این راهنما تمام مدل‌های موجود از طریق رابط برنامه‌نویسی نرم‌افزار Gemini را معرفی می‌کند.
جمینی ۳
پایدار
فلش جمینی ۳.۸
هوشمندترین مدل فلش ما، که برای مهندسی نرم‌افزار بلندمدت، عامل‌های خودگردان و گردش‌های کاری پیچیده سازمانی مهندسی شده است.
اصطبل جدید
جمینی ۳.۸ زنده
مدل API زنده پیش‌فرض برای اکثر تجربیات عامل صوتی با تأخیر کم و بدون تأخیر در استدلال.
اصطبل جدید
تفکر گسترده زنده Gemini 3.8
مدل API زنده با استدلال بالا برای تعاملات صوتی، زمانی که استدلال پس‌زمینه‌ای بالاتری مورد نیاز است، توصیه می‌شود.
اصطبل جدید
جمینی ۳.۸ فلش TTS
مدل خلاقانه و پرچمدار تبدیل متن به گفتار برای وفاداری به صدا در سطح استودیویی، بازیگری رسا، طراحی صدا و تکثیر صدا.
اصطبل جدید
جمینی ۳.۸ فلش-لایت TTS
مدل تبدیل متن به گفتار سریع و مقرون‌به‌صرفه برای تولید با حجم بالا، آبشارهای عامل صوتی بلادرنگ و تکثیر صدا.
اصطبل جدید
فلش جمینی ۳.۷
مدل فلش نسل قبلی ما برای کدنویسی پیچیده، گردش‌های کاری خودکار و اجرای چند مرحله‌ای قابل اعتماد.
پایدار
فلش جمینی ۳.۶
مدل فلش نسل قبلی ما، که سرعت و قابلیت‌های چندوجهی را در وظایف عمومی و روزمره متعادل می‌کند.
پایدار
فلش جمینی ۳.۵
مدل فلش قدیمی ما، سرعت پایه و عملکرد پایه را برای بارهای کاری معمول و با توان عملیاتی بالا فراهم می‌کند.
پایدار
جمینی ۳.۵ فلش-لایت
سریع‌ترین و مقرون‌به‌صرفه‌ترین مدل ۳.۵ ما برای اجرای با توان عملیاتی بالا.
پایدار
جمینی ۳.۱ فلش-لایت
عملکردی در سطح کلاس Frontier که با کسری از قیمت، مدل‌های بزرگ‌تر را به رقابت می‌خواند.
پایدار
🍌🍌نانو موز ۲
تولید و ویرایش تصویر قدرتمند و با راندمان بالا، بهینه شده برای سرعت و موارد استفاده با حجم بالا.
پایدار
🍌نانو موز ۲ لایت
تولید و ویرایش تصویر با تأخیر بسیار کم و مقرون‌به‌صرفه، طراحی‌شده برای موارد استفاده تعاملی با حجم بالا.
پایدار
🍌نانو موز پرو
مدل‌های پیشرفته تولید و ویرایش تصویر برای خلق تصاویر بومی با بافت بسیار بالا.
پایدار
رونویسی جمینی ۳.۵
مدل تبدیل گفتار به متن با تأخیر کم با تشخیص زبان مبتنی بر گفتار، تشخیص گویشور و مهر زمانی کلمات.
اصطبل جدید
پیش‌نمایش
جمینی ۳.۱ پرو
هوش پیشرفته، مهارت‌های حل مسئله پیچیده و قابلیت‌های قدرتمند کدنویسی عاملی و ارتعاشی.
پیش‌نمایش
فلش جمینی ۳
عملکردی در سطح کلاس Frontier که با کسری از قیمت، مدل‌های بزرگ‌تر را به رقابت می‌خواند.
پیش‌نمایش
ترجمه زنده جمینی ۳.۵
مدل ترجمه گفتار به گفتار با تأخیر کم و به‌صورت بلادرنگ که از بیش از ۷۰ زبان پشتیبانی می‌کند.
جدید
جمینی ۳.۱ فلش لایو
مدل پیش‌نمایش Legacy Live API. توصیه می‌کنیم به Gemini 3.8 Live به‌روزرسانی کنید.
