进阶 ai.google.dev 2026-10-15 02:43:21 · 28 阅读
第4章 Gemini API 模型全览:第4章
Gemini 4 Argon 现已推出,欢迎试用。
首页
Gemini API
文档
模型
本指南介绍通过 Gemini API 可用的所有模型。
Gemini 4
稳定版
auto_awesome
Gemini 4 Argon
我们的旗舰推理模型,拥有统一的 1M 上下文窗口,最长可解码 1M 个 token。
新模型 稳定版
所有 Gemini 4 模型
模型
端点
Gemini 4 Argon
gemini-4-argon
Gemini 3
稳定版
spark
Gemini 3.8 Flash
我们最智能的 Flash 模型,专为长周期软件工程、自主 agent 和复杂企业工作流而打造。
新模型 稳定版
settings_voice
Gemini 3.8 Live
Live API 的默认模型,适用于大多数低延迟语音 agent 场景,无推理延迟。
新模型 稳定版
psychology
Gemini 3.8 Live Extended Thinking
高推理能力的 Live API 模型,适用于语音交互,推荐在需要更强后台推理时使用。
新模型 稳定版
graphic_eq
Gemini 3.8 Flash TTS
旗舰级创意文本转语音模型,提供录音室级音质、富有表现力的演绎,支持 Voice design 和 Voice replication。
新模型 稳定版
graphic_eq
Gemini 3.8 Flash-Lite TTS
快速、低成本的文本转语音模型,适用于大批量生产、实时语音 agent 级联和 Voice replication。
新模型 稳定版
spark
Gemini 3.6 Flash
上一代 Flash 模型,在通用 agent 任务和日常任务中兼顾速度与多模态能力。
稳定版
bolt
Gemini 3.5 Flash-Lite
3.5 系列中最快、最具性价比的模型,适用于高吞吐场景。
稳定版
bolt
Gemini 3.1 Flash-Lite
以极低的成本提供媲美更大模型的前沿性能。
稳定版
🍌🍌
Nano Banana 2.1
高效的图像生成与编辑模型,视觉质量、排版和多轮一致性均有提升。
新模型 稳定版
🍌🍌
Nano Banana 2
强大高效的图像生成与编辑,针对速度和大批量使用场景优化。
稳定版
🍌
Nano Banana 2 Lite
超低延迟、低成本的图像生成与编辑,专为大批量交互场景设计。
稳定版
🍌
Nano Banana Pro
最先进的图像生成与编辑模型,可生成高度贴合上下文的原生图像。
稳定版
speech_to_text
Gemini 3.5 Transcribe
低延迟语音转文本模型,支持基于语句的语言检测、说话人分离和词级时间戳。
新模型 稳定版
预览版
spark
Gemini 3 Flash
以极低的成本提供媲美更大模型的前沿性能。
预览版
translate
Gemini 3.5 Live Translate
低延迟实时语音翻译模型,支持 70 多种语言。
新模型
settings_voice
Gemini 3.1 Flash Live
旧版 Live API 预览模型。建议升级到 Gemini 3.8 Live。
新模型
graphic_eq
Gemini 3.1 Flash TTS
旧版 TTS 预览模型。建议升级到 Gemini 3.8 Flash TTS 或 Gemini 3.8 Flash-Lite TTS。
预览版
movie_filter
Gemini Omni Flash
快速的视频生成、编辑、关键帧插值与扩展,并带原生音频。
新模型
所有 Gemini 3 模型
模型
端点
Gemini 3.8 Flash
gemini-3.8-flash
Gemini 3.8 Live
gemini-3.8-live
Gemini 3.8 Live Extended Thinking
gemini-3.8-live-extended-thinking
Gemini 3.8 Flash TTS
gemini-3.8-flash-tts
Gemini 3.8 Flash-Lite TTS
gemini-3.8-flash-lite-tts
Gemini 3.6 Flash
gemini-3.6-flash
Gemini 3.5 Flash-Lite
gemini-3.5-flash-lite
Gemini 3.1 Flash-Lite
gemini-3.1-flash-lite
Nano Banana 2.1
gemini-nano-banana-2.1
Nano Banana 2
gemini-3.1-flash-image
Nano Banana 2 Lite
gemini-3.1-flash-lite-image
Nano Banana Pro
gemini-3-pro-image
Gemini 3.1 Pro
gemini-3.1-pro-preview
Gemini 3 Flash
gemini-3-flash-preview
Gemini 3.5 Live Translate
