Gemini 主要功能
使用 Gemini 模型构建内容：
Google AI Studio
进行实验、设计原型并部署。对于想要试用 Gemini 模型并开始使用 Gemini Developer API
构建应用的开发者、学生和研究人员而言，Google AI Studio 是快捷途径。
Vertex AI
构建 AI 智能体并将生成式 AI 集成到您的应用中。Google Cloud 提供 Vertex
AI，这是一个全托管式统一开发平台，可供大规模使用 Gemini 模型和其他第三方模型。
在业务中使用 Gemini：
为每位员工带来 Google AI 的最佳体验。Gemini Enterprise 使团队能够在一个安全平台上发现、创建、共享和运行 AI 智能体。
AI 赋能的助理直接内置于 Gmail 以及 Google 文档、幻灯片、表格等产品中，可助您提高工作效率和创造力。
Gemini 模型系列
我们的多功能模型高效运行于各种环境，从数据中心到端侧设备。
3 Pro
最适合处理复杂任务和帮助用户实现任何创意
3 Flash
最适合用于快速获取前沿情报
2.5 Flash-Lite
高容量、高性价比任务的最佳选择
Gemini 视频
性能表现
Gemini 3 在广泛的基准测试中处于业界领先地位
我们迄今为止最智能的模型，为 AI 模型性能树立了新的标杆
| 基准测试 | Gemini 3 Flash Thinking |
Gemini 3 Pro Thinking
|
Gemini 2.5 Flash Thinking
|
Gemini 2.5 Pro Thinking
|
Claude Sonnet 4.5Thinking
|
GPT-5.2Extra
high
|
Grok 4.1 FastReasoning
|
|
|---|---|---|---|---|---|---|---|---|
| 输入价格 | $/1M tokens | $0.50 | $2.00 $4.00 > 200k tokens |
$0.30 | $1.25 $2.50 > 200k tokens |
$3.00 $6.00 / MTok > 200k tokens |
$1.75 | $0.20 |
| 输出价格 | $/1M tokens | $3.00 | $12.00 $18.00 > 200k tokens |
$2.50 | $10.00 $15.00 > 200k tokens |
$15.00 $22.50 > 200k tokens |
$14.00 | $0.50 |
|
学术推理 Humanity's Last Exam |
No tools | 33.7% | 37.5% | 11.0% | 21.6% | 13.7% | 34.5% | 17.6% |
| 支持联网搜索和代码运行 | 43.5% | 45.8% | — | — | — | 45.5% | — | |
|
视觉推理谜题 ARC-AGI-2 |
ARC Prize 认证 | 33.6% | 31.1% | 2.5% | 4.9% | 13.6% | 52.9% | — |
|
科学认知 GPQA Diamond |
No tools | 90.4% | 91.9% | 82.8% | 86.4% | 83.4% | 92.4% | 84.3% |
|
数学 AIME 2025 |
No tools | 95.2% | 95.0% | 72.0% | 88.0% | 87.0% | 100% | 91.9% |
| 支持代码运行 | 99.7% | 100% | 75.7% | — | 100% | — | — | |
|
多模态理解与推理 MMMU-Pro |
81.2% | 81.0% | 66.7% | 68.0% | 68.00% | 79.50% | 63.00% | |
|
界面理解
ScreenSpot-Pro |
除非另有说明，否则不使用工具 | 69.1% | 72.7% | 3.9% | 11.4% | 36.2% | 86.3% with python |
— |
|
复杂图表信息综合 CharXiv Reasoning |
No tools | 80.3% | 81.4% | 63.7% | 69.6% | 68.5% | 82.1% | — |
|
OCR
OmniDocBench 1.5 |
Overall Edit Distance, lower is better | 0.121 | 0.115 | 0.154 | 0.145 | 0.145 | 0.143 | — |
|
视频知识获取 Video-MMMU |
86.9% | 87.6% | 79.2% | 83.6% | 77.8% | 85.9% | — | |
|
来自 Codeforces、ICPC 和 IOI 的竞赛级编程题目
LiveCodeBench Pro |
Elo 评分，越高越好 | 2316 | 2439 | 1143 | 1775 | 1418 | 2393 | — |
|
智能体终端编程 Terminal-Bench 2.0 |
Terminus-2 测试框架 | 47.6% | 54.2% | 16.9% | 32.60% | 42.8% | — | — |
|
智能体编程 SWE-Bench Verified |
单次尝试 | 78.0% | 76.2% | 60.4% | 59.6% | 77.2% | 80.0% | 50.6% |
|
智能体工具使用
τ2-bench |
90.2% | 90.7% | 79.5% | 77.8% | 87.2% | — | — | |
|
长周期真实软件工程服务
Toolathlon |
49.4% | 36.4% | 3.7% | 10.5% | 38.9% | 46.3% | — | |
|
基于 MCP 协议的多步工作流自动化
MCP Atlas |
57.4% | 54.1% | 3.4% | 8.8% | 43.8% | 60.6% | — | |
|
长周期智能体任务
Vending-Bench 2 |
净值（平均值），越高越好 | $3,635 | $5,478 | $549 | $574 | $3,839 | $3,952 | $1,107 |
|
涵盖基准事实、参数化知识、搜索以及多模态的事实性基准测试
FACTS Benchmark Suite |
61.9% | 70.5% | 50.4% | 63.4% | 48.9% | 61.4% | 42.1% | |
|
参数化知识
SimpleQA Verified |
68.7% | 72.1% | 28.1% | 54.5% | 29.3% | 38.0% | 19.5% | |
|
多语言问答
MMMLU |
91.8% | 91.8% | 86.6% | 89.5% | 89.1% | 89.6% | 86.8% | |
|
跨越 100 种语言和文化的常识推理
Global PIQA |
92.8% | 93.4% | 90.2% | 91.5% | 90.1% | 91.2% | 85.6% | |
|
长上下文性能
MRCR v2 (8-needle) |
128k (平均值) | 67.2% | 77.0% | 54.3% | 58.0% | 47.1% | 81.9% | 54.6% |
| 1M (逐点) | 22.1% | 26.3% | 21.0% | 16.4% | not supported | not supported | 6.1% |
Gemini 功能点