جدید
جمینی ۳.۱ فلش TTS
مدل پیش‌نمایش Legacy TTS. توصیه می‌کنیم به Gemini 3.8 Flash TTS یا Gemini 3.8 Flash-Lite TTS به‌روزرسانی کنید.
پیش‌نمایش
فلش جمینی اومنی
تولید سریع ویدیو، ویرایش، درون‌یابی فریم‌های کلیدی و گسترش آن با صدای اصلی.
جدید
همه مدل‌های جمینی ۳
| مدل | نقطه پایانی |
|---|---|
| فلش جمینی ۳.۸ | |
| جمینی ۳.۸ زنده | |
| تفکر گسترده زنده Gemini 3.8 | |
| جمینی ۳.۸ فلش TTS | |
| جمینی ۳.۸ فلش-لایت TTS | |
| فلش جمینی ۳.۷ | |
| فلش جمینی ۳.۶ | |
| فلش جمینی ۳.۵ | |
| جمینی ۳.۵ فلش-لایت | |
| جمینی ۳.۱ فلش-لایت | |
| نانو موز ۲ | |
| نانو موز ۲ لایت | |
| نانو موز پرو | |
| جمینی ۳.۱ پرو | |
| فلش جمینی ۳ | |
| ترجمه زنده جمینی ۳.۵ | |
| جمینی ۳.۱ فلش لایو | |
| جمینی ۳.۱ فلش TTS | |
| فلش جمینی اومنی | |
| رونویسی جمینی ۳.۵ | |
فلش جمینی ۲.۵
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| فلش جمینی ۲.۵ | بهترین مدل ما از نظر قیمت-عملکرد برای کارهای با تأخیر کم و حجم بالا که نیاز به استدلال دارند. | |
| نانو موز | تولید و ویرایش تصویر بومی پیشرفته که برای گردش‌های کاری سریع و خلاقانه طراحی شده است. | |
| جمینی ۲.۵ فلش لایو | برای اپراتورهای مکالمه‌ای بلادرنگ با پخش صوتی بومی زیر ثانیه بهینه شده است. | |
| جمینی ۲.۵ فلش TTS | تولید صدای متن به گفتار قابل کنترل با کنترل دقیق بر سبک و سرعت. | |
جمینی ۲.۵ فلش-لایت
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| جمینی ۲.۵ فلش-لایت | سریع‌ترین و مقرون‌به‌صرفه‌ترین مدل چندوجهی در خانواده‌ی ۲.۵. | |
جمینی ۲.۵ پرو
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| جمینی ۲.۵ پرو | پیشرفته‌ترین مدل ما برای کارهای پیچیده، با قابلیت‌های استدلال عمیق و کدنویسی در خانواده ۲.۵. | |
| جمینی ۲.۵ پرو TTS | سنتز گفتار با دقت بالا، برای کیفیت در گردش‌های کاری ساختاریافته مانند پادکست‌ها و کتاب‌های صوتی بهینه شده است. | |
مدل‌های صوتی
این بخش شامل تمام مدل‌های صوتی است، از جمله مدل‌هایی که ممکن است از قبل در بخش‌های دیگر فهرست شده باشند.
