Gemini 2.5 Pro là mô hình AI tiên tiến nhất của Google, được thiết kế cho các tác vụ suy luận nâng cao, lập trình, toán học và khoa học. Nó sử dụng khả năng “tư duy”, cho phép nó suy luận qua các phản hồi với độ chính xác được nâng cao...
Google Gemini 2.5 Pro là một mô hình ngôn ngữ lớn do Google phát triển, được thiết kế cho lý luận phức tạp và hiểu đa phương thức. Nó xử lý đầu vào văn bản, hình ảnh, tệp, âm thanh và video, và đi…
Gemini 2.5 Pro có thể xử lý và hiểu văn bản, hình ảnh, tệp (như PDF và bảng tính), âm thanh và video. Nó có thể tạo ra đầu ra văn bản lên tới 65.536 token. Cửa sổ ngữ cảnh lớn của nó với 1.048.576 token cho phép nó xem xét toàn bộ sách, cơ sở mã dài hoặc lịch sử trò chuyện mở rộng trong một lời nhắc duy nhất. Mô hình này xuất sắc trong các tác vụ nặng về suy luận như giải quyết vấn đề toán học, tạo mã và phân tích tài liệu phức tạp. Nó cũng có thể thực hiện các tác vụ đa phương thức như mô tả hình ảnh, phiên âm âm thanh hoặc trả lời câu hỏi về nội dung video. Mô hình được truy cập thông qua API tương thích OpenAI của OrcaRouter, giúp dễ dàng tích hợp vào các quy trình làm việc hiện có.
Chọn Gemini 2.5 Pro khi tác vụ của bạn yêu cầu cửa sổ ngữ cảnh 1M token đầy đủ, chẳng hạn như phân tích một tài liệu pháp lý dài, tóm tắt bản ghi cuộc họp kéo dài nhiều giờ, hoặc làm việc với toàn bộ một kho mã nguồn. Khả năng suy luận toán học mạnh mẽ (96.7 trên MATH-500) khiến nó trở thành lựa chọn tốt cho việc giải quyết vấn đề phức tạp hoặc dạy kèm. Các trường hợp sử dụng đa phương thức kết hợp văn bản, hình ảnh, âm thanh hoặc video cũng được hưởng lợi từ khả năng xử lý hợp nhất của nó. Tuy nhiên, đối với các tác vụ ngắn, đơn giản như hỏi đáp cơ bản hoặc dịch một lượt, một mô hình nhỏ hơn như Gemini 2.0 Flash hoặc GPT-4o mini sẽ nhanh hơn và rẻ hơn. Cân nhắc số lượng token: nếu đầu vào dưới 32K token, nhiều mô hình khác có thể xử lý với chi phí thấp hơn.
Các trường hợp sử dụng tốt nhất bao gồm các nhiệm vụ yêu cầu hiểu biết sâu sắc trên các ngữ cảnh dài: xem xét tài liệu pháp lý, phân tích bài báo học thuật, hỗ trợ cơ sở mã nguồn, và các tác nhân hội thoại nhiều lượt cần lưu giữ lịch sử rộng lớn. Khả năng suy luận toán học mạnh mẽ của nó phù hợp cho việc dạy kèm, tính toán khoa học và các bài toán thi đấu toán học. Hỗ trợ đa phương thức cho phép các ứng dụng như chú thích hình ảnh, tóm tắt video và phiên âm âm thanh kèm theo phân tích. Nó cũng được sử dụng để trích xuất dữ liệu từ các tài liệu phức tạp (PDF có bảng biểu, biểu đồ) và để tạo ra các đầu ra có cấu trúc dài hơi, nơi tính nhất quán trên nhiều trang là quan trọng.
Một mô hình rẻ hơn là đáng cân nhắc khi ngữ cảnh của bạn nằm trong phạm vi nhỏ hơn (ví dụ: dưới 128K token) hoặc khi bạn không cần đầu vào đa phương thức. Nếu tác vụ của bạn là phân loại đơn giản, tóm tắt ngắn gọn hoặc chuyển đổi định dạng, các mô hình nhỏ hơn như Gemini 1.5 Flash hoặc GPT-4o mini sẽ phản hồi nhanh hơn và chi phí thấp hơn đáng kể. Ngoài ra, nếu độ trễ là yếu tố quan trọng, các mô hình nhỏ hơn thường có thời gian suy luận thấp hơn. Các dự án có ngân sách eo hẹp và khối lượng lớn nên đánh giá xem liệu ngữ cảnh 1M và khả năng suy luận toán học có thực sự cần thiết hay không. Đối với nhiều tác vụ hàng ngày, chi phí gia tăng của Gemini 2.5 Pro có thể không mang lại lợi ích tương xứng.
