Gemini

→ 返回工具

Google DeepMind 出品的多模态大模型系列，原生支持文本、图像、音频、视频、代码。Gemini 1.5 Pro 以百万 token 上下文窗口著称，是处理超长文档和长视频的首选。

---

模型系列

模型	上下文	特点	适用场景
Gemini 2.5 Pro	1M token	最强推理，思维链	复杂分析、代码、数学
Gemini 2.5 Flash	1M token	速度与成本优化	高并发生产推理
Gemini 2.0 Flash	1M token	实验性，支持实时流	语音/视频实时交互
Gemini 1.5 Pro	1M token	稳定，多模态	长文档分析
Gemini 1.5 Flash	1M token	低成本	批量处理

---

接入方式

Google AI Studio（免费实验）

直接在浏览器使用：https://aistudio.google.com

Python SDK

pip install google-generativeai

import google.generativeai as genai
 
genai.configure(api_key="YOUR_API_KEY")
model = genai.GenerativeModel("gemini-2.5-flash")
 
# 文本对话
response = model.generate_content("用一句话解释量子纠缠")
print(response.text)
 
# 流式输出
for chunk in model.generate_content("写一首关于秋天的诗", stream=True):
    print(chunk.text, end="", flush=True)

多模态输入

import pathlib
 
# 上传文件（支持 PDF、视频、音频等）
video = genai.upload_file(pathlib.Path("demo.mp4"))
 
response = model.generate_content([
    video,
    "总结这个视频的主要内容，并列出关键时间节点"
])
print(response.text)

---

长上下文核心优势

Gemini 的 1M token 上下文让以下场景成为可能：

场景	说明
代码库分析	一次性输入整个大型项目，跨文件问答
长视频理解	1 小时视频直接输入，定位具体片段
大型 PDF	整本书或完整报告，无需分块
多文档对比	同时比较多份合同、论文
长对话历史	保留完整上下文，无遗忘

---

Gemini CLI

Google 官方命令行工具，可在终端直接使用 Gemini：

# 安装
npm install -g @google/gemini-cli
 
# 登录（使用 Google 账户）
gemini auth login
 
# 对话
gemini "解释这个 Python 函数" < script.py
 
# 分析图片
gemini "这张图里有什么问题？" --image screenshot.png

---

Grounding（搜索增强）

Gemini 支持连接 Google 搜索获取实时信息：

response = model.generate_content(
    "今天的 AI 重大新闻有哪些？",
    tools="google_search_retrieval",
)

---

与其他模型对比

维度	Gemini 2.5 Pro	GPT-4o	Claude 3.5 Sonnet
上下文	1M	128K	200K
多模态	全模态	图像/音频	图像
代码	强	强	强
中文	良好	良好	良好
价格（输入/1M token）	$1.25	$2.5	$3.0
免费额度	有（AI Studio）	无	无

---

Vertex AI 企业部署

通过 Google Cloud 的 Vertex AI 使用 Gemini，支持私有数据、VPC 隔离、SLA：

import vertexai
from vertexai.generative_models import GenerativeModel
 
vertexai.init(project="my-project", location="us-central1")
model = GenerativeModel("gemini-2.5-pro-preview")
response = model.generate_content("解释 Transformer 架构")

---

相关文档

• Claude
• 多模态大模型
• 上下文与长文本