Gemini 2.5 Pro es el modelo de inteligencia artificial más avanzado de Google, diseñado para tareas avanzadas de razonamiento, programación, matemáticas y ciencia. Emplea capacidades de “pensamiento”, que le permiten razonar las respuestas con mayor precisión...
Google Gemini 2.5 Pro es un modelo de lenguaje grande desarrollado por Google, diseñado para razonamiento complejo y comprensión multimodal. Procesa entradas de texto, imagen, archivo, audio y video,…
Gemini 2.5 Pro puede procesar y comprender texto, imágenes, archivos (como PDFs y hojas de cálculo), audio y video. Puede generar salidas de texto de hasta 65,536 tokens. Su amplia ventana de contexto de 1 048 576 tokens le permite considerar libros completos, bases de código extensas o historiales de chat prolongados en una sola instrucción. El modelo sobresale en tareas que requieren mucho razonamiento, como la resolución de problemas matemáticos, la generación de código y el análisis de documentos complejos. También puede realizar tareas multimodales como describir imágenes, transcribir audio o responder preguntas sobre contenido de video. El modelo se accede a través de la API compatible con OpenAI de OrcaRouter, lo que facilita su integración en flujos de trabajo existentes.
Elige Gemini 2.5 Pro cuando tu tarea requiera la ventana de contexto completa de 1M de tokens, como analizar un documento legal extenso, resumir la transcripción de una reunión de varias horas o trabajar con un repositorio de código completo. Su sólido razonamiento matemático (96.7 en MATH-500) lo convierte en una buena opción para resolución de problemas complejos o tutoría. Los casos de uso multimodal que combinan texto, imágenes, audio o video también se benefician de su procesamiento unificado. Sin embargo, para tareas cortas y simples como preguntas y respuestas básicas o traducción de un solo turno, un modelo más pequeño como Gemini 2.0 Flash o GPT-4o mini será más rápido y económico. Considera el recuento de tokens: si la entrada tiene menos de 32K tokens, muchos otros modelos pueden manejarla a menor costo.
Los casos de uso más destacados incluyen tareas que requieren una comprensión profunda en contextos extensos: revisión de documentos legales, análisis de artículos académicos, asistencia en bases de código y agentes conversacionales de múltiples turnos que necesitan retener un historial amplio. Su potente razonamiento matemático lo hace adecuado para tutorías, cálculos científicos y problemas de competencias matemáticas. El soporte multimodal permite aplicaciones como descripción de imágenes, resumen de videos y transcripción de audio seguida de análisis. También se utiliza para extraer datos de documentos complejos (PDF con tablas y gráficos) y para generar resultados estructurados de formato largo donde la coherencia a lo largo de muchas páginas es importante.
Un modelo más económico es recomendable cuando tu contexto cabe en una ventana más pequeña (por ejemplo, menos de 128 mil tokens) o cuando no necesitas entrada multimodal. Si tu tarea es clasificación simple, resumen breve o conversión de formato, modelos más pequeños como Gemini 1.5 Flash o GPT-4o mini responderán más rápido y costarán significativamente menos. Además, si la latencia es crítica, los modelos más pequeños generalmente tienen un tiempo de inferencia más bajo. Proyectos con presupuesto limitado y alto volumen deben evaluar si el contexto de 1M y el razonamiento matemático son realmente necesarios. Para muchas tareas cotidianas, el costo incremental de Gemini 2.5 Pro puede no justificar los beneficios.
Gemini 2.5 Pro logró una puntuación de 96.7 en el benchmark MATH-500. MATH-500 es un subconjunto del dataset MATH que consta de 500 problemas matemáticos desafiantes que cubren temas como álgebra, geometría, teoría de números y probabilidad. Una puntuación de 96.7 indica que el modelo resolvió casi todos los problemas correctamente, demostrando una sólida capacidad de razonamiento matemático y resolución paso a paso. Esto lo coloca entre los modelos de mejor rendimiento para tareas matemáticas. Los usuarios que trabajan en aplicaciones con mucho contenido matemático, como herramientas educativas, computación científica o finanzas, pueden confiar en este benchmark como evidencia de la competencia del modelo.
Con 1,048,576 tokens de contexto, Gemini 2.5 Pro ofrece una de las ventanas de contexto más grandes disponibles entre los modelos de producción. En comparación, GPT-4o tiene un contexto de 128,000 tokens, Claude 3.5 Sonnet tiene 200K tokens, y Gemini 1.5 Pro también tenía 1M tokens en su versión experimental. Este gran contexto permite al modelo procesar documentos muy largos o bases de código completas de una sola vez sin necesidad de dividirlos ni de recuperación externa. Sin embargo, un contexto más grande puede aumentar la latencia y el costo debido al mecanismo de atención. Los usuarios deben considerar si su caso de uso realmente requiere un contexto tan grande antes de seleccionar este modelo.
