了解 Gemini 模型

Gemini 系列模型被视为多模态模型，因为它们能够处理来自多种模态（包括图片、视频和文本）的信息。例如，您可以向 Gemini 模型发送一张展示一盘曲奇的照片，并要求它给您一份制作这些曲奇的食谱。

提示	回答
告诉我这些 Cookie 的配方。	**INGREDIENTS** - 1 c. （2 枚）无盐黄油、软化 - 3/4 c 细粒糖 - 3/4 c 棕色糖，包装 - 1 匙。香草提取物 - 2 颗大鸡蛋 - 2 1/4 c. 万能面粉 - 1 茶匙小苏打 - 1 茶匙盐 ...

您可以使用 Google Cloud 上的 Vertex AI 提供的 Gemini API 与 Gemini 系列模型进行交互。对于移动应用和 Web 应用，您可以使用 Vertex AI in Firebase SDK 调用 Gemini API，并直接从应用中与 Gemini 模型进行交互。

本页面提供了有关 Gemini 模型的以下信息：

• 各种 Gemini 模型的用例（包括支持的输入类型）的概要比较。

• 比较每个模型的详细信息，例如输入词元数上限或视频时长上限。

• 介绍了 Gemini 模型的版本控制方式，特别是其稳定版、自动更新版和预览版。

• 在初始化期间要包含在代码中的可用模型名称列表。

• Gemini 模型支持的语言列表。

可用型号

您可以将以下任一 Gemini 模型与 Vertex AI in Firebase 搭配使用：

• Gemini 1.5 Flash
  多模态模型，支持与 1.5 Pro 相同的输入和输出类型，但长上下文理解能力为 100 万个词元。Gemini 1.5 Flash 专为高效处理大量应用而设计。

• Gemini 1.5 Pro
  此多模态模型支持在文本或聊天提示中添加图片、音频、视频和 PDF 文件，以提供文本或代码回答。此外，它还支持 200 万个词元的长上下文理解。

• Gemini 1.0 Pro Vision
  此多模态模型旨在处理文本以及图片和视频，以提供文本或代码回答。无法用于聊天。

• Gemini 1.0 Pro
  该模型旨在处理自然语言任务、多轮文本和代码聊天以及代码生成。

跳转到要添加到代码中的模型名称

每种模型的使用场景和功能

每种 Gemini 模型都有不同的功能，可支持不同的用例。如需详细了解每个 Gemini 模型，请参阅 Google Cloud 文档。

每个模型支持的输入和输出

	Gemini 1.5 Flash	Gemini 1.5 Pro	Gemini 1.0 Pro Vision	Gemini 1.0 Pro
输入类型
文字
代码
Image
PDF
视频（仅限帧）
视频（帧和音频）
音频
输出类型
文字
使用响应架构的结构化输出（如 JSON）
代码

如需了解支持的文件类型，请参阅 Vertex AI Gemini API 支持的输入文件和要求。

每种型号支持的功能和常规功能

		Gemini 1.5 Flash	Gemini 1.5 Pro	Gemini 1.0 Pro Vision	Gemini 1.0 Pro
根据纯文本输入生成文本
根据多模态输入生成文本
使用响应架构的结构化输出（例如 JSON）
多轮聊天
函数调用
	基本函数调用
	并行函数调用
	函数调用模式
计算词元数和计费字符数
系统指令

注意：各种模型或 Vertex AI Gemini API 支持上下文缓存、微调模型、嵌入和语义检索，但 Vertex AI in Firebase SDK 不支持。

有关每种型号的详细信息

注意 ：对于 Vertex AI in Firebase SDK，请求大小上限为 20 MB。如果请求过大，您会收到 HTTP 413 错误。

如果文件大小会导致请求总大小超过 20 MB，请使用 Cloud Storage for Firebase 网址将文件添加到多模式请求中。不过，如果文件较小，您通常可以直接将其作为内嵌数据传递（不过请注意，以内嵌数据形式提供的文件会在传输过程中编码为 base64，这会增加请求的大小）。

属性	Gemini 1.5 Flash	Gemini 1.5 Pro	Gemini 1.0 Pro Vision	Gemini 1.0 Pro
令牌总数限制（输入和输出总和）*	1,048,576 个令牌	2097152 个词元	16,384 个令牌	32,760 个词元
输出令牌限制 *	8,192 个令牌	8192 个词元	2048 个词元	8,192 个令牌
每个请求的图片数量上限	3,000 张图片	3,000 张图片	16 张图片	不适用
Base64 编码的图片大小上限	7 MB	7 MB	7 MB	不适用
PDF 文件大小上限	30 MB	30 MB	30 MB	不适用
每个请求的视频文件数量上限	10 个视频文件	10 个视频文件	1 个视频文件	不适用
视频时长上限（仅限帧数）	视频时长约为 60 分钟	约 60 分钟的视频	2 分钟	不适用
视频时长上限（帧和音频）	约 45 分钟的视频	视频时长约 45 分钟	不适用	不适用
每个请求的音频文件数量上限	1 个音频文件	1 个音频文件	不适用	不适用
音频时长上限	大约 8.4 小时的音频	约 8.4 小时的音频	不适用	不适用

^{* 对于所有 Gemini 模型，一个令牌大约相当于 4 个字符，因此 100 个令牌大约相当于 60-80 个英语单词。您可以使用 countTokens 确定请求中的令牌总数。}

重要提示： 配额和价格因模型而异。价格还取决于输入和输出。

如需了解支持的文件类型、如何指定 MIME 类型，以及如何确保您的文件和多模式请求符合要求并遵循最佳实践，请参阅 Vertex AI Gemini API 支持的输入文件和要求。

