3分钟搞懂Gemini

一句话定义

Gemini = Google DeepMind 开发的一系列大模型，从训练一开始就同时学习文字、图片、音频和视频，可以直接读懂一段视频、一份几百页的 PDF 或一整个代码仓库，再给出回答、总结或代码。

截止 2026 年 11 月，Gemini 已经发展到第四代。10 月 13 日全面开放的 Gemini 4 Argon 是目前普通用户和开发者能用到的最强模型；更强的 Gemini 4 Carbon 在 10 月 28 日发布，但现在只开放给少数网络安全机构测试。

Gemini 是模型、App 还是品牌？

很多人搞不清楚 Gemini 到底是什么，是因为 Google 把同一个名字用在了三个地方：

• 模型：Gemini 4 Argon、Gemini 3.8 Flash 这些，是真正负责「思考」的大模型本身。
• App：Gemini App（网页、手机、Windows 和 macOS 桌面端），也就是以前的 Bard，2024 年 2 月改名为 Gemini。这是普通用户直接聊天的地方。
• Google 的 AI 品牌：搜索里的 AI 模式、Gmail 和 Docs 里的 AI 助手、安卓手机上的语音助手，背后都是 Gemini 模型，很多时候也直接挂着 Gemini 的名字。

和 ChatGPT 一样，App 订阅和 API 是分开收费的：你开了 Google AI Pro 会员，并不能拿它去调用 API；开发者调用 API 是按 token 用量单独付费。

原生多模态：直接「看」视频，而不是先转成文字

Gemini 最大的技术特点是原生多模态。很多早期的模型是先训练好一个文字模型，再额外接上一个「看图」的模块，图片要先被翻译成模型能理解的形式才能处理。Gemini 从第一代开始，就是把文字、图片、音频、视频放在一起训练的，对它来说，这些都是同一种输入。

这带来的实际好处是，你可以直接把一段视频丢给它，问「第 12 分钟那个人在白板上写的公式是什么」，它会同时结合画面和声音来回答，而不是只看字幕。

配合这个能力的，是 Gemini 一直领先的长上下文。从 2024 年的 Gemini 1.5 开始，Gemini 的上下文窗口就做到了 100 万 token，现在的 Gemini 4 Argon 也是 100 万 token。按 Google 官方文档的换算，100 万 token 大概能装下：

• 5 万行代码
• 8 本普通长度的英文小说
• 200 多期播客节目的文字稿
• 默认清晰度下 3 小时左右的视频，高清晰度下大约 1 小时
• 8 个多小时的音频（音频每秒大约 32 个 token）

所以像「把这个两小时的会议录像总结成纪要」「读完整个仓库再告诉我这个 bug 出在哪」这类任务，一直是 Gemini 的强项。

从 Bard 到 Gemini 4：先落后，再追上

Transformer 架构是 Google 的研究员在 2017 年提出的，但 ChatGPT 在 2022 年底爆火时，Google 并没有拿得出手的对话产品。之后它才开始全力追赶：

这里有一个值得注意的地方：2026 年 5 月 Google I/O 上宣布的 Gemini 3.5 Pro 一直没有正式发布，只有 3.5 Flash 按时上线了。Google 在 7 月的说法是 3.5 Pro 还在和合作伙伴测试，之后就直接推出了 Gemini 4。所以 Pro 这条线目前停在了 2 月的 3.1 Pro，而它的位置已经基本被 Gemini 4 Argon 取代了。

目前主要有哪些 Gemini 模型？

Gemini 的版本号很多，但现在主要记住下面几个就够了。价格是 Gemini API 标准付费档，每百万 token，输入 / 输出：

有三个细节需要注意：

• 版本号不能直接比大小。3.8 Flash 的版本号比 3.1 Pro 大，但两者是不同的档位：Flash 主打速度和价格，Pro 和 Argon 主打能力上限。比较模型时，先看档位，再看版本号。

