Gemini使用指南：从入门到精通，全面掌握Google AI助手
自2023年底问世以来，Gemini已从单一的对话式AI模型，发展成为覆盖Google全生态的AI产品家族。截至2026年，Gemini在全球230多个国家和地区、超过70种语言中，每月服务超过9亿用户。无论你是普通用户、内容创作者还是开发者，这份Gemini使用指南都将帮助你充分释放Google AI的潜力。
一、Gemini是什么
1.1 定义与核心定位
Gemini是Google推出的AI产品家族统称，涵盖了从轻量级日常助手到旗舰级推理模型的全系列产品。它的核心定位是成为覆盖Google所有产品和设备的通用AI助手——在聊天、写作、研究、编程、创意等场景中提供智能支持。
Gemini不是单一模型，而是一套完整的AI生态：它在手机App里帮你处理日常任务，在Gmail和Docs里协助写作，在搜索中提供深度研究，甚至通过智能体在后台主动为你工作。
1.2 Gemini vs 同类AI工具
| 对比维度 | Gemini | ChatGPT | Claude |
|---|---|---|---|
| 开发公司 | OpenAI | Anthropic | |
| 原生多模态 | ✅ 全面支持 | 部分支持 | 部分支持 |
| 上下文窗口 | 100万-105万Token | 128K-1M | 200K |
| 生态整合 | Google全产品线 | 有限 | 有限 |
| 免费额度 | 每日有限（含Deep Research） | 有限 | 有限 |
| 端侧运行 | Gemini Nano支持 | 不支持 | 不支持 |
| 视频生成 | Gemini Omni原生支持 | 第三方集成 | 不支持 |
Gemini的核心差异化在于深度整合Google生态——你可以在不离开Gmail、Docs、搜索、Chrome的情况下使用AI能力。同时，原生多模态设计让它能在一个窗口中处理文字、图片、音频和视频。
二、核心模型体系
2.1 模型分层架构
Gemini按性能和定位分为多个层级，用户可根据任务复杂度灵活选择：
| 模型层级 | 定位 | 核心特点 | 适用场景 |
|---|---|---|---|
| Gemini 3.5 Flash | 日常主力 | 速度与智能的平衡，每秒289 tokens，支持电脑使用 | 日常问答、文档分析、原型开发 |
| Gemini 3.1 Pro | 旗舰推理 | 最强推理能力，ARC-AGI-2达77.1%，GPQA Diamond 94.3% | 复杂推理、数学证明、高级编程 |
| Gemini 3 Pro | 智能体编程 | 卓越的指令遵循与工具调用 | 智能体开发、多步骤任务 |
| Gemini 2.5 Pro | 中高主力 | 105万Token上下文，稳定可靠 | 长文档处理、企业应用 |
| Gemini 2.5 Flash | 平衡之选 | 速度与品质的平衡 | 日常API调用 |
| Gemini Nano | 端侧轻量 | 设备本地运行，含Nano Banana图像模型 | 智能回复、本地图像生成 |
2.2 Gemini 3.5 Flash：2026年日常主力
2026年6月30日，Gemini 3.5 Flash正式成为Gemini应用的默认模型。这是Google新一代模型的首个成员，将前沿智能与快速响应结合在一起。2026年6月，Gemini 3.5 Flash新增了电脑使用（Computer Use） 能力，开发者可以用它构建能在浏览器、移动设备和桌面环境中“观察、推理和行动”的智能体。
2.3 Gemini 3.1 Pro：旗舰推理模型
Gemini 3.1 Pro是当前旗舰级模型，在ARC-AGI-2测试中得分77.1%（是前代的两倍以上），GPQA Diamond得分94.3%，16项基准中有13项领先。它支持Low、Medium、High三档思维配置——Low模式响应最快（适合简单问答），High模式推理最深（适合数学证明和多步骤逻辑）。
2.4 Gemini Omni：视频创作模型
2026年5月，Google发布了Gemini Omni——一个能将文本、图片和视频提示无缝转化为电影级高质量视频的模型。你可以像聊天一样指导它创建和编辑视频：上传素材、应用模板、添加细节，甚至创建自己的AI虚拟形象。Gemini Omni已向全球Google AI Plus、Pro和Ultra订阅用户开放。
2.5 Gemini 2.5系列：稳定的主力阵容
Gemini 2.5系列包括2.5 Pro（105万Token上下文，输入$1.25/百万Token，输出$10/百万Token）和2.5 Flash（$0.30/$2.50）。2.5 Pro在编程、推理和多模态方面相比前代有显著进步，在数学和STEM基准测试中处于领先地位。