Gemini 2.5 Pro đã đạt số điểm 96.7 trên benchmark MATH-500. MATH-500 là một tập con của bộ dữ liệu MATH, bao gồm 500 bài toán thử thách thuộc các lĩnh vực như đại số, hình học, lý thuyết số và xác suất. Số điểm 96.7 cho thấy mô hình đã giải đúng gần như tất cả các bài toán, thể hiện khả năng suy luận toán học mạnh mẽ và năng lực giải quyết từng bước. Điều này đưa mô hình vào những hệ thống hàng đầu cho các tác vụ toán học. Người dùng làm việc với các ứng dụng nặng về toán học, chẳng hạn như công cụ giáo dục, tính toán khoa học hoặc tài chính, có thể dựa vào benchmark này như minh chứng cho năng lực của mô hình.
Với 1,048,576 token ngữ cảnh, Gemini 2.5 Pro cung cấp một trong những cửa sổ ngữ cảnh lớn nhất hiện có trong số các mô hình sản xuất. Để so sánh, GPT-4o có 128.000 token ngữ cảnh, Claude 3.5 Sonnet có 200K token, và Gemini 1.5 Pro cũng có 1M token trong phiên bản thử nghiệm. Ngữ cảnh lớn này cho phép mô hình xử lý các tài liệu rất dài hoặc toàn bộ mã nguồn trong một lần mà không cần phân đoạn hay truy xuất bên ngoài. Tuy nhiên, ngữ cảnh lớn hơn có thể làm tăng độ trễ và chi phí do cơ chế chú ý. Người dùng nên cân nhắc xem trường hợp sử dụng của mình có thực sự cần ngữ cảnh lớn như vậy trước khi chọn mô hình này.
Điểm mạnh bao gồm khả năng suy luận toán học hàng đầu (96.7 trên MATH-500), hiểu đa phương thức mạnh mẽ và khả năng xử lý ngữ cảnh rất dài. Mô hình cũng hỗ trợ nhiều loại đầu vào (văn bản, hình ảnh, tệp tin, âm thanh, video) rộng hơn so với nhiều lựa chọn thay thế. Hạn chế bao gồm chi phí cao hơn so với các mô hình nhỏ hơn và không có điểm chuẩn cụ thể nào được cung cấp cho các lĩnh vực khác như lập trình (ví dụ: HumanEval), hiểu ngôn ngữ (ví dụ: MMLU) hoặc các tác vụ đa ngôn ngữ. Nếu không có những con số đó, người dùng nên tự kiểm tra trên dữ liệu của mình. Ngoài ra, độ trễ của mô hình có thể cao hơn so với các mô hình nhỏ gọn do kích thước và độ dài ngữ cảnh, mặc dù không có số liệu cụ thể nào được đưa ra.
Giá là $2.50 cho mỗi 1 triệu token đầu vào và $15.00 cho mỗi 1 triệu token đầu ra. Đây là mức giá của nhà cung cấp từ Google, và OrcaRouter áp dụng không tăng giá. Bạn sẽ bị tính phí chính xác như Google tính. Token đầu vào bao gồm văn bản prompt và bất kỳ nội dung đa phương thức nào (hình ảnh, âm thanh, video) được token hóa. Token đầu ra là phản hồi được tạo ra. Số lượng token được báo cáo trong phản hồi API. Vì không có tăng giá, chi phí minh bạch và có thể dự đoán được. Ví dụ, một prompt với 100.000 token đầu vào tạo ra 10.000 token đầu ra sẽ tốn khoảng $0.40. Người dùng nên theo dõi việc sử dụng token để kiểm soát chi phí.
Gemini 2.5 Pro có giá cao hơn so với các mô hình nhỏ hơn. Ví dụ, Gemini 1.5 Flash có giá $0,15 cho mỗi 1M token đầu vào và $0,60 cho mỗi 1M token đầu ra, khiến nó tiết kiệm chi phí hơn cho các tác vụ ngắn hoặc đơn giản. Tương tự, GPT-4o mini có chi phí thấp hơn. Tuy nhiên, đối với các tác vụ yêu cầu ngữ cảnh lớn hoặc suy luận toán học mạnh, Gemini 2.5 Pro có thể hiệu quả hơn việc xâu chuỗi nhiều lần gọi đến một mô hình nhỏ hơn. Sự đánh đổi là chi phí mỗi lần gọi cao hơn nhưng có khả năng độ chính xác tốt hơn và ít lần thử lại hơn. Người dùng nên ước tính tổng khối lượng token và đánh giá xem mức tăng hiệu suất có xứng đáng với chi phí hay không.
