Google模型

Google: Gemini Omni 1.1 Flash Preview 是一款专为视频、图像和文本任务设计的多模态模型。它针对视频生成优化了，能在单一模型中同时提供视频输出和文本响应。

Google: Gemini Omni Flash Preview 是一款专为视频、图像和文本任务设计的多模态模型。它针对视频生成优化了，可在单一模型中同时提供视频输出和文本回复。

gemini-embedding-2 是 Google 的首个多模态嵌入模型。我们目前支持将文本和图像映射到统一的向量空间，以用于语义搜索和检索增强生成 (RAG)。它支持高达 8,192 个 token 的输入上下文，并提供 128 到 3,072 之间的灵活输出维度（推荐：768、1536 或 3,072）。该模型专为跨模态相似度设计——你可以嵌入文本查询并检索最相关的图像，反之亦然——使其非常适合多模态搜索、推荐和文档理解流程。

Google: Gemma 4 31B IT 是来自 Google DeepMind 的一款指令微调多模态开放模型，有 256K 上下文窗口，专为推理、编码、智能体工作流和图像理解而设计。它接受文本和图像输入并生成文本输出，有原生工具调用能力和可配置的思考模式，适用于长上下文助手体验。

Google: Gemini 3.7 Flash 是 Google 推出的高效多模态模型，专为编码和代理工作流而设计。它改进了代码生成、Web 应用程序开发、工具使用以及复杂多步任务中的可靠性，同时支持文本、图像、音频和视频输入。凭借 100 万 token 的上下文窗口、高达 64,000 token 的输出长度以及可调节的推理级别，它非常适合编码代理、企业自动化、复杂文档分析和大规模多模态应用。

Gemini 2.5 Flash-Lite 是 Gemini 2.5 系列中的轻量级推理模型，专为超低延迟和成本效率而优化。与之前的 Flash 模型相比，它提供了更高的吞吐量、更快的 Token 生成速度，并在常见基准测试中表现更佳。默认情况下，“thinking”（即多步推理）处于禁用状态以优先保证速度，但开发者可以通过 Reasoning API 参数启用它，这样根据需要权衡成本与智能水平。

Google: Nano Banana Pro (Gemini 3 Pro Image) 是一款基于 Google Gemini 3 Pro 构建的 AI 图像生成模型，是其前代产品的一次重大升级。它用来超越简单的模式匹配，转向一个更具推理驱动的系统，并在物理理解、文本渲染和图像一致性方面改进了。其主要功能包括更快的处理速度、原生 2K 分辨率以及对现有图像进行更高精度编辑的能力，用来提供更可靠、专业级的生成结果。

Google: Nano Banana 2 Lite (Gemini 3.1 Flash-Lite Image) 是 Google 最快、最具成本效益的 Gemini 图像模型，专为高频开发流水线和快速视觉探索而构建。它能在约 4 秒内完成文本转图像生成，速度比 Gemini 3.1 Flash Image 快约 2.7 倍，同时保持了 Nano Banana 系列的角色一致性、精确编辑能力和现实世界知识。单一的嵌入式 API 可处理文本转图像、图像编辑和多图像合成。作为多模态模型，它还能在返回图像的同时生成文本。输出分辨率为 1K，支持 14 种宽高比，并带有不可见的 SynthID 水印，以便识别为 AI 生成。作为 Nano Banana 2 系列中质量与速度的最佳平衡点，它能以比重量级生产模型低得多的成本生成数千张图像，非常适合原型设计、实时应用程序和大规模视觉工作流。

Google: Gemini 3.6 Flash 是 Google 推出的一款高效模型，专为编码、代理工作流以及网页和应用开发而设计。它用来减少不必要的编辑和推诿，以生成更完善的输出，同时降低完成任务所需的 Token 使用量和模型调用次数。

Google: Gemini 3.5 Flash Lite 是来自 Google 的一款高效模型，有升级的代理能力。它适用于在复杂的、多代理工作流程中执行特定任务的子代理。

Google: Gemma 4 26B A4B IT 是来自 Google DeepMind 的指令微调混合专家 (MoE) 模型。尽管总参数为 252 亿，但在推理过程中每个 token 仅激活 38 亿参数，以极低的计算成本实现了接近 310 亿参数模型的质量。支持包括文本、图像和视频（最高 60 秒，1fps）在内的多模态输入。有 256K token 上下文窗口、原生函数调用、可配置的思考/推理模式以及结构化输出支持。基于 Apache 2.0 许可证发布。

Google: Nano Banana 2 (Gemini 3.1 Flash Image) 专为速度和效率而设计，可有效实现快速、交互式的响应以及高吞吐量。

Google: Gemini 3.8 Flash 是 Google 迄今为止最智能的主力模型，在软件工程、代理工作流以及针对专业领域的逐步推理方面，相较于 3.7 Flash 实现了重大提升。它在接近高成本前沿模型质量的同时，仍提供可配置的性能水平，以平衡性能与 Token 效率。

Gemini 3.8 Flash TTS 是来自 Google 的一款文本转语音模型，也是 Gemini 3.1 Flash TTS Preview 的后续版本。它是 3.8 TTS 系列中的创意层级产品，适用于叙述、角色配音和多说话人对话等场景，在这些场景中，语音保真度、表演细腻程度以及地区方言覆盖范围比延迟更为重要。