2.6 图像生成模型：Nano Banana系列
2026年5月28日，Google发布了Nano Banana 2（gemini-3.1-flash-image）和Nano Banana Pro（gemini-3-pro-image）。这些原生视觉模型利用Gemini的深度语言理解能力，将提示词的细微差别转化为精确的图像——从复杂信息图到历史精确场景都能胜任。
三、核心功能详解
3.1 聊天与问答
Gemini最基础的功能是对话式问答。你可以用自然语言提问，Gemini会基于Google的AI模型给出回答。2026年更新后，Gemini的响应不再只是“一堵文字墙”，而是针对特定主题生成交互式探索内容——可缩放的高分辨率图像、30-60秒的解说视频概览、交错排列的图片和时间线等。
3.2 多模态理解
原生多模态是Gemini的核心差异化能力。你可以在同一个对话中上传并分析图片、PDF、截图和文档。Gemini 2.5模型能用原生视觉能力处理PDF格式的完整文档，理解其中的文字、图像、图表和表格——即使文档长达1000页。实际应用包括：上传图表截图提取数据趋势、分析设计稿布局问题、手写笔记转电子文本。
3.3 长上下文处理
Gemini 2.5 Pro支持105万Token的上下文窗口，Gemini 3.1 Pro同样支持百万级上下文。这意味着你可以在一次对话中处理完整的小说、大型代码库或数百页的研究报告。
3.4 Deep Research：深度研究助手
Gemini Advanced用户可使用的Deep Research功能，能够创建研究计划、探索网页、分析信息并生成详细报告，且支持进一步完善。2026年4月的更新还增加了对私有数据源和集成可视化的支持。
3.5 图像与视频生成
- 图像生成：Nano Banana系列模型支持对话式图像创作——用日常语言描述需求，并持续对话来精炼生成结果
- 视频生成：Gemini Omni支持从文本、图片和视频输入生成高质量视频
3.6 Daily Brief：每日智能简报
Daily Brief是Gemini的一个智能体，每天早晨为你提供个性化的晨间简报，整理你开始新一天所需的关键信息。
3.7 Gems：自定义AI助手
Gems是Gemini Advanced中的一项功能，允许用户为重复性任务创建自定义AI助手。你可以为特定场景（如邮件起草、市场调研、代码审查）创建专属的Gem配置。
3.8 Gemini Live：语音对话
Gemini Live已集成到聊天界面中，你可以在打字和语音对话之间无缝切换。Gemini还能直接连接你的常用应用处理复杂任务——从比较产品到整理邮件。说话时，Gemini会实时显示地图、天气卡片等信息。
四、如何使用Gemini
4.1 方式一：网页端（零门槛）
访问 gemini.google.com，用Google账号登录即可使用。这是最适合新手入门的方式，免费版包含基础问答和有限的Deep Research功能。
4.2 方式二：移动App
在各大应用商店下载Gemini App。移动端的核心优势是直接通过摄像头拍照提问——比如拍一道数学题让Gemini解答。
- Android：Pixel 9及之后机型预装，可通过电源键或“Hey Google”唤醒；其他Android手机可从Play Store下载
- iOS：从App Store下载专用App，与Siri并行运行
4.3 方式三：API接入（开发者）
5分钟即可获取API Key并完成首次调用：
- 访问 Google AI Studio（aistudio.google.com），用Google账号登录
- 点击“Create API Key”生成密钥，立即复制保存
- 安装SDK——Python用
pip install -U google-genai，Node.js用npm install @google/genai - 初始化客户端并发起请求
Google AI Studio提供免费使用层：每天30万Token的免费额度，每分钟60个请求的速率限制，无需信用卡即可开始。
4.4 方式四：Gemini CLI（终端编程助手）
Gemini CLI是一款终端编程助手，支持代码编辑、shell整合。安装、认证和配置后，可直接在终端中使用Gemini处理跨文件数据转换和报告合并。
4.5 方式五：Google Workspace集成
Gemini的能力已整合进Gmail、Docs、Sheets、Slides等Google办公套件中。你可以在写邮件时让Gemini起草、在文档中让Gemini总结、在表格中让Gemini分析数据。
