Google 把 Gemini 2.5 Flash 的 API 推上各路第三方平台了，而且这次多了一个新旋钮——thinking budget。简单说，你可以告诉模型"我最多允许你想多久"，预算设为 0，模型就关闭推理直接吐答案；预算拉满，它愿意在内部跑完整套 CoT 流程。这个参数对成本敏感的项目来说意义不小，因为推理 token 也是要计费的。
Thinking Budget 到底管什么
Gemini 2.5 系列属于推理模型，输出前会先做一轮内部思考。这部分思考内容默认不返回给调用方，但依然要消耗 token。Google 开放 thinking budget 控制，本质是给你一个精算工具：知道花在哪，就能省在哪。
三种状态的取舍
把 budget 设为 0，模型退化成纯响应模式，速度最快、成本最低，适合简单的分类、抽取、改写类任务。设为某个中间值，比如 1024 或 2048，模型会做有限的内部推理，质量有保障但开销可控。设为 -1 则交给模型自己判断，遇到复杂问题多想想，简单的就跳过——这是 Google 推荐的默认值。换句话说，如果你懒得调，就别管这个参数，让模型自己玩。
和 max_tokens 的区别
max_tokens 控制的是最终返回给你的输出长度上限，thinking budget 管的是模型"内部嘀咕"的长度上限。两者作用对象完全不同，实际计费时也要分别计算。搞混这两个参数是新手最常踩的坑，写代码时记得分开命名变量。
各提供商的定价梯度
同一款模型，跑在 Google 官方、走 OpenRouter、还是其他云厂商转发，价格能差出一倍不止。这是当前 LLM API 市场最反直觉的地方——模型一样，体验一样，钱花的不一样。
官方渠道的基准价
Google AI Studio 直接调用属于第一档。Gemini 2.5 Flash 的输入约 0.15 美元/百万 token，输出约 0.60 美元/百万 token，加上思考部分的话还有单独的推理费率。官方渠道的优点是稳定，QPS 上限高，企业级 SLA 齐全。缺点是海外节点回国内延迟感人，而且账户体系独立。
第三方平台的折扣空间
OpenRouter、Replicate、一些国内代理服务会在官方价基础上叠加折扣或汇率差。有的平台把推理和普通输出合并计费，看起来单价更低；有的则把 thinking budget 强制锁死，用户没得选。选型时不能光看列表价，要看实际跑下来的账单。OpenRouter 在这次接入时明确支持了 budget 自定义，算是给开发者留了口子。
5 分钟跑通第一个调用
OpenRouter 提供了一套统一的接口格式，号称"模型界的路由器"，底层封了多家上游。这里以它为例走一遍流程，其他平台的步骤大同小异。
准备密钥和环境
先去 OpenRouter 控制台申请 API key，这一步免费也不需要实名。拿到 key 之后，本地装个 curl 或者任意 HTTP 客户端即可，没有 SDK 依赖。环境变量里把 key 存进去，避免硬编码到代码仓库里——这是基本的安全卫生。
发起带 thinking budget 的请求
核心 payload 长这样：模型名填 google/gemini-2.5-flash，reasoning 参数里写 {"max_tokens": 1024}，再带上普通的 messages 数组。POST 到 https://openrouter.ai/api/v1/chat/completions 即可。返回结果的 reasoning 字段会被自动剥离，你拿到的就是干净的最终输出。如果想看到模型的思考过程做调试，把 include_reasoning 选项打开就行。
第一次跑完看账单
调通之后立刻去看 OpenRouter 后台的用量统计，对照本次请求的 token 消耗。打开 reasoning 可见那一瞬间账单会变贵，这是预期内的。生产环境建议把 thinking budget 和 max_tokens 一起管控，写在配置中心里，每个业务方按场景分配额度。
选型时该盯着哪几个指标
模型定了，平台还没定。这时候别只看单价，还要把延迟、可用区、并发上限、退款政策一起拉齐看。便宜三成但 P99 延迟翻倍，可能并不划算。
延迟与稳定性实测
同一家平台不同区域节点表现可能差很多。建议在自己业务部署的地理范围内挑节点，每个候选平台都跑一组相同 prompt 的压力测试，记录 P50 和 P99 延迟。Gemini 2.5 Flash 本身定位是"轻量快响应"，如果哪家平台把它跑出了 GPT-4 级别的等待时间，那大概率是路由配置有问题。
成本曲线的真实形态
thinking budget 拉高不一定会带来质量线性提升。多数任务在 budget 512 到 2048 之间就能拿到 90% 的质量收益，再往上加，性价比急剧下降。建议团队上线前做一组 budget vs. 质量 的 A/B 测试，画出自己的业务曲线，别照搬 Google 的默认值。
总结一下这次更新：Gemini 2.5 Flash 在 API 侧的可控性明显增强，第三方生态同步上线给了开发者更多议价空间。thinking budget 这个参数值得每个接入方认真对待，它既是省钱工具，也是质量调优的杠杆。五分钟跑通调用不难，难的是把参数调成自家业务的最佳配比。
