Google: Gemini 2.5 Flash Lite

Google: Gemini 2.5 Flash Lite es un modelo de razonamiento ligero de Google, parte de la familia Gemini 2.5. Google lo posiciona como la opción más pequeña y rápida de esa familia, diseñada para latencia ultrabaja y alto rendimiento en lugar de máxima capacidad. Fue lanzado por el proveedor el 22 de julio de 2025, y su fecha de corte de conocimiento es el 31 de enero de 2025, por lo que cualquier cosa posterior a esa fecha queda fuera de lo que el modelo aprendió durante el entrenamiento.

El modelo acepta texto, imagen, archivo, audio y video como entrada, y produce únicamente texto. Esa combinación lo convierte en un lector multimodal más que en un generador multimodal: puedes enviarle una captura de pantalla, un PDF, una grabación o un clip junto con tus instrucciones, y responde en prosa o texto estructurado. La ventana de contexto es de 1,048,576 tokens, lo suficientemente grande como para contener documentos muy largos, transcripciones extensas o muchos elementos multimedia en una sola solicitud. La salida está limitada a 65,535 tokens por respuesta, y el modelo admite razonamiento, por lo que puede resolver un problema paso a paso antes de responder.

Esas capacidades apuntan a un conjunto de tareas bastante específico. Como lee imágenes, archivos, audio y video, es adecuado para extracción de documentos, análisis de facturas y formularios, resumen de informes largos, revisión de transcripciones y etiquetado o clasificación de bibliotecas multimedia. La gran ventana de contexto ayuda cuando necesitas hacer preguntas sobre un contrato completo, un volcado de código o un día de transcripciones de reuniones sin fragmentar. El soporte de razonamiento lo hace utilizable para tareas de varios pasos como decisiones de enrutamiento, limpieza de datos y flujos de trabajo de agentes ligeros, mientras que el enfoque en baja latencia encaja en productos interactivos donde los usuarios esperan cada respuesta.

Lo llamas a través de la API compatible con OpenAI de api14 usando el id de modelo "google/gemini-2.5-flash-lite". Como la interfaz sigue la forma de chat completions de OpenAI, puedes apuntar un cliente de OpenAI existente a api14 y cambiar solo el id de modelo. Los parámetros de solicitud que admite son include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools y top_p. En la práctica, eso significa que puedes controlar el muestreo con temperature y top_p, limitar la longitud con max_tokens, fijar la reproducibilidad con seed, restringir la salida con response_format o structured_outputs, y dar al modelo funciones invocables mediante tools y tool_choice.

Un aspecto a considerar es el techo de salida: 65,535 tokens es generoso para la mayoría del trabajo de chat y extracción, pero si necesitas generar documentos muy largos en una sola pasada, un modelo con un límite de salida mayor podría encajar mejor. La fecha de corte de conocimiento del 31 de enero de 2025 también importa para preguntas sobre eventos recientes, ya que el modelo no sabrá nada posterior a esa fecha a menos que se lo proporciones en el prompt. Para los problemas de razonamiento más pesados, un modelo más grande de la misma familia probablemente sea la mejor opción, y Flash Lite se aprovecha mejor como la opción rápida y de sensación económica para trabajo de alto volumen y sensible a la latencia.