【Gemini】最强推理长文本模型Gemini 2.5 Pro 详细介绍 + API KET的使用教程！-CSDN博客

本文链接：https://blog.csdn.net/zhouzongxin94/article/details/151079525

Gemini 2.5 Pro 详细介绍

Gemini 2.5 Pro 是谷歌于 2025 年 3 月 26 日发布的一款高性能推理模型，经过数月的优化与测试，已成为支持生产级应用的稳定模型。以下为该模型的详细介绍。

— 在这里插入图片描述

一、发展历程

2025 年 3 月 26 日：Gemini 2.5 Pro 正式上线。
2025 年 6 月 18 日：谷歌宣布 Gemini 2.5 Pro 系列进入稳定阶段，已通过大规模测试，可稳定支持生产级应用开发。

二、功能特点

1. 超大上下文窗口

支持 100 万 tokens 的上下文窗口，能够处理约 2000 页文本内容。
未来计划推出 200 万 tokens 的上下文窗口，进一步提升长文本处理能力。
适用于分析完整代码库、处理长篇文档、保持长时对话等复杂场景。

2. 强大的推理能力

不仅支持分类和预测，还能进行系统分析、逻辑推理、上下文融合和细微差别理解，做出明智决策。
在大模型竞技场 Chatbot Arena 中，以 1443 分 的成绩排名第一，表现卓越。

3. 多模态处理能力

支持文本、音频、图像、视频，甚至完整代码仓库的多模态输入。
是目前功能最强大的多模态 AI 模型之一，能够处理来自多种信息源的复杂问题。

4. “思维预算” 功能

Gemini 2.5 Pro 0605 版本引入创新机制，允许用户根据需求调节模型的思考深度和响应速度。
提供多种模式：快速模式、深度模式、平衡模式和自适应调节模式，灵活满足不同场景需求。

5. 代码能力突出

在代码编辑、重构、系统架构设计及跨语言编程协助方面表现卓越。
用户只需简单指令，如“创建一个 Three.js 飞行模拟器”，即可自动生成完整可执行代码。

6. 事实性准确度高

在 FACTS Grounding（事实性基础）测试中，Gemini 2.5 Pro 0605 版本领先第二名超过 10 个百分点，信息准确性处于绝对优势。

在这里插入图片描述

三、性能表现

数学与科学推理：在 GP QA Diamond 测试中取得 84% 成绩；在 AIME 2025 测试中取得 86.7% 成绩。
智能体编程评估：在 SWE-bench verified 基准中，采用定制智能体配置取得 63.8% 得分，超越 OpenAI 的 o3-mini 和 DeepSeek 的 R1 等模型。
综合能力测试：在代号“nebula”的测试中，Gemini 2.5 Pro 夺得第一名，并独揽数学、创意写作、指令遵循、长查询和多轮对话五大领域冠军。

四、成本优势

定价极具市场竞争力，成本仅为 GPT-4o 的 1/8，不到 Claude 4 Opus 的 1/10，为 Grok 3 的 1/2。
输出成本远低于竞品，大幅降低了大规模应用的成本门槛，适合企业和开发者大规模集成使用。

Gemini 2.5 Pro 以其超大上下文处理能力、卓越的推理与多模态支持、灵活的“思维预算”机制以及极具竞争力的成本优势，成为当前 AI 推理领域的领先者，助力各类复杂应用场景的智能升级。

在这里插入图片描述

五、什么是 OpenAI Key？

1. 定义与本质

OpenAI Key（又称 “OpenAI API Key”），是 OpenAI 为开发者提供的身份认证凭证，本质上是一串由字母、数字和特殊符号组成的唯一字符串（例如：sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx）。

当开发者通过 OpenAI API 调用模型服务时，需要在请求中携带这串 Key，OpenAI 服务器通过验证 Key 的有效性，来确认开发者的身份、判断其是否拥有调用权限，并统计 API 的使用量（用于计费）。简单来说，OpenAI Key 就像是开发者访问 OpenAI 模型能力的“钥匙”，没有 Key 则无法通过 API 使用 OpenAI 的技术服务。
在这里插入图片描述

2. OpenAI Key 的核心作用

身份验证
OpenAI 通过 Key 识别开发者身份，确保只有注册并获得授权的用户才能调用 API，防止未授权访问与滥用。
权限控制
不同类型的 Key 对应不同的权限，例如：免费账号的 Key 有调用次数、模型类型限制（如无法调用 GPT-4）；付费账号的 Key 可解锁更多模型、更高调用额度，且支持自定义 API 参数（如上下文窗口长度、响应速度）。
用量统计与计费
OpenAI 根据 Key 的调用记录统计开发者使用 API 的次数（按 “token” 计费，token 是模型处理文本的基本单位，1 个 token 约等于 0.75 个英文单词或 2 个中文字符），并根据用量从开发者绑定的支付方式中扣费（免费账号通常有初始额度，如 5 美元，用完后需升级付费）。
资源管理
开发者可创建多个 Key，为不同的项目、应用分配独立的 Key，便于区分不同场景的 API 使用情况，也能在某个 Key 泄露时快速删除，避免影响其他项目。

