← 全部模型

Gemini Robotics ER 2 Streaming Preview

发布时间 发布主体 Googlegemini-robotics-er-2-streaming-preview

模型定位

面向机器人具身推理的视觉语言模型预览端点,针对通过 Live API 进行低延迟实时文本流式输出而优化。Google 于 2026 年 7 月 30 日发布公开预览版。(aistudio.google.com)

能力与用途

  • 接受文本、图片、视频和音频输入,输出文本;支持双向流式交互、函数调用、思考和 Google 搜索接地。输入上限为 131,072 token,输出上限为 65,536 token。(ai.google.dev)
  • 可用于处理连续传感器输入的机器人智能体,例如多机器人协调、场景持续监控,以及仓储中的视觉核验和打包进度跟踪。机器人动作需通过应用提供的工具函数和机器人 SDK 执行。(aistudio.google.com)

限制

  • 这是预览版;不支持音频或图片生成、上下文缓存、代码执行、计算机使用、文件搜索、Google Maps 接地、结构化输出、URL 上下文、Batch API、Flex 推理或优先推理。(ai.google.dev)
  • 机器人 Live API 使用有状态 WebSocket;音频输入为 16 kHz、16 位小端 PCM,图片输入为 JPEG、最高每秒 1 帧。机器人函数调用仅支持阻塞模式,物理动作应设置 behavior: BLOCKING。(aistudio.google.com)

价格

以下为 Gemini Developer API 此流式端点的标准价格,币种为美元(USD),查询日期:2026 年 11 月 16 日:(aistudio.google.com)

  • 免费层:输入和输出免费,受免费层使用限制约束;Google 搜索接地不可用。
  • 付费层至 2026 年 12 月 31 日:文本、图片、视频和音频输入均为 USD 1.00 / 100 万输入 token;输出为 USD 5.00 / 100 万输出 token。
  • 自 2027 年 1 月 1 日起:上述输入为 USD 2.00 / 100 万输入 token;输出为 USD 10.00 / 100 万输出 token。
  • 付费层 Google 搜索接地:每月 5,000 次免费搜索请求,与所有 Gemini 3 及更新模型共享;超出后 USD 14 / 1,000 次请求,并受默认每日上限约束。

官方来源