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| جمینی ۳.۸ زنده | گزینه پیش‌فرض برای اکثر تجربیات عامل صوتی با تأخیر کم و گفتگوی بلادرنگ بدون تأخیر در استدلال. | |
| تفکر گسترده زنده Gemini 3.8 | مدل صوتی به صوتی با استدلال بالا، زمانی توصیه می‌شود که استدلال پس‌زمینه‌ای بالاتری در طول تعاملات زنده مورد نیاز باشد. | |
| جمینی ۳.۸ فلش TTS | مدل خلاقانه و پرچمدار تبدیل متن به گفتار برای وفاداری به صدا در سطح استودیویی، بازیگری رسا و گویش‌های منطقه‌ای در ۱۳۰ زبان. | |
| جمینی ۳.۸ فلش-لایت TTS | مدل تبدیل متن به گفتار سریع و مقرون‌به‌صرفه که برای حجم کاری بالای تولید در ۱۰۱ زبان ساخته شده است. | |
| جمینی ۳.۱ فلش لایو | مدل پیش‌نمایش قدیمی صدا به صدا. توصیه می‌کنیم به Gemini 3.8 Live به‌روزرسانی کنید. | |
| جمینی ۳.۱ فلش TTS | مدل پیش‌نمایش متن به گفتار قدیمی. توصیه می‌کنیم به Gemini 3.8 Flash TTS یا Gemini 3.8 Flash-Lite TTS به‌روزرسانی کنید. | |
| رونویسی جمینی ۳.۵ | مدل تبدیل گفتار به متن با تأخیر کم به همراه تشخیص زبان مبتنی بر گفتار، تشخیص گویشور از طریق دفترچه خاطرات، مهرهای زمانی در سطح کلمه و بایاس واژگان سفارشی. | |
| جمینی ۲.۵ فلش لایو | مدل API زنده‌ی شاخص ما برای عامل‌های صوتی و تصویری دوطرفه با تأخیر کم و استدلال صوتی بومی. | |
| جمینی ۲.۵ فلش TTS | تبدیل متن به گفتار سریع و قابل کنترل برای برنامه‌های کاربردی کم‌تاخیر، مقرون‌به‌صرفه و دستیاران بلادرنگ. | |
| جمینی ۲.۵ پرو TTS | سنتز گفتار با دقت بالا، برای کیفیت در گردش‌های کاری ساختاریافته مانند پادکست‌ها و کتاب‌های صوتی بهینه شده است. | |
مدل‌های رسانه‌ای مولد
این بخش شامل تمام مدل‌های رسانه مولد، از جمله مدل‌هایی است که ممکن است از قبل در بخش‌های دیگر فهرست شده باشند.
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| نانو موز ۲ | خلق تصاویر بصری با راندمان بالا در مقیاس تولید، ترکیبی از هوش سری Gemini 3 با سرعت تولید برق‌آسا. | |
| نانو موز ۲ لایت | به عنوان متخصص بهره‌وری در خانواده تولید تصویر طراحی شده است و تولید و ویرایش تصویر با تأخیر بسیار کم و مقرون به صرفه را ارائه می‌دهد. | |
| وئو ۳.۱ | تولید ویدیوی سینمایی پیشرفته با کنترل‌های خلاقانه پیشرفته و صدای هماهنگ‌شده‌ی بومی. | |
| نانو موز پرو | یک موتور طراحی حرفه‌ای با هسته استدلال برای تصاویر 4K با کیفیت استودیویی، طرح‌بندی‌های پیچیده و رندر دقیق متن. | |
| وئو ۳.۱ لایت | تولید، ویرایش و کنترل سینمایی با راندمان بالا، کم‌هزینه، مختص توسعه‌دهندگان از خانواده Veo 3.1. | |
| فلش جمینی اومنی | تولید سریع ویدیو، ویرایش، درون‌یابی فریم‌های کلیدی و گسترش آن با صدای اصلی. | |
| نانو موز | تولید و ویرایش تصویر بومی پیشرفته که برای گردش‌های کاری سریع و خلاقانه طراحی شده است. | |
| تصویر ۴ (خاموش کردن) | مدل تبدیل متن به تصویر با قابلیت تولید سریع و فوق سریع (در حالت خاموش). | |
مدل‌های تولید موسیقی
این بخش شامل تمام مدل‌های تولید موسیقی، از جمله مدل‌هایی است که ممکن است از قبل در بخش‌های دیگر فهرست شده باشند.
