Modèles Google

Conçu pour la création multimodale de n'importe quelle entrée dans la vidéo, en mettant davantage l'accent que les flux de travail vidéo Gemini précédents sur l'orchestration unifiée du texte, de l'image, de l'audio et du matériel vidéo. Par rapport à Veo, Kling et Runway, il est préférable d'intégrer des actifs multimodaux complexes dans un seul flux de travail créatif.

Conçu pour la compréhension multimodale, le codage et les tâches à contexte long, améliorant par rapport à Gemini 3.1 en termes de débit, de contexte et de capacités d'outils. Comparé aux modèles GPT, Claude et Qwen, il est puissant pour les flux de travail d'analyse unifiés du texte, des images, de l'audio, de la vidéo et des documents.

Conçu pour la génération et l'édition d'images, avec une compréhension multimodale, des modifications conversationnelles et un prototypage visuel plus rapides que les fonctionnalités d'image Gemini antérieures. Comparé à GPT Image, Qwen Image et Seedream, il est utile pour combiner des documents, des images et des invites dans un seul flux de travail visuel.

Conçu pour la compréhension multimodale, le codage et les tâches à contexte long, améliorant par rapport à Gemini 3.0/2.5 en termes de débit, de contexte et de capacités d'outils. Comparé aux modèles GPT, Claude et Qwen, il est puissant pour les flux de travail d'analyse unifiés du texte, des images, de l'audio, de la vidéo et des documents.

Modèle de réflexion rapide de Google conçu pour les flux de travail agents, le chat multi-tours et l'assistance au codage. Prend en charge la saisie de texte, d'image, d'audio, de vidéo et de PDF avec une fenêtre contextuelle de jeton de 1 M. Comprend des niveaux de réflexion configurables, l’utilisation d’outils et une sortie structurée. Améliorations apportées à la qualité par rapport à Gemini 2.5 Flash en termes de raisonnement, de compréhension multimodale et de fiabilité.

Conçu pour la génération et l'édition d'images, avec une compréhension multimodale, des modifications conversationnelles et un prototypage visuel plus rapides que les fonctionnalités d'image Gemini antérieures. Comparé à GPT Image, Qwen Image et Seedream, il est utile pour combiner des documents, des images et des invites dans un seul flux de travail visuel.

Conçu pour la génération vidéo haute fidélité, avec un flux de travail d'audio natif, de contrôle de caméra et d'entrée de référence plus mature que celui du Veo 2/3. Comparé à Kling, Runway et Seedance, il est mieux adapté aux courts métrages cinématographiques, aux storyboards publicitaires et aux vidéos nécessitant un mouvement physique stable. Le niveau Lite privilégie les brouillons à haut débit et à moindre coût par rapport au niveau standard.

Conçu pour la génération vidéo haute fidélité, avec un flux de travail d'audio natif, de contrôle de caméra et d'entrée de référence plus mature que celui du Veo 2/3. Comparé à Kling, Runway et Seedance, il est mieux adapté aux courts métrages cinématographiques, aux storyboards publicitaires et aux vidéos nécessitant un mouvement physique stable. Le niveau Rapide est meilleur pour une validation rapide du concept que le niveau standard.

Conçu pour la génération vidéo haute fidélité, avec un flux de travail d'audio natif, de contrôle de caméra et d'entrée de référence plus mature que celui du Veo 2/3. Comparé à Kling, Runway et Seedance, il est mieux adapté aux courts métrages cinématographiques, aux storyboards publicitaires et aux vidéos nécessitant un mouvement physique stable.

Conçu pour la génération et l'édition d'images, avec une compréhension multimodale, des modifications conversationnelles et un prototypage visuel plus rapides que les fonctionnalités d'image Gemini antérieures. Comparé à GPT Image, Qwen Image et Seedream, il est utile pour combiner des documents, des images et des invites dans un seul flux de travail visuel.