Gemini 2.5 Proは、高度な推論、コーディング、数学、科学タスク向けに設計されたGoogleの最先端AIモデルです。「思考」能力を採用することで、応答をより高い精度で推論できるようになります...
Google Gemini 2.5 Proは、Googleが開発した大規模言語モデルであり、複雑な推論とマルチモーダル理解のために設計されています。テキスト、画像、ファイル、音声、動画の入力を処理でき、1,048,576トークンのコンテキストウィンドウを備えています。これにより、非常に長いドキュメント、広範な会話、またはマルチメディア入力を切り捨てることなく扱うことができます。このモデルは一度に最…
Gemini 2.5 Proは、テキスト、画像、ファイル（PDFやスプレッドシートなど）、音声、動画を処理・理解できます。最大65,536トークンのテキスト出力を生成可能で、1,048,576トークンの大規模なコンテキストウィンドウにより、書籍全体や長大なコードベース、長時間のチャット履歴を単一のプロンプトで考慮できます。このモデルは、数学的問題解決、コード生成、複雑な文書分析など、推論を必要とするタスクに優れています。また、画像の説明、音声の文字起こし、動画コンテンツに関する質問への回答などのマルチモーダルタスクも実行可能です。このモデルは、OrcaRouterのOpenAI互換APIを介してアクセスでき、既存のワークフローに容易に統合できます。
タスクが1Mトークンの完全なコンテキストウィンドウを必要とする場合、例えば長い法律文書の分析、複数時間にわたる会議の文字起こしの要約、コードリポジトリ全体の操作などには、Gemini 2.5 Proを選択してください。その強力な数学的推論能力（MATH-500で96.7）は、複雑な問題解決やチュータリングに適しています。テキスト、画像、音声、動画を混在させるマルチモーダルなユースケースも、その統合処理の恩恵を受けます。しかし、基本的なQ&Aや1回限りの翻訳のような短く単純なタスクには、Gemini 2.0 FlashやGPT-4o miniのような小型モデルの方が高速で低コストです。トークン数を考慮してください：入力が32Kトークン未満の場合、他の多くのモデルがより低コストで処理できます。
最適なユースケースとしては、長いコンテキストにわたって深い理解を必要とするタスクが挙げられます。例えば、法的文書のレビュー、学術論文の分析、コードベースの支援、そして広範な履歴を保持する必要のあるマルチターン会話エージェントなどです。強力な数学的推論能力により、個別指導、科学計算、数学競技問題にも適しています。マルチモーダル対応により、画像キャプション生成、動画要約、音声文字起こしとその分析といったアプリケーションが可能です。また、表やグラフを含むPDFなどの複雑な文書からのデータ抽出や、多くのページにわたる一貫性が重要な長文の構造化出力の生成にも使用されます。
コンテキストが小さいウィンドウ（例：128Kトークン未満）に収まる場合や、マルチモーダル入力が不要な場合は、より安価なモデルの利用が推奨されます。タスクが単純な分類、短い要約、形式変換などであれば、Gemini 1.5 FlashやGPT-4o miniのような小規模モデルの方が応答が速く、コストも大幅に低くなります。また、レイテンシが重要な場合、小規模モデルは一般に推論時間が短くなります。大量のリクエストを処理する予算重視のプロジェクトでは、1Mコンテキストや推論能力が本当に必要かどうかを評価すべきです。多くの日常的なタスクにおいて、Gemini 2.5 Proの追加コストがその利点を正当化しない場合があります。
Gemini 2.5 Pro は、MATH-500 ベンチマークで 96.7 のスコアを達成しました。MATH-500 は、代数、幾何、数論、確率などの分野をカバーする 500 問の難解な数学問題で構成される MATH データセットのサブセットです。96.7 というスコアは、モデルがほぼすべての問題を正解したことを示しており、強力な数学的推論能力と段階的な解答能力を実証しています。これにより、数学タスクにおいてトップクラスのモデルの一つに位置づけられます。教育ツール、科学計算、金融など、数学を多用するアプリケーションに取り組むユーザーは、このベンチマークをモデルの熟練度の証拠として信頼できます。
1,048,576トークンのコンテキストを備えたGemini 2.5 Proは、プロダクションモデルの中でも最大級のコンテキストウィンドウを提供します。比較として、GPT-4oは128,000トークンのコンテキスト、Claude 3.5 Sonnetは200Kトークン、Gemini 1.5 Proも実験バージョンで1Mトークンを備えていました。この大規模なコンテキストにより、モデルは非常に長いドキュメントやコードベース全体を、分割や外部検索を必要とせずに一度に処理できます。ただし、コンテキストが大きくなると、アテンションメカニズムによりレイテンシとコストが増加する可能性があります。ユーザーは、このモデルを選択する前に、自分のユースケースが本当にそのような大規模なコンテキストを必要とするかどうかを検討すべきです。
