Gemini

Gemini liest Text, Bilder, Audio, Video und Code zusammen, statt jedes Format als eigene Aufgabe zu behandeln. Sie können ein Foto eines Whiteboards hineinlegen und daraus eine Aufgabenliste machen lassen, oder ein Video geben und fragen, was an einer Stelle passiert. Diese gemeinsame Grundlage über alle Formate hinweg ist der Kern von Gemini.

Die bezahlten Modelle, Gemini Pro eingeschlossen, verarbeiten bis zu einer Million Token an Eingabe, genug für ein Buch oder ein ganzes Code-Repository auf einmal. Das zählt, wenn Antworten von Details abhängen, die über ein langes Dokument verstreut sind, und nicht nur von der ersten Seite. Flash und Pro stützen sich darauf für die Arbeit mit Dokumenten und Code.

Mit Gemini Live sprechen Sie mit dem Modell und teilen in Echtzeit Ihren Bildschirm oder Ihre Kamera. Sie können laut denken, die Kamera auf etwas richten und danach fragen, was sie sieht. Diese Funktion macht das Handy weniger zu einer Suchmaske und mehr zu einem Gespräch.

Deep Research macht von sich aus mehrere Suchschritte und schreibt dann auf, was es fand, als Bericht mit Quellen. Statt zehn Tabs zu überfliegen, bekommen Sie eine einzige Zusammenfassung, die Sie hinterfragen können. Gedacht ist das für die frühe Phase eines Projekts, wenn Sie das Feld noch abstecken. Der Gemini kostenloser Tarif bleibt dabei eine Option für den Einstieg.

Mit dem Bildmodell Nano Banana erzeugt und bearbeitet Gemini Bilder aus einer Eingabe. Sie legen Lichtregler an, fügen mehrere Bilder zu einem Mockup zusammen oder gestalten ein Poster und ändern dessen Format. Die Bilderzeugung bleibt selbst im kostenlosen Tarif offen, was es von den Modellen unterscheidet, die gesperrt wurden.

Die Gemini API gibt Entwicklern einen Weg, das Modell in eigene Produkte einzubauen, mit SDKs für Python, JavaScript, Go und Java. Sie starten in einem kostenlosen Tarif ohne Kreditkarte und wechseln zu bezahlt, sobald Ihre Nutzerbasis wächst. Client-SDKs für Android und Apple ersparen Ihnen ein eigenes Backend.