Google: Gemini 2.5 Flash Lite

Google: Gemini 2.5 Flash Lite adalah model penalaran ringan dari Google, bagian dari keluarga Gemini 2.5. Google memposisikannya sebagai opsi terkecil dan tercepat di keluarga tersebut, dibangun untuk latensi sangat rendah dan throughput tinggi alih-alih kemampuan maksimal. Model ini dirilis oleh penyedia pada 22 Juli 2025, dan batas pengetahuannya adalah 31 Januari 2025, sehingga apa pun setelah tanggal itu berada di luar apa yang dipelajari model selama pelatihan.

Model ini menerima teks, gambar, file, audio dan video sebagai input, dan hanya menghasilkan teks. Kombinasi itu menjadikannya pembaca multimodal alih-alih generator multimodal: Anda dapat mengirimkannya screenshot, PDF, rekaman atau klip bersama instruksi Anda, dan ia menjawab dalam bentuk prosa atau teks terstruktur. Jendela konteksnya adalah 1.048.576 token, yang cukup besar untuk menampung dokumen sangat panjang, transkrip panjang atau banyak item media dalam satu permintaan. Output dibatasi pada 65.535 token per respons, dan model ini mendukung penalaran, sehingga ia dapat mengerjakan suatu masalah langkah demi langkah sebelum menjawab.

Kemampuan tersebut mengarah pada serangkaian pekerjaan yang cukup spesifik. Karena ia membaca gambar, file, audio dan video, ia cocok untuk ekstraksi dokumen, parsing invoice dan formulir, peringkasan laporan panjang, peninjauan transkripsi, serta pemberian tag atau klasifikasi pustaka media. Jendela konteks yang besar membantu ketika Anda perlu mengajukan pertanyaan di seluruh kontrak, dump codebase atau transkrip rapat sehari penuh tanpa chunking. Dukungan penalaran membuatnya dapat digunakan untuk tugas multi-langkah seperti keputusan routing, pembersihan data dan alur kerja agent ringan, sementara fokus pada latensi rendah cocok untuk produk interaktif di mana pengguna menunggu setiap balasan.

Anda memanggilnya melalui API yang kompatibel dengan OpenAI dari api14 menggunakan model id "google/gemini-2.5-flash-lite". Karena antarmukanya mengikuti bentuk chat completions OpenAI, Anda dapat mengarahkan klien OpenAI yang sudah ada ke api14 dan hanya mengubah model id. Parameter permintaan yang didukungnya adalah include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools dan top_p. Dalam praktiknya itu berarti Anda dapat mengontrol sampling dengan temperature dan top_p, membatasi panjang dengan max_tokens, menetapkan reproduktibilitas dengan seed, membatasi output dengan response_format atau structured_outputs, dan memberi model fungsi yang dapat dipanggil melalui tools dan tool_choice.

Satu hal yang perlu dipertimbangkan adalah batas output: 65.535 token cukup besar untuk sebagian besar pekerjaan chat dan ekstraksi, tetapi jika Anda perlu menghasilkan dokumen sangat panjang dalam satu proses, model dengan batas output lebih tinggi mungkin lebih cocok. Batas pengetahuan 31 Januari 2025 juga penting untuk pertanyaan tentang peristiwa terkini, karena model tidak akan mengetahui apa pun setelah tanggal itu kecuali Anda menyediakannya dalam prompt. Untuk masalah penalaran yang paling berat, model yang lebih besar di keluarga yang sama kemungkinan menjadi pilihan yang lebih baik, dan Flash Lite paling tepat diperlakukan sebagai opsi cepat dan terasa murah untuk pekerjaan bervolume tinggi yang sensitif terhadap latensi.