Gemini 1.5模型介绍

Gemini 1.5共有三个版本，分别是：Gemini 1.5 Flash、Gemini 1.5 Flash-8B和Gemini 1.5 Pro。

Gemini 1.5 Flash

最平衡的多模态模型，适用于大多数任务，并且性能出色。快速且多才多艺的多模态模型，每个问题的图片数量上限3600，视频时长上限 1 小时，音频时长上限大约 9.5 小时。

• 输入音频、图片、视频和文本，获取文本回复
• 生成代码、提取数据、编辑文本等
• 最适合平衡性能和费用的任务

Gemini 1.5 Flash-8B

最快、最具成本效益的多模态模型，适用于高频率任务，性能出色。小型模型，每个问题的图片数量上限3600，视频时长上限 1 小时，音频时长上限大约 9.5 小时。

• 输入音频、图片、视频和文本，获取文本回复
• 生成代码、提取数据、编辑文本等
• 最适合低智能、高频率任务

Gemini 1.5 Pro

最佳的多模态模型，具有适用于各种推理任务的功能。中型多模态模型，可以一次处理大量数据，包括 2 小时的视频、19 小时的音频、6 万行代码的代码库或 2,000 页的文本。

• 输入音频、图片、视频和文本，获取文本回复
• 生成代码、提取数据、编辑文本等
• 适用于需要提升广告效果时

文本嵌入

文本嵌入用于衡量字符串的相关性，在许多 AI 应用中都得到了广泛的应用。

模型	输入	输出	优化目标	免费
Gemini 1.5 Flash（gemini-1.5-flash）	音频、图片、视频和文本（1,048,576）	文本（8192）	在各种任务中提供快速、多样化的性能	15 RPM、100 万个 TPM、1,500 RPD
Gemini 1.5 Flash-8B（gemini-1.5-flash-8b）	音频、图片、视频和文本（1,048,576）	文本（8192）	量大且智能程度较低的任务	15 RPM、100 万个 TPM、1,500 RPD
Gemini 1.5 Pro（gemini-1.5-pro）	音频、图片、视频和文本（2,097,152）	文本（8192）	需要更多智能的复杂推理任务	2 RPM、32,000 TPM、50 RPD
文本嵌入（text-embedding-004）	文本（2048）	文本嵌入（768维度）	衡量文本字符串的相关性	1,500 RPM

说明

Gemini 模型，一个Token相当于大约 4 个字符。100 个词元大约相当于 60-80 个英语单词。

• RPM：每分钟的请求数
• TPM：每分钟的令牌数
• RPD：每天的请求数
• TPD：每天的Token数