Kan jag köra Gemini 2.5 Pro lokalt?

Nej. Google har inte släppt vikter för denna modell; den är endast tillgänglig via API.

Vad kostar den och hur lång är kontexten?

Inmatning kostar 1,25 USD per miljon token och utmatning 10,00 USD per miljon token, med ett kontextfönster på 1 048 576 token.

Hur skiljer sig Gemini 2.5 Pro från standard Gemini-modeller?

2.5 Pro-linjen har en "tänkarfunktion" som resonerar igenom ett problem innan ett slutgiltigt svar ges, vilket Google säger förbättrar noggrannheten på komplexa kodnings-, matematik- och vetenskapsuppgifter jämfört med tidigare Gemini-versioner.

Gemini 2.5 Pro Förhandsvisning 06 05

6101°

#llm #google #vision #ljud #resonemang #kodning

Kör modellen

Erbjudanden / annonser

OpenRouter Terminal / API

Betala per token

Chatta med den här modellen i webbläsaren eller anropa den från din kod med en API-nyckel.

Google | 1,048,576 token kontext | $1.25/M input, $10.00/M output. Gemini 2.5 Pro är Googles toppmoderna AI-modell designad för avancerat resonemang, kodning, matematik och vetenskapliga uppgifter. Den använder "tänkande"-förmågor, vilket gör att den kan resonera genom svar med förbättrad noggrannhet och nyanserad kontexthantering. Gemini 2.5 Pro uppnår toppresultat på flera benchmarks, inklusive förstaplats på LMArena-leaderboarden, vilket speglar överlägsen mänsklig preferensanpassning och komplex problemlösningsförmåga.

Guider för denna modell

Hur du väljer en AI-modell i oktober 2026: nyheter om stängd källkod och öppna vikter värda att ladda ner

Öppna vikter vs öppen källkod vs endast API: vad du faktiskt får göra

De 10 billigaste ChatGPT-alternativen 2026: gratis lokala modeller, gratisnivåer och fastprisplaner

Alla guider

Kaptenens anteckningar

Skrivet av Captain, husets redaktör

Anteckningar från 2026-10-13

Gemini 2.5 Pro Preview 06-05 är Googles flaggskeppsmodell för resonemang, byggd för svåra problem inom kodning, matematik och vetenskap. Dess "tänkarläge" arbetar igenom flerstegsproblem innan ett svar ges, vilket märks i komplexa uppgifter där de flesta modeller snubblar. Den passar utvecklare och forskare som behöver en kapabel modell med stor kontext och är villiga att betala för det.

Känd för

Utökat tänkande som förbättrar noggrannheten i flerstegsresonemang
Toppresterande inom kodning och matematik bland nuvarande ledande modeller
Stöd för syn- och ljudinmatning utöver text
Över en miljon tokens i kontextfönster
Förstaplats på LMArena:s human-preference leaderboard

Se upp för

Stängda vikter, endast API: du kan inte köra modellen lokalt eller inspektera den.
Utmatningskostnad på 10 USD per miljon token, vilket snabbt blir dyrt vid långa tänkande svar.
Detta är en förhandsversion; Google kan ändra beteende eller prissättning utan förvarning.

Bäst för

Promptar att prova

Debugga en knepig asynkron race

Jag har en Node.js-funktion som hämtar användardata och orderhistorik parallellt, sedan slår ihop dem. Ibland returnerar sammanslagningen föråldrad orderdata trots att båda löftena är uppfyllda. Gå igenom sannolika race conditions, förklara varför varje kan orsaka detta och skriv om funktionen för att åtgärda problemen.

Bevis med induktion

Bevisa med induktion att summan av de första n udda talen är lika med n i kvadrat. Visa varje steg tydligt: basfall, induktionsantagande, induktionssteg och en kort förklaring till varför steget avslutar beviset.

Analysera en forskningsartikel

Jag bifogar en vetenskaplig artikel. Identifiera huvudpåståendet, sammanfatta metodologin i tre meningar, lista eventuella statistiska eller logiska svagheter du kan hitta och berätta vad en uppföljande studie behöver göra för att täcka det största gapet.

Jämför med

Gemma 4 31B
Öppen vikt-modell
262,144 tokens kontext · $0.20/M indata, $0.40/M utdata
Gemma 4 26B A4B
Öppen vikt-modell
262,144 tokens kontext · $0.09/M indata, $0.30/M utdata
gemma 4 31B it turbo
Öppen vikt-modell
262,144 tokens kontext · $0.09/M indata, $0.34/M utdata
Gemini 3.8 Flash
Endast API-modell
1,048,576 tokens kontext · $0.83/M indata, $4.12/M utdata

Fler textmodeller från google

Vanliga frågor

Kan jag köra Gemini 2.5 Pro lokalt?: Nej. Google har inte släppt vikter för denna modell; den är endast tillgänglig via API.
Vad kostar den och hur lång är kontexten?: Inmatning kostar 1,25 USD per miljon token och utmatning 10,00 USD per miljon token, med ett kontextfönster på 1 048 576 token.
Hur skiljer sig Gemini 2.5 Pro från standard Gemini-modeller?: 2.5 Pro-linjen har en "tänkarfunktion" som resonerar igenom ett problem innan ett slutgiltigt svar ges, vilket Google säger förbättrar noggrannheten på komplexa kodnings-, matematik- och vetenskapsuppgifter jämfört med tidigare Gemini-versioner.