Las fortalezas incluyen razonamiento matemático de primer nivel (96.7 en MATH-500), una sólida comprensión multimodal y la capacidad de manejar contextos muy largos. El modelo también admite múltiples tipos de entrada (texto, imagen, archivo, audio, video), lo cual es más amplio que muchas alternativas. Las limitaciones incluyen un costo más alto en comparación con modelos más pequeños, y la ausencia de puntuaciones de referencia específicas para otros dominios como codificación (por ejemplo, HumanEval), comprensión del lenguaje (por ejemplo, MMLU) o tareas multilingües. Sin esas cifras, los usuarios deberían probar con sus propios datos. Además, la latencia del modelo puede ser mayor que la de modelos compactos debido a su tamaño y longitud de contexto, aunque no se dispone de cifras específicas.
El precio es de $2.50 por 1 millón de tokens de entrada y $15.00 por 1 millón de tokens de salida. Estas son las tarifas del proveedor Google, y OrcaRouter no aplica ningún margen. Se le factura exactamente lo que Google cobra. Los tokens de entrada incluyen el texto del prompt y cualquier contenido multimodal (imágenes, audio, video) que se tokenice. Los tokens de salida son la respuesta generada. Los recuentos de tokens se informan en la respuesta de la API. Debido a que no hay margen, el costo es transparente y predecible. Por ejemplo, un prompt con 100,000 tokens de entrada que genere 10,000 tokens de salida costaría aproximadamente $0.40. Los usuarios deben monitorear el uso de tokens para controlar los costos.
Gemini 2.5 Pro tiene un precio superior en comparación con los modelos más pequeños. Por ejemplo, Gemini 1.5 Flash cuesta $0.15 por 1M de tokens de entrada y $0.60 por 1M de tokens de salida, lo que lo hace más rentable para tareas de contexto corto o sencillas. Del mismo modo, GPT-4o mini tiene un costo más bajo. Sin embargo, para tareas que requieren un contexto amplio o un razonamiento matemático sólido, Gemini 2.5 Pro puede ser más eficiente que encadenar múltiples llamadas a un modelo más pequeño. La compensación es un costo por llamada más alto, pero potencialmente una mejor precisión y menos reintentos. Los usuarios deben estimar los volúmenes totales de tokens y evaluar si la mejora en el rendimiento justifica el gasto.
No se proporciona información sobre caché o niveles con descuento para Gemini 2.5 Pro en OrcaRouter. El precio se declara explícitamente como tarifa del proveedor sin margen de beneficio. Algunos proveedores ofrecen caché de tokens de entrada o precios reducidos para menor prioridad; sin embargo, no hay tal detalle disponible para este modelo a través de OrcaRouter. Se recomienda a los usuarios consultar la documentación de OrcaRouter para cualquier opción de precios o caché actualizada. A partir de ahora, el costo se basa únicamente en el recuento de tokens de cada llamada a la API según las tarifas actuales por millón. Para uso de alto volumen, contacte a OrcaRouter para posibles acuerdos empresariales.
El costo se puede estimar conociendo la cantidad de tokens de entrada y salida. La respuesta de la API incluye campos de uso de tokens. Tokens de entrada: cuenta todos los tokens en el prompt (incluyendo el mensaje del sistema, los mensajes del usuario y cualquier token multimodal). Tokens de salida: cuenta la respuesta generada. Luego calcula: (input_tokens / 1,000,000) * $2.50 + (output_tokens / 1,000,000) * $15.00. Por ejemplo, un prompt de 500,000 tokens de entrada que genera 20,000 tokens de salida cuesta (0.5 * $2.50) + (0.02 * $15.00) = $1.25 + $0.30 = $1.55. No hay cargos adicionales. Usa el tokenizador proporcionado por Google o estima usando proporciones conocidas (por ejemplo, 1 imagen ~ 258 tokens para imágenes de Gemini, pero la tokenización exacta varía).
Realiza solicitudes al endpoint de la API de OrcaRouter en https://api.orcarouter.ai/v1, usando el ID de modelo "google/gemini-2.5-pro". La API es completamente compatible con OpenAI, por lo que puedes usar el cliente de Python de OpenAI o cualquier SDK que admita el formato de chat completions de OpenAI. Establece la URL base al endpoint de OrcaRouter y proporciona tu clave de API de OrcaRouter. Ejemplo usando Python: client = OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="tu_clave"). Luego client.chat.completions.create(model="google/gemini-2.5-pro", messages=[...]). La respuesta sigue la estructura estándar con choices, usage, etc. No se requieren parámetros especiales más allá de los estándar de chat completions.
