概要
ロボット向けの具身推論に特化した、Gemini 3.5 Flashベースの視覚言語モデルです。物理環境の理解、空間・時間推論、複数段階のタスクやツールの調整を支援します。(ai.google.dev)
能力と用途
- テキスト、画像、動画、音声を入力し、テキストを出力します。入力上限は131,072トークン、出力上限は65,536トークンです。
- 空間推論、動画内の場面検索や進捗分類、成功検出、計器の読み取り、複数ロボットの協調、多段階のツール利用に対応します。
- 関数呼び出し、コード実行、構造化出力、検索・Google Mapsによるグラウンディング、コンテキストキャッシュ、Batch APIなどに対応します。ロボットAPIや視覚・言語・行動モデルと組み合わせたタスクのオーケストレーションに利用できます。(aistudio.google.com)
制限と安全性
公開プレビュー版です。この標準エンドポイントはLive API、画像生成、音声生成、Flex推論、優先推論には対応していません。リアルタイムストリーミングには別のStreaming Previewエンドポイントがあります。Googleのモデルカードは、医療、輸送など、故障が死亡・傷害・物的損害につながり得る安全上重大な用途に使用しないよう求めています。(ai.google.dev)
料金
2026年11月16日に確認したGemini Developer APIの公式価格です。通貨は米ドル(USD)、トークン料金は特記がない限り100万トークン当たりです。出力料金には思考トークンを含みます。他のプラットフォームの料金とは別です。(aistudio.google.com)
| 利用区分 | 2026年12月31日まで | 2027年1月1日から |
|---|---|---|
| 標準・入力(テキスト/画像/動画/音声) | $1.00 | $2.00 |
| 標準・出力 | $5.00 | $10.00 |
| Batch・入力(テキスト/画像/動画/音声) | $0.50 | $1.00 |
| Batch・出力 | $2.50 | $5.00 |
| 標準・キャッシュ利用 | $0.10 | $0.20 |
| Batch・キャッシュ利用 | $0.05 | $0.10 |
| キャッシュ保存、100万トークン・1時間当たり | $0.50 | $1.00 |
標準の無料枠では入出力は無料ですが、キャッシュは利用できません。Batchの無料枠はありません。Google検索によるグラウンディングは有料枠で、Gemini 3以降のモデル間で共有される月5,000検索リクエストまで無料、その後は1,000リクエスト当たり$14です。1プロジェクト当たり原則1日1,500リクエストの上限があります。(aistudio.google.com)
公開日と公式情報
Gemini APIの公開プレビューは2026年7月30日に発表されました。(aistudio.google.com)