gemini-3.5-live-translate-preview
Gemini 3.1 Flash Live
gemini-3.1-flash-live-preview
Gemini 3.1 Flash TTS
gemini-3.1-flash-tts-preview
Gemini Omni Flash
gemini-omni-1.1-flash
Gemini 3.5 Transcribe
gemini-3.5-transcribe
gemini-3.5-transcribe-live Gemini 2.5 Flash 模型 | 描述 | 端点 Gemini 2.5 Flash | 针对需要推理的低延迟、高吞吐任务优化的最佳性价比模型。 | gemini-2.5-flash Nano Banana | 先进的原生图像生成与编辑模型,专为快速、富有创造力的工作流设计。 | gemini-2.5-flash-image Gemini 2.5 Flash Live | 针对实时对话代理优化,支持亚秒级原生音频流。 | gemini-2.5-flash-native-audio-preview-12-2025 Gemini 2.5 Flash TTS | 可控的文本转语音音频生成,可精细调节风格与节奏。 | gemini-2.5-flash-preview-tts Gemini 2.5 Flash-Lite 模型 | 描述 | 端点 Gemini 2.5 Flash-Lite | 2.5 系列中速度最快且最具成本效益的多模态模型。 | gemini-2.5-flash-lite Gemini 2.5 Pro 模型 | 描述 | 端点 Gemini 2.5 Pro | 2.5 系列中最先进的模型,具备深度推理与编码能力,适用于复杂任务。 | gemini-2.5-pro Gemini 2.5 Pro TTS | 高保真语音合成,针对播客和有声读物等结构化工作流的质量进行优化。 | gemini-2.5-pro-preview-tts 音频模型 本节包含所有音频模型,其中部分模型可能已列于其他章节。 模型 | 描述 | 端点 Gemini 3.8 Live | 大多数低延迟语音代理体验及实时对话的默认选项,无推理延迟。 | gemini-3.8-live Gemini 3.8 Live Extended Thinking | 高推理能力的音频转音频模型,适用于实时交互中需要较高后台推理能力的场景。 | gemini-3.8-live-extended-thinking Gemini 3.8 Flash TTS | 旗舰级创意文本转语音模型,支持 130 种语言的录音室级语音保真度、富有表现力的配音及地区方言。 | gemini-3.8-flash-tts Gemini 3.8 Flash-Lite TTS | 快速、高性价比的文本转语音模型,专为 101 种语言的高吞吐量生产级工作负载构建。 | gemini-3.8-flash-lite-tts Gemini 3.1 Flash Live | 音频转音频预览旧版模型。建议升级至 Gemini 3.8 Live。 | gemini-3.1-flash-live-preview Gemini 3.1 Flash TTS | 文本转语音预览旧版模型。建议升级至 Gemini 3.8 Flash TTS 或 Gemini 3.8 Flash-Lite TTS。 | gemini-3.1-flash-tts-preview Gemini 3.5 Transcribe | 低延迟语音转文本模型,支持基于语句的语言检测、说话人分离、词级时间戳及自定义词汇偏差。 | gemini-3.5-transcribe
gemini-3.5-transcribe-live Gemini 2.5 Flash Live 我们的旗舰 Live API 模型,专为低延迟、双向语音和视频智能体打造,具备原生音频推理能力。 gemini-2.5-flash-native-audio-preview-12-2025 Gemini 2.5 Flash TTS 快速可控的文本转语音模型,适用于低延迟、低成本的实时助手类应用。 gemini-2.5-flash-preview-tts Gemini 2.5 Pro TTS 高保真语音合成模型,针对播客、有声书等结构化工作流进行了质量优化。 gemini-2.5-pro-preview-tts 生成式媒体模型 本节包含所有生成式媒体模型, 其中部分模型可能已在其他章节列出 模型 说明 端点 Nano Banana 2.1 高效图像生成与编辑模型,视觉质量、文字排版和多轮一致性均有提升。 gemini-nano-banana-2.1 Nano Banana 2 高效的生产级视觉创作模型,结合 Gemini 3 系列的智能与极快的生成速度。 gemini-3.1-flash-image Nano Banana 2 Lite 图像生成家族中的效率专家,提供超低延迟、高性价比的图像生成与编辑。 gemini-3.1-flash-lite-image Veo 3.1 顶尖的电影级视频生成模型,支持高级创作控制,并原生同步音频。 