Kaptens omdöme
Tänkarläget och miljon-token-kontexten gör detta till Googles mest kapabla modell för svåra tekniska uppgifter, men utmatningspriset kräver disciplin.

Kapten skriver dessa anteckningar från modellens egen beskrivning och model card. Priser och kontextstorlekar är från leverantören vid skrivtillfället och kan ändras.

Ranking badge

Updated Oct 22, 2026

Made this model? Show this badge on your page.

Paste it into your Hugging Face card or Civitai description.

Change colors / personalize / get code

Not this creator?

Get your own badge

Hur denna poäng räknas ihop

Den här modellen har ännu inga popularitetsdata från någon källa, så den har ett tillfälligt nummer under 7,000° som håller listorna kompletta. Den rankas aldrig högre än en modell med data. Uppdelningen visas här så fort en källa rapporterar den.

Ordlista: termerna som används här

Heat-poäng: Ett nummer för hur mycket en modell används och efterfrågas just nu, från 0° till 9 999°. Varje lista på den här sidan som säger hetast sorteras efter den och inget annat.
Golvet: De 7 000° som varje modell med verklig data börjar från. Skalan går från 0° till 9 999°; delen under golvet är reserverad för ersättare (modeller utan data), så att en modell med data alltid rankas över en utan. Golvet är samma för alla och avgör inget; graderna ovanför är själva mätningen.
Nedladdnings-ekvivalenter: Allt som poängen räknar som en nedladdning, summerat: själva nedladdningarna, varje torrent-seeder som 1 000, varje AI Horde-bild och varje körning på en genereringssajt som en.
Logaritmisk skala: Räknar i tiotal, inte i ental: att gå från 1 000 till 10 000 nedladdningar ger lika många grader som att gå från 10 000 till 100 000. Det hindrar jättar från att tränga ut allt annat.
Gillanden: Tummar upp och gillanden från alla källor, värda hälften av en nedladdning på den logaritmiska skalan.
Adoptionshastighet: Hur många nedladdningar per dag en modell får just nu, från skillnaden mellan två mätningar av en källa. En fjärdedels vikt av nedladdningsdelen.
Mätt och uppskattad: Mätt betyder att det finns två mätningar från en källa och skillnaden är verklig. Uppskattad betyder att bara dagens total är känd och det fördelas över modellens livstid; sidan visar vilken det är.
Seeder: Någon som håller en kopia av vikterna online för andra att ladda ner via torrent, eller en hostad spegel som gör samma sak. Varje sådan räknas som 1 000 nedladdningar.
AI Horde: Ett frivilligt nätverk som genererar bilder gratis på donerade datorer. Antalet bilder det har gjort med en modell är offentligt, och varje bild räknas som en nedladdning.
Genereringssajter: Sajter som hostar sina egna kopior av en modell och låter folk generera med den, som PixAI, SeaArt och Yodayo. Deras nedladdningar räknas som Civitaís och varje genereringskörning räknas som en nedladdning.
OpenRouter-token: En textmodell som nås via API, som Claude eller GPT, har inga vikter att ladda ner, så dess användning mäts i token: textbitar den läst och skrivit via OpenRouter, en gateway som många appar använder, under de senaste 30 dagarna. Varje 10,000,000 token räknas som en nedladdning. Källa: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Full modell (checkpoint): Själva vikterna, filen som genererar självständigt. Den får en bonus eftersom tillägg beror på den.
LoRA och embedding: Små tilläggsfiler som styr någon annans vikter mot en stil, en karaktär eller ett koncept. De kan inte köras själva.
Familj och vikter: Basen en modell är byggd på, som SD 1.5, SDXL, Flux eller Wan. Varje modell ärver släppdatumet för sin familjs vikter.
Ålder: Poäng som dras av beroende på hur länge sedan familjens vikter släpptes: 150° per år, upp till 750°. Det behåller gamla nedladdningar som haft år på sig att samlas för att frysa toppen av listan.
Familjeboost: En liten, begränsad skjuts för LoRAs från en familj som den här sajten just nu vill lyfta fram, alltid med i uppdelningen.
Stand-in-poäng: Ett stabilt nummer under golvet som ges till en modell som ännu inte har rapporter från någon källa, så listorna förblir kompletta. Den rankas aldrig högre än en modell med data.
Ny! (karensperiod): En modell som är mindre än 7 dagar gammal visar Ny! istället för poäng och räknas inte i rankningen. Poängen räknas från dag ett, men en modell som är en dag gammal växer snabbare än allt annat, så utan väntan skulle veckans #1 alltid vara det som kom ut igår istället för det som hållit i en vecka.
Trend: Hur en modells tillväxt under en period jämförs med den typiska modellens tillväxt under samma period. Snabbare än vanligt läses som en ökning, långsammare som en nedgång.
Typisk modell: Mitten av katalogen: hälften av modellerna med siffror växte snabbare under perioden, hälften långsammare.

Liknande modeller

AI-modeller för bild-, video- och textgenerering

Gemini 2.5 Pro Förhandsvisning 06 05 är en textmodell för familjen Text / LLM, listad på ModelTrends.ai, en skrivskyddad katalog över AI-modeller med öppen källkod för bild, video och text. Jämför den med andra Text / LLM-modeller och se dess hettapoäng.

Fler Text / LLM-modeller llm google vision ljud resonemang kodning matematik forskning

Bläddra efter modellfamilj