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| لیریا ۳.۵ | مدل تولید موسیقی پرچمدار ما، بهینه شده برای آهنگ‌های کامل با انسجام ساختاری پیچیده. | |
| کلیپ لیریا ۳ | بهینه شده برای تولید کلیپ‌های کوتاه موسیقی، حلقه‌ها و پیش‌نمایش‌ها تا 30 ثانیه. | |
| لیریا ۳ پرو | مدل تولید موسیقی نسل قبلی برای آهنگ‌های کامل. | |
| لیریا ریل‌تایم | مدل تولید موسیقی با کیفیت بالا که کنترل خلاقانه‌ی جزئی و قابلیت‌های پخش زنده را فراهم می‌کند. | |
مدل‌های ابزار و عامل
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| استفاده از کامپیوتر | یک مدل تخصصی که می‌تواند یک صفحه نمایش دیجیتال را «ببیند» و اقدامات رابط کاربری مانند کلیک کردن، تایپ کردن و پیمایش را برای خودکارسازی وظایف پیچیده مرورگر انجام دهد. | |
| تحقیقات عمیق جمینی | یک مدل عامل‌محور که به صورت خودکار تحقیقات چند مرحله‌ای را در صدها منبع برنامه‌ریزی و اجرا می‌کند تا گزارش‌های تعاملی و استناد شده تولید کند. | |
| تحقیقات عمیق جمینی مکس | حداکثر جامعیت برای جمع‌آوری و ترکیب خودکار محتوا از صدها منبع. | |
| عامل ضد جاذبه | یک عامل مدیریت‌شده‌ی همه‌منظوره که به‌طور خودکار برنامه‌ریزی، استدلال، اجرای کد، مدیریت فایل‌ها و مرور وب را در یک سندباکس لینوکس امن و ایزوله انجام می‌دهد. | |
مدل‌های وظیفه تخصصی
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| جاسازی جمینی ۲ | اولین مدل جاسازی چندوجهی ما، نگاشت متن، تصاویر، ویدیو، صدا و فایل‌های PDF به یک فضای جاسازی یکپارچه برای جستجوی معنایی پیشرفته و سیستم‌های RAG. | |
| جاسازی جمینی | نمایش‌های برداری با ابعاد بالا برای جستجوی معنایی پیشرفته، طبقه‌بندی متن و سیستم‌های RAG | |
| ربات جمینی ER 2 | مدل استدلال تجسمی که درک ویدیویی پیشرفته، استدلال فضایی، تنظیم ابزار چند مرحله‌ای و همکاری چند ربات را برای وظایف رباتیک ارائه می‌دهد. | |
| ربات Gemini ER 1.6 | مدل استدلال تجسمی پیشرفته که فضاهای فیزیکی را درک می‌کند و وظایف چند مرحله‌ای را برای عوامل رباتیک با قابلیت‌های جدید مانند خواندن ابزار و استدلال فضایی و فیزیکی بهبود یافته برنامه‌ریزی می‌کند. | |
مدل‌های قبلی
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| فلش جمینی ۲.۰ (خاموش کردن) | مدل نسل دوم و قدرتمند ما، با ویژگی‌های نسل بعدی و قابلیت‌های بهبود یافته، از جمله سرعت برتر، استفاده از ابزار بومی و یک پنجره زمینه توکن ۱ میلیونی. | |
| جمینی ۲.۰ فلش-لایت (خاموش کردن) | سریع‌ترین مدل نسل دوم ما، بهینه شده برای بهره‌وری هزینه و تأخیر کم. | |
| پیش‌نمایش Gemini 3.1 Flash-Lite (خاموش کردن) | مقرون به صرفه‌ترین مدل چندوجهی ما، که سریع‌ترین عملکرد را برای کارهای سبک و با فرکانس بالا ارائه می‌دهد. | |
| پیش‌نمایش Gemini 3 Pro (خاموش کردن) | مدل استدلال پیشرفته ما، با درک چندوجهی پیشرفته. | |
الگوهای نام نسخه مدل
مدل‌های Gemini در نسخه‌های پایدار ، پیش‌نمایش ، جدیدترین یا آزمایشی موجود هستند.
پایدار
به یک مدل پایدار خاص اشاره می‌کند. مدل‌های پایدار معمولاً تغییر نمی‌کنند. اکثر برنامه‌های کاربردی باید از یک مدل پایدار خاص استفاده کنند.
برای مثال: gemini-3.6-flash .
پیش‌نمایش
به یک مدل پیش‌نمایش اشاره می‌کند که ممکن است برای تولید استفاده شود. مدل‌های پیش‌نمایش معمولاً قابلیت پرداخت صورتحساب را دارند، ممکن است محدودیت‌های نرخ محدودتری داشته باشند و با حداقل ۲ هفته اطلاع قبلی منسوخ می‌شوند.
برای مثال: gemini-2.5-flash-preview-09-2025 .
جدیدترین‌ها
به آخرین نسخه برای یک مدل خاص اشاره می‌کند. این می‌تواند یک نسخه پایدار، پیش‌نمایش یا آزمایشی باشد. این نام مستعار با هر نسخه جدید از یک مدل خاص، به صورت خودکار تغییر می‌کند. برای تغییرات جزئی، قبل از تغییر نسخه قبلی، یک اطلاع‌رسانی ۲ هفته‌ای از طریق ایمیل انجام می‌شود.