veo-3.1-generate-preview Nano Banana Pro 专业级设计引擎,具备推理内核,可生成工作室级 4K 视觉效果、复杂版式和精准的文字渲染。 gemini-3-pro-image Veo 3.1 Lite Veo 3.1 家族中面向开发者的高效低成本视频生成、编辑与电影级控制模型。 veo-3.1-lite-generate-preview Gemini Omni Flash 快速的视频生成、编辑、关键帧插值和视频扩展,并支持原生音频。 gemini-omni-1.1-flash Nano Banana 顶尖的原生图像生成与编辑模型,为快速、创意的工作流而设计。 gemini-2.5-flash-image Imagen 4(已下线) 文本转图像模型,提供快速和极速生成模式(已下线)。 imagen-4.0-generate 音乐生成模型 本节包含所有音乐生成模型, 其中部分模型可能已在其他章节列出 模型 说明 端点 Lyria 3.5 我们的旗舰音乐生成模型,针对具有复杂结构连贯性的完整歌曲进行了优化。 lyria-3.5 Lyria 3 Clip 专注于生成最长 30 秒的短音乐片段、循环和预览。 lyria-3-clip-preview Lyria 3 Pro 上一代音乐生成模型,用于生成完整歌曲。 lyria-3-pro-preview Lyria RealTime 高保真音乐生成模型,提供精细的创作控制和实时流式能力。 lyria-realtime-exp 工具与智能体模型 模型 说明 端点 Gemini Deep Research 智能体模型,可自主规划并执行跨数百个来源的多步骤研究,生成带引用的交互式报告。 deep-research-preview-04-2026 Gemini Deep Research Max 面向自动化信息收集与综合的极致全面版本,可覆盖数百个来源。 deep-research-max-preview-04-2026 Antigravity Agent 通用托管智能体,可在安全隔离的 Linux 沙箱中自主规划、推理、运行代码、管理文件并浏览网页。 antigravity-preview-09-2026 专用任务模型 模型 说明 端点 Gemini Embedding 2 我们的首个多模态 embedding 模型,可将文本、图像、视频、音频和 PDF 映射到统一的 embedding 空间,适用于高级语义搜索和 RAG 系统。 gemini-embedding-2-preview Gemini Embedding 提供高维向量表示,适用于高级语义搜索、文本分类和 RAG 系统。 gemini-embedding-001 Gemini Robotics ER 2 具身推理模型,为机器人任务提供先进的视频理解、空间推理、多步骤工具编排和多机器人协作能力。 gemini-robotics-er-2-preview Gemini Robotics ER 1.6 先进的具身推理模型,能理解物理空间并为机器人智能体规划多步骤任务,新增仪表读数能力,空间与物理推理也有所增强。 gemini-robotics-er-1.6-preview 旧版模型 模型 说明 端点 Computer Use(已下线) 专用模型,可以“看懂”数字屏幕并执行点击、输入、导航等 UI 操作,从而自动化复杂的浏览器任务。 gemini-2.5-computer-use-preview-10-2025 Gemini 2.0 Flash(已下线) 我们的第二代主力模型,具备新一代特性和更强的能力,包括更快的速度、原生工具使用和 1M token 上下文窗口。 gemini-2.0-flash Gemini 2.0 Flash-Lite(已下线) 我们最快的第二代模型,专为低成本和低延迟优化。 gemini-2.0-flash-lite Gemini 3.1 Flash-Lite Preview(已下线) 我们最具性价比的多模态模型,为高频轻量任务提供最快性能。 gemini-3.1-flash-lite-preview Gemini 3 Pro Preview(已下线) 我们最先进的推理模型,具备强大的多模态理解能力。 gemini-3-pro-preview 模型版本命名规则 Gemini 模型提供 stable、preview、latest 或 experimental 四种版本。 Stable 指向某个具体的稳定版本。稳定模型通常不会变动。大多数生产应用应使用具体的稳定版本。 例如:gemini-3.6-flash。 Preview 指向可用于生产的预览版本。预览模型通常已开启计费,可能有更严格的速率限制,并且下线前至少会提前 2 周通知。 例如:gemini-2.5-flash-preview-09-2025。 Latest 指向某个模型系列的最新发布版本,可能是 stable、preview 或 experimental 版本。这个别名会随该系列每次新发布而热切换。如有破坏性变更,会在 latest 指向的版本切换前至少 2 周通过邮件通知。 例如:gemini-flash-latest。 Experimental 指向实验性模型,通常不适合生产环境使用,且有更严格的速率限制。我们发布实验性模型是为了收集反馈,并让开发者尽快体验最新更新。 实验性模型不稳定,模型端点的可用性可能随时变化。 模型下线 关于模型下线的信息,请访问 Gemini 弃用页面。
