pip install google-genai   # 官方 SDK

Gemini API - Google AI 模型接入指南

简介

Gemini 是 Google 的多模态大模型，通过 AI Studio 或 Vertex AI 提供 API。 核心优势：超长上下文（最高 200 万 token）和原生多模态（文本/图片/视频/音频）。

模型矩阵

模型	上下文窗口	特点	适用场景
gemini-2.5-pro	100 万	最强推理，思维链	复杂分析、代码生成
gemini-2.0-flash

100 万 | 速度快，性价比高 | 日常对话、批量处理 |

| gemini-2.0-flash-lite | 100 万 | 最快最便宜 | 简单任务、高并发 | | gemini-1.5-pro | 200 万 | 超长上下文 | 长文档分析、代码库理解 |

SDK 安装与基础调用

bash pip install google-genai # 官方 SDK

python
from google import genai
client = genai.Client(apikey=YOURAPI_KEY)
response = client.models.generate_content(
model=gemini-2.0-flash,
contents=用 Python 实现一个快速排序算法
)
print(response.text)

多模态能力

python from google.genai import types import pathlib

图片理解

image = types.Part.frombytes(data=pathlib.Path(photo.jpg).readbytes(), mime_type=image/jpeg) response = client.models.generate_content(model=gemini-2.0-flash, contents=[描述图片内容, image])

视频理解（直接上传文件）

video_file = client.files.upload(file=video.mp4) response = client.models.generatecontent(model=gemini-2.0-flash, contents=[总结视频内容, videofile])

音频理解

audio_file = client.files.upload(file=audio.mp3) response = client.models.generatecontent(model=gemini-2.0-flash, contents=[转录并翻译, audiofile])

函数调用与 JSON 模式

python

函数调用

get_weather = types.FunctionDeclaration( name=get_weather, description=获取城市天气, parameters=types.Schema(type=OBJECT, properties={city: types.Schema(type=STRING, description=城市名)}, required=[city])) tool = types.Tool(functiondeclarations=[getweather]) response = client.models.generate_content( model=gemini-2.0-flash, contents=北京天气？, config=types.GenerateContentConfig(tools=[tool]))

JSON 模式

response = client.models.generate_content( model=gemini-2.0-flash, contents=列出 3 种编程语言, config=types.GenerateContentConfig(responsemimetype=application/json))

上下文缓存（Context Caching）

反复查询同一大文档时可大幅降低成本： python cache = client.caches.create(model=gemini-2.0-flash, contents=[large_document], config=types.CreateCachedContentConfig(display_name=my-cache, ttl=3600s)) response = client.models.generate_content(model=gemini-2.0-flash, contents=第三章讲了什么？, config=types.GenerateContentConfig(cached_content=cache.name))

定价对比（每百万 token）

模型	输入价格	输出价格
Gemini 2.0 Flash	$0.10	$0.40
Gemini 2.5 Pro

$1.25 | $10.00 |

| Claude Sonnet 4 | $3.00 | $15.00 | | GPT-4o | $2.50 | $10.00 |

与 OpenAI/Claude API 的差异

特性	Gemini API	OpenAI API	Claude API
最大上下文	200 万 token	12.8 万	20 万
原生多模态

文本/图片/视频/音频 | 文本/图片/音频 | 文本/图片 |

| 免费额度 | 有（AI Studio） | 无 | 无 | | 上下文缓存 | 原生支持 | 无 | Prompt Caching | | SDK 风格 | 自有 + OpenAI 兼容 | 自有 | 自有 |

最佳实践

• - 默认用 gemini-2.0-flash，性价比最高
• 长文档用上下文缓存，节省 75%+ 成本
• 视频/音频理解是 Gemini 独特优势
• API Key: https://aistudio.google.com/apikey