• 第四代换了命名方式。Gemini 4 不再叫 Pro 和 Flash，而是用 Argon（氩）、Carbon（碳）这样的元素名来区分。Google 没有解释命名规则，Argon 和 Carbon 之间具体怎么分档，目前也还看不出来。
• 现在的价格有不少是首发优惠价。Argon 的优惠价到 11 月 30 日结束，3.8 Flash 到 12 月 31 日结束，之后都会翻倍。如果你现在用这个价格来估算项目成本，一定要按翻倍后的价格再算一遍。

除了这些文字模型，Gemini 家族还有几个常听到的名字：

• Nano Banana：图片生成和修图模型，2025 年在社交媒体上火过一轮，最新的是 10 月 6 日发布的 Nano Banana 2.1。
• Veo 和 Gemini Omni：视频生成。Omni 在 2026 年 I/O 上发布，既能理解视频，也能直接生成和编辑视频。
• Gemma：Google 开源的小模型，最新的是 2026 年 4 月发布的 Gemma 4，可以下载到自己的电脑或服务器上运行。它和 Gemini 用的是同一套技术，但不是 Gemini 本身。

普通用户：很多人其实已经在用它了

Gemini 和 ChatGPT 最大的区别，不在模型本身，而在入口。Google 不需要说服你去下载一个新 App，而是把 Gemini 放进了你每天本来就在用的产品里：

• 搜索：搜索结果顶部的 AI 概览和 AI 模式，背后都是 Gemini，Argon 也已经接入了 AI 模式。
• 安卓手机：从 2026 年 9 月起，安卓手机上的 Google Assistant 正在逐步被 Gemini 替换。
• iPhone：2026 年 9 月上线的 iOS 27，新版 Siri 背后用的也是 Gemini 模型。
• 办公：Gmail、Docs、Sheets 这些 Workspace 产品里都已经内置了 Gemini。

Gemini App 本身也增长得很快。2026 年 2 月它的月活是 7.5 亿，到 8 月 11 日，Google 宣布月活已经超过 10 亿。不过 Google 没有公布月活的统计口径，其中有一部分用户是通过安卓默认入口进来的，和 ChatGPT 的数字不能直接对比。

如果你想用更强的模型，就需要开通 Google AI 会员。2026 年 5 月 I/O 之后，套餐调整成了这样（美国定价）：

需要说明的是，Google 现在的用量限制不再按「每天能问多少次」算，而是按消耗的算力算：简单的文字问答消耗少，生成视频、写代码消耗多。额度每 5 小时恢复一次，另外还有每周的总上限，用完之后会自动切换到更小的模型。

另外，Gemini App 最近还有几个变化：

• Windows 版 Gemini App：9 月 10 日，Google 推出了 Gemini 的 Windows 桌面客户端，支持 Windows 10 及以上版本，可以在 gemini.google/desktop 下载。装好之后在电脑上任何地方按 Alt + 空格，就能直接唤起 Gemini 对话框。
• Skills 取代 Gems：Gems 是以前用来给 Gemini 预设固定指令的功能，比如专门做一个「帮我润色周报」的助手。9 月 30 日起，Google 开始推出功能类似的 Skills，之后会逐步替代 Gems，原来建好的 Gems 会自动迁移成 Skills，不需要重新设置。
• Mac 版 Gemini App 里可以直接写代码：10 月 13 日起，Mac 版 Gemini App 的顶部多了一个 Antigravity 入口（Antigravity 是 Google 的 AI 编程工具）。点进去之后，你可以让编程 Agent 帮你写代码，确认它的计划后就可以回到聊天界面，Agent 会在后台写代码、跑测试，完成后再通知你检查。这个功能目前只支持英文，需要年满 18 岁。

开发者：免费额度大方，但要盯紧涨价和下线

对开发者来说，Gemini 有一个很实用的优势：Google AI Studio 提供免费额度。Flash 和 Flash-Lite 系列都可以免费调用，适合个人项目和前期验证；Argon 和 3.1 Pro 不提供免费额度。

调用 Gemini 主要有三种方式：

• Google AI Studio 和 Gemini API：个人开发者和小团队用得最多，拿一个 API Key 就能开始调用。
• Google Cloud：企业级的调用方式，数据合规、权限管理更完善，适合已经在用 Google Cloud 的公司。
• 命令行和编程工具：开源的 Gemini CLI 可以在终端里直接让 Gemini 读代码、改代码；Antigravity 则是 Google 的 AI 编程工具。10 月 27 日，Google 还推出了 Gemini API 的官方命令行工具（测试版）。

