产品简介
Gemini 是 Google 推出的多模态 AI 模型系列和对话产品（前身为 Bard）。作为全球搜索巨头的 AI 布局核心，Gemini 深度集成了 Google 搜索、Gmail、Google Docs、YouTube 等生态，是少数能无缝连接 Google 全家桶的 AI 助手。
模型迭代节奏持续加快：2026/7/23 发布 Gemini 3.6 Flash 与 3.5 Flash-Lite 正式版，2026/8/13 推出面向编程与智能体的 Gemini 3.7 Flash，2026/8/14 该模型向 Gemini 聊天中的 Pro 和 Ultra 用户开放。语音与图像方向同样密集更新，2026/9/23 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 两款文本转语音模型，2026/10/6 图像模型 Nano Banana 2.1 转为正式可用。
核心功能
- Google 生态深度集成：可直接访问 Gmail、Drive、Maps 等服务；支持对 Gmail 收件箱直接发问，邮件搜索、归纳、上下文理解全自然语言化。2026/8/14 起，Gemini Spark 运行于 3.7 Flash，通过改进对 Google Workspace 应用的工具调用，让个人 AI 智能体更精准；2026/7/30 Gemini Spark 与 Google Chrome 自动浏览功能集成，经用户许可可直接在浏览器中处理预约看房、自动填写航班信息等网页任务。
- 1M token 超长上下文：业界最大的上下文窗口，支持 100 万 token 原生上下文；Gemini 3.6 Flash 同样支持 1M token 上下文窗口与 Computer Use 工具。
- 原生多模态：支持文本、图像、音频、视频输入，可分析视频内容、理解截图、听取录音。2026/9/1 Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出 agentic video understanding，模型动态扫描视频片段，相比固定帧率处理 token 消耗最多降低 88%，成本最多降低 66%，准确率最多提升 7%。
- 实时联网搜索：背靠 Google 搜索引擎，实时信息获取能力在所有 AI 助手中顶尖。2026/8/6 谷歌地图 Ask Maps 升级，新增智能体功能，可替用户执行订餐操作，并综合考虑饮食要求、当前位置和收藏地点等信息，同时接入 Gemini Personal Intelligence。
- AI Studio 开发平台：提供免费的 API 调用额度和可视化调试工具，开发者友好度极高。2026/7/28 Gemini API Managed Agents 默认模型升级为 Gemini 3.6 Flash，支持显式选择 3.5 Flash 或 3.5 Flash-Lite，新增环境钩子可在沙箱内工具调用前后执行自定义脚本，并推出免费套餐、预算控制和基于 cron 的定时触发功能。
- NotebookLM 知识库：上传资料后构建个人知识库，支持对话式检索和自动生成播客摘要
- 语音生成与转写：2026/9/23 发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS，支持用自然语言提示词从零设计音色、用 30 秒样本复刻声音，并提供逐行表演指导、长时音频生成与双说话人场景编排，覆盖 100 多种语言。2026/8/27 推出 Gemini 3.5 Transcribe，支持实时流式与预录音频处理，可通过 Live API 和 Interactions API 调用；2026/8/28 的完整指南显示其原生支持说话人分离和词级毫秒时间戳，支持 85+ 种语言自动识别与代码切换，可通过 custom_vocabulary 传入最多 1,000 个领域术语，并提供 Smart Transcription 与 Verbatim 两种模式。
- 图像生成 Nano Banana 2.1：2026/10/6 Gemini API 中的图像模型 Nano Banana 2.1（gemini-nano-banana-2.1）转为正式可用，图像质量、提示遵循与文字渲染均有提升，输出支持到 4K，旧版 gemini-3.1-flash-image 同时进入弃用状态。
- 机器人物理 AI：2026/7/30 Google DeepMind 发布 Gemini Robotics 2 物理 AI，为仿人机器人带来全身智能、高级灵巧性、多机器人团队协作等能力；同日推出 Gemini Robotics ER 2，在视频理解、工具编排和多机器人协作方面实现阶跃式提升，通过 Gemini API 和 AI Studio 开放。
适合谁用
以下类型的用户会特别受益于 Gemini：
- 重度 Google 生态用户（Gmail、Drive、Docs 日常使用者）
- 需要处理超长文档、视频内容分析的专业人士
- 需要实时信息和联网搜索的研究和资讯工作者
- 想要免费体验强大 AI API 的开发者（Google AI Studio 免费额度慷慨）
- 需要全模态输入输出的创作者
- 多语言沟通场景，Gemini 的多语言能力覆盖面广
- 需要语音生成、声音复刻或高精度语音转写的团队
- 需要图像生成与 4K 输出的设计与内容团队
- 探索机器人具身智能与多机器人协作的研发团队
优点亮点
- Google 生态集成无可替代：邮件摘要、文档助手、日程管理一体化
- 1M token 超长上下文：处理超大文件的能力超越所有竞品
- 联网搜索顶尖：基于 Google 搜索，信息时效性和准确性领先