برای مثال: gemini-flash-latest .
تجربی
به یک مدل آزمایشی اشاره دارد که معمولاً برای استفاده در محیط عملیاتی مناسب نیست و محدودیت‌های نرخ بیشتری دارد. ما مدل‌های آزمایشی را منتشر می‌کنیم تا بازخوردها را جمع‌آوری کنیم و آخرین به‌روزرسانی‌های خود را به سرعت در اختیار توسعه‌دهندگان قرار دهیم.
مدل‌های تجربی پایدار نیستند و در دسترس بودن نقاط پایانی مدل ممکن است تغییر کند.
منسوخ شدن مدل‌ها
برای اطلاعات بیشتر در مورد منسوخ شدن مدل‌ها، به صفحه منسوخ شدن Gemini مراجعه کنید.
،این راهنما تمام مدل‌های موجود از طریق رابط برنامه‌نویسی نرم‌افزار Gemini را معرفی می‌کند.
جمینی ۳
پایدار
فلش جمینی ۳.۸
هوشمندترین مدل فلش ما، که برای مهندسی نرم‌افزار بلندمدت، عامل‌های خودگردان و گردش‌های کاری پیچیده سازمانی مهندسی شده است.
اصطبل جدید
جمینی ۳.۸ زنده
مدل API زنده پیش‌فرض برای اکثر تجربیات عامل صوتی با تأخیر کم و بدون تأخیر در استدلال.
اصطبل جدید
تفکر گسترده زنده Gemini 3.8
مدل API زنده با استدلال بالا برای تعاملات صوتی، زمانی که استدلال پس‌زمینه‌ای بالاتری مورد نیاز است، توصیه می‌شود.
اصطبل جدید
جمینی ۳.۸ فلش TTS
مدل خلاقانه و پرچمدار تبدیل متن به گفتار برای وفاداری به صدا در سطح استودیویی، بازیگری رسا، طراحی صدا و تکثیر صدا.
اصطبل جدید
جمینی ۳.۸ فلش-لایت TTS
مدل تبدیل متن به گفتار سریع و مقرون‌به‌صرفه برای تولید با حجم بالا، آبشارهای عامل صوتی بلادرنگ و تکثیر صدا.
اصطبل جدید
فلش جمینی ۳.۷
مدل فلش نسل قبلی ما برای کدنویسی پیچیده، گردش‌های کاری خودکار و اجرای چند مرحله‌ای قابل اعتماد.
پایدار
فلش جمینی ۳.۶
مدل فلش نسل قبلی ما، که سرعت و قابلیت‌های چندوجهی را در وظایف عمومی و روزمره متعادل می‌کند.
پایدار
فلش جمینی ۳.۵
مدل فلش قدیمی ما، سرعت پایه و عملکرد پایه را برای بارهای کاری معمول و با توان عملیاتی بالا فراهم می‌کند.
پایدار
جمینی ۳.۵ فلش-لایت
سریع‌ترین و مقرون‌به‌صرفه‌ترین مدل ۳.۵ ما برای اجرای با توان عملیاتی بالا.
پایدار
جمینی ۳.۱ فلش-لایت
عملکردی در سطح کلاس Frontier که با کسری از قیمت، مدل‌های بزرگ‌تر را به رقابت می‌خواند.
پایدار
🍌🍌نانو موز ۲
تولید و ویرایش تصویر قدرتمند و با راندمان بالا، بهینه شده برای سرعت و موارد استفاده با حجم بالا.
پایدار
🍌نانو موز ۲ لایت
تولید و ویرایش تصویر با تأخیر بسیار کم و مقرون‌به‌صرفه، طراحی‌شده برای موارد استفاده تعاملی با حجم بالا.
پایدار
🍌نانو موز پرو
مدل‌های پیشرفته تولید و ویرایش تصویر برای خلق تصاویر بومی با بافت بسیار بالا.
پایدار
رونویسی جمینی ۳.۵
مدل تبدیل گفتار به متن با تأخیر کم با تشخیص زبان مبتنی بر گفتار، تشخیص گویشور و مهر زمانی کلمات.
