谷歌Gemini API最新進展

作者 / DeepMind 高級開發(fā)者關系經理 Joana Carrasqueira

今年的 Cloud Next 大會上，我們推出了一系列突破性更新與強大功能，旨在賦能廣大開發(fā)者，與大家攜手共創(chuàng)人工智能的未來。本次發(fā)布亮點包括：最新的 Gemini 2.5 思考模型，實時互動體驗的 Live API 的最新進展，以及正式面向開發(fā)者開放的高質量視頻生成工具 Veo 2。近期，我們面向在 Google AI Studio 中使用 Gemini API 的開發(fā)者推出了許多不容錯過的重要更新，一起來看看吧。

Gemini 2.5：構建新一代應用

我們近期推出了 Gemini 2.5 Pro，這是我們迄今為止性能最佳的 AI 模型，能展示出思考模型在生成響應之前進行推理的能力。作為我們迄今為止最先進的編碼模型，Gemini 2.5 Pro 能打造引人注目的 Web 應用，在開發(fā)智能體編程應用方面也表現(xiàn)出色。

Gemini 2.5 Pro 已經開始賦能在 Google AI Studio 中使用 Gemini API 構建應用的開發(fā)者，以及使用 Vertex AI 的企業(yè)客戶。

同時，我們宣布 Gemini 2.5 Flash 即將推出。作為我們熱門主力模型的演進版本，Gemini 2.5 Flash 在保持低延遲和高性價比的同時，融入了強大的思考能力。

這標志著我們朝著實現(xiàn)所有 Gemini 模型具備自適應思考能力這一愿景，邁出了重要一步。Gemini 2.5 模型為應用開發(fā)開辟了諸多全新的應用場景，包括支持更強大的智能體，管理多智能體系統(tǒng)，加速編碼輔助，以及利用高達 100 萬 token 的上下文輸入窗口，實現(xiàn)對整個代碼庫的生成式推理。

Veo 2 可用于生產環(huán)境

我們很高興地宣布，Gemini API 中的 Veo 2 現(xiàn)已正式面向生產環(huán)境開放使用。Veo 2 具備遵循簡單及復雜指令的能力，并能以豐富的視覺風格模擬真實世界的物理效果。Veo 2 使開發(fā)者能夠直接使用文本和圖像提示，在應用中生成高質量視頻內容：

文本到視頻 (t2v)：通過文本描述生成視頻。

圖像到視頻 (i2v)：從圖像生成視頻，并支持可選的文本提示，以實現(xiàn)更精準的指導。

以 Wolf Games 為例，該公司正在構建一個生成式游戲平臺，旨在創(chuàng)造高度個性化的互動敘事游戲體驗。借助 Veo 2，他們得以構建出極具動態(tài)表現(xiàn)力的電影級游戲場景，顯著提升了視頻的真實感、動作準確度和鏡頭控制。Wolf Games 表示，Veo 2 將其獲取理想視覺效果所需的迭代次數減少了 60% 以上，并大幅縮短了制作周期，從而加速了創(chuàng)意藍圖的實現(xiàn)。

即日起，您便可在 Google AI Studio 的 Gemini API 中使用 Veo 2：

質量：720p 分辨率，24 幀/秒。

時長：最長 8 秒的視頻片段。

定價：生成的視頻每秒 0.35 美元。

想立刻嘗試用視頻生成功能打造互動型應用嗎？敬請查閱我們的文檔、提示指南以及 Veo 2 入門教程。同時，歡迎了解 Vertex AI 在語音和音樂等其他模態(tài)的企業(yè)級生成媒體解決方案。

Gemini 模型 Live API：預覽版帶來全新功能

動態(tài)、實時的互動體驗對于構建下一代 AI 應用至關重要。Gemini 模型的 Live API 現(xiàn)已推出預覽版，旨在幫助開發(fā)者構建更強大、可擴展的應用，顯著提升速率限制。開發(fā)者現(xiàn)在即可通過 Google AI Studio 和 Vertex AI 中的 Gemini API 搶先體驗前沿功能。

使用 Live API 構建應用與智能體，開發(fā)者能輕松實現(xiàn)低延遲處理流式音頻、視頻和文本的能力，為創(chuàng)建如同真人般的對話、實時會議以及監(jiān)控實時場景提供理想的解決方案。從 12 月推出實驗版以來，我們廣泛收集了開發(fā)者的反饋，并在此次公開試用版中引入了多項備受期待的功能：

支持 30 種全新語言并新增兩種語音選項。

支持可配置的語音活動檢測 (VAD)，可更靈活地自定義 VAD 解決方案。

通過滑動上下文窗口實現(xiàn)近乎無限的會話時長。

以及更多增強功能。

這些功能以及強大的工具集成 (包括搜索、代碼執(zhí)行和函數調用) 使 Live API 成為在高度互動型應用中使用 Gemini 2.0 Flash 等模型的理想選擇。

共創(chuàng)開發(fā)新紀元

我們對這些更新能如何挖掘開發(fā)者社區(qū)的巨大潛力感到無比振奮。從 Gemini 2.5 更為強大的思考能力，到通過 Live API 實現(xiàn)的實時互動，以及 Veo 2 突破性的視頻生成能力，我們熱切期待各位開發(fā)者能夠創(chuàng)造出令人矚目的創(chuàng)新成果！