Google: Gemini 2.5 Flash Lite

Google : Gemini 2.5 Flash Lite est un modèle de raisonnement léger de Google, faisant partie de la famille Gemini 2.5. Google le présente comme l'option la plus petite et la plus rapide de cette famille, conçue pour une latence ultra-faible et un haut débit plutôt que pour une capacité maximale. Il a été publié par le fournisseur le 22 juillet 2025, et sa date limite de connaissances est le 31 janvier 2025, donc tout ce qui suit cette date dépasse ce que le modèle a appris pendant l'entraînement.

Le modèle accepte le texte, l'image, le fichier, l'audio et la vidéo en entrée, et il ne produit que du texte. Cette combinaison en fait un lecteur multimodal plutôt qu'un générateur multimodal : vous pouvez lui envoyer une capture d'écran, un PDF, un enregistrement ou un clip avec vos instructions, et il répond en prose ou en texte structuré. La fenêtre de contexte est de 1 048 576 tokens, ce qui est suffisamment grand pour contenir de très longs documents, de longues transcriptions ou de nombreux éléments multimédias dans une seule requête. La sortie est plafonnée à 65 535 tokens par réponse, et le modèle prend en charge le raisonnement, il peut donc traiter un problème étape par étape avant de répondre.

Ces capacités correspondent à un ensemble de tâches assez spécifique. Comme il lit les images, les fichiers, l'audio et la vidéo, il convient à l'extraction de documents, à l'analyse de factures et de formulaires, à la synthèse de longs rapports, à la révision de transcriptions, et à l'étiquetage ou à la classification de bibliothèques multimédias. La grande fenêtre de contexte est utile lorsque vous devez poser des questions sur un contrat entier, un dépôt de code ou une journée de transcriptions de réunion sans découpage. La prise en charge du raisonnement le rend utilisable pour des tâches à plusieurs étapes telles que les décisions de routage, le nettoyage de données et les workflows d'agents légers, tandis que l'accent mis sur la faible latence convient aux produits interactifs où les utilisateurs attendent chaque réponse.

Vous l'appelez via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle "google/gemini-2.5-flash-lite". Comme l'interface suit la forme des complétions de chat d'OpenAI, vous pouvez pointer un client OpenAI existant vers api14 et ne changer que l'identifiant de modèle. Les paramètres de requête pris en charge sont include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools et top_p. En pratique, cela signifie que vous pouvez contrôler l'échantillonnage avec temperature et top_p, plafonner la longueur avec max_tokens, fixer la reproductibilité avec seed, contraindre la sortie avec response_format ou structured_outputs, et fournir au modèle des fonctions appelables via tools et tool_choice.

Un point à peser est le plafond de sortie : 65 535 tokens est généreux pour la plupart des travaux de chat et d'extraction, mais si vous devez générer de très longs documents en une seule passe, un modèle avec une limite de sortie plus élevée peut mieux convenir. La date limite de connaissances du 31 janvier 2025 compte aussi pour les questions sur des événements récents, puisque le modèle ne saura rien après cette date, sauf si vous le lui fournissez dans le prompt. Pour les problèmes de raisonnement les plus lourds, un modèle plus grand de la même famille est probablement le meilleur choix, et Flash Lite est à traiter comme l'option rapide et économique pour les travaux à gros volume et sensibles à la latence.