Google 模型

Flash 档旗舰，面向长链路软件工程、自治智能体和复杂企业工作流，在保持 Flash 速度与成本取向的同时提供更强推理和工具编排。支持文本、图像、视频、音频与 PDF 输入、约 105 万 token 上下文、搜索 grounding、函数调用、代码执行、结构化输出和可调思考；相比 Flash-Lite，更适合复杂任务，但调用成本更高。

Gemini 3 系列的新一代快速多模态模型，2026 年 8 月发布，主打低成本、高吞吐与多模态理解；支持文本、图像、视频、音频和文档输入，百万级上下文，适合大规模信息处理、批量任务和实时交互场景。

Gemini 3.5 系列中速度最快、成本最低的模型，适合高并发、低延迟任务，以及翻译、分类、文档处理和轻量智能体工作流；支持多模态输入和最高 1M 上下文，但复杂推理、长链路规划或高质量代码修改应优先选择更高档 Flash 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。

这是特价体验线路，生成等待时间较长，大概有 10% 的机率生成失败。适合对成本敏感、可以接受排队和偶发失败的图片生成体验；如需更稳定的生产使用，建议选择常规线路。

这是特价体验线路，生成等待时间较长，大概有 10% 的机率生成失败。适合对成本敏感、可以接受排队和偶发失败的图片生成体验；如需更稳定的生产使用，建议选择常规线路。

这是特价体验线路，生成等待时间较长，大概有 10% 的机率生成失败。适合对成本敏感、可以接受排队和偶发失败的图片生成体验；如需更稳定的生产使用，建议选择常规线路。