规格与价格
每100万Token的API单价及核心规格成本估算器
输入预期的使用条件，计算估计的API调用费用模拟结果
详情费用明细
替代与类似模型
性能评分和价格相近的替代与比较候选模型| 模型 | 提供方 | 上下文窗口 | 最大输出 | 知识截止 | 输入单价(1M) | 缓存单价(1M) | 输出单价(1M) | 基准分 | 速度 | 总計 |
|---|---|---|---|---|---|---|---|---|---|---|
OpenAI👑 | 1M | 128K | 2026-04 | $0.10 | $0.01 | $0.50 | 89.5 | 极速 | $0.0027 | |
xAI | 2M | - | - | $0.20 | $0.05 | $0.50 | 73.25 | 极速 | $0.0040 | |
xAI | 2M | - | - | $0.20 | $0.05 | $0.50 | 73.25 | 高速 | $0.0040 | |
OpenAI | 400K | 128K | 2024-05 | $0.05 | $0.005 | $0.40 | 59.75 | 极速 | $0.0017 | |
OpenAI | 1M | 32K | 2024-06 | $0.10 | $0.025 | $0.40 | 59.25 | 极速 | $0.0024 |
提供方
基准分
89.5速度
极速
知识截止
2026-04
上下文窗口
1M
最大输出
128K
输入单价(1M)
$0.10
缓存单价(1M)
$0.01
输出单价(1M)
$0.50
提供方
基准分
73.25速度
极速
知识截止
-
上下文窗口
2M
最大输出
-
输入单价(1M)
$0.20
缓存单价(1M)
$0.05
输出单价(1M)
$0.50
提供方
基准分
73.25速度
高速
知识截止
-
上下文窗口
2M
最大输出
-
输入单价(1M)
$0.20
缓存单价(1M)
$0.05
输出单价(1M)
$0.50
提供方
基准分
59.75速度
极速
知识截止
2024-05
上下文窗口
400K
最大输出
128K
输入单价(1M)
$0.05
缓存单价(1M)
$0.005
输出单价(1M)
$0.40
提供方
基准分
59.25速度
极速
知识截止
2024-06
上下文窗口
1M
最大输出
32K
输入单价(1M)
$0.10
缓存单价(1M)
$0.025
输出单价(1M)
$0.40
所有AI模型价格对比与成本模拟器
一站式对比来自OpenAI、Anthropic、Google、DeepSeek等最新模型。精确模拟Prompt缓存、长上下文费率及不同业务规模下的真实API调用成本。
Gemini 2.5 Flash-Lite 常见问题解答（FAQ）
关于 Gemini 2.5 Flash-Lite 的API计费标准、上下文长度限制、缓存优化及综合性能评测详解
Q. Gemini 2.5 Flash-Lite 的API调用价格是多少？每100万Token的收费标准是什么？＋
Gemini 2.5 Flash-Lite（Google）的标准API单价为：输入每100万Token $0.1000，输出每100万Token $0.4000。输出价格约为输入价格的 4.0 倍。您可以在本页的成本计算器中输入业务规模，实时模拟实际API调用月度支出。
Q. Gemini 2.5 Flash-Lite 的最大上下文长度（Context Window）与最大输出Token限制是多少？＋
Gemini 2.5 Flash-Lite 支持最高 1M Token 的上下文窗口，单次请求最大生成输出为 65K Token。超百万级的上下文容量非常适合整库代码分析与海量长文档处理。
Q. Gemini 2.5 Flash-Lite 是否支持 Prompt 缓存（Prompt Caching）？能节省多少成本？＋
支持。Gemini 2.5 Flash-Lite 的缓存读取费率为每100万Token $0.0100，相比普通输入单价可节省约 90% 的成本。（最低生效门槛: 1K） 对高频复用的系统提示词与长文档启用缓存，能显著压缩API调用账单。
Q. Gemini 2.5 Flash-Lite 的基准性能评分（71.5）与处理速度如何？适合哪些场景？＋
Gemini 2.5 Flash-Lite 的综合基准评分为 71.5分（满分100分），处理速度评级为「极速」。专为高并发、低延迟与高性价比场景优化。
Q. 有哪些可以替代或与 Gemini 2.5 Flash-Lite 横向对比的模型？＋
在相近性能与价格区间内的主要替代模型包括：GPT-6 Luna、grok-4-1-fast-non-reasoning、grok-4-fast-non-reasoning。建议您根据响应速度、上下文长度以及缓存折扣等具体业务需求进行综合选型。