Gemini 3 PRO Image API

Google 高速推理模型，专为 Agent 工作流、多轮对话和代码辅助而设计。支持文本、图像、音频、视频和 PDF 输入，100 万 token 上下文窗口。支持可配置推理级别、工具调用和结构化输出。比前代 Gemini 2.5 Flash 在推理、多模态理解和可靠性方面全面提升。

面向任意输入到视频的多模态创作，相比 Gemini 早期视频能力更强调文本、图像、音频和视频资料的统一编排；对比 Veo、Kling、Runway，它更适合把复杂多模态素材整合进同一创意工作流。