省钱的办法和其他家基本一样：不着急要结果的任务用 Batch 接口，价格直接打五折；每次请求开头相同的部分如果命中缓存，Argon 的输入价格只要原价的二十分之一。

更需要留意的是模型下线。Gemini 的版本更新得很快，老模型下线也很快：

• Gemini 2.5 Pro 和 2.5 Flash 会在 2026 年 12 月 1 日停用，届时调用 2.5 Pro 会被自动转到 3.8 Flash，调用 2.5 Flash 会被自动转到 3.5 Flash-Lite，并且都会按新模型的价格计费。
• Gemini 3.5 Flash 和 3.7 Flash 已经在 10 月被标记为弃用，分别自动转到 3.6 Flash 和 3.8 Flash。
• Gemini 2.0 系列 已经在 2026 年 6 月 1 日下线。

「自动转到新模型」听起来很省事，但新模型的输出风格、价格都不一样。而且按官方公告，新模型的接口也有不兼容的改动，比如函数调用的校验变严格了，控制思考深度的参数从 thinking_budget 换成了 thinking_level，temperature 这类采样参数也被去掉了，旧代码直接转过去可能会报错。如果你的项目里还在用 2.5 系列，建议在 12 月 1 日之前主动迁移，并重新测试一遍效果，不要等到线上出问题了才发现。

Gemini 4 强在哪，弱在哪？

Gemini 4 Argon 发布后，不少评测给出了比较一致的结论：知识和写作最强，编程其次，终端操作相对弱一些。

强项主要有这几个：

• 长文档和长上下文：在长上下文测试 GraphWalks 上，Argon 得分 84.2%，领先 GPT-6 Astra 和 Claude 这些其他家的旗舰模型超过 10 个百分点，这也延续了 Gemini 一贯的强项。
• 写作和知识问答：Argon 在 Arena 的文字排行榜上排名第一。
• 幻觉率低：Artificial Analysis 测得 Argon 的幻觉率为 15%，在前沿模型中最低。
• 专业分析：在金融分析和法律工作这两类测试上，领先幅度比较大。
• 性价比：按优惠价算，Argon 的 API 价格大约是 GPT-6 Astra 的五分之一。

短板也比较明显：在代码类测试上表现不一，DeepSWE 得分 77.9%，比 GPT-6 Astra 和 Claude Opus 5.5 高出近 4 个百分点，但在 FrontierSWE 2 上，它在官方对比的五个模型里得分最低，Terminal-Bench 4.0 上也低于 GPT-6 Astra 和 Claude Opus 5.5；在 Arena 的网页开发和 Agent 排行榜上，也只排到第 8 名。

图注：Google DeepMind 官方 Gemini 页面上的跑分对比表。从左到右依次是 Gemini 4 Carbon、Gemini 4 Argon、GPT-6 Astra、Claude Opus 5.5、Claude Fable 5.1，每一行是一项测试，按类别分组：通用能力、Agent 编程（Agentic coding）、操作电脑（Computer use）、知识工作、多模态理解、长上下文（Long context）、科学和数学、网络安全。每行得分最高的格子有底色标出。可以看到 Argon 在长上下文 GraphWalks 上明显领先其他家，但在编程类的 FrontierSWE 2、Terminal-Bench 4.0 上落后；还没对外开放的 Carbon 则在大部分测试上都排第一。这些都是 Google 自己公布的成绩，截至写这篇时的数据。

所以选模型时，可以参考一个简单的思路：读长文档、看视频、写报告、做专业分析，Gemini 4 Argon 是很合适的选择；如果主要是让 AI 在终端里长时间写代码、跑命令，可以先拿自己的真实任务和 Claude、GPT 对比一下再决定。

