模型
Gemini 4 #
Gemini 4 Carbon
我们最强大的推理模型,专为复杂的软件工程、多模态知识工作、科学推理和网络安全防御而构建。
- 模型代码 gemini-4-carbon
- 上下文 100 万 token
- 最大输出 64K / 100 万 token
- 模态 文本、图像、音频、视频、PDF
Gemini 4 Argon
与 Gemini 4 Carbon 相比,我们高效的 Gemini 4 前沿推理模型可在复杂的编码、智能体、数学和科学任务中提供更快的响应和更低的 token 每回合支出。
- 模型代码 gemini-4-argon
- 上下文 100 万 token
- 最大输出 64K / 100 万 token
- 模态 文本、图像、音频、视频、PDF
Gemini 4 Hydrogen
面向日常编程与智能体工作流,以出色的速度和效率提供前沿智能,拥有输入输出共享的 100 万 token 上下文窗口,并支持最长 100 万 token 的长输出。
- 模型代码 gemini-4-hydrogen
- 上下文 100 万 token
- 最大输出 64K / 100 万 token
- 模态 文本、图像、音频、视频、PDF
所有 Gemini 4 型号 #
模型 | 端点 |
|---|---|
| |
| |
|
Gemini 3 #
Gemini 3.8 Flash
我们的上一代 Flash 模型适用于软件工程、自主智能体和复杂的企业工作流程。
NewGemini 3.8 Live
默认 Live API 模型可实现大多数低延迟语音智能体体验,无推理延迟。
NewGemini 3.8 Live Extended Thinking
用于语音交互的高推理 Live API 模型,在需要更高背景推理时推荐。
NewGemini 3.8 Flash TTS
旗舰创意文本转语音模型,提供录音室级声音保真度、富有表现力的演绎,以及声音设计和声音复刻能力。
NewGemini 3.8 Flash-Lite TTS
快速、经济高效的文本转语音模型,适用于大批量生产、实时语音智能体级联和语音复制。
StableGemini 3.6 Flash
我们的上一代 Flash 模型,在一般智能体和日常任务中平衡速度和多模态功能。
StableGemini 3.5 Flash-Lite
我们最快、最具成本效益的 3.5 模型可实现高吞吐量执行。
StableGemini 3.1 Flash-Lite
前沿级性能可与大型型号相媲美,而成本却仅为其一小部分。
NewNano Banana 2.1
高效的图像生成与编辑模型,提升了视觉质量、文字排版和多轮交互的一致性。
StableNano Banana 2
强大、高效的图像生成和编辑,针对速度和大容量用例进行了优化。
StableNano Banana 2 Lite
超低延迟和经济高效的图像生成和编辑,专为大容量交互式用例而设计。
StableNano Banana Pro
最先进的图像生成和编辑模型,用于创建高度上下文相关的本地图像。
StableGemini 3.5 Transcribe
低延迟语音到文本模型,具有基于话语的语言检测、说话人二值化和单词时间戳。
NewGemini Omni Flash
生成和编辑长达 15 秒的视频,具有原生音频、关键帧插值、视频扩展和字符一致性。
PreviewGemini 3 Flash
前沿级性能可与大型型号相媲美,而成本却仅为其一小部分。
PreviewGemini 3.5 Live Translate
支持 70+ 语言的低延迟实时语音翻译模型。
PreviewGemini 3.1 Flash Live
旧版 Live API 预览模型。我们建议更新到 Gemini 3.8 Live。
PreviewGemini 3.1 Flash TTS
旧版 TTS 预览模型。我们建议更新到 Gemini 3.8 Flash TTS 或 Gemini 3.8 Flash-Lite TTS。
所有 Gemini 3 型号 #
模型 | 端点 |
|---|---|
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
| |
|
Gemini 2.5 Flash #
模型 | 说明 | 端点 |
|---|---|---|
我们针对需要推理的低延迟、大批量任务提供最佳性价比模型。 |
| |
最先进的本机图像生成和编辑,专为快速、创造性的工作流程而设计。 |
| |
针对实时对话智能体进行了优化,具有亚秒级本机音频流。 |
| |
可控的文本转语音音频生成,可对风格和节奏进行精细控制。 |
|
Gemini 2.5 Flash-Lite #
模型 | 说明 | 端点 |
|---|---|---|
2.5 系列中最快、最经济的多式联运型号。 |
|
Gemini 2.5 Pro #
模型 | 说明 | 端点 |
|---|---|---|
我们用于复杂任务的最先进模型,在 2.5 系列中具有深度推理和编码功能。 |
| |
高保真语音合成针对播客和有声读物等结构化工作流程的质量进行了优化。 |
|
音频模型 #
本节包含所有音频模型,包括可能已在其他部分中列出的模型
模型 | 说明 | 端点 |
|---|---|---|
