AI模型

谷歌的 AI 能力建立在一系列模型之上，覆盖推理、多模态、端侧、创作与专业行业场景。

Gemini 最新资料与接入动态

核对日期：2026-09-11

Lyria 3.5 开放公开预览

Google 音乐生成模型新增 Lyria 3.5 公开预览，支持文本与图像输入及 44.1 kHz 立体声音频输出。

查看发布公告

Gemini 3.8 Flash 正式发布

gemini-3.8-flash 已正式可用，重点面向长流程软件开发、自主 Agent 与复杂企业工作流。接入前可用现有业务样本比较任务成功率、延迟与总成本。

查看发布公告

Gemini 新增 Agent 式视频理解

3.7 Flash、3.6 Flash 与 3.5 Flash-Lite 可按需读取视频时间线中的字幕、画面或音轨，适合评估长视频检索和内容分析任务。

查看发布公告

Gemini Omni Flash 正式可用

正式端点 gemini-omni-1.1-flash 支持视频延长与首尾帧生成。旧预览端点计划于 9 月 30 日弃用，已有项目应提前评估迁移。

查看发布公告
比较模型与适用任务 →估算 API 费用 →更多 Google AI 新闻 →

模型目录

先判断任务，再选模型路线

模型对比

模型页不只是列表，它更像一个选型总控台。你可以先判断自己更在意推理上限、响应速度、多模态输入、端侧运行还是行业专业性，再进入对应分组继续看。

每张卡片保留五行摘要和三个标签，方便快速区分定位、能力边界与适用任务；如果要做团队选型，建议结合模型对比页、API 模型页和订阅页一起看。

最新发布

Gemini 3.5 / Gemini Omni

复杂推理

Gemini 2.5 Pro / 3.1 Pro

高并发主力

Gemini 2.5 Flash / 3.1 Flash

端侧能力

Gemini Nano / Gemma

图像视频

Imagen / Veo / Omni

语音音乐

Chirp / Lyria

行业场景

MedLM 等垂直模型

先看旗舰模型

如果你做研究、复杂规划、代码协作或高价值问答，先看 Pro 系列，能更快理解能力上限。

先看默认主力

如果你做聊天、摘要、批处理和大规模接口调用，优先看 Flash 系列，更容易兼顾速度和成本。

再看专业模型

当任务转向图像、视频、语音、医疗或开源部署，再从更多模型组里挑更贴合的专门入口。

Gemini 系列（核心多模态模型）

围绕推理、多模态、端侧与实时交互形成完整谱系，适合从原型验证到生产落地的不同阶段。

Gemini 3.5

  • - Gemini 3.5 Flash 已于 Google I/O 2026 正式发布。
  • - 重点强化 Agent、编码、长任务规划与工具协同。
  • - 支持文本、图像、视频、音频与 PDF 输入。
  • - 提供 1M 输入上下文与最高 64K 文本输出。
  • - 3.5 Pro 仍处于官方预告阶段，尚未正式开放。
正式发布Agent1M上下文

Gemini 2.5 Pro

  • - 旗舰级推理模型，复杂任务表现稳定。
  • - Deep Think 模式适合长链路分析与规划。
  • - 支持超长上下文，便于处理大文档和代码库。
  • - 在数学、科学、编程类基准中持续领先。
  • - 适合高价值问答、研究和复杂开发协作。
旗舰深度推理长上下文

Gemini 2.5 Flash

  • - 面向高频调用场景的高效主力模型。
  • - 速度、成本与质量保持均衡，易于批量接入。
  • - 支持思维预算控制，便于精细化分配算力。
  • - 适合聊天、摘要、分类、轻量推理等任务。
  • - 常用于 API 默认模型和高并发业务入口。
高效低成本高并发

