百万 token 输入 10 美分：Gemini 2.0 Flash 转正，谷歌还押注「世界最佳编程模型」

每月 4 到 5 万美元的大模型调用账单，换成 Gemini 2.0 Flash，大概率能压到 1,000 美元以内。40 倍的差距，出自谷歌 Gemini API 产品负责人 Logan Kilpatrick 之口，时间点是 2025 年 2 月 6 日，2.0 Flash 转正当天。

这一天谷歌的动作很密：2.0 Flash 从去年 12 月的实验版升级为正式版，价格定为输入每百万 token 10 美分、输出 40 美分；更小的 Flash Lite 开启预览；目前最强的 2.0 Pro 以实验版身份放出。加上此前的 Flash Thinking 推理模型，四个档位一次凑齐。

Logan 是本期 Cognitive Revolution 播客的嘉宾，这已经是他第四次上节目，刷新了主持人 Nathan Labenz 的纪录。他加入谷歌才 10 到 11 个月，此前在 OpenAI 做开发者生态，现在管着 Gemini API 和 AI Studio，算是谷歌递给开发者的一张脸。

一个多小时的对话，干货密度很高，挑重点讲。

DeepMind 重组：研究和产品终于坐进同一间屋

Logan 入职第一天就和 DeepMind 密切协作，但过去三个月，结构变了。Gemini 应用、AI Studio、Gemini API 先后划入 DeepMind，这个曾经的纯研究部门，现在端到端包办研究、造模型、做产品全流程。

Logan 的判断很直接：让最懂模型能力边界的研究员离产品更近，摩擦越小，模型和产品的进步都会加速。这是他给外界的主要承诺。至于谷歌内部怎么改组，用他的话说，全世界大多数人根本不关心。

发布日清单：四款模型，各管一段

先说最实用的部分，四款模型像同一张菜单里的四档套餐：

• 2.0 Flash：性价比主力，输入 10 美分、输出 40 美分每百万 token，已可商用。
• Flash Lite：更小更便宜，预览版，很快转正。
• 2.0 Pro：实验版，谷歌当前最强的前沿模型，价格未公布，但明确会更贵。
• Flash Thinking：推理模型，负责啃硬骨头。

额度同样值得看。免费层每分钟 10 到 15 次请求、400 万 token；付费层取消每日上限，默认每分钟 2,000 次请求、400 万 token；当晚午夜起开放更高档位，最高每分钟 1 万次请求、1,000 万 token。Logan 说了句大实话：大多数人根本撞不到天花板，真正会被限流的是跑内部评测的和做排行榜的。

Flash Lite 的存在理由，Logan 讲得很坦诚。1.5 Flash 当年卖 7.5 美分每百万 token，2.0 Flash 涨到了 10 美分。模型更强，账面上说得过去，但谷歌不想让「谷歌涨价」变成新闻标题，于是补了一个和 7.5 美分对齐的选项，保住那些靠极低成本活着的业务。像奶茶店不肯动经典款的价格，宁可另推一款简化配方，也要留住老客。代价是 Flash Lite 永远不会支持原生图像和音频生成，砍掉高端功能换低价。

别嫌小模型没排面。此前的 Flash 8B 一度是 OpenRouter 上调用量最大的模型，而调用量是衡量真实使用的合理代理指标。Logan 的结论：开发者对低价模型的爱超出想象，成本每往下压一档，就解锁一批新用例。他说，要是技术上能做出更便宜的模型，他自己也会推。

至于网上那些调侃谷歌模型命名混乱的梗图，他全看到了。他的回应是：模型变体实在太多，生产环境的算力有限，只能挑着转正，理想状态当然是每个模型都开放，但账不是这么算的。

Ultra 去哪了：大模型也要算性价比

一个外界疑惑很久的问题：Gemini 1.0 时代有 Ultra 这个最大号档位，现在怎么只剩小号和中号了？Anthropic 的 Opus 也面对过同样的追问。

Logan 给的答案很实在。Ultra 当年的任务是证明规模化这条路走得通，任务完成了。然后创新速度追了上来：现在的 Flash Lite，大概率已经比初代 Ultra 更强。

继续堆最大号的账不好算。假设一个 Ultra 每项基准只比 Pro 好 5%，体积大 5 倍、成本贵 5 倍，研究精力和算力该往哪投，答案不难选。何况推理模型那边还有大把低垂的果实。他补了一句：谷歌仍在继续扩大预训练规模，是否正式发布 Ultra，是个开放的技术研究问题。真想玩文字游戏，把 Pro 改名叫 Ultra 也行，但那背离了这个名字的本意。

