Google: Gemini 2.5 Flash-Lite

Làn đường Gemini 2.5 tinh gọn dành cho lưu lượng đa phương thức giá rẻ và các tác nhân nhanh

gemini-2.5-flash-lite

Sẵn sàngGoogleTrò chuyệnGiảm 90% cho đầu vào đã lưu

Đầu vào / Đầu ra-50%: $0.10 / $0.40$0.05 / $0.20
Ngữ cảnh: 1M
Độ dài đầu ra tối đa: 64K
Phương thức: Thị giácTrò chuyện
Khả năng: Sử dụng công cụBộ nhớ đệm PromptSuy luận

Về Gemini 2.5 Flash-Lite

Gemini 2.5 Flash-Lite là mô hình đa phương thức nhanh nhất và tiết kiệm chi phí nhất của Google trong dòng Gemini 2.5. Mô hình này nhận văn bản và hình ảnh, hỗ trợ gọi công cụ, JSON bị ràng buộc theo lược đồ và lưu đệm prompt, đồng thời dành cho các yêu cầu đơn giản được gửi với số lượng rất lớn, chẳng hạn như phân loại, gắn thẻ và các bước tác vụ nhanh. Google liệt kê mô hình này thuộc thế hệ trước.

Ưu điểm

Google gọi đây là mô hình đa phương thức nhanh nhất và tiết kiệm chi phí nhất trong dòng 2.5, phù hợp với lượng lưu lượng truy cập mà mỗi lệnh gọi đều đơn giản.
Mô hình đọc được hình ảnh cũng như văn bản, do đó các công việc gắn thẻ hình ảnh giá rẻ, tạo chú thích và phân loại ảnh chụp màn hình không cần đến mô hình thị giác riêng.
Lược đồ phản hồi và gọi công cụ hoạt động được, vì vậy mô hình có thể cung cấp JSON sạch cho mã nguồn ở hạ nguồn hoặc chỉ đạo các yêu cầu bên trong một tác nhân (agent).
Tính năng lưu đệm prompt mang lại lợi ích cho các khối lượng công việc tái sử dụng một khối hướng dẫn dài trên nhiều đầu vào ngắn.

Khi nào nên chọn model khác

Chất lượng đối với suy luận nhiều bước, phân tích dài và mã phức tạp thấp hơn gemini-2.5-flash, đây là lựa chọn tốt hơn khi câu trả lời cần có chiều sâu.
Google đánh dấu các mô hình 2.5 thuộc thế hệ trước và khuyến nghị sử dụng 3.5 Flash-Lite cho các dự án mới.
Mô hình chỉ tạo ra văn bản, không có đầu ra hình ảnh, giọng nói hoặc âm thanh trực tiếp.

Bắt đầu

Tạo API key
Tạo API key trong Console để dùng cho mọi mô hình trên nền tảng.
02
Gửi yêu cầu đầu tiên của bạn
Sao chép ví dụ cho ngôn ngữ của bạn và chạy nó với endpoint.
Văn bản sang văn bảnGemini API
POST/v1beta/models/gemini-2.5-flash-lite:generateContent
Định dạng API:
curl "https://api.tokenlab.sh/v1beta/models/gemini-2.5-flash-lite:generateContent" \ -H "Content-Type: application/json" \ -H "x-goog-api-key: sk-xxx" \ -d '{ "contents": [ {"role": "user", "parts": [{"text": "Hello!"}]} ] }'

Giá

Giá Verified áp dụng cho Verified, thường rẻ hơn trên hầu hết các model. Giá Official là giá niêm yết từ nhà phát triển, áp dụng cho route Official ổn định hơn. Auto sẽ tính phí dựa trên route hoàn thành yêu cầu.