3.OpenAI API Key的使用场景

自动化集成：将OpenAI的文本生成能力集成到现有应用、网站或服务中，实现流程自动化。
专属大模型应用：利用API Key创建个性化的AI应用，如智能客服、内容推荐系统等。
数据分析与处理：通过API调用进行自然语言处理，提升数据分析的智能化水平。

无论你身处哪个领域，掌握API Key的获取与使用，都能为你的项目增添无限可能。

通过“OpenAI官网”获取API Key（国外）

1、访问OpenAI官网

在浏览器中输入OpenAI官网的地址，进入官方网站主页。
https://www.openai.com

点击右上角的“Sign Up”进行注册，或选择“Login”登录已有账户。
完成相关的账户信息填写和验证，确保账户的安全性。

登录后，导航至“API Keys”部分，通常位于用户中心或设置页面中。

2、生成API Key

在API Keys页面，点击“Create new key”按钮。
按照提示完成API Key的创建过程，并将生成的Key妥善保存在安全的地方，避免泄露。🔒

生成API Key

3、使用 OpenAI API代码

现在你已经拥有了 API Key 并完成了充值，接下来是如何在你的项目中使用 GPT-4.0 API。以下是一个简单的 Python 示例，展示如何调用 API 生成文本：

import openai
import os

# 设置 API Key
openai.api_key = os.getenv("OPENAI_API_KEY")

# 调用 GPT-4.0 API
response = openai.Completion.create(
    model="gpt-4.0-turbo",
    prompt="鲁迅与周树人的关系。",
    max_tokens=100
)

# 打印响应内容
print(response.choices[0].text.strip())

通过“能用AI”获取API Key（国内）

针对国内用户，由于部分海外服务访问限制，可以通过国内平台“能用AI”获取API Key。

1、访问能用AI工具

在浏览器中打开能用AI进入主页
https://ai.nengyongai.cn/register?aff=PEeJ

登录后，导航至API管理页面。
在这里插入图片描述

2、生成API Key

点击“添加令牌”按钮。
创建成功后，点击“查看KEY”按钮，获取你的API Key。

在这里插入图片描述

###/3、使用OpenAI API的实战教程

拥有了API Key后，接下来就是如何在你的项目中调用OpenAI API了。以下以Python为例，详细展示如何进行调用。

(1).可以调用的模型

gpt-3.5-turbo
gpt-3.5-turbo-1106
gpt-3.5-turbo-0125
gpt-3.5-16K
gpt-4
gpt-4-1106-preview
gpt-4-0125-preview
gpt-4-1106-vision-preview
gpt-4-turbo-2024-04-09
gpt-4o-2024-05-13
gpt-4-32K
claude-2
claude-3-opus-20240229
claude-3-sonnet-20240229

在这里插入图片描述

(2).Python示例代码（基础）

基本使用：直接调用，没有设置系统提示词的代码


from openai import OpenAI
client = OpenAI(
    api_key="这里是能用AI的api_key",
    base_url="https://ai.nengyongai.cn/v1"
)

response = client.chat.completions.create(
    messages=[
    	# 把用户提示词传进来content
        {'role': 'user', 'content': "鲁迅为什么打周树人？"},
    ],
    model='gpt-4',  # 上面写了可以调用的模型
    stream=True  # 一定要设置True
)

for chunk in response:
    print(chunk.choices[0].delta.content, end="", flush=True)

在这里插入代码片

(3).Python示例代码（高阶）

进阶代码：根据用户反馈的问题，用GPT进行问题分类

from openai import OpenAI

# 创建OpenAI客户端
client = OpenAI(
    api_key="your_api_key",  # 你自己创建创建的Key
    base_url="https://ai.nengyongai.cn/v1"
)

def api(content):
    print()
    
    # 这里是系统提示词
    sysContent = f"请对下面的内容进行分类，并且描述出对应分类的理由。你只需要根据用户的内容输出下面几种类型：bug类型,用户体验问题，用户吐槽." \
                 f"输出格式:[类型]-[问题:{content}]-[分析的理由]"
    response = client.chat.completions.create(
        messages=[
            # 把系统提示词传进来sysContent
            {'role': 'system', 'content': sysContent},
            # 把用户提示词传进来content
            {'role': 'user', 'content': content},
        ],
        # 这是模型
        model='gpt-4',  # 上面写了可以调用的模型
        stream=True
    )

    for chunk in response:
        print(chunk.choices[0].delta.content, end="", flush=True)


if __name__ == '__main__':
    content = "这个页面不太好看"
    api(content)