Modèles Google

The flagship Flash model for long-horizon software engineering, autonomous agents, and complex enterprise workflows. It keeps the speed and cost profile of Flash while adding stronger reasoning and tool orchestration. It accepts text, images, video, audio, and PDF input, with about a 1.05M-token context window, search grounding, function calling, code execution, structured outputs, and tunable thinking. Prefer it over Flash-Lite for harder tasks, at higher usage cost.

A new fast multimodal model in the Gemini 3 family, released in August 2026, built for low-cost, high-throughput multimodal understanding. It accepts text, image, video, audio and document inputs with a 1M-token context, suited to large-scale processing, batch workloads and real-time interactions.

The fastest and most cost-effective model in the Gemini 3.5 line, built for high-throughput, low-latency work such as translation, classification, document processing, and lightweight agentic workflows. It supports multimodal inputs and up to a 1M-token context, while demanding reasoning, long-horizon planning, or high-quality code changes are better handled by a higher-tier Flash model.

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 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.

Il s'agit d'un itinéraire d'essai à prix réduit. La génération peut prendre plus de temps et a environ 10 % de chances d’échouer. Il est préférable de réaliser des essais de génération d'images sensibles aux coûts, où les files d'attente et les échecs occasionnels sont acceptables ; pour une utilisation en production plus stable, choisissez un itinéraire régulier.

Il s'agit d'un itinéraire d'essai à prix réduit. La génération peut prendre plus de temps et a environ 10 % de chances d’échouer. Il est préférable de réaliser des essais de génération d'images sensibles aux coûts, où les files d'attente et les échecs occasionnels sont acceptables ; pour une utilisation en production plus stable, choisissez un itinéraire régulier.

Il s'agit d'un itinéraire d'essai à prix réduit. La génération peut prendre plus de temps et a environ 10 % de chances d’échouer. Il est préférable de réaliser des essais de génération d'images sensibles aux coûts, où les files d'attente et les échecs occasionnels sont acceptables ; pour une utilisation en production plus stable, choisissez un itinéraire régulier.