这期播客里最有分量的技术判断，藏在他和 Jack Rae 的闲聊里。Jack Rae 此前是 Gemini 长上下文突破的研究主力，现在是推理模型的负责人之一。长上下文的真正钥匙，可能是推理。

长上下文很惊艳，200 万 token 和 20 万 token 的差距在某些场景确实关键。但模型有个天生限制：注意力能同时照顾住的东西有限。问上下文里两三件事，表现很好；想把 200 万 token 里的 1,000 件事拼到一起，就非常吃力。推理模型会一步步想，未来还能调用工具，把信息搬进搬出上下文。长上下文的价值，要到那时候才真正兑现。

Nathan 的体感佐证了这一点。他开发应用时总想要思考最深的模型，宁可费劲压缩输入塞进上下文，也舍不得把 10 倍的资料倒给一个马上跳到答案的模型。原因他一直没想明白，听完这番话对上了。

顺带一提，Jeff Dean 在去年 I/O 上说过未来会有无限上下文，Nathan 和 Logan 当时就在同一个会场。Logan 的态度：实现那天会是巨大的解锁。

编程，是谷歌必须赢的战场

「我们会在谷歌做出世界最好的编程模型。」

这是 Logan 在 o3 发布前一天发的推文。播客里被问起，他毫无退意：我至今深信不疑，Pro 会成为那个模型，推理方向的工作会持续把编程能力往前推。

为什么死磕编程？他的逻辑链很清楚：text-to-app 这个趋势会继续加速，软件工程的生产力革命才刚开头，编程就是模型厂商的必争之地。

Text-to-app 也是他眼下最兴奋的方向。Bolt.new 刚上线 Gemini 支持，Cursor 已经在用 2.0 Flash，他期待 Lovable 和 v0 跟进。这类产品的经济学很残酷：用户拿一段提示词换一个能跑的应用，看起来免费，背后的模型账单是真金白银。知道这个玩法的人现在还很少，等大众醒过来，成本结构会决定谁活下来。

这里有个反差观察。都说每次前沿模型升级，YC 那批公司就有一部分产品突然能用了。Logan 的补充很微妙：YC 公司融资太多，智能降价对他们根本无感，真正的受益者是没有顶级风投撑腰的个人开发者。大厂每把价格打下来一截，权力就往个体手里转移一截。

他还重申了一条传统但有效的路径：先上最强的模型，哪怕贵，把用例跑通，再逐步换小模型、做微调把成本降下来。Pro 就是给这个阶段准备的，200 万 token 上下文，未来可能更长。

选模型像开盲盒，Logan 自己也翻过车

聊到怎么选编程模型，Logan 讲了个自黑的故事。前几天他写网页，卡在一个给表格加圆角的小问题上，环境里一堆奇怪的限制，用 Gemini 怎么都过不去。他烦了，心想是不是 Gemini 就这水平，转头打开 Cursor 换 Claude 试，一次通过。

他开始到处吐槽，说编程能力得继续加强。然后为了求个心安，回去用 Gemini 重跑了一遍同样的提示词，也过了。

问题出在哪？他自己的提示词写得太烂。换环境等于跳出原来的迭代循环，从头把问题和上下文重新组织了一遍，两个模型就都做对了。

今天大多数人选模型，靠的就是这种氛围感，一场毫无结构可言的非正式实验。Logan 说他跟很多把 LLM 用在生产环境的团队合作过，你敢信，多少产品手里根本没有几条像样的评测。

Nathan 交出了自家的底：他所在的 Waymark 做 AI 视频生成，「什么算好视频」这个问题至今没有程序化的答案。用模型当裁判，又掉进镜子迷宫。他们只能检测结构性失败，比如没按要求来、太长了，他管这些叫「不能踩的红线」。再往上，就只能靠专家示范，让创意团队写一堆好样本，拿去微调或者塞进 few-shot，剩下的交给感觉。

Logan 开出两个药方。第一，这个世界需要一个平台，把所有公开的基准测试和排行榜聚到一处。他自己干这行，每天醒着都在看这些东西，照样觉得难追踪：这里 20 个随机基准，那里 50 个，还散落各处。他把这当成一条 YC 式的创业号召，谁做出来谁功德无量。第二，Kaggle 正在推「个人评测」：你建好自己的评测集，以后每个新模型发布，评测自动在后台跑一遍，邮件告诉你这个新模型值不值得你花时间。

Nathan 补了一个实用主义方案：让用户自己选模型。现在很多产品已经有模型下拉菜单了，GitHub Copilot 两年前只有 GPT，现在 Gemini、Claude 随便挑。用户的选择本身就是数据。

