Gemini
Google DeepMind · Outros
O Gemini é o modelo de IA multimodal do Google DeepMind, que lê texto, imagens, áudio, vídeo e código no mesmo lugar. Você conversa com ele, entrega um documento para resumir ou o chama por uma API.
Sobre Gemini
About
O que é o Gemini
O Gemini é uma família de modelos de IA do Google DeepMind, mostrada em dezembro de 2023. Ao contrário de sistemas antigos que colavam a visão em um modelo de texto, o Gemini foi treinado com texto, imagens, áudio, vídeo e código desde o início. Por isso ele olha um gráfico, escuta um clipe e raciocina com os dois na mesma resposta.
A maioria das pessoas encontra o Gemini em dois lugares. Um é o app para o usuário final em gemini.google.com, no Android e no iOS, onde você digita comandos, envia arquivos ou fala com o Gemini Live. O outro é a API, que os desenvolvedores chamam do Google AI Studio ou do Vertex AI para criar as próprias ferramentas e agentes.
O problema está nas versões. O Google empurra os modelos mais fortes para os planos pagos, e em outubro de 2025 o plano gratuito do Gemini ficou só com o Flash-Lite. Se você depende do Gemini Pro para código ou para analisar documentos longos, confira os preços do Gemini antes de decidir, porque esse trabalho agora pede uma assinatura.
Primeiros passos
- Abra gemini.google.com ou instale o app do Gemini no Android ou no iOS, e entre com uma conta do Google.
- Comece um chat e escolha um modelo na lista suspensa, caso o seu plano ofereça mais de um.
- Adicione um arquivo pelo botão de mais para enviar uma imagem, um PDF ou uma planilha, ou ative o Gemini Live para conversar de ida e volta.
- Leia a resposta e depois refine o comando ou faça uma pergunta de acompanhamento para moldar o resultado.
- Se você for desenvolvedor, pegue uma chave no Google AI Studio e chame a API do Gemini no seu próprio app.
Informações do produto
Uma visão rápida dos preços, das plataformas compatíveis e do desempenho de Gemini.
Ideal para
Os usuários, tarefas e cenários em que esta ferramenta se encaixa melhor.
Usuários
- Estudantes
- Redatores e pesquisadores
- Desenvolvedores
Tarefas
- Resumir um relatório longo
- Escrever e reescrever texto
- Ler imagens e capturas
- Responder com fatos recentes
Cenários
- Estudar para uma prova no metrô
- Organizar um monte de pesquisa
- Prototipar uma ferramenta pequena
Principais recursos
Entrada multimodal nativa
O Gemini lê texto, imagens, áudio, vídeo e código ao mesmo tempo, em vez de tratar cada formato como um trabalho separado. Você pode jogar uma foto de um quadro branco e pedir para ele virar as anotações em uma lista de tarefas, ou mandar um vídeo e perguntar o que acontece em um momento. Essa base compartilhada entre formatos é o núcleo do que é o Gemini.
Uma janela de contexto longa
Os modelos pagos, o Gemini Pro incluído, lidam com até um milhão de tokens de entrada, o bastante para um livro ou um repositório de código inteiro de uma vez. Isso importa quando você precisa de respostas que dependem de detalhes espalhados por um documento longo, e não só da primeira página. Flash e Pro se apoiam nisso para o trabalho com documentos e código.
Gemini Live
O Gemini Live deixa você falar com o modelo e compartilhar sua tela ou câmera em tempo real. Você pode pensar em voz alta, apontar a câmera para algo e perguntar sobre o que ela vê. É o recurso que faz o celular parecer menos uma caixa de busca e mais uma conversa.
Deep Research
O Deep Research faz várias etapas de busca por conta própria e depois escreve o que encontrou como um relatório com fontes. Em vez de folhear dez abas, você recebe um único resumo sobre o qual pode discordar. Ele foi feito para a fase inicial de um projeto, quando você ainda está mapeando o terreno.
Geração e edição de imagens
Com o modelo de imagem Nano Banana, o Gemini cria e edita imagens a partir de um comando. Você aplica controles de luz, junta várias imagens em um mockup ou desenha um pôster e muda o tamanho dele. A geração de imagens continua disponível até no plano gratuito, o que o separa dos modelos que foram fechados.
API do Gemini para quem desenvolve
A API do Gemini dá aos desenvolvedores uma forma de colocar o modelo dentro dos próprios produtos, com SDKs para Python, JavaScript, Go e Java. Você começa em um plano gratuito sem cartão de crédito e passa para o pago conforme a sua base de usuários cresce. Os SDKs de cliente para Android e Apple dispensam um backend próprio.
Prós e contras
Prós
- Lida com texto, imagem, áudio, vídeo e código em um único modelo, então você não alterna entre ferramentas diferentes.
- O contexto longo de até um milhão de tokens deixa ele trabalhar com livros e bases de código grandes.
- A ligação com produtos do Google como Gmail, Docs e Search dá mais contexto às respostas.
- O plano gratuito da API permite que desenvolvedores testem ideias sem pagar adiantado.
- A geração de imagens continua aberta no plano gratuito.
Contras
- O plano gratuito ficou no Flash-Lite em outubro de 2025, então o raciocínio complexo agora pede um plano pago.
- Os modelos Pro e o Deep Think ficam atrás do AI Pro a $19.99/mês ou mais, o que pesa no uso intenso.
- O uso é medido por computação, então uma tarefa longa ou complexa consome sua cota mais rápido que uma simples.
- Alguns recursos, como o modo de raciocínio Deep Think, ficam restritos a certas regiões no lançamento.
Perguntas frequentes
O Gemini cobre perguntas do dia a dia, escrita, resumo de documentos longos, leitura de imagens e vídeo, ajuda com código e pesquisa. Você usa como chatbot, como apoio de estudo ou como o motor por trás do seu próprio app pela API.
Conteúdo relacionado
Explore ferramentas, skills e artigos relacionados a Gemini.
Alternativas a Gemini
Odyssey 3
Odyssey · OutrosOdyssey-3 é o modelo de mundo fundacional da Odyssey. Simula física em tempo real, transforma um texto em ambiente interativo e se adapta a robôs, carros e jogos.
JarvisCore
Prescott Data · Programação · Produtividade · OutrosJarvisCore é um runtime de código aberto em Python em que agentes de IA atuam como pares numa malha, assumem tarefas de um registro compartilhado e chegam a serviços externos por um broker sem confiança.
Clef
Cloudflare · Negócios · OutrosClef é o modelo de decisão open source da Cloudflare para o Workers AI. Devolve probabilidades calibradas para perguntas tipadas em vez de texto, então o agente classifica, roteia e age rápido.