gemini-3.5-transcribe-live Gemini 2.5 Flash 模型 | 描述 | 端点 Gemini 2.5 Flash | 针对需要推理的低延迟、高吞吐任务优化的最佳性价比模型。 | gemini-2.5-flash Nano Banana | 先进的原生图像生成与编辑模型,专为快速、富有创造力的工作流设计。 | gemini-2.5-flash-image Gemini 2.5 Flash Live | 针对实时对话代理优化,支持亚秒级原生音频流。 | gemini-2.5-flash-native-audio-preview-12-2025 Gemini 2.5 Flash TTS | 可控的文本转语音音频生成,可精细调节风格与节奏。 | gemini-2.5-flash-preview-tts Gemini 2.5 Flash-Lite 模型 | 描述 | 端点 Gemini 2.5 Flash-Lite | 2.5 系列中速度最快且最具成本效益的多模态模型。 | gemini-2.5-flash-lite Gemini 2.5 Pro 模型 | 描述 | 端点 Gemini 2.5 Pro | 2.5 系列中最先进的模型,具备深度推理与编码能力,适用于复杂任务。 | gemini-2.5-pro Gemini 2.5 Pro TTS | 高保真语音合成,针对播客和有声读物等结构化工作流的质量进行优化。 | gemini-2.5-pro-preview-tts 音频模型 本节包含所有音频模型,其中部分模型可能已列于其他章节。 模型 | 描述 | 端点 Gemini 3.8 Live | 大多数低延迟语音代理体验及实时对话的默认选项,无推理延迟。 | gemini-3.8-live Gemini 3.8 Live Extended Thinking | 高推理能力的音频转音频模型,适用于实时交互中需要较高后台推理能力的场景。 | gemini-3.8-live-extended-thinking Gemini 3.8 Flash TTS | 旗舰级创意文本转语音模型,支持 130 种语言的录音室级语音保真度、富有表现力的配音及地区方言。 | gemini-3.8-flash-tts Gemini 3.8 Flash-Lite TTS | 快速、高性价比的文本转语音模型,专为 101 种语言的高吞吐量生产级工作负载构建。 | gemini-3.8-flash-lite-tts Gemini 3.1 Flash Live | 音频转音频预览旧版模型。建议升级至 Gemini 3.8 Live。 | gemini-3.1-flash-live-preview Gemini 3.1 Flash TTS | 文本转语音预览旧版模型。建议升级至 Gemini 3.8 Flash TTS 或 Gemini 3.8 Flash-Lite TTS。 | gemini-3.1-flash-tts-preview Gemini 3.5 Transcribe | 低延迟语音转文本模型,支持基于语句的语言检测、说话人分离、词级时间戳及自定义词汇偏差。 | gemini-3.5-transcribe
gemini-3.5-transcribe-live Gemini 2.5 Flash Live 我们的旗舰 Live API 模型,专为低延迟、双向语音和视频智能体打造,具备原生音频推理能力。 gemini-2.5-flash-native-audio-preview-12-2025 Gemini 2.5 Flash TTS 快速可控的文本转语音模型,适用于低延迟、低成本的实时助手类应用。 gemini-2.5-flash-preview-tts Gemini 2.5 Pro TTS 高保真语音合成模型,针对播客、有声书等结构化工作流进行了质量优化。 gemini-2.5-pro-preview-tts 生成式媒体模型 本节包含所有生成式媒体模型, 其中部分模型可能已在其他章节列出 模型 说明 端点 Nano Banana 2.1 高效图像生成与编辑模型,视觉质量、文字排版和多轮一致性均有提升。 gemini-nano-banana-2.1 Nano Banana 2 高效的生产级视觉创作模型,结合 Gemini 3 系列的智能与极快的生成速度。 gemini-3.1-flash-image Nano Banana 2 Lite 图像生成家族中的效率专家,提供超低延迟、高性价比的图像生成与编辑。 gemini-3.1-flash-lite-image Veo 3.1 顶尖的电影级视频生成模型,支持高级创作控制,并原生同步音频。 veo-3.1-generate-preview Nano Banana Pro 专业级设计引擎,具备推理内核,可生成工作室级 4K 视觉效果、复杂版式和精准的文字渲染。 