Gemini 2.0 Flash

  • - 原生多模态模型，兼顾文本、图像与工具调用。
  • - 支持图像生成、代理执行和实时响应体验。
  • - 适合构建需要多输入协同的应用流程。
  • - 在交互性与生产效率之间保持良好平衡。
  • - 常见于助手、创作和流程自动化场景。
多模态Agent工具调用

Gemini 3.1 Pro

  • - 当前站内已整理的高阶旗舰模型，综合能力进一步增强。
  • - 在代码、推理与复杂决策任务上更稳健。
  • - 支持更细致的上下文理解与多步执行。
  • - 适合企业级分析、创作和自动化工作流。
  • - 适用于对效果上限要求更高的关键任务。
旗舰高质量Agent

Gemini 3.1 Flash

  • - 新一代高效模型，响应速度表现突出。
  • - 支持大上下文处理与原生音频交互能力。
  • - 适合实时助手、客服和前台交互应用。
  • - 比旗舰模型更容易控制成本与时延。
  • - 适合需要速度优先的大规模调用场景。
最新极速音频

Gemini Nano

  • - 面向移动设备与边缘终端的轻量模型。
  • - 支持设备本地运行，降低网络依赖。
  • - 在隐私敏感场景中具备更高可控性。
  • - 适合离线摘要、键盘建议和本地智能能力。
  • - 常用于手机、可穿戴设备与嵌入式终端。
端侧隐私离线

Nano Banana

  • - 面向图像编辑与内容再创作的热门模型。
  • - 擅长局部修改、风格调整与细节保留。
  • - 适合社媒图、海报、电商图等快速制作。
  • - 能根据指令进行多轮细化和视觉修正。
  • - 更适合创意团队和内容生产场景。
图像编辑热点创意出图

Gemini Omni

  • - 统一视频模型，强调生成与编辑一体化。
  • - 支持对话式剪辑、模板套用与镜头调整。
  • - 可结合音频生成形成更完整的输出链路。
  • - 适合营销视频、教程视频和演示片段制作。
  • - 更适用于强调可控镜头语言的创作流程。
视频生成多模态编辑

更多 AI 模型

覆盖文本、图像、音频、视频、代码与专业行业，让不同任务都能找到合适入口。

PaLM 2

  • - Gemini 之前的重要文本模型体系。
  • - 提供多种规模版本，方便按场景选择。
  • - 擅长翻译、摘要、问答和通用文本任务。
  • - 在谷歌早期生成式产品中承担核心角色。
  • - 适合作为理解模型演进路线的参考入口。
文本多规模经典系列

Imagen

  • - 谷歌文本到图像扩散模型代表作。
  • - 图像保真度、构图质量与细节表达表现突出。
  • - 适合广告图、概念图和品牌视觉草稿生成。
  • - 对提示词细节和风格控制响应较好。
  • - 适用于需要高质量静态画面的创作流程。
图像生成扩散模型高保真

Veo

  • - 谷歌代表性视频生成模型家族。
  • - 支持更长镜头与更自然的运动表现。
  • - 新版本可处理更高分辨率的视频输出。
  • - 适合宣传片、叙事短片和视觉概念演示。
  • - 常与 Flow 等产品共同构成视频生产链路。
视频生成4K长镜头

Codey

  • - 专注编程场景的代码生成模型。
  • - 支持补全、解释、重构与调试建议。
  • - 适合 IDE 辅助、代码问答与接口生成。
  • - 能帮助开发者缩短原型开发与排错时间。
  • - 更适用于研发团队效率增强场景。
代码编程助手开发效率

Lyria

  • - 面向音乐与声音创作的生成模型。
  • - 可生成氛围音乐、旋律段落与音色素材。
  • - 适合视频配乐、播客包装与创意声音实验。
  • - 强调音频质感与风格变化能力。
  • - 适合内容创作者和音乐探索型项目。
音乐音频创作

Chirp

  • - 聚焦语音识别与转录任务的模型。
  • - 支持多语言、多口音与长音频处理。
  • - 适用于会议记录、字幕生成和客服质检。
  • - 在语音转文本链路中具备较高实用价值。
  • - 常作为语音类产品的基础能力模块。
语音转录多语言

