Gemini

一、功能说明

Gemini 是由 Google DeepMind 开发的原生多模态大模型系列，经过三次迭代，已成为谷歌综合性人工智能产品体系的核心。其核心功能涵盖以下领域：

• 原生多模态交互：支持文本、图像、音频、视频及代码的多维度交互。Gemini 1 引入了原生多模态和长上下文功能，Gemini 2 增加了思考、推理和工具使用能力，Gemini 3 将这些能力整合在一起。

• 长文本处理：支持 100 万 token 上下文窗口，可一次性处理多达 1,500 页文字或 3 万行代码。

• 深度研究（Deep Research） ：不仅是简单搜索，而是生成有深度、有引用的研究报告，可用于深度概念挖掘、追踪行业热点、获取前沿研究成果。

• 图像生成：调用 Nano Banana 绘图与设计模型，可搞定平面设计、网页 UI 布局。

• 视频生成：调用 Veo 3.1 模型，通过简单描述即可生成高质量视频内容。

• Canvas 画布：线性的对话被侧边栏工作区取代，可与 AI 实时协作编写和迭代代码或文案，也可用于制作 PPT。

• Gem 智能体创建：可自行构建专属 AI 助手（Gem），将特定目标、角色设定、输出格式封装成可重复使用的模板，无需每次重复输入相同上下文。

• Gemini Spark（常驻智能代理） ：基于 Gemini 3.5 Flash 模型，可全天候在后台自主运行。能自动撰写邮件、整理文件、监控信用卡账单、生成学习指南等。即使在手机锁定或笔记本电脑完全关机的情况下也能工作。

• Google 生态深度整合：可关联 Gmail、Google 地图、Tasks、YouTube 等应用，创建清单、设置提醒、管理手机设置、创建 YouTube Music 播放列表。

• 语音对话（Gemini Live） ：支持实时语音对话，可进行自然的语音交流、构思想法、面试练习等。

• 深度思考模式：Gemini 模型默认启用“思考”功能，在响应前进行推理。Deep Think 模式在数学推理与科学计算领域达到博士水平。

• Computer Use（预览） ：Gemini 3.5 Flash 支持 Computer Use 功能，让 AI 模型直接理解和操作计算机界面。

• 学习辅导：可化身私人教师，对复杂的学术概念或编程难题因材施教。

二、使用说明

1. 访问方式

• 网页端：访问 gemini.google.com

• 桌面端（Mac） ：下载 Gemini for macOS 应用，支持 Apple Silicon MacBook，需 macOS Sequoia (15.0) 以上版本

• 移动端：在 iOS 或 Android 应用市场下载 Gemini App

2. 基本使用方法

• 在底部文本框输入问题或提示即可开始对话

• 可选添加文件或图片，点击“添加文件”图标按说明操作

• 在 Mac 上可按下 Option + 空格键 开启迷你聊天窗口，Option + Shift + 空格键 体验完整聊天功能

• Mac 版支持长按 Fn 键直接用语音输入指令，系统支持智能语音听写与桌面画面感知

• 在 Android 设备上可语音唤醒，说“Hey Google”即可启动

• 可同时按下两个 Command 键与 Gemini 分享屏幕画面

3. 模型选择

4. 模式选择

• 快速模式：适合日常快速问答、实时翻译等即时响应场景

• 思考模式：解决复杂问题的高算力推理状态

• Pro 模式：推理能力最强，处理复杂任务、写代码、创意写作的首选

5. 使用限制与方案

• 免费版：提供核心 Gemini 功能，可免费使用

• Google AI 方案（付费） ：获得更高级模型访问权限、视频生成等强大功能

• AI Ultra（$100/月） ：包含最高访问权限、20 TB 云存储和 YouTube Premium

• Gemini Enterprise：面向企业的智能体平台，将 AI 能力融入每一位员工的工作流