Gemini 3.8 Flash Lite TTS 是 Google 开发的一款文本转语音模型，它是 Gemini 3.8 TTS 系列中与 Gemini 3.8 Flash TTS 一并推出的快速、高吞吐量成员。它适用于对话式语音代理管道、大批量朗读以及对延迟和成本比极致表现力更看重的语音复制工作负载。

Google: Nano Banana 2.1 (Gemini Nano Banana 2.1) 是一款升级版多模态推理图像模型，专为生产级图像生成和编辑而设计。它有更强的提示遵循能力、多参考编辑功能以及更高的视觉保真度。该模型能理解文本、图像、视频和 PDF 输入，支持文本与图像的交替生成，并在生成图像前能对复杂的空间和构图指令推理。另外，该模型还支持通过 Google 搜索和 Google 图片搜索进行基础验证，这样实现更好的长尾实体识别、视觉理解和输出准确性。

Google: Gemini 4 Argon 是 Google DeepMind 于 2026 年 9 月 30 日发布的尖端模型。它是 Gemini 4 系列中的首个模型，采用了全新的命名方案。它在编程、金融研究、法律起草以及自主修复网络安全漏洞方面表现强劲。该模型支持文本、图像、视频和文件输入，并拥有 100 万 token 的上下文窗口。在基准测试中，其 DeepSWE v1.1 得分为 77.9%，领先于 Claude Opus 5.5 和 GPT-6 Astra，并以 68.90% 的成绩在 Vals Index 中排名第一。

Gemini 3.5 Flash 专为支持高速、高性价比且复杂的开发者和智能体工作流程而设计。它将强大的多步推理能力引入高度优化、低延迟的框架中，使其在大规模运行海量推理循环时非常高效。

Gemini 2.5 Flash 是 Google 最先进的主力模型，专为高级推理、编码、数学和科学任务而设计。它有内置的 "thinking" 功能，能提供更准确且有细致语境处理能力的响应。另外，正如文档所述，Gemini 2.5 Flash 可以通过 "max tokens for reasoning" 参数配置。

Google: Gemini 2.5 Pro. Gemini 2.5 Pro 是 Google 最先进的 AI 模型，专为高级推理、编码、数学和科学任务而设计。它采用了“thinking”能力，使其能以更高的准确性和细致的上下文处理能力推理。Gemini 2.5 Pro 在多个基准测试中实现了主流性能，包括在 LMArena 排行榜上名列第一，反映了其卓越的人类偏好对齐和复杂问题解决能力。

Gemini 2.5 Flash Image（又称“Nano Banana”）现已全面推出。它是一款有上下文理解能力的尖端图像生成模型，支持图像生成、编辑以及多轮对话。

Gemini 3 Flash Preview 是 Gemini 3 系列中的一款低延迟模型，专为快速、高吞吐量的推理而优化。它保留了 Gemini 3 的核心多模态和推理能力，同时优先考虑响应速度和执行效率。Gemini 3 Flash Preview 基于与 Gemini 3 Pro 相同的架构构建，支持原生多模态输入（包括文本、图像和音频），并结合了 Gemini 3 代引入的改进推理和长上下文处理能力。它专为需要优先考虑延迟和成本效率的实时和可扩展工作负载而设计。

Gemini 3.1 Pro 是 Gemini 系列模型的下一代产品，这是一套功能强大、原生多模态的推理模型。Gemini 3 Pro 是目前 Google 处理复杂任务最先进的模型，能理解海量数据集以及来自不同信息源（包括文本、音频、图像、视频和整个代码库）的挑战性问题。

Google: Gemini 3.1 Flash Lite 是 Google 最具成本效益的 Gemini 模型，专为高容量、对成本敏感的 LLM 流量的低延迟用例而优化。它在 Gemini 2.0/2.5 Flash-Lite 模型的基础上实现了显著的质量提升，并在关键能力领域达到了与 Gemini 2.5 Flash 相媲美的性能。

Gemini 3.1 Flash TTS Preview 是 Google 推出的文本转语音模型，是 Gemini 2.5 Flash TTS 的重大代际升级。它接收文本输入并生成 70 多种语言的音频输出，语言覆盖范围是其前身的近 3 倍。

Veo 3.1 Fast 是 Google DeepMind 旗舰视频生成模型的速度优化版本。它的设计用来以比标准的 Veo 3.1 Quality 模型快得多的速度和更低的成本生成高质量视频，非常适合快速原型设计和高容量内容创作。

Veo 3.1 是 Google 最先进的模型，用于生成有惊人真实感和原生音频的高保真、8 秒 720p、1080p 或 4k 视频。你可以通过 Gemini API 以编程方式访问此模型。要了解有关可用 Veo 模型变体的更多信息，请参阅 Model Versions 部分。

Veo 3.1 Lite 是 Google DeepMind 旗下最具成本效益的 AI 视频生成模型，于 2026 年 3 月 31 日发布。它用来以更低的价格提供专业级的视频制作能力，非常适合需要进行大规模视频制作的开发者和内容团队。