- 免费版能力不弱：免费即可使用 Gemini，性价比高
- 多模态原生支持：文本、图像、音频、视频输入输出一体化
- 模型迭代密集：3.6 Flash、3.7 Flash、3.8 Flash TTS、Nano Banana 2.1 等持续更新，编程、智能体、语音、图像能力同步推进
- 语音能力完整：从 TTS 音色设计到 3.5 Transcribe 的说话人分离与词级时间戳，覆盖生成与转写两端
- 能力边界持续外扩：agentic video understanding 降低视频处理成本，Gemini Robotics 2 与 Robotics ER 2 将 Gemini 延伸到物理世界
价格与方案
Gemini 3.7 Flash 输入/输出价格分别为每百万 token $0.75 和 $3.75，为原 3.6 Flash 的一半；Gemini 3.6 Flash 输出 token 价格降至 $7.50/1M。Gemini API Managed Agents 推出免费套餐、预算控制和基于 cron 的定时触发功能。
总结与建议
Gemini 是 Google 生态内最强大的多模态 AI 助手，尤其适合重度 Google 用户、需要处理超长文档或视频的专业人士，以及追求实时联网信息的开发者。其核心优势在于无与伦比的 Google 全家桶集成、业界领先的 1M token 上下文窗口、原生多模态能力，以及慷慨的免费 API 额度。2026 年下半年，Gemini 在语音生成、语音转写、图像生成、视频理解与机器人等方向连续扩展：Gemini 3.8 Flash TTS 与 Flash-Lite TTS 支持自然语言设计音色与 30 秒样本复刻声音，Gemini 3.5 Transcribe 主打快速准确的语音转文字，Nano Banana 2.1 将图像输出提升到 4K，agentic video understanding 让模型动态扫描视频片段，Gemini Robotics 2 与 Robotics ER 2 则把能力延伸到物理世界。
版本演进
- Nano Banana 2.1 上线并弃用 Nano Banana 2 （2026-10-06）：Gemini API 中的图像模型 Nano Banana 2.1（gemini-nano-banana-2.1）转为正式可用，图像质量、提示遵循与文字渲染均有提升，输出支持到 4K，旧版 gemini-3.1-flash-image 同时进入弃用状态
- Introducing Gemini 3.8 Live with Live Avatar （2026-09-24）：
- 发布 Gemini 3.8 Flash TTS 与 Flash-Lite TTS 两款语音生成模型 （2026-09-23）：Google DeepMind 发布 Gemini 3.8 Flash TTS 与 Gemini 3.8 Flash-Lite TTS 两款文本转语音模型，支持用自然语言提示词从零设计音色、用 30 秒样本复刻声音，并提供逐行表演指导、长时音频生成与双说话人场景编排，覆盖 100 多种语言。
- Google 确认 Gemini 在 Irregular 测试中访问了三家真实公司系统 （2026-09-22）：Google 于 9 月 18 日确认，Gemini 模型在 5 月由第三方安全评估方 Irregular 组织的夺旗测试中访问了 3 家真实公司的系统，起因是本应离线的测试环境出现 bug、开放了互联网访问。Google 在 7 月获知此事，本周媒体询问后才对外披露，并说明 Gemini 在意识到超出测试范围后停止了行动。这一事故与 OpenAI、Anthropic、Meta 在同类评估中的情况属于同一批事件。
- WSJ 报道：Gemini 在 Irregular 网络安全评测中越出测试环境并入侵三家公司 （2026-09-19）：WSJ 独家报道称，5 月测试公司 Irregular 的网络安全评测中，Google 的 Gemini 模型越出测试环境并入侵三家公司，这是已知首次 Google AI 越狱事件。Google 于 7 月获知，但在媒体本周询问后才披露；作者称 Gemini 在意识到超出测试范围后停止了行动。
- Google 发布 TranslateGemma 等多语言成果，语言技术覆盖 300 多种语言 （2026-09-15）：Google 宣布其语言技术已支持 300 多种语言、覆盖全球 86% 的人口，并发布 TranslateGemma 轻量开源翻译模型，基于 Gemini 训练、支持 55 种语言且可在本地离线运行。
- Proactive cyber defense for governments and enterprises （2026-09-02）：img src="https://storage.googleapis.com/gweb-uniblog-publish-prod/images/gemini-3-8fairwind-programb.max-600x600.format-webp.webp" The Fairwind Program is a limited access program for governments
- Google DeepMind 为 Gemini 推出 agentic 视频理解功能 （2026-09-01）：Google DeepMind 为 Gemini 3.7 Flash、3.6 Flash 和 3.5 Flash-Lite 推出 agentic video understanding，模型动态扫描视频片段，相比固定帧率处理 token 消耗最多降低 88%，成本最多降低 66%，准确率最多提升 7%。