Không có thông tin nào được cung cấp về bộ nhớ đệm (caching) hoặc các bậc giảm giá cho Gemini 2.5 Pro trên OrcaRouter. Giá được công bố rõ ràng là theo tỷ lệ của nhà cung cấp với markup bằng không. Một số nhà cung cấp có dịch vụ bộ nhớ đệm token đầu vào hoặc giảm giá cho ưu tiên thấp hơn; tuy nhiên, không có thông tin chi tiết như vậy cho mô hình này qua OrcaRouter. Người dùng nên kiểm tra tài liệu của OrcaRouter để biết bất kỳ cập nhật về giá hoặc tùy chọn bộ nhớ đệm. Hiện tại, chi phí chỉ dựa trên số lượng token của mỗi lần gọi API theo tỷ lệ hiện tại trên một triệu token. Đối với nhu cầu sử dụng khối lượng lớn, hãy liên hệ OrcaRouter để thỏa thuận doanh nghiệp tiềm năng.
Chi phí có thể được ước tính bằng cách biết số lượng token đầu vào và đầu ra. Phản hồi API bao gồm các trường sử dụng token. Token đầu vào: đếm tất cả token trong prompt (bao gồm thông báo hệ thống, thông báo người dùng và bất kỳ token đa phương thức nào). Token đầu ra: đếm phản hồi được tạo ra. Sau đó tính: (input_tokens / 1,000,000) * $2.50 + (output_tokens / 1,000,000) * $15.00. Ví dụ, prompt có 500.000 token đầu vào tạo ra 20.000 token đầu ra có chi phí (0,5 * $2,50) + (0,02 * $15,00) = $1,25 + $0,30 = $1,55. Không có thêm phí nào khác. Sử dụng tokenizer do Google cung cấp hoặc ước tính bằng các tỷ lệ đã biết (ví dụ: 1 hình ảnh ~ 258 token đối với ảnh Gemini, nhưng quá trình token hóa chính xác có thể khác nhau).
Thực hiện các yêu cầu đến endpoint API OrcaRouter tại https://api.orcarouter.ai/v1, sử dụng ID model "google/gemini-2.5-pro". API hoàn toàn tương thích với OpenAI, do đó bạn có thể dùng Python client của OpenAI hoặc bất kỳ SDK nào hỗ trợ định dạng chat completions của OpenAI. Đặt base URL thành endpoint OrcaRouter và cung cấp API key OrcaRouter của bạn. Ví dụ bằng Python: client = OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="your_key"). Sau đó client.chat.completions.create(model="google/gemini-2.5-pro", messages=[...]). Phản hồi tuân theo cấu trúc chuẩn với choices, usage, v.v. Không cần tham số đặc biệt nào ngoài chat completions tiêu chuẩn.
API hỗ trợ các tham số hoàn thiện chat OpenAI tiêu chuẩn: model, messages, max_tokens, temperature, top_p, stop, frequency_penalty, presence_penalty và stream. Đối với Gemini 2.5 Pro, max_tokens có thể lên tới 65536. Các tin nhắn nên tuân theo cấu trúc tiêu chuẩn với các vai trò như system, user, assistant. Để bao gồm nội dung đa phương thức (hình ảnh, âm thanh, video), hãy sử dụng định dạng mảng nội dung với loại "image_url", "input_audio", v.v., theo định dạng API vision của OpenAI. Tuy nhiên, hỗ trợ cho tất cả các loại đa phương thức có thể khác nhau; tham khảo tài liệu của Google để biết định dạng chính xác. Streaming được hỗ trợ cho các phản hồi gia tăng. Không có tham số tùy chỉnh nào khác được ghi lại cho mô hình này qua OrcaRouter.
