Gemini 的价值不在「又一个聊天接口」,而在多模态与超长上下文:一小时会议录音、两百页 PDF、一段产品演示视频,都能直接作为输入。
它的 OpenAI 兼容层能跑通大部分基础调用,但多模态的文件上传(Files API)仍要走原生接口。
| 项目 | 内容 |
|---|---|
| Base URL | https://generativelanguage.googleapis.com/v1beta/openai/ |
| 认证方式 | Header Authorization: Bearer <API_KEY>(兼容层)或 query ?key= |
| OpenAI 兼容 | 兼容层可用(/v1beta/openai 路径) |
| 上下文窗口 | 1M~2M |
| 输入模态 | 文本、图像、音频、视频、PDF |
| 参考单价 | 输入 ¥9 / 输出 ¥72(每百万 tokens) |
| 模型 | 上下文 | 定位与适用 |
|---|---|---|
| gemini-2.5-pro | 1M | 超长上下文与多模态理解,视频/长音频是强项 |
| gemini-2.5-flash | 1M | 低延迟主力,性价比档 |
| gemini-2.5-flash-lite | 1M | 极低单价,适合海量轻任务 |
| text-embedding-004 | 2K | 向量化 |