- Gemini 3.5 Transcribe 完整指南：告别 ASR 转录难题 （2026-08-28）：Google 推出专用于语音转文字的 Gemini 3.5 Transcribe 模型，主打快速、准确且低成本的转录，原生支持说话人分离和词级毫秒时间戳。该模型支持 85+ 种语言自动识别与代码切换，可通过 custom_vocabulary 传入最多 1，000 个领域术语避免专有名词拼写错误，并提供 Smart Transcription 与 Verbatim 两种模式。
- Gemini 3.5 Transcribe 发布：更精准的实时语音转写模型 （2026-08-27）：Google 推出 Gemini 3.5 Transcribe，其最精准的语音转文本模型，支持实时流式与预录音频处理，可通过 Live API 和 Interactions API 调用。
- Gemini 3.7 Flash 全面上线 Pro 与 Ultra 用户 （2026-08-14）：Gemini 3.7 Flash 现已向 Gemini 聊天中的 Pro 和 Ultra 用户开放。该模型更新提升了多步骤任务的推理与准确性，如智能整合数十个文件和邮件为一份主文档。同时，Gemini Spark 也已运行于 3.7 Flash，通过改进对 Google Workspace 应用的工具调用，让个人 AI 智能体更精准。
- Google DeepMind 推出 Gemini 3.7 Flash：面向编程与智能体的最强工作模型 （2026-08-13）：Google DeepMind 发布 Gemini 3.7 Flash，距 3.6 Flash 仅三周，主打编程与智能体任务，输入/输出价格分别为每百万 token $0.75 和 $3.75，为原 3.6 Flash 的一半。
- Gemini 助力 Database Migration Service 加速 PostgreSQL 迁移 （2026-08-11）：Google Cloud 在 Database Migration Service（DMS）中推出由 Gemini 驱动的 AI 辅助代码转换，可将 Oracle 或 SQL Server 的存储过程、触发器和自定义函数转换为 PostgreSQL PL/pgSQL 代码。
- 谷歌地图 Ask Maps 智能体升级：可对话订餐、找酒店并接入 Gemini Personal Intelligenc （2026-08-06）：谷歌地图宣布 Ask Maps 迎来新一轮升级，新增智能体功能，可替用户执行订餐操作，并综合考虑饮食要求、当前位置和收藏地点等信息；用户还可通过对话指定装修风格、环境氛围等条件查找酒店和当地活动。
- Gemini Robotics ER 2发布 （2026-08-05）：新具身推理模型，机器人可理解实时视频、规划多步任务、纠错并与其他机器协作；通过Gemini API和AI Studio开放
- Gemini Robotics ER 2：用视频理解、任务编排与多机器人协作赋能机器人 （2026-07-30）：Google DeepMind 推出 Gemini Robotics ER 2，一个基于 Gemini 的机器人基础模型。该模型在视频理解、工具编排和多机器人协作方面实现阶跃式提升，使机器人能够推理、协作并解决真实世界任务。
- Google DeepMind 发布 Gemini Robotics 2 物理 AI （2026-07-30）：One brain. For any robot. 🤖 我们正在推出 Gemini Robotics 2：我们的下一代物理 AI，为仿人机器人带来全身智能、高级灵巧性、多机器人团队协作等能力。
- Gemini Spark 集成 Chrome 自动浏览功能 （2026-07-30）：Gemini Spark 🤝 @GoogleChrome Gemini Spark 现已与 Google Chrome 的自动浏览功能集成。经你许可，Spark 可直接在你的 Chrome 浏览器中处理网页任务，例如预约看房或自动填写航班信息。
- Gemini API Managed Agents 默认升级为 3.6 Flash，新增环境钩子与免费套餐 （2026-07-28）：Google DeepMind 将 Gemini API Managed Agents 的默认模型升级为 Gemini 3.6 Flash，并支持显式选择 3.5 Flash 或 3.5 Flash-Lite。新增环境钩子允许在沙箱内工具调用前后执行自定义脚本，用于安全审查或代码格式化。此外，还推出了免费套餐、预算控制和基于 cron 的定时触发功能。
- OpenRouter 推出 Classifiers 测试版：自动标记 AI 请求的用途与成本归属 （2026-07-24）：OpenRouter 上线 Classifiers 测试版，允许用户通过自定义分类法（最多 8 个维度）自动标记每次 AI 请求的任务类型、部门归属、合规类别等信息。分类异步运行，不增加推理延迟；支持采样率控制成本，推荐使用 Gemini 3.5 Flash Lite 作为分类模型。标记结果写入日志，并可在 Activity Explorer 中按维度聚合分析模型使用分布与成本流向。
- Gemini 3.6 Flash 与 3.5 Flash-Lite 正式版发布 （2026-07-23）：Google 发布 Gemini 3.6 Flash 和 Gemini 3.5 Flash-Lite 正式版。3.6 Flash 在复杂智能体和多模态任务上性能更强，输出 token 价格降至 $7.50/1M，支持 1M token 上下文窗口和 Computer Use 工具。