Google モデル

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。

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 3.1 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。

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。

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。