Gemini
Google DeepMind · 其他
Gemini 是 Google DeepMind 的多模態 AI 模型，能在同一個地方讀懂文字、圖像、音訊、影片與程式碼。你可以跟它對話、丟一份文件請它摘要，或透過 API 呼叫它。
關於 Gemini
About
什麼是 Gemini
Gemini 是 Google DeepMind 的 AI 模型家族，2023 年 12 月首次亮相。早期的系統是把視覺能力硬接到文字模型上，Gemini 不一樣，它從訓練之初就用文字、圖像、音訊、影片與程式碼一起餵。所以它能看一張圖表、聽一段影片，然後在同一個回答裡把兩者一起推理。
多數人會在兩個地方遇到 Gemini。一個是 gemini.google.com、Android 與 iOS 上的應用程式，你可以在那裡打字下指令、上傳檔案，或透過 Gemini Live 開口對話。另一個是 API，開發者從 Google AI Studio 或 Vertex AI 呼叫，用來打造自己的工具與代理。
要注意的是版本分級。Google 一直把最強的模型往付費方案推，2025 年 10 月 Gemini 免費版更縮到只剩 Flash-Lite。如果你靠 Gemini Pro 寫程式或分析長文件，下手前先看清楚 Gemini 價格，因為這類工作現在需要訂閱。
開始使用
- 打開 gemini.google.com，或在 Android、iOS 安裝 Gemini 應用程式，用 Google 帳號登入。
- 開始一段對話，如果你的方案提供多個模型，就從下拉選單挑一個。
- 用加號按鈕加入檔案，上傳圖片、PDF 或試算表，或開啟 Gemini Live 用語音一來一往。
- 讀完回答後調整指令，或追問一句來把結果修得更到位。
- 如果你是開發者，在 Google AI Studio 取得金鑰，就能在自己的應用程式裡呼叫 Gemini API。
產品資訊
快速了解 Gemini 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 學生：上傳課堂筆記就能拿到練習題或學習指南，但要留意最強的推理模型現在擺在付費方案裡。
- 寫作者與研究者：摘要長篇 PDF，從多個來源理出頭緒，免費版能塞的份量有上限。
- 開發者：呼叫 Gemini API，把對話、讀圖或類搜尋的回覆加進應用程式，可以從免費方案起步。
任務
- 摘要長篇報告：把文件交給 Gemini，請它整理重點，這種工作正好用上它的長上下文。
- 草擬與改寫文字：把零散筆記變成清楚的郵件或部落格文章，再請它給一個更精簡的版本。
- 讀懂圖片與截圖：拍下圖表或手寫頁面，問它內容是什麼，Gemini 本來就是為圖片輸入而設計。
- 用最新資訊回答問題：Gemini 能取用搜尋，所以能回答訓練截止之後才變動的事情。
情境
- 在捷運上準備考試：手機應用程式拍下筆記，在你到教室前先幫你出題複習。
- 整理一大堆研究資料：Deep Research 自己跑多步搜尋，交回一份寫好的摘要，而不是一串連結。
- 週末做個小工具原型：開發者把 API 接進個人專案，完全不用架後端。
主要功能
原生多模態輸入
Gemini 把文字、圖像、音訊、影片與程式碼一起讀，而不是把每種格式當成獨立任務。你可以丟一張白板的照片，請它把筆記變成待辦清單，或給一段影片，問某個時間點發生了什麼。這種跨格式共用的底子，就是 Gemini 的核心。
長上下文視窗
付費模型連 Gemini Pro 在內，能處理多達一百萬個詞元的輸入，足以一次吃下一本書或整套程式碼庫。當你要的答案靠在長文件各處的細節、而不是只看第一頁時，這件事就很重要。Flash 與 Pro 都靠這個處理文件與程式碼。
Gemini Live
Gemini Live 讓你和模型對話，並即時分享螢幕或鏡頭。你可以出聲想事情，把鏡頭對準某個東西，問它看到了什麼。這個功能讓手機少一點像搜尋框，多一點像對話。
Deep Research
Deep Research 會自己跑好幾步搜尋，再把找到的東西寫成一份附來源的報告。你不用翻十個分頁，而是拿到一份能跟它討論的摘要。它鎖定的是專案剛起步、還在摸清地形的階段。
圖像生成與編輯
靠 Nano Banana 圖像模型，Gemini 能依指令生成與編輯圖片。你可以套用光線控制、把幾張圖合成一張概念圖，或做一張海報再改尺寸。圖像生成在免費版也照樣開放，這點讓它和那些被鎖住的模型不一樣。
給開發者的 Gemini API
Gemini API 讓開發者把模型放進自己的產品，Python、JavaScript、Go 與 Java 都有 SDK。你可以用免費方案起步，不必先綁信用卡，等使用者變多再轉付費。Android 與 Apple 的客戶端 SDK 讓你連後端都不用自己架。
優缺點
優點
- 用一個模型處理文字、圖像、音訊、影片與程式碼，不用在不同工具之間換來換去。
- 長上下文最多一百萬個詞元，讓它能讀完整本書和大份程式碼庫。
- 與 Gmail、Docs、搜尋等 Google 產品相連，回答能拿到更多背景資訊。
- 免費 API 方案讓開發者先試想法，不必先付錢。
- 圖像生成在免費方案依然開放。
缺點
- 免費版在 2025 年 10 月縮到只剩 Flash-Lite，複雜推理現在得有付費方案。
- Pro 模型與 Deep Think 擺在每月 19.99 美元起跳的 AI Pro 之後，用量大就會累積。
- 用量改成按算力計算，所以一個又長又複雜的任務會比簡單任務更快吃掉額度。
- 部分功能像 Deep Think 推理模式，剛推出時只限特定地區。
常見問題
Gemini 涵蓋日常提問、寫作、摘要長文件、讀懂圖片與影片、程式協助與研究。你可以把它當聊天機器人、當學習幫手，或透過 API 當自己應用程式背後的引擎。
相關內容
探索與 Gemini 相關的工具、技能與文章。
Gemini 替代方案
Odyssey 3
Odyssey · 其他Odyssey-3 是 Odyssey 的基礎世界模型，能即時模擬物理，把一段文字提示變成可互動的環境，並套用到機器人、汽車與遊戲上。
JarvisCore
Prescott Data · 程式設計 · 生產力 · 其他JarvisCore 是開源的 Python 執行環境，讓 AI 代理在網格上以對等節點運作、從共用帳本認領任務，並透過零信任代理服務存取外部系統。
Clef
Cloudflare · 商業 · 其他Clef 是 Cloudflare 推出、可在 Workers AI 上執行的開源決策模型。它針對設定好的題目回傳校準後的機率而非生成文字，讓代理程式快速分類、分流並採取行動。