Logan 顺势反驳了一个流行论调。都说模型在商品化，差距在缩小，他不同意：基准分数接近的模型，实际用起来差异依然显著。他拿 DeepSeek 举例，基准成绩和一线模型相仿，但行为风格明显更接近基座模型，文笔时常惊艳，行为打磨却远不如西方头部厂商的产品细致。这些水面下的差异，才是产品体验的胜负手。

实时视觉、代理互联网，和下一波创业机会

去年 12 月预览的多模态实时 API，是 Logan 眼里「AI 未来该有的样子」：模型能看着你的屏幕，跟你实时对话协作。现在的限制很诚实：单次会话只有 10 分钟，成本压不下来，记忆和状态的维持都是硬骨头。

但用户已经跑在了产品定位前面。这个本来给开发者做演示的功能，收到了两个极端方向的反馈：一头是拿它辅助写代码的开发者，另一头是盲人用户，靠它导航日常生活。一个 API 的演示产品，成了某些人的眼睛。

Nathan 的例子更生活化。他给孩子们买了任天堂 Switch，玩《马里奥 64》卡关时，开着语音模式把屏幕给模型看，问目标是什么、星星在哪。他一岁的孩子已经学会抢手机跟 AI 说话了。从打字给机器，到机器随时陪在身边，中间隔的就是实时多模态这一步。

被动视觉是 Logan 押注的另一条线。有人问 Nathan：能不能用视觉语言模型盯着工厂车间抓安全事故？能不能看着养老院里的老人，替代他们死活不肯戴的跌倒监测器？Logan 兴奋了。他前职是机器学习工程师，做过监控摄像头的目标跟踪，让系统在画面之间保持「这个人还是这个人」，传统计算机视觉做起来极其痛苦。视觉语言模型天生擅长这个，Flash 又把成本打了下来。AI Studio 的入门应用里就有边界框（bounding box）示例，上传图片就能标出物体位置，效果接近开源的专用检测模型。

他把话放得很开：整个建立在专用视觉模型上的生态，都等着视觉语言模型重新洗牌。下一波 YC 公司会冲进这些行业，用通用模型替代定制方案，成本差一个数量级，还能解锁旧方案根本做不到的灵活用例。

创业方向他还点了几个名：

• 代理会改写互联网的规则：网站不能再默认访客只有人类，互联网的社会契约没为代理设计过。网站如何跟代理对话、如何归因、如何分到价值，都需要新公司来解。Nathan 提到他最近在关注 Payman，一家专门做 AI 代理支付的初创公司。
• 推理是代理的钥匙：现在大量代理公司的产品跑不通，未来两年推理带来的突破，比其他任何进展都更能让这些产品真正可用。
• 微调被严重低估：Logan 自称对微调极其看好，未来人人都会用自己的微调版本。2.0 Flash 暂时不支持，1.5 Flash 的微调限制一堆，连图片都不行，他承认这块必须补课。
• 评测是元问题：钻进评测这个兔子洞之后，他的结论是，人生里的大多数问题，最后都是评测问题。

强化学习也被问到了。谷歌发布推理模型时走低调路线，很少提 RL，跟别家高调宣布「我们做了强化学习模型」画风不同。Logan 的回应：RL 当然是推理模型的一部分，低调只是发布习惯，接下来谷歌会多讲这个故事。谷歌内部的推理叙事，是他最兴奋的方向之一，进展巨大，突破一堆。

明天就能用上的几件事

• 把 Gemini 2.0 Flash 记进备选清单：输入 10 美分、输出 40 美分每百万 token，付费层每分钟 2,000 次请求、400 万 token，没有每日上限。高吞吐场景先试它。
• 手里跑着大额模型账单的团队，算一算换成 Flash 能省多少。按 Logan 给的参照，40 倍的压缩空间值得做一次迁移测试。
• 别只看跑分。花半天在 AI Studio 的 compare 模式里，用你自己的真实任务横评 2.0 Pro、Flash Thinking 和竞品。Logan 的翻车故事证明，同一提示词换个写法，结论可能整个翻转。
• 开始攒你的个人评测集。哪怕只有 20 个真实案例，也能在每次新模型发布时快速过一遍。一次性投入，长期复用。
• 做视觉相关产品的，去 AI Studio 试试边界框示例应用，再评估一下用通用模型替代专用视觉模型的成本账。
• 选型策略照旧：先用最强的模型把产品跑通，再往下换小模型压成本。顺序反了，容易把时间耗在调试弱模型上。

结尾一个花絮。有网友在 Logan 的推文下留言：

「我想念以前的 Logan，他以前每条回复都回。」

他去查了自己每周花在推特上的时间，结论是时间不够用了，得靠代理。连谷歌 API 的门面担当都需要代理来处理信息流，这个细节，比任何基准测试都直观。