La API admite los parámetros estándar de finalización de chat de OpenAI: model, messages, max_tokens, temperature, top_p, stop, frequency_penalty, presence_penalty y stream. Para Gemini 2.5 Pro, max_tokens puede ser de hasta 65536. Los mensajes deben seguir la estructura estándar con roles como system, user, assistant. Para incluir contenido multimodal (imágenes, audio, video), use el formato de arreglo de contenido con tipo "image_url", "input_audio", etc., según el formato de la API de visión de OpenAI. Sin embargo, el soporte para todos los tipos multimodales puede variar; consulte la documentación de Google para el formato exacto. El streaming es compatible para respuestas incrementales. No se documentan otros parámetros personalizados para este modelo a través de OrcaRouter.
La migración implica cambiar el ID del modelo en tu llamada API de, por ejemplo, "gpt-4" o "claude-3.5-sonnet" a "google/gemini-2.5-pro". Debido a que OrcaRouter utiliza el mismo endpoint compatible con OpenAI, no se requieren cambios en la URL base ni en la autenticación. Es posible que necesites ajustar el formato de tus mensajes si estabas utilizando un proveedor que no sea OpenAI. Gemini 2.5 Pro admite mensajes de sistema y los roles estándar. Para contenido multimodal, asegúrate de formatear imágenes/audio/video utilizando el formato de arreglo de contenido de OpenAI. Prueba con una muestra pequeña para verificar el comportamiento y el uso de tokens. También ten en cuenta que la longitud de contexto es mayor, pero la longitud de salida puede configurarse hasta 65536 tokens. Actualiza tu max_tokens en consecuencia.
Gemini 2.5 Pro es el sucesor de Gemini 1.5 Pro. Si bien ambos tienen una ventana de contexto de 1 millón de tokens, se informa que Gemini 2.5 Pro tiene capacidades de razonamiento mejoradas, reflejadas en su puntuación de 96.7 en MATH-500 (la puntuación de 1.5 Pro no se proporciona para una comparación directa, pero generalmente es más baja en informes no oficiales). El precio de 1.5 Pro era de $1.25 por cada 1 millón de tokens de entrada y $5.00 por cada 1 millón de tokens de salida, lo que hace que 2.5 Pro sea dos veces más caro en entrada y tres veces en salida. Gemini 2.5 Pro también admite más modalidades de entrada (se agregaron video y audio). Para aplicaciones que necesitan el razonamiento más reciente, 2.5 Pro es preferible; para tareas sensibles al costo, 1.5 Pro sigue siendo una opción sólida.
GPT-4o, de OpenAI, tiene una ventana de contexto de 128 K tokens, significativamente más pequeña que la de 1 M de Gemini 2.5 Pro. GPT-4o admite entradas de texto e imagen, pero no de audio ni video directamente. El precio de GPT-4o es de $2.50 por cada 1 M de tokens de entrada y $10.00 por cada 1 M de tokens de salida, lo que hace que la salida sea más barata que la de Gemini 2.5 Pro ($15.00). Puntuaciones de referencia en MATH-500: la puntuación de GPT-4o no se proporciona, pero suele ser alta. La elección depende de las necesidades de longitud de contexto: si necesita procesar documentos muy largos o entradas multimodales con audio/video, Gemini 2.5 Pro es mejor; para tareas más cortas con menor costo de salida, GPT-4o puede ser más económico. Ambos son accesibles a través de OrcaRouter con el mismo formato de API.
Claude 3.5 Sonnet de Anthropic tiene una ventana de contexto de 200K tokens, mucho más pequeña que el millón de Gemini 2.5 Pro. Claude admite entradas de texto e imágenes (hasta 10 imágenes). El precio de Claude 3.5 Sonnet es de $3.00 por cada millón de tokens de entrada y $15.00 por cada millón de tokens de salida, similar al de Gemini 2.5 Pro en salida pero más alto en entrada. No se proporciona una puntuación MATH-500 para Claude 3.5 Sonnet. Claude es conocido por su sólida comprensión del lenguaje y su seguridad. Gemini 2.5 Pro ofrece un contexto más amplio, más modalidades (audio, video) y razonamiento matemático verificado. La elección depende de si se necesita el contexto adicional y el soporte multimodal, o si se prefiere el estilo lingüístico de Claude.
Compatible con OpenAI: conserva tu SDK actual
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="google/gemini-2.5-pro",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_p| Entrada / 1M tokens | $2.50 |
| Salida / 1M tokens | $15.00 |
| Lectura caché / 1M | $0.250 |
| Moneda | USD |
Estimación según precio de lista
Solo una estimación: el número real de tokens depende del tokenizador del proveedor.
GET /api/public/models/google/gemini-2.5-proAbrir @misc{orcarouter_gemini_2_5_pro,
title = {Gemini 2.5 Pro API},
author = {Google},
year = {2025},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-2.5-pro}
}Google. (2025). Gemini 2.5 Pro API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-2.5-pro