Thông số mặc định

mỗi 1M token

Giá Official: Đầu vào $0.10 / Đầu ra $0.40 / Đọc bộ nhớ đệm $0.01
Giá Verified: Đầu vào $0.05 / Đầu ra $0.20 / Đọc bộ nhớ đệm $0.005
Giảm giá: -50%

Giá cache của prompt

Đọc bộ nhớ đệm

Giá Official: $0.01
Giá Verified: $0.005
Giảm giá: -50%

Phí công cụ

Phí tính theo mỗi lượt gọi khi model sử dụng công cụ.

Grounding tìm kiếm

Giá Official: $0.035/yc
Giá Verified: $0.0175/yc
Giảm giá: -50%

	Giá Officialmỗi 1M token	Giá Verifiedmỗi 1M token	Giảm giá
Thông số mặc định	Đầu vào $0.10 / Đầu ra $0.40 / Đọc bộ nhớ đệm $0.01	Đầu vào $0.05 / Đầu ra $0.20 / Đọc bộ nhớ đệm $0.005	-50%
Giá cache của prompt
Đọc bộ nhớ đệm	$0.01	$0.005	-50%
Phí công cụPhí tính theo mỗi lượt gọi khi model sử dụng công cụ.
Grounding tìm kiếm	$0.035/yc	$0.0175/yc	-50%

Sử dụng & hoạt động

Tỷ lệ thành công là tỷ lệ yêu cầu hoàn tất. Độ trễ là thời gian của một phản hồi đầy đủ; P95 nghĩa là 95% yêu cầu hoàn thành trong khoảng thời gian đó.

Mức sử dụng & tình trạng

24 giờ qua

Yêu cầu
Tỷ lệ thành công
Độ trễ P95
Tổng token

Hiệu năng mô hình

Cập nhật lần cuối 23:57 10 thg 11, 2026 UTC

Tỷ lệ thành công 30 ngày: 100,0%
Lượt yêu cầu 30 ngày: 100+
Hoạt động gần nhất: 6 ngày trước

Dữ liệu dựa trên các yêu cầu tổng hợp của người dùng, không bao gồm các kiểm tra trạng thái.

Mở trong Console

Mở Gemini 2.5 Flash-Lite trong Console để chỉnh sửa và gửi prompt ngay.

Giúp tôi thử gemini-2.5-flash-lite với tin nhắn ngắn tại /v1beta/models/gemini-2.5-flash-lite:generateContent. Hiển thị phản hồi, độ trễ và chi phí.

Tình huống sử dụng

Phù hợp cho

Suy luận
Thị giác

Kiểm duyệt nội dung và gắn thẻ
Gắn nhãn các bài đăng, hình ảnh hoặc danh mục sản phẩm của người dùng dựa trên một tiêu chuẩn cố định ở khối lượng lớn và trả về nhãn dưới dạng JSON.
Định tuyến ý định
Phân loại một tin nhắn đến và chọn trình xử lý hoặc công cụ phù hợp trước khi một mô hình lớn hơn xử lý nó.
Chú thích hàng loạt và văn bản thay thế (alt text)
Viết mô tả một dòng cho từng hình ảnh trong thư viện sản phẩm, giữ phong cách nhất quán từ một hướng dẫn được lưu đệm.
Tóm tắt mức độ quan trọng thấp
Tạo các bản tóm tắt ngắn về email, phiếu hỗ trợ (ticket) hoặc chuỗi trò chuyện nơi một ý chính sơ lược là đủ.

Ví dụ prompt

Phân loại tin nhắn hỗ trợ này thành thanh toán, lỗi, yêu cầu tính năng hoặc loại khác, và chỉ trả về nhãn dưới dạng JSON.

Viết văn bản thay thế (alt text) dưới 15 từ cho mỗi bức ảnh sản phẩm này, nêu rõ màu sắc và chất liệu.

Đọc hình ảnh biên nhận này và trả về tên nhà bán hàng cùng tổng số tiền dưới dạng JSON; sử dụng giá trị null cho bất kỳ thông tin nào bạn không thể đọc được.