大多数低延迟语音智能体体验和实时对话的默认选项,无推理延迟。 |
| |
当实时交互过程中需要更高的背景推理时,推荐使用我们的高推理音频到音频模型。 |
| |
旗舰创意文本转语音模型,可实现工作室级语音保真度、表现力表演和 130 语言的地方方言。 |
| |
快速、经济高效的文本转语音模型,专为 101 语言的高吞吐量生产工作负载而构建。 |
| |
旧版音频到音频预览模型。我们建议更新到 Gemini 3.8 Live。 |
| |
旧版文本转语音预览模型。我们建议更新到 Gemini 3.8 Flash TTS 或 Gemini 3.8 Flash-Lite TTS。 |
| |
我们的旗舰 Live API 型号适用于低延迟、双向语音和视频智能体,具有本机音频推理功能。 |
| |
快速且可控的文本转语音,适用于低延迟、经济高效的应用程序和实时助手。 |
| |
高保真语音合成针对播客和有声读物等结构化工作流程的质量进行了优化。 |
|
生成媒体模型 #
本节包含所有生成媒体模型,包括可能已在其他部分中列出的模型
模型 | 说明 | 端点 |
|---|---|---|
高效的图像生成与编辑模型,提升了视觉质量、文字排版和多轮交互的一致性。 |
| |
高效率的生产规模视觉创作,将 Gemini 3 系列的智能与闪电般的生成速度相结合。 |
| |
我们最快、最便宜的 Gemini 图像模型专为速度和规模而设计,其中速度和成本是主要的运营限制。未针对多个参考输入或多轮顺序编辑进行优化。 |
| |
专业设计引擎,具有工作室品质 4K 视觉效果、复杂布局和精确文本渲染的推理核心。 |
| |
通过本机音频、关键帧插值和视频扩展,快速生成和编辑长达 15 秒的视频。 |
| |
最先进的本机图像生成和编辑,专为快速、创造性的工作流程而设计。 |
| |
Imagen 4(关闭) | 具有快速和超快速生成(关闭)的文本到图像模型。 |
|
音乐生成模型 #
本节包含所有音乐生成模型,包括其他部分中可能已列出的模型
模型 | 说明 | 端点 |
|---|---|---|
我们的旗舰音乐生成模型,针对具有复杂结构连贯性的全长歌曲进行了优化。 |
| |
针对生成短音乐剪辑、循环和长达 30 秒的预览进行了优化。 |
| |
上一代完整歌曲的音乐生成模型。 |
| |
高保真音乐生成模型提供精细的创意控制和实时流媒体功能。 |
|
工具和智能体型号 #
模型 | 说明 | 端点 |
|---|---|---|
一种智能体模型,可以自主计划和执行跨数百个来源的多步骤研究,以生成引用的交互式报告。 |
| |
跨数百个来源的自动上下文收集和综合的最大全面性。 |
| |
通用托管智能体,可在安全、隔离的 Linux 沙箱内自主规划、推理、运行代码、管理文件和浏览网页。 |
|
专门的任务模型 #
模型 | 说明 | 端点 |
|---|---|---|
使用零输出 token 进行快速、校准的多模态是/否、选择和评分决策 Decisions API. |
| |
我们的第一个多模态嵌入模型,将文本、图像、视频、音频和 PDF 映射到高级语义搜索和 RAG 系统的统一嵌入空间中。 |
| |
用于高级语义搜索、文本分类和 RAG 系统的高维向量表示。 |
| |
具身推理模型可为机器人任务提供高级视频理解、空间推理、多步骤工具编排和多机器人协作。 |
|
以前的型号 #
模型 | 说明 | 端点 |
|---|---|---|
先进的具身推理模型,可理解物理空间并为机器人智能体规划多步骤任务,具有仪器读取、改进的空间和物理推理等新功能。 |
| |
电脑使用 (关闭) | 一种专门的模型,可以“看到”数字屏幕并执行单击、键入和导航等 UI 操作,以自动执行复杂的浏览器任务。 |
|
Gemini 2.0 Flash (关闭) | 我们的第二代主力模型具有下一代功能和改进的功能,包括卓越的速度、本地工具使用和 1M token 上下文窗口。 |
|
我们最快的第二代型号,针对成本效率和低延迟进行了优化。 |
| |
我们最具成本效益的多模态模型,为高频、轻量级任务提供最快的性能。 |
| |
Gemini 3 Pro Preview (关闭) | 我们最先进的推理模型,具有先进的多模态理解。 |
|
型号版本名称模式 #
Gemini 型号有以下两种版本: 稳定, 预览, 最新的, 或 实验性的 版本。
稳定 #
指向特定的稳定模型。稳定的模型通常不会改变。大多数生产应用程序应该使用特定的稳定模型。
例如: gemini-3.6-flash.
预览 #
指向可用于生产的预览模型。预览版模型通常会启用计费功能,可能会具有更严格的速率限制,并且将在至少 2 周的情况下弃用。
例如: gemini-2.5-flash-preview-09-2025.
最新 #
指向特定型号变体的最新版本。这可以是稳定版、预览版或实验版。此别名将随着特定型号变体的每个新版本进行热交换。一个 2-周通知 在最新版本更改之前,将通过电子邮件提供。
例如: gemini-flash-latest.
实验性的 #
指向一个实验模型,该模型通常不适合生产使用,并且具有更严格的速率限制。我们发布实验模型来收集反馈并将我们的最新更新快速交付到开发人员手中。
实验模型不稳定,模型端点的可用性可能会发生变化。
模型弃用 #
有关模型弃用的信息,请访问 Gemini 弃用公告 页。