用 Gemini 时要注意什么？

• 它还是会出错。幻觉率低不等于没有幻觉，尤其是涉及到数字、法律、医疗这类问题时，一定要自己再核对一遍。
• 跑分大多是 Google 自己公布的。不同测试的排名差别很大，同一个模型在写作测试里第一，在终端测试里可能就垫底了，最好的办法是拿你自己的任务去试。
• App 和 API 用的模型不一定一样。免费版 App 里用的是 Flash 系列，同样是「问 Gemini」，免费版和 Pro 会员得到的答案可能差别很大。
• 国内无法直接使用。Gemini App、Google AI Studio 和 Gemini API 目前都不对中国大陆用户提供服务。

国内能用的同类产品

如果你在国内，下面这些产品基本能覆盖 Gemini 的主要用法：

如果你想要的是 Gemini 的开源版本，可以看看 Gemma 4：它可以下载到本地运行，不依赖 Google 的在线服务。国内同类的开源模型还有千问（Qwen）、DeepSeek 等。

时效性提醒

Gemini 是更新最快的模型家族之一，下面这些内容最容易过时：

• 模型版本：Flash 系列基本每个月更新一次，Gemini 4 Carbon 什么时候全面开放、会不会有更多第四代模型，目前都还没有确定时间
• API 价格：Argon 的首发优惠价 11 月 30 日到期，3.8 Flash 的优惠价 12 月 31 日到期
• 下线时间：2.5 Pro 和 2.5 Flash 将在 12 月 1 日停用
• 套餐和用量：不同套餐能用的模型、用量上限经常调整，部分功能只在美国先上线

建议：使用前先去 Gemini API 的价格页和更新日志确认一下。

💬 互动话题：你有没有试过把一整段视频或者一份很长的 PDF 丢给 AI？效果怎么样？

📖 相关阅读：

• 3分钟搞懂Google AI - Gemini 背后的公司全貌
• 3分钟搞懂多模态AI - Gemini 最核心的能力
• 3分钟搞懂Token和上下文 - 100 万 token 是什么概念
• 3分钟搞懂GPT系列 - 最主要的竞争对手
• 3分钟搞懂Claude - 另一个主流模型
• 3分钟搞懂开源大模型 - Gemma 这类可以自己部署的模型

资料来源：

• Gemini API 更新日志：https://aistudio.google.com/docs/changelog
• Gemini API 价格页：https://aistudio.google.com/docs/pricing
• Google DeepMind，Gemini 模型页（文中跑分对比表截图出处）：https://deepmind.google/models/gemini/
• Gemini 4 Argon 模型文档：https://aistudio.google.com/docs/models/gemini-4-argon
• Gemini API 长上下文文档：https://aistudio.google.com/docs/long-context
• Gemini API 视频理解文档：https://aistudio.google.com/docs/video-understanding
• Gemini App 更新日志：https://gemini.google/release-notes/
• Google 官方博客，The latest AI news we announced in October 2026：https://blog.google/innovation-and-ai/technology/ai/google-ai-updates-october-2026/
• The Decoder，Google overhauls its AI subscriptions at I/O 2026：https://the-decoder.com/google-overhauls-its-ai-subscriptions-at-i-o-2026-with-three-tiers-starting-at-10-a-month/
• 凤凰网科技，Gemini 4 正式发布，我们终于有了一个写作强于代码的前沿模型：https://tech.ifeng.com/c/8wrT9WNEyX9
• Implicator，Google puts Gemini at 1 billion monthly users：https://www.implicator.ai/google-puts-gemini-at-1-billion-monthly-users-without-naming-paying-subscribers/
• Android Headlines，Google Gemini 750 million monthly active users（2026-02）：https://www.androidheadlines.com/2026/02/google-gemini-750-million-monthly-active-users.html
• TechCrunch，Gemini 3.6 Flash 发布及 3.5 Pro 延期（2026-07-21）：https://techcrunch.com/2026/07/21/google-releases-three-new-gemini-models-but-no-3-5-pro/
• Engadget，iOS 27 与 Gemini 版 Siri：https://engadget.com/2254005/ios-27-with-siri-ai-will-be-available-on-september-14
• Wikipedia，Gemini (language model)：https://en.wikipedia.org/wiki/Gemini_(language_model)