MedLM

  • - 面向医疗与健康场景的专业模型。
  • - 适合医学文献理解、记录整理与辅助分析。
  • - 强调专业术语识别和行业语境适配。
  • - 适用于医院、研究机构和健康服务平台。
  • - 更适合高门槛专业知识处理任务。
医疗垂直领域临床辅助

Gemma

  • - 基于 Gemini 研究成果延展出的开源家族。
  • - 更易于本地部署、微调和私有化适配。
  • - 适合教学、实验和定制任务开发。
  • - 社区生态活跃，方便构建二次创新。
  • - 适用于强调灵活性与可控性的项目。
开源轻量可定制

选型建议

把模型、调用方式和预算放在一起看

  • - 面向生产接入时，建议把模型页与 `API 模型列表`、`Node.js SDK`、`安全指南` 联动阅读。
  • - 如果你还不确定是否需要更高档位能力，可以继续看 `订阅计划` 页对照升级路径。
  • - 如果你想先试效果，再写代码，通常从 `Google AI Studio` 开始效率更高。

API 模型列表

从调用参数和能力范围角度继续确认模型差异。

Google AI Studio

先把模型效果跑出来，再决定是否进入正式开发。

订阅计划

把使用门槛、价格层级和高级能力一起纳入判断。

模型导览

Google AI 模型体系如何理解

Google AI 的模型体系不是一条单线，而是围绕推理强度、响应速度、多模态输入、端侧运行和成本效率形成多层组合。真正有用的阅读方式，不是先记住名称，而是先判断自己面对的是复杂分析、日常问答、内容创作、编程协作还是设备本地任务。

如果任务强调长文档阅读、复杂规划、代码理解或高质量最终输出，通常应优先看 Pro 路线；如果任务更看重速度、调用频率和成本控制，则 Flash 系列更容易成为长期主力。端侧、隐私、本地离线和轻量场景，则需要继续关注 Nano 或开源路线。

模型目录的重要性，在于它把抽象的模型名称翻译成可比较的能力边界。上下文长度、多模态支持、速度、调用入口和典型任务之间的关系越清晰，后续接入、试用和升级时的判断就越稳定。

阅读模型页时，建议同时结合功能页、API 文档和订阅页。模型页负责解释能力基础，功能页负责解释使用方式，API 文档负责解释接入方法，订阅页则帮助判断不同层级的使用门槛和资源投入。

阅读重点

  • 先按任务复杂度筛模型，再看速度和成本。
  • 长上下文、多模态和稳定性通常需要一起判断。
  • 模型、功能、API、订阅四类页面适合联动阅读。

延伸阅读

模型对比Gemini 2.5 ProGemini 2.5 FlashAPI 文档

模型选型时最值得补充理解的内容

模型选择通常不是一次性动作，而是随着任务复杂度、团队规模和调用频率不断调整。很多项目在原型阶段用的是一个模型，但到了稳定运行阶段，会逐步把旗舰模型、速度型模型和特定模态模型分配到不同环节。

如果你经常处理资料总结、研究分析、图文理解、视频创作或代码辅助，最好不要只关注单一指标。模型真正的差别，往往体现在长任务中的稳定度、多轮追问下的上下文保持，以及面对复杂输入时的输出组织能力。

对普通用户来说，模型页也能帮助理解为什么不同产品入口体验会出现差异。很多时候，看起来像同一类 AI 功能，背后实际依赖的是不同档位的模型能力，因此阅读模型页本身就能减少很多模糊判断。

先看任务形态

先判断是研究、创作、编程、客服还是日常问答，再进入对应模型路线。

再看资源约束

预算、响应速度、调用频率和部署方式，往往会直接影响模型是否适合长期使用。

最后看组合方式

很多真实工作流并不是单模型完成，而是多模型分工协作。