模型定位
Google 面向实时语音交互和复杂多步骤任务的音频到音频 Live API 模型。它可在保持对话的同时进行后台推理和异步工具调用,适合构建语音智能体。(aistudio.google.com)
能力与用途
- 接收文本、图像和音频;模型卡也将视频列为输入。常规输出为文本和音频。输入上限为 131,072 tokens,输出上限为 65,536 tokens。(aistudio.google.com)
- 可配置低、中、高三个后台推理级别;支持异步函数调用、Google 搜索 grounding,以及在处理任务时口头回应或播报进度。(aistudio.google.com)
- 可用于多步骤预订、技术支持、资料检索、代码和 STEM 辅导等语音工作流;官方也展示了结合视觉输入进行实时协作的场景。(ai.google.dev)
- 可通过 Gemini API、Google AI Studio、Gemini 应用、Gemini Enterprise Agent Platform 及部分 Google Workspace 产品使用。(storage.googleapis.com)
限制
- 可能产生幻觉,偶尔出现响应缓慢或超时;模型卡所列知识截止时间为 2025 年 1 月。(storage.googleapis.com)
- 函数调用仅支持异步方式;不支持上下文缓存、代码执行、文件搜索、结构化输出、URL context、Google Maps grounding 或图像生成。Batch API、Flex 和 Priority 推理也不受支持。(aistudio.google.com)
价格
以下为 Google Gemini Developer API 付费层价格,币种为美元(USD),查询日期为 2026-11-16;适用对象包含本模型,其他平台价格可能不同。每百万 tokens:文本输入 $0.75、音频输入 $3.00、图像或视频输入 $1.00;文本输出 $4.50、音频输出 $12.00。输出计费包含思考 tokens。官方同时列出音频输入 $0.005/分钟、音频输出 $0.018/分钟,以及图像或视频输入 $0.002/分钟。免费层的输入和输出标为免费,具体配额以官方页面为准。(aistudio.google.com)
使用 Google 搜索 grounding 时,付费层每月有 5,000 次免费搜索请求额度,与 Gemini 3 及更新模型共享;此后每 1,000 次请求 $14,并受官方列明的每日上限约束。一次模型请求可能产生多次搜索查询。(aistudio.google.com)
发布日期与官方来源
- 发布日期:2026-09-15;公告于 2026-09-17 更新。(blog.google)
- Google 官方发布公告
- 模型文档
- Gemini API 官方定价,查询日期:2026-11-16
- Gemini 3.8 Audio 模型卡