Mô hình này có giá theo điều kiện. Chỉ tổng token hàng tháng không thể tạo ước tính đáng tin cậy; hãy dùng bảng giá chi tiết theo thông số yêu cầu, bộ nhớ đệm và khung giờ áp dụng.

FAQ

Gemini 2.5 Flash-Lite được thiết kế cho mục đích gì?

Xử lý nhanh chóng, chi phí thấp đối với các yêu cầu đơn giản trên quy mô lớn. Google mô tả đây là mô hình đa phương thức nhanh nhất và tiết kiệm chi phí nhất trong dòng 2.5. Phân loại, gắn thẻ, trích xuất từ các đầu vào rõ ràng và định tuyến là những công việc điển hình của mô hình này.

Khi nào tôi nên dùng Flash thay vì Flash-Lite?

Hãy sử dụng gemini-2.5-flash khi tác vụ cần suy luận qua nhiều bước, phân tích dài hơn hoặc mã đáng tin cậy hơn. Sử dụng Flash-Lite khi các prompt ngắn và câu trả lời dễ kiểm tra. Một mô hình phổ biến là dùng Lite trước, và thử lại trên Flash nếu thất bại.

Gemini 2.5 Flash-Lite có thể xử lý hình ảnh không?

Có. Hình ảnh và văn bản có thể được đưa vào cùng một yêu cầu. Mô hình hoạt động tốt cho việc gắn thẻ, tạo chú thích ngắn và đọc các tài liệu đơn giản, nhưng các hình ảnh dày đặc thông tin hoặc mơ hồ sẽ phù hợp hơn với một mô hình lớn hơn.

Mô hình có hỗ trợ đầu ra có cấu trúc không?

Có. Lược đồ phản hồi, chế độ JSON và việc sử dụng công cụ đều được hỗ trợ. Cung cấp lược đồ trong yêu cầu và mô hình sẽ trả về JSON tuân theo lược đồ đó, điều này rất hữu ích cho các đường ống phân tích kết quả tự động.

Các dự án mới có nên bắt đầu trên Gemini 2.5 Flash-Lite không?

Danh sách mô hình của Google cho biết các mô hình 2.5 thuộc thế hệ trước và hướng các dự án mới sang sử dụng 3.5 Flash-Lite. Mô hình này vẫn hoạt động cho các tích hợp hiện có, nhưng một bản dựng mới nên đánh giá phiên bản Flash-Lite mới hơn trước.

Gemini 2.5 Flash-Lite có giá bao nhiêu?

Trên TokenLab, Gemini 2.5 Flash-Lite có giá Đầu vào $0.05 / Đầu ra $0.20 mỗi 1M token. Bảng giá phía trên cho thấy chi tiết đầy đủ. Giá phụ thuộc vào đơn vị tính phí, thông số và mức sử dụng. Hãy so sánh các điều kiện tương đương trong bảng giá chi tiết của mô hình; một mức giá đơn lẻ không quyết định tổng chi phí.

Giới hạn ngữ cảnh và đầu ra của Gemini 2.5 Flash-Lite là bao nhiêu?

Gemini 2.5 Flash-Lite hỗ trợ tối đa 1.048.576 token ngữ cảnh và trả về tối đa 65.536 token mỗi phản hồi.

Gemini 2.5 Flash-Lite nên dùng endpoint nào?

Dùng https://api.tokenlab.sh/v1beta/models/gemini-2.5-flash-lite:generateContent làm mặc định cho Gemini 2.5 Flash-Lite. Nếu mô hình hỗ trợ định dạng native của nhà cung cấp, API workbench cũng hiển thị endpoint đó.

Gemini 2.5 Flash-Lite hỗ trợ những thao tác nào?

Gemini 2.5 Flash-Lite hỗ trợ Văn bản sang văn bản. Chọn một thao tác trong API workbench phía trên để xem endpoint và mã ví dụ tương ứng.