長所は、トップクラスの数学推論能力（MATH-500で96.7）、強力なマルチモーダル理解、そして非常に長いコンテキストを処理できることです。また、このモデルは複数の入力タイプ（テキスト、画像、ファイル、音声、動画）をサポートしており、これは多くの代替モデルよりも広範囲です。制限としては、小規模モデルに比べてコストが高いこと、またコーディング（例：HumanEval）、言語理解（例：MMLU）、多言語タスクなどの他の領域における具体的なベンチマークスコアが提供されていないことが挙げられます。これらの数値がないため、ユーザーは自身のデータでテストする必要があります。さらに、このモデルのレイテンシは、そのサイズとコンテキスト長のためにコンパクトなモデルよりも高い可能性がありますが、具体的な数値は利用できません。
価格は入力トークン100万トークンあたり2.50ドル、出力トークン100万トークンあたり15.00ドルです。これらはGoogleのプロバイダー料金であり、OrcaRouterはマークアップを適用しません。請求額はGoogleが請求する金額とまったく同じです。入力トークンには、プロンプトテキストとトークン化されるマルチモーダルコンテンツ（画像、音声、動画）が含まれます。出力トークンは生成された応答です。トークン数はAPI応答で報告されます。マークアップがないため、コストは透明で予測可能です。例えば、100,000トークンの入力プロンプトで10,000トークンの出力を生成した場合、コストは約0.40ドルになります。ユーザーはコストを管理するためにトークンの使用量を監視する必要があります。
Gemini 2.5 Proは、より小型のモデルと比較してプレミアムな価格設定がされています。例えば、Gemini 1.5 Flashは入力トークン100万あたり0.15ドル、出力トークン100万あたり0.60ドルで、短いコンテキストや単純なタスクに費用対効果が高いです。同様に、GPT-4o miniも低コストです。しかし、大きなコンテキストや強力な数学的推論を必要とするタスクでは、Gemini 2.5 Proは小型モデルへの複数回の呼び出しを連鎖させるよりも効率的かもしれません。トレードオフとして、1回の呼び出しあたりのコストは高いものの、精度が向上し、再試行が減る可能性があります。ユーザーはトークンの総量を見積もり、パフォーマンスの向上が費用を正当化するかを評価すべきです。
OrcaRouter上でのGemini 2.5 Proのキャッシュや割引階層に関する情報は提供されていません。価格は、プロバイダーレートにゼロマークアップが明示されています。一部のプロバイダーでは、入力トークンのキャッシュや優先度の低いトラフィック向けの割引価格を提供していますが、OrcaRouter経由ではこのモデルに関してそのような詳細はありません。ユーザーは、更新された価格やキャッシュオプションについてOrcaRouterのドキュメントを確認することをお勧めします。現時点では、コストは各API呼び出しのトークン数に現在の100万トークンあたりのレートを掛けたもののみに基づいています。大量使用の場合は、潜在的なエンタープライズ契約のためにOrcaRouterにお問い合わせください。
コストは、入力トークンと出力トークンの数を知ることで見積もることができます。APIレスポンスにはトークン使用量フィールドが含まれています。入力トークン：プロンプト内のすべてのトークン（システムメッセージ、ユーザーメッセージ、およびマルチモーダルトークンを含む）をカウントします。出力トークン：生成されたレスポンスをカウントします。次に計算します：(input_tokens / 1,000,000) * $2.50 + (output_tokens / 1,000,000) * $15.00。例えば、50万の入力トークンから2万の出力トークンを生成するプロンプトの場合、コストは (0.5 * $2.50) + (0.02 * $15.00) = $1.25 + $0.30 = $1.55 となります。追加料金はありません。Googleが提供するトークナイザーを使用するか、既知の比率（例：Gemini画像の場合、1画像あたり約258トークン、ただし正確なトークン化は異なる）を使用して見積もってください。
OrcaRouter API エンドポイント (https://api.orcarouter.ai/v1) に対して、モデル ID "google/gemini-2.5-pro" を使用してリクエストを送信します。この API は OpenAI と完全互換性があるため、OpenAI Python クライアントや OpenAI のチャット補完フォーマットをサポートする任意の SDK を使用できます。ベース URL を OrcaRouter エンドポイントに設定し、OrcaRouter API キーを指定してください。Python を使用した例: client = OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="your_key")。その後、client.chat.completions.create(model="google/gemini-2.5-pro", messages=[...]) を実行します。レスポンスは choices、usage などを含む標準的な構造に従います。標準的なチャット補完以外に特別なパラメータは必要ありません。
