Google 模型

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。

面向多模态理解、代码和长上下文任务，相比 Gemini 3.1 在吞吐、上下文和工具能力上更进一步；对比 GPT、Claude、Qwen 等模型，它更适合把文本、图像、音频、视频和文档放进统一分析工作流。

面向图像生成与编辑，相比 Gemini 早期图像能力更强调多模态理解、对话式修改和快速视觉原型；对比 GPT Image、Qwen Image 和 Seedream，它更适合把文档、图片和提示词合并到同一视觉工作流。

面向多模态理解、代码和长上下文任务，相比 Gemini 3.0 / 2.5 在吞吐、上下文和工具能力上更进一步；对比 GPT、Claude、Qwen 等模型，它更适合把文本、图像、音频、视频和文档放进统一分析工作流。

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。

面向图像生成与编辑，相比 Gemini 早期图像能力更强调多模态理解、对话式修改和快速视觉原型；对比 GPT Image、Qwen Image 和 Seedream，它更适合把文档、图片和提示词合并到同一视觉工作流。

面向高保真视频生成，相比 Veo 2/3 在原生音频、镜头控制和参考输入工作流上更成熟；对比 Kling、Runway、Seedance，它更适合电影感短片、广告分镜和需要稳定物理运动的视频创作。Lite 档相较标准档更偏向高吞吐和低成本草稿。

面向高保真视频生成，相比 Veo 2/3 在原生音频、镜头控制和参考输入工作流上更成熟；对比 Kling、Runway、Seedance，它更适合电影感短片、广告分镜和需要稳定物理运动的视频创作。Fast 档相较标准档更适合快速概念验证。

面向高保真视频生成，相比 Veo 2/3 在原生音频、镜头控制和参考输入工作流上更成熟；对比 Kling、Runway、Seedance，它更适合电影感短片、广告分镜和需要稳定物理运动的视频创作。

面向图像生成与编辑，相比 Gemini 早期图像能力更强调多模态理解、对话式修改和快速视觉原型；对比 GPT Image、Qwen Image 和 Seedream，它更适合把文档、图片和提示词合并到同一视觉工作流。