Google 模型

面向任意輸入到視訊的多模態創作，相較於 Gemini 早期視訊能力更強調文字、影像、音訊和視訊資料的統一編排；對比 Veo、Kling、Runway，它更適合將複雜多模態素材整合進同一創意工作流程。

面向多模態理解、程式碼和長上下文任務，相較於 Gemini 3.1 在吞吐、上下文和工具能力上更進一步；對比 GPT、Claude、Qwen 等模型，它更適合把文字、圖像、音訊、視訊和文件放進統一分析工作流程。

以影像產生與編輯，相較於 Gemini 早期影像能力更強調多模態理解、對話式修改和快速視覺原型；對比 GPT Image、Qwen Image 和 Seedream，它更適合把文件、圖片和提示詞合併到同一視覺工作流程中。

面向多模態理解、程式碼和長上下文任務，相較於 Gemini 3.0 / 2.5 在吞吐、上下文和工具能力上更進一步；對比 GPT、Claude、Qwen 等模型，它更適合把文字、圖像、音訊、視訊和文件放進統一分析工作流程。

Google 高速推理模型，專為 Agent 工作流程、多輪對話和程式碼輔助而設計。支援文字、圖像、音訊、視訊和 PDF 輸入，100 萬 token 上下文視窗。支援可配置推理等級、工具呼叫和結構化輸出。比前代 Gemini 2.5 Flash 在推理、多模態理解和可靠性方面全面提升。

以影像產生與編輯，相較於 Gemini 早期影像能力更強調多模態理解、對話式修改和快速視覺原型；對比 GPT Image、Qwen Image 和 Seedream，它更適合把文件、圖片和提示詞合併到同一視覺工作流程中。

面向高保真視訊生成，相比 Veo 2/3 在原生音訊、鏡頭控制和參考輸入工作流程上更成熟；對比 Kling、Runway、Seedance，它更適合電影感短片、廣告分鏡和需要穩定物理運動的視訊創作。 Lite 檔相較標準檔更偏向高吞吐和低成本草稿。

面向高保真視訊生成，相比 Veo 2/3 在原生音訊、鏡頭控制和參考輸入工作流程上更成熟；對比 Kling、Runway、Seedance，它更適合電影感短片、廣告分鏡和需要穩定物理運動的視訊創作。 Fast 檔相較標準檔較適合快速概念驗證。

面向高保真視訊生成，相比 Veo 2/3 在原生音訊、鏡頭控制和參考輸入工作流程上更成熟；對比 Kling、Runway、Seedance，它更適合電影感短片、廣告分鏡和需要穩定物理運動的視訊創作。

以影像產生與編輯，相較於 Gemini 早期影像能力更強調多模態理解、對話式修改和快速視覺原型；對比 GPT Image、Qwen Image 和 Seedream，它更適合把文件、圖片和提示詞合併到同一視覺工作流程中。