このAPIは、標準のOpenAIチャット補完パラメーター（model、messages、max_tokens、temperature、top_p、stop、frequency_penalty、presence_penalty、stream）をサポートしています。Gemini 2.5 Proの場合、max_tokensは最大65536まで設定可能です。Messagesは、system、user、assistantといったロールを持つ標準的な構造に従う必要があります。マルチモーダルコンテンツ（画像、音声、動画）を含める場合は、OpenAIのビジョンAPI形式に従って、type "image_url"、"input_audio"などを使用したcontent配列形式を利用してください。ただし、すべてのマルチモーダルタイプのサポート状況は異なる場合があります。正確な形式についてはGoogleのドキュメントを参照してください。ストリーミングは段階的なレスポンスのためにサポートされています。OrcaRouter経由のこのモデルでは、他にカスタムパラメーターはドキュメント化されていません。
マイグレーションでは、API呼び出しのモデルIDを、例えば"gpt-4"や"claude-3.5-sonnet"から"google/gemini-2.5-pro"に変更します。OrcaRouterはOpenAI互換のエンドポイントを使用するため、ベースURLや認証方式を変更する必要はありません。非OpenAIプロバイダーを使用していた場合、メッセージ形式の調整が必要になる可能性があります。Gemini 2.5 Proはシステムメッセージと標準ロールをサポートしています。マルチモーダルコンテンツの場合は、OpenAIのコンテンツ配列形式を使用して画像/音声/動画をフォーマットしてください。少量のサンプルでテストし、動作とトークン使用量を確認してください。また、コンテキスト長は大きくなりますが、出力長は最大65536トークンまで設定可能です。それに応じてmax_tokensを更新してください。
Gemini 2.5 ProはGemini 1.5 Proの後継モデルです。両モデルとも1Mトークンのコンテキストウィンドウを備えていますが、Gemini 2.5 Proは推論能力が向上したと報告されており、そのMATH-500スコアは96.7です（1.5 Proのスコアは直接比較できるものは提供されていませんが、非公式レポートでは一般的に低いとされています）。1.5 Proの価格は入力100万トークンあたり1.25ドル、出力100万トークンあたり5.00ドルで、2.5 Proは入力で2倍、出力で3倍のコストとなります。Gemini 2.5 Proはさらに多くの入力モダリティ（動画と音声が追加）をサポートしています。最新の推論能力が必要なアプリケーションには2.5 Proが適しており、コスト重視のタスクには1.5 Proが依然として有力な選択肢です。
OpenAIによるGPT-4oは、128Kトークンのコンテキストウィンドウを持ち、Gemini 2.5 Proの1Mよりも大幅に小さいです。GPT-4oはテキストと画像の入力をサポートしていますが、音声や動画は直接サポートしていません。GPT-4oの価格は、入力100万トークンあたり2.50ドル、出力100万トークンあたり10.00ドルで、出力はGemini 2.5 Pro（15.00ドル）よりも安価です。MATH-500のベンチマークスコア：GPT-4oのスコアは提供されていませんが、通常は高いです。選択はコンテキスト長のニーズに依存します。非常に長いドキュメントや音声/動画を含むマルチモーダル入力を処理する必要がある場合は、Gemini 2.5 Proの方が優れています。短いタスクで出力コストが低い場合は、GPT-4oの方が経済的かもしれません。どちらもOrcaRouterを介して同じAPI形式でアクセス可能です。
AnthropicのClaude 3.5 Sonnetは200Kトークンのコンテキストウィンドウを持ち、Gemini 2.5 Proの1Mよりも大幅に小さい。Claudeはテキストと画像入力（最大10枚）をサポートする。Claude 3.5 Sonnetの価格は、入力100万トークンあたり3.00ドル、出力100万トークンあたり15.00ドルで、Gemini 2.5 Proと出力は同程度だが入力は高い。Claude 3.5 SonnetにはMATH-500スコアは提供されていない。Claudeは言語理解と安全性に優れていることで知られている。Gemini 2.5 Proはより大きなコンテキスト、より多くのモダリティ（音声、動画）、および検証済みの数学的推論を提供する。選択は、追加のコンテキストとマルチモーダルサポートが必要か、それともClaudeの言語スタイルを好むかによる。
OpenAI 互換——今お使いの SDK のまま
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| 入力 / 1M tokens | $2.50 |
| 出力 / 1M tokens | $15.00 |
| キャッシュ読み取り / 1M | $0.250 |
| 通貨 | USD |
表示価格に基づく概算
見積もりのみ — 実際のトークン数はプロバイダーのトークナイザーに依存します。
@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