五、Gemini Spark：全天候AI智能体
Gemini Spark是Google的24/7个人AI智能体，能在后台主动管理任务。2026年7月，Spark迎来重大更新：
- macOS桌面端：可直接访问并操作用户授权的本地文件——自动归类PDF或提取发票数据生成预算表
- 第三方应用集成：新增对Google Tasks、Keep以及Canva、Instacart等第三方应用的集成
- 自定义MCP服务器：开放支持，允许用户接入更多外部服务
- 实时主题跟踪：持续监控新闻、财经、体育及社交媒体动态，满足预设条件时主动推送提醒
目前macOS测试版仅面向美国地区18岁以上的Google AI Ultra订阅用户开放。
六、订阅方案
| 方案 | 价格 | 核心权益 |
|---|---|---|
| Free（免费版） | $0 | 基础问答、有限Deep Research、每日额度限制 |
| Google AI Plus | — | Gemini Omni视频生成 |
| Google AI Pro | — | Gemini Omni视频生成 |
| Google AI Ultra | $100/月 | 最高级别模型访问、Gemini Omni视频生成、20TB云存储、YouTube Premium |
| Enterprise（企业版） | 联系销售 | Gemini Enterprise Agent Platform全托管AI开发平台 |
Gemini API定价（2026年数据）：
| 模型 | 输入（每百万Token） | 输出（每百万Token） |
|---|---|---|
| Gemini 2.5 Pro | $1.25 | $10.00 |
| Gemini 2.5 Flash | $0.30 | $2.50 |
| Gemini 2.5 Flash-Lite | $0.10 | $0.40 |
七、常见问题（FAQ）
Q1：Gemini是免费的吗？
有免费版本。网页端和App的基础功能免费，但有一定使用限制。高级功能（如深度研究、Gemini Omni视频生成）需要订阅Google AI Plus/Pro/Ultra方案。开发者可通过Google AI Studio获得每天30万Token的免费额度。
Q2：Gemini和Google Assistant有什么区别？
Google Assistant是传统的语音助手，主要执行简单指令（设置闹钟、查天气等）。Gemini是生成式AI助手，能进行复杂对话、理解多模态输入、生成内容和执行多步骤任务。在Pixel 9及之后机型上，Gemini已成为默认助手。
Q3：Gemini支持中文吗？
支持。Gemini在全球230多个国家和地区、超过70种语言中可用，包括中文。
Q4：Gemini 3.5 Flash和Gemini 3.1 Pro有什么区别？
3.5 Flash是日常主力模型，速度快（每秒289 tokens），适合日常问答和快速任务。3.1 Pro是旗舰推理模型，推理能力更强，适合复杂数学、深度研究和高级编程。
Q5：Gemini的上下文窗口有多大？
Gemini 2.5 Pro支持105万Token，Gemini 3.1 Pro支持百万级上下文。这相当于可以一次性处理约150万字的文档。
Q6：Gemini能生成视频吗？
能。Gemini Omni是Google的视频生成模型，可将文本、图片和视频输入转化为高质量视频输出。该功能已向Google AI Plus、Pro和Ultra订阅用户开放。
Q7：Gemini的API怎么收费？
Gemini 2.5 Pro输入$1.25/百万Token、输出$10/百万Token；Gemini 2.5 Flash输入$0.30/百万Token、输出$2.50/百万Token。Google AI Studio提供每天30万Token的免费额度。
Q8：Gemini能在手机上离线使用吗？
部分功能可以。Gemini Nano是轻量级端侧模型，支持在支持的Android设备上本地运行，用于智能回复、摘要和快速图像生成。
Q9：Gemini Spark是什么？
Gemini Spark是Google的24/7个人AI智能体，能在后台主动管理任务。2026年7月已登陆macOS桌面端，支持本地文件操作、第三方应用集成和实时主题跟踪。
Q10：开发者如何开始使用Gemini API？
访问Google AI Studio（aistudio.google.com），用Google账号登录后创建API Key。安装SDK（Python用pip install -U google-genai）后即可发起首次调用。完整文档可在ai.google.dev查阅。