Einordnung und Veröffentlichung
Gemini Robotics ER 2 Preview ist ein Vision-Language-Modell für verkörpertes Schlussfolgern in der Robotik. Es basiert auf Gemini 3.5 Flash und dient als übergeordnete Planungsebene; die motorische Ausführung kann an ein nachgeordnetes Vision-Language-Action-Modell oder andere Steuerungsschnittstellen übergeben werden. Google veröffentlichte den Endpunkt am 30. Juli 2026 als öffentliche Vorschau. (aistudio.google.com)
Fähigkeiten und Einsatzgebiete
- Räumliches, zeitliches und physikalisches Schlussfolgern; Planung mehrstufiger Aufgaben und Koordination mehrerer Roboter.
- Videoverständnis zur Erkennung von Aufgabenerfolg, Fortschritt und entscheidenden Zeitpunkten; außerdem Instrumentenablesung und Zeigeaufgaben.
- Funktionsaufrufe, Codeausführung, mehrstufige Werkzeugorchestrierung, strukturierte Ausgaben und Google-Suche als Grounding-Quelle. (ai.google.dev)
- Eingaben: Text, Bilder, Video und Audio; Ausgabe: Text. Das dokumentierte Eingabelimit beträgt 131.072 Token, das Ausgabelimit 65.536 Token. (ai.google.dev)
Einschränkungen
Der genannte Standardendpunkt unterstützt weder Bild- noch Audiogenerierung und nicht die Live API. Für Echtzeit-Streaming gibt es einen separaten Endpunkt, gemini-robotics-er-2-streaming-preview. Als Vorschauversion ist das Modell nicht als stabile Endversion zu verstehen. Google verlangt Vorsicht beim produktiven, kommerziellen oder öffentlichen Einsatz und untersagt den Einsatz für sicherheitskritische Anwendungen, etwa in Gesundheitswesen oder Transport, wenn Fehlfunktionen zu Tod, Verletzungen oder Sachschäden führen könnten. (ai.google.dev)
Preise der Gemini Developer API
Abfrage: 16. November 2026. Die folgenden offiziellen Preise gelten für den angegebenen Standardendpunkt und sind in US-Dollar (USD) ausgewiesen; andere Plattformen können andere Bedingungen haben. Ausgabe umfasst auch Thinking-Token. (aistudio.google.com)
| Abrechnung | Bis 31. Dezember 2026 | Ab 1. Januar 2027 |
|---|---|---|
| Standard-Eingabe, Text/Bild/Video/Audio, je 1 Mio. Token | 1,00 USD | 2,00 USD |
| Standard-Ausgabe, je 1 Mio. Token | 5,00 USD | 10,00 USD |
| Batch-Eingabe, Text/Bild/Video/Audio, je 1 Mio. Token | 0,50 USD | 1,00 USD |
| Batch-Ausgabe, je 1 Mio. Token | 2,50 USD | 5,00 USD |
| Kontext-Caching, Standard, je 1 Mio. Token | 0,10 USD | 0,20 USD |
| Kontext-Caching, Batch, je 1 Mio. Token | 0,05 USD | 0,10 USD |
| Cache-Speicherung, je 1 Mio. Token und Stunde | 0,50 USD | 1,00 USD |
Im kostenlosen Standardkontingent sind Ein- und Ausgabe laut Preisseite kostenlos; Batch und Kontext-Caching sind dort nicht verfügbar. Für Google-Suche als Grounding nennt Google im bezahlten Kontingent 5.000 kostenlose Suchanfragen pro Monat, gemeinsam über Gemini-3- und neuere Modelle hinweg, danach 14 USD je 1.000 Anfragen; ein tägliches Limit von 1.500 Anfragen gilt. (aistudio.google.com)