Việc chuyển đổi bao gồm thay đổi ID mô hình trong lệnh gọi API của bạn từ, ví dụ, "gpt-4" hoặc "claude-3.5-sonnet" thành "google/gemini-2.5-pro". Vì OrcaRouter sử dụng cùng một endpoint tương thích với OpenAI, không cần thay đổi gì đối với base URL hoặc xác thực. Bạn có thể cần điều chỉnh định dạng tin nhắn nếu trước đây bạn đang sử dụng một nhà cung cấp không phải OpenAI. Gemini 2.5 Pro hỗ trợ tin nhắn hệ thống và các vai trò tiêu chuẩn. Đối với nội dung đa phương tiện, hãy đảm bảo bạn định dạng hình ảnh/âm thanh/video bằng định dạng mảng nội dung của OpenAI. Hãy thử nghiệm với một mẫu nhỏ để kiểm tra hành vi và mức sử dụng token. Cũng lưu ý rằng độ dài ngữ cảnh lớn hơn, nhưng độ dài đầu ra có thể được đặt lên tới 65536 token. Cập nhật max_tokens của bạn cho phù hợp.
Gemini 2.5 Pro là phiên bản kế nhiệm của Gemini 1.5 Pro. Mặc dù cả hai đều có cửa sổ ngữ cảnh 1M token, Gemini 2.5 Pro được báo cáo có khả năng suy luận được cải thiện, thể hiện qua điểm số 96.7 MATH-500 (điểm số của 1.5 Pro không được cung cấp để so sánh trực tiếp nhưng thường thấp hơn trong các báo cáo không chính thức). Giá cho 1.5 Pro là 1,25 đô la cho mỗi 1M token đầu vào và 5,00 đô la cho mỗi 1M token đầu ra, khiến 2.5 Pro đắt gấp đôi về đầu vào và gấp ba về đầu ra. Gemini 2.5 Pro cũng hỗ trợ nhiều phương thức đầu vào hơn (bổ sung video và âm thanh). Đối với các ứng dụng cần khả năng suy luận mới nhất, 2.5 Pro là lựa chọn ưu tiên; đối với các tác vụ nhạy cảm về chi phí, 1.5 Pro vẫn là một lựa chọn mạnh mẽ.
GPT-4o, của OpenAI, có cửa sổ ngữ cảnh 128K token, nhỏ hơn đáng kể so với 1M token của Gemini 2.5 Pro. GPT-4o hỗ trợ đầu vào văn bản và hình ảnh, nhưng không hỗ trợ trực tiếp âm thanh hoặc video. Giá cho GPT-4o là $2.50 cho mỗi 1M token đầu vào và $10.00 cho mỗi 1M token đầu ra, khiến chi phí đầu ra rẻ hơn so với Gemini 2.5 Pro ($15.00). Điểm số chuẩn trên MATH-500: Điểm của GPT-4o không được cung cấp, nhưng thường cao. Sự lựa chọn phụ thuộc vào nhu cầu về độ dài ngữ cảnh: nếu bạn cần xử lý tài liệu rất dài hoặc đầu vào đa phương thức với âm thanh/video, Gemini 2.5 Pro là lựa chọn tốt hơn; đối với các tác vụ ngắn hơn với chi phí đầu ra thấp hơn, GPT-4o có thể tiết kiệm hơn. Cả hai đều có thể truy cập qua OrcaRouter với cùng định dạng API.
Claude 3.5 Sonnet của Anthropic có cửa sổ ngữ cảnh 200K token, nhỏ hơn nhiều so với 1M của Gemini 2.5 Pro. Claude hỗ trợ đầu vào văn bản và hình ảnh (tối đa 10 ảnh). Giá của Claude 3.5 Sonnet là $3,00 cho mỗi 1M token đầu vào và $15,00 cho mỗi 1M token đầu ra, tương tự Gemini 2.5 Pro ở đầu ra nhưng cao hơn ở đầu vào. Không có điểm MATH-500 nào được cung cấp cho Claude 3.5 Sonnet. Claude được biết đến với khả năng hiểu ngôn ngữ mạnh mẽ và tính an toàn. Gemini 2.5 Pro cung cấp ngữ cảnh lớn hơn, nhiều phương thức hơn (âm thanh, video) và khả năng suy luận toán học đã được xác thực. Sự lựa chọn phụ thuộc vào việc bạn có cần thêm ngữ cảnh và hỗ trợ đa phương thức hay thích phong cách ngôn ngữ của Claude.
Tương thích OpenAI — giữ nguyên SDK bạn đang dùng
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$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| Đầu vào / 1M tokens | $2.50 |
| Đầu ra / 1M tokens | $15.00 |
| Đọc cache / 1M | $0.250 |
| Tiền tệ | USD |
Ước tính theo giá niêm yết
Chỉ là ước tính — số token thực tế phụ thuộc vào bộ tách token của nhà cung cấp.
GET /api/public/models/google/gemini-2.5-proMở @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