模型的版本控制

Gemini 模型提供稳定版、自动更新版和预览版。

• 稳定版本被视为正式版。

  • 稳定版本的模型名称会附加特定的三位数版本号，例如 gemini-1.5-pro-002。

• 自动更新版本始终指向该模型的最新稳定版本；如果有新的稳定版本发布，自动更新版本会自动开始指向该新的稳定版本。

  • 自动更新版本的模型名称不含附加项，例如 gemini-1.5-pro。

• 预览版版本具有新功能，但被视为不稳定。请注意，预览版始终指向该模型的最新预览版；如果发布了新的预览版，则所有现有预览版都会自动开始指向该新预览版。

  • 预览版的模型名称会附加 -preview 以及模型的初始发布日期 (-MMDD)，例如 gemini-1.5-pro-preview-0409（发布时间为 2024 年 4 月 9 日）。

如需详细了解可用的 Gemini 模型版本及其生命周期，请参阅 Google Cloud 文档。

重要提示：对于生产用例，我们建议使用最新的稳定版本。即使自动更新版本指向稳定版，但每当有新的稳定版发布时，它指向的实际模型版本都会自动更改，这可能会导致意外行为或响应。此外，仅建议在原型设计阶段使用预览版。

可用的型号名称

模型名称是您在生成式模型初始化期间在代码中添加的显式值（这是调用 Gemini API 的必需步骤）。如需查看适用于您所用语言的初始化示例，请参阅入门指南。

注意 ：没有用于程序化列出可用模型名称的 API。

Gemini 1.5 Flash 型号名称

模型名称	说明	发布阶段	首发日期	终止日期
稳定版本
gemini-1.5-flash-002	Gemini 1.5 Flash 的最新稳定版	正式版	2024-09-24	不早于 2025-09-24
gemini-1.5-flash-001	Gemini 1.5 Flash 的初始稳定版	正式版	2024-05-24	不早于 2025 年 5 月 24 日
自动更新的版本
gemini-1.5-flash	指向 gemini-1.5-flash-001 如需访问 gemini-1.5-flash-002，请使用显式稳定版模型名称，而不是自动更新版本。	正式版	2024-05-24	---

Gemini 1.5 Pro 型号名称

模型名称	说明	发布阶段	首发日期	终止日期
稳定版本
gemini-1.5-pro-002	Gemini 1.5 Pro 的最新稳定版	正式版	2024-09-24	不早于 2025-09-24
gemini-1.5-pro-001	Gemini 1.5 Pro 的初始稳定版	正式版	2024-05-24	不早于 2025 年 5 月 24 日
自动更新的版本
gemini-1.5-pro	指向 gemini-1.5-pro-001 如需访问 gemini-1.5-pro-002，请使用明确的稳定模型名称，而不是自动更新的版本。	正式版	2024-05-24	---

Gemini 1.0 Pro Vision 模型名称

模型名称	说明	发布阶段	首发日期	终止日期
稳定版
gemini-1.0-pro-vision-001	Gemini 1.0 Pro Vision 的最新稳定版	正式版	2024-02-15	不早于 2025-02-15
自动更新的版本
gemini-1.0-pro-vision	指向 1.5 Pro Vision 的最新稳定版（目前为 gemini-1.5-pro-vision-001）	正式版	2024-01-04	---

Gemini 1.0 Pro 型号名称

模型名称	说明	发布阶段	首发日期	终止日期
稳定版
gemini-1.0-pro-002	Gemini 1.0 Pro 的最新稳定版	正式版	2024-04-09	不早于 2025 年 4 月 9 日
gemini-1.0-pro-001	Gemini 1.0 Pro 稳定版	正式版	2024-02-15	不早于 2025 年 2 月 15 日
自动更新的版本
gemini-1.0-pro	指向最新稳定版本的 1.0 Pro （当前为 gemini-1.0-pro-002）	正式版	2024-02-15	---

支持的语言

• 所有 Gemini 模型都可以理解以下语言并以这些语言进行回答：

  阿拉伯语 (ar)、孟加拉语 (bn)、保加利亚语 (bg)、简体中文和繁体中文 (zh)、克罗地亚语 (hr)、捷克语 (cs)、丹麦语 (da)、荷兰语 (nl)、英语 (en)、爱沙尼亚语 (et)、芬兰语 (fi)、法语 (fr)、德语 (de)、希腊语 (el)、希伯来语 (iw)、印地语 (hi)、匈牙利语 (hu)、印度尼西亚语 (id)、意大利语 (it)、日语 (ja)、韩语 (ko)、拉脱维亚语 (lv)、立陶宛语 (lt)、挪威语 (no)、波兰语 (pl)、葡萄牙语 (pt)、罗马尼亚语 (ro)、俄语 (ru)、塞尔维亚语 (sr)、斯洛伐克语 (sk)、斯洛文尼亚语 (sl)、西班牙语 (es)、斯瓦希里语 (sw)、瑞典语 (sv)、泰语 (th)、土耳其语 (tr)、乌克兰语 (uk)、越南语 (vi)

• Gemini 1.5 Pro 和 Gemini 1.5 Flash 模型可以理解并以以下其他语言做出回答：

  在南非

注意：这些语言不是 Vertex AI 服务和 Gemini 模型支持的地理位置；而是模型可以理解和以此语言做出回答的语言（例如文本输入和输出）。 如有需要，请详细了解受支持的国家/地区。

后续步骤

试用 Gemini API 的功能

• 构建多轮对话（聊天）。
• 根据纯文本提示生成文本。
• 从多模态提示（包括文本、图片、PDF、视频和音频）生成文本。
• 根据文本和多模态提示生成结构化输出（例如 JSON）。
• 使用函数调用将生成模型连接到外部系统和信息。