up
You pay$13,584for 142,800 credits · $0.0951 / credits
You're billed in credits. Pick a top-up tier to see its per-credit rate — the larger the top-up, the cheaper each credit.
Quickstart
Try the API
API Key
Please obtain an API Key first
Your API key is pre-filled in the snippet — copy and run it in your terminal or IDE.
This is only a basic call example. See the full docs for more parameters and advanced usage.