Gemini 多模态 (Gemini Multimodal)
综合排名 #4 ⭐⭐ 推荐
❌ 需代理（Google AI Studio 在中国大陆不可直接访问，需稳定代理） | 🌍 国际
💰 Token 价格
| 类型 | 价格 | 备注 |
|---|---|---|
| 输入 (Input) | Omni Flash: $0.15/M input tokens (multimodal); Nano Banana 2 Lite: $0.034/1K image tokens; Veo 3.1: $0.10/sec video | 每百万 tokens |
| 输出 (Output) | Omni Flash: $0.60/M output tokens (multimodal); Nano Banana Pro: $0.12/1K image tokens | 每百万 tokens |
💡 免费额度
Free tier: Gemini Omni Flash 15 RPM, Veo 3.1 2 generations/day, Imagen 4 10 images/day — no credit card required
🤖 支持模型（共 5 个）
Gemini Omni Flash (multimodal, 1M context, audio+video+text) Nano Banana 2 Lite (image generation, $0.034/1K tokens) Nano Banana Pro (image generation, $0.12/1K tokens) Veo 3.1 (video generation, $0.10/sec) Imagen 4 (image generation, $0.04/image)
✨ 优势
- ✓ Gemini Omni Flash 是 Google 首个原生支持音频+视频+文本混合输入的多模态主力模型
- ✓ Nano Banana 2 Lite 是 Google 在 2026-06 推出的轻量图像生成模型（$0.034/1K 图像 tokens）
- ✓ Veo 3.1 与 Imagen 4 提供同一 API 内的视频+图像生成能力，与 Omni Flash 形成『理解+生成』完整链路
- ✓ Free tier 覆盖 15 RPM Omni Flash + 每日 2 次 Veo 3.1 视频生成，足以做小批量产品验证
- ✓ 1M token 上下文窗口可一次性处理 60 分钟视频+音频+字幕，无需切片
⚠️ 不足
- × 国内访问需代理（Google AI Studio 与 Google Cloud 不在大陆开放）
- × 定价分层较复杂，Veo 3.1 视频按秒计费成本难预测
- × Omni Flash 在长上下文（>500K）下延迟显著上升
- × Imagen 4 与 Veo 3.1 在某些地区受版权与人物肖像限制
- × Gemini Omni Flash 不是 OpenAI 格式 API，必须用 Google Gen AI SDK 或 REST 直调
🎯 适合场景
多模态理解（视频/音频/图像+文本）；产品级图像/视频生成；Google 生态与 Vertex AI 集成