gemini-3-pro-image Veo 3.1 Lite Veo 3.1 家族中面向开发者的高效低成本视频生成、编辑与电影级控制模型。 veo-3.1-lite-generate-preview Gemini Omni Flash 快速的视频生成、编辑、关键帧插值和视频扩展,并支持原生音频。 gemini-omni-1.1-flash Nano Banana 顶尖的原生图像生成与编辑模型,为快速、创意的工作流而设计。 gemini-2.5-flash-image Imagen 4(已下线) 文本转图像模型,提供快速和极速生成模式(已下线)。 imagen-4.0-generate 音乐生成模型 本节包含所有音乐生成模型, 其中部分模型可能已在其他章节列出 模型 说明 端点 Lyria 3.5 我们的旗舰音乐生成模型,针对具有复杂结构连贯性的完整歌曲进行了优化。 lyria-3.5 Lyria 3 Clip 专注于生成最长 30 秒的短音乐片段、循环和预览。 lyria-3-clip-preview Lyria 3 Pro 上一代音乐生成模型,用于生成完整歌曲。 lyria-3-pro-preview Lyria RealTime 高保真音乐生成模型,提供精细的创作控制和实时流式能力。 lyria-realtime-exp 工具与智能体模型 模型 说明 端点 Gemini Deep Research 智能体模型,可自主规划并执行跨数百个来源的多步骤研究,生成带引用的交互式报告。 deep-research-preview-04-2026 Gemini Deep Research Max 面向自动化信息收集与综合的极致全面版本,可覆盖数百个来源。 deep-research-max-preview-04-2026 Antigravity Agent 通用托管智能体,可在安全隔离的 Linux 沙箱中自主规划、推理、运行代码、管理文件并浏览网页。 antigravity-preview-09-2026 专用任务模型 模型 说明 端点 Gemini Embedding 2 我们的首个多模态 embedding 模型,可将文本、图像、视频、音频和 PDF 映射到统一的 embedding 空间,适用于高级语义搜索和 RAG 系统。 gemini-embedding-2-preview Gemini Embedding 提供高维向量表示,适用于高级语义搜索、文本分类和 RAG 系统。 gemini-embedding-001 Gemini Robotics ER 2 具身推理模型,为机器人任务提供先进的视频理解、空间推理、多步骤工具编排和多机器人协作能力。 gemini-robotics-er-2-preview Gemini Robotics ER 1.6 先进的具身推理模型,能理解物理空间并为机器人智能体规划多步骤任务,新增仪表读数能力,空间与物理推理也有所增强。 gemini-robotics-er-1.6-preview 旧版模型 模型 说明 端点 Computer Use(已下线) 专用模型,可以“看懂”数字屏幕并执行点击、输入、导航等 UI 操作,从而自动化复杂的浏览器任务。 gemini-2.5-computer-use-preview-10-2025 Gemini 2.0 Flash(已下线) 我们的第二代主力模型,具备新一代特性和更强的能力,包括更快的速度、原生工具使用和 1M token 上下文窗口。 gemini-2.0-flash Gemini 2.0 Flash-Lite(已下线) 我们最快的第二代模型,专为低成本和低延迟优化。 gemini-2.0-flash-lite Gemini 3.1 Flash-Lite Preview(已下线) 我们最具性价比的多模态模型,为高频轻量任务提供最快性能。 gemini-3.1-flash-lite-preview Gemini 3 Pro Preview(已下线) 我们最先进的推理模型,具备强大的多模态理解能力。 gemini-3-pro-preview 模型版本命名规则 Gemini 模型提供 stable、preview、latest 或 experimental 四种版本。 Stable 指向某个具体的稳定版本。稳定模型通常不会变动。大多数生产应用应使用具体的稳定版本。 例如:gemini-3.6-flash。 Preview 指向可用于生产的预览版本。预览模型通常已开启计费,可能有更严格的速率限制,并且下线前至少会提前 2 周通知。 例如:gemini-2.5-flash-preview-09-2025。 Latest 指向某个模型系列的最新发布版本,可能是 stable、preview 或 experimental 版本。这个别名会随该系列每次新发布而热切换。如有破坏性变更,会在 latest 指向的版本切换前至少 2 周通过邮件通知。 例如:gemini-flash-latest。 Experimental 指向实验性模型,通常不适合生产环境使用,且有更严格的速率限制。我们发布实验性模型是为了收集反馈,并让开发者尽快体验最新更新。 实验性模型不稳定,模型端点的可用性可能随时变化。 模型下线 关于模型下线的信息,请访问 Gemini 弃用页面。