Google モデル

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.

あらゆる入力からビデオへのマルチモーダル作成用に構築されており、以前の Gemini ビデオ ワークフローよりもテキスト、画像、オーディオ、ビデオ素材の統合されたオーケストレーションに重点が置かれています。 Veo、Kling、Runway と比較して、複雑なマルチモーダル アセットを 1 つのクリエイティブ ワークフローに統合するのに適しています。

画像の生成と編集のために構築されており、以前の Gemini 画像機能よりも強力なマルチモーダルな理解、会話型編集、および迅速なビジュアル プロトタイピングが可能です。 GPT Image、Qwen Image、および Seedream と比較すると、ドキュメント、画像、およびプロンプトを 1 つの視覚的なワークフローに組み合わせるのに役立ちます。

マルチモーダルな理解、コーディング、および長いコンテキストのタスク向けに構築されており、スループット、コンテキスト、およびツールの機能が Gemini 3.0 / 2.5 よりも向上しています。 GPT、Claude、Qwen モデルと比較して、テキスト、画像、オーディオ、ビデオ、ドキュメントにわたる統合分析ワークフローに優れています。

エージェントのワークフロー、マルチターン チャット、コーディング支援向けに設計された Google の高速思考モデル。 1M トークンのコンテキスト ウィンドウでテキスト、画像、オーディオ、ビデオ、PDF 入力をサポートします。設定可能な思考レベル、ツールの使用、構造化された出力が特徴です。 Gemini 2.5 フラッシュと比較して、推論、マルチモーダルな理解、信頼性の幅広い品質が向上しています。

画像の生成と編集のために構築されており、以前の Gemini 画像機能よりも強力なマルチモーダルな理解、会話型編集、および迅速なビジュアル プロトタイピングが可能です。 GPT Image、Qwen Image、および Seedream と比較すると、ドキュメント、画像、およびプロンプトを 1 つの視覚的なワークフローに組み合わせるのに役立ちます。

Veo 2/3 よりも成熟したネイティブ オーディオ、カメラ制御、リファレンス入力ワークフローを備えた高忠実度ビデオ生成用に構築されています。 Kling、Runway、Seedance と比較して、映画の短編、広告ストーリーボード、安定した物理的な動きが必要なビデオに適しています。 Lite レベルでは、Standard レベルよりも高スループットで低コストのドラフトが優先されます。

Veo 2/3 よりも成熟したネイティブ オーディオ、カメラ制御、リファレンス入力ワークフローを備えた高忠実度ビデオ生成用に構築されています。 Kling、Runway、Seedance と比較して、映画の短編、広告ストーリーボード、安定した物理的な動きが必要なビデオに適しています。高速層は、標準層よりも迅速なコンセプトの検証に適しています。

Veo 2/3 よりも成熟したネイティブ オーディオ、カメラ制御、リファレンス入力ワークフローを備えた高忠実度ビデオ生成用に構築されています。 Kling、Runway、Seedance と比較して、映画の短編、広告ストーリーボード、安定した物理的な動きが必要なビデオに適しています。

割引価格のお試しルートです。生成にはさらに時間がかかる場合があり、失敗する可能性が約 10% あります。これは、キューイングや偶発的な失敗が許容される、コスト重視のイメージ生成トライアルに最適です。より安定して本番環境で使用するには、通常のルートを選択してください。

割引価格のお試しルートです。生成にはさらに時間がかかる場合があり、失敗する可能性が約 10% あります。これは、キューイングや偶発的な失敗が許容される、コスト重視のイメージ生成トライアルに最適です。より安定して本番環境で使用するには、通常のルートを選択してください。

割引価格のお試しルートです。生成にはさらに時間がかかる場合があり、失敗する可能性が約 10% あります。これは、キューイングや偶発的な失敗が許容される、コスト重視のイメージ生成トライアルに最適です。より安定して本番環境で使用するには、通常のルートを選択してください。