اصطبل جدید
پیش‌نمایش
جمینی ۳.۱ پرو
هوش پیشرفته، مهارت‌های حل مسئله پیچیده و قابلیت‌های قدرتمند کدنویسی عاملی و ارتعاشی.
پیش‌نمایش
فلش جمینی ۳
عملکردی در سطح کلاس Frontier که با کسری از قیمت، مدل‌های بزرگ‌تر را به رقابت می‌خواند.
پیش‌نمایش
ترجمه زنده جمینی ۳.۵
مدل ترجمه گفتار به گفتار با تأخیر کم و به‌صورت بلادرنگ که از بیش از ۷۰ زبان پشتیبانی می‌کند.
جدید
جمینی ۳.۱ فلش لایو
مدل پیش‌نمایش Legacy Live API. توصیه می‌کنیم به Gemini 3.8 Live به‌روزرسانی کنید.
جدید
جمینی ۳.۱ فلش TTS
مدل پیش‌نمایش Legacy TTS. توصیه می‌کنیم به Gemini 3.8 Flash TTS یا Gemini 3.8 Flash-Lite TTS به‌روزرسانی کنید.
پیش‌نمایش
فلش جمینی اومنی
تولید سریع ویدیو، ویرایش، درون‌یابی فریم‌های کلیدی و گسترش آن با صدای اصلی.
جدید
همه مدل‌های جمینی ۳
| مدل | نقطه پایانی |
|---|---|
| فلش جمینی ۳.۸ | |
| جمینی ۳.۸ زنده | |
| تفکر گسترده زنده Gemini 3.8 | |
| جمینی ۳.۸ فلش TTS | |
| جمینی ۳.۸ فلش-لایت TTS | |
| فلش جمینی ۳.۷ | |
| فلش جمینی ۳.۶ | |
| فلش جمینی ۳.۵ | |
| جمینی ۳.۵ فلش-لایت | |
| جمینی ۳.۱ فلش-لایت | |
| نانو موز ۲ | |
| نانو موز ۲ لایت | |
| نانو موز پرو | |
| جمینی ۳.۱ پرو | |
| فلش جمینی ۳ | |
| ترجمه زنده جمینی ۳.۵ | |
| جمینی ۳.۱ فلش لایو | |
| جمینی ۳.۱ فلش TTS | |
| فلش جمینی اومنی | |
| رونویسی جمینی ۳.۵ | |
فلش جمینی ۲.۵
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| فلش جمینی ۲.۵ | بهترین مدل ما از نظر قیمت-عملکرد برای کارهای با تأخیر کم و حجم بالا که نیاز به استدلال دارند. | |
| نانو موز | تولید و ویرایش تصویر بومی پیشرفته که برای گردش‌های کاری سریع و خلاقانه طراحی شده است. | |
| جمینی ۲.۵ فلش لایو | برای اپراتورهای مکالمه‌ای بلادرنگ با پخش صوتی بومی زیر ثانیه بهینه شده است. | |
| جمینی ۲.۵ فلش TTS | تولید صدای متن به گفتار قابل کنترل با کنترل دقیق بر سبک و سرعت. | |
جمینی ۲.۵ فلش-لایت
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| جمینی ۲.۵ فلش-لایت | سریع‌ترین و مقرون‌به‌صرفه‌ترین مدل چندوجهی در خانواده‌ی ۲.۵. | |
جمینی ۲.۵ پرو
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| جمینی ۲.۵ پرو | پیشرفته‌ترین مدل ما برای کارهای پیچیده، با قابلیت‌های استدلال عمیق و کدنویسی در خانواده ۲.۵. | |
| جمینی ۲.۵ پرو TTS | سنتز گفتار با دقت بالا، برای کیفیت در گردش‌های کاری ساختاریافته مانند پادکست‌ها و کتاب‌های صوتی بهینه شده است. | |
مدل‌های صوتی
این بخش شامل تمام مدل‌های صوتی است، از جمله مدل‌هایی که ممکن است از قبل در بخش‌های دیگر فهرست شده باشند.
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| جمینی ۳.۸ زنده | گزینه پیش‌فرض برای اکثر تجربیات عامل صوتی با تأخیر کم و گفتگوی بلادرنگ بدون تأخیر در استدلال. | |
| تفکر گسترده زنده Gemini 3.8 | مدل صوتی به صوتی با استدلال بالا، زمانی توصیه می‌شود که استدلال پس‌زمینه‌ای بالاتری در طول تعاملات زنده مورد نیاز باشد. | |
| جمینی ۳.۸ فلش TTS | مدل خلاقانه و پرچمدار تبدیل متن به گفتار برای وفاداری به صدا در سطح استودیویی، بازیگری رسا و گویش‌های منطقه‌ای در ۱۳۰ زبان. | |
| جمینی ۳.۸ فلش-لایت TTS | مدل تبدیل متن به گفتار سریع و مقرون‌به‌صرفه که برای حجم کاری بالای تولید در ۱۰۱ زبان ساخته شده است. | |
| جمینی ۳.۱ فلش لایو | مدل پیش‌نمایش قدیمی صدا به صدا. توصیه می‌کنیم به Gemini 3.8 Live به‌روزرسانی کنید. | |
| جمینی ۳.۱ فلش TTS | مدل پیش‌نمایش متن به گفتار قدیمی. توصیه می‌کنیم به Gemini 3.8 Flash TTS یا Gemini 3.8 Flash-Lite TTS به‌روزرسانی کنید. | |
| رونویسی جمینی ۳.۵ | مدل تبدیل گفتار به متن با تأخیر کم به همراه تشخیص زبان مبتنی بر گفتار، تشخیص گویشور از طریق دفترچه خاطرات، مهرهای زمانی در سطح کلمه و بایاس واژگان سفارشی. | |
| جمینی ۲.۵ فلش لایو | مدل API زنده‌ی شاخص ما برای عامل‌های صوتی و تصویری دوطرفه با تأخیر کم و استدلال صوتی بومی. | |
| جمینی ۲.۵ فلش TTS | تبدیل متن به گفتار سریع و قابل کنترل برای برنامه‌های کاربردی کم‌تاخیر، مقرون‌به‌صرفه و دستیاران بلادرنگ. | |
| جمینی ۲.۵ پرو TTS | سنتز گفتار با دقت بالا، برای کیفیت در گردش‌های کاری ساختاریافته مانند پادکست‌ها و کتاب‌های صوتی بهینه شده است. | |
مدل‌های رسانه‌ای مولد
این بخش شامل تمام مدل‌های رسانه مولد، از جمله مدل‌هایی است که ممکن است از قبل در بخش‌های دیگر فهرست شده باشند.
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| نانو موز ۲ | خلق تصاویر بصری با راندمان بالا در مقیاس تولید، ترکیبی از هوش سری Gemini 3 با سرعت تولید برق‌آسا. | |
| نانو موز ۲ لایت | به عنوان متخصص بهره‌وری در خانواده تولید تصویر طراحی شده است و تولید و ویرایش تصویر با تأخیر بسیار کم و مقرون به صرفه را ارائه می‌دهد. | |
| وئو ۳.۱ | تولید ویدیوی سینمایی پیشرفته با کنترل‌های خلاقانه پیشرفته و صدای هماهنگ‌شده‌ی بومی. | |
| نانو موز پرو | یک موتور طراحی حرفه‌ای با هسته استدلال برای تصاویر 4K با کیفیت استودیویی، طرح‌بندی‌های پیچیده و رندر دقیق متن. | |
| وئو ۳.۱ لایت | تولید، ویرایش و کنترل سینمایی با راندمان بالا، کم‌هزینه، مختص توسعه‌دهندگان از خانواده Veo 3.1. | |
| فلش جمینی اومنی | تولید سریع ویدیو، ویرایش، درون‌یابی فریم‌های کلیدی و گسترش آن با صدای اصلی. | |
| نانو موز | تولید و ویرایش تصویر بومی پیشرفته که برای گردش‌های کاری سریع و خلاقانه طراحی شده است. | |
| تصویر ۴ (خاموش کردن) | مدل تبدیل متن به تصویر با قابلیت تولید سریع و فوق سریع (در حالت خاموش). | |
مدل‌های تولید موسیقی
این بخش شامل تمام مدل‌های تولید موسیقی، از جمله مدل‌هایی است که ممکن است از قبل در بخش‌های دیگر فهرست شده باشند.
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| لیریا ۳.۵ | مدل تولید موسیقی پرچمدار ما، بهینه شده برای آهنگ‌های کامل با انسجام ساختاری پیچیده. | |
| کلیپ لیریا ۳ | بهینه شده برای تولید کلیپ‌های کوتاه موسیقی، حلقه‌ها و پیش‌نمایش‌ها تا 30 ثانیه. | |
| لیریا ۳ پرو | مدل تولید موسیقی نسل قبلی برای آهنگ‌های کامل. | |
| لیریا ریل‌تایم | مدل تولید موسیقی با کیفیت بالا که کنترل خلاقانه‌ی جزئی و قابلیت‌های پخش زنده را فراهم می‌کند. | |
مدل‌های ابزار و عامل
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| استفاده از کامپیوتر | یک مدل تخصصی که می‌تواند یک صفحه نمایش دیجیتال را «ببیند» و اقدامات رابط کاربری مانند کلیک کردن، تایپ کردن و پیمایش را برای خودکارسازی وظایف پیچیده مرورگر انجام دهد. | |
| تحقیقات عمیق جمینی | یک مدل عامل‌محور که به صورت خودکار تحقیقات چند مرحله‌ای را در صدها منبع برنامه‌ریزی و اجرا می‌کند تا گزارش‌های تعاملی و استناد شده تولید کند. | |
| تحقیقات عمیق جمینی مکس | حداکثر جامعیت برای جمع‌آوری و ترکیب خودکار محتوا از صدها منبع. | |
| عامل ضد جاذبه | یک عامل مدیریت‌شده‌ی همه‌منظوره که به‌طور خودکار برنامه‌ریزی، استدلال، اجرای کد، مدیریت فایل‌ها و مرور وب را در یک سندباکس لینوکس امن و ایزوله انجام می‌دهد. | |
مدل‌های وظیفه تخصصی
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| جاسازی جمینی ۲ | اولین مدل جاسازی چندوجهی ما، نگاشت متن، تصاویر، ویدیو، صدا و فایل‌های PDF به یک فضای جاسازی یکپارچه برای جستجوی معنایی پیشرفته و سیستم‌های RAG. | |
| جاسازی جمینی | نمایش‌های برداری با ابعاد بالا برای جستجوی معنایی پیشرفته، طبقه‌بندی متن و سیستم‌های RAG | |
| ربات جمینی ER 2 | مدل استدلال تجسمی که درک ویدیویی پیشرفته، استدلال فضایی، تنظیم ابزار چند مرحله‌ای و همکاری چند ربات را برای وظایف رباتیک ارائه می‌دهد. | |
| ربات Gemini ER 1.6 | مدل استدلال تجسمی پیشرفته که فضاهای فیزیکی را درک می‌کند و وظایف چند مرحله‌ای را برای عوامل رباتیک با قابلیت‌های جدید مانند خواندن ابزار و استدلال فضایی و فیزیکی بهبود یافته برنامه‌ریزی می‌کند. | |
مدل‌های قبلی
| مدل | توضیحات | نقطه پایانی |
|---|---|---|
| فلش جمینی ۲.۰ (خاموش کردن) | مدل نسل دوم و قدرتمند ما، با ویژگی‌های نسل بعدی و قابلیت‌های بهبود یافته، از جمله سرعت برتر، استفاده از ابزار بومی و یک پنجره زمینه توکن ۱ میلیونی. | |
| جمینی ۲.۰ فلش-لایت (خاموش کردن) | سریع‌ترین مدل نسل دوم ما، بهینه شده برای بهره‌وری هزینه و تأخیر کم. | |
| پیش‌نمایش Gemini 3.1 Flash-Lite (خاموش کردن) | مقرون به صرفه‌ترین مدل چندوجهی ما، که سریع‌ترین عملکرد را برای کارهای سبک و با فرکانس بالا ارائه می‌دهد. | |
| پیش‌نمایش Gemini 3 Pro (خاموش کردن) | مدل استدلال پیشرفته ما، با درک چندوجهی پیشرفته. | |
الگوهای نام نسخه مدل
مدل‌های Gemini در نسخه‌های پایدار ، پیش‌نمایش ، جدیدترین یا آزمایشی موجود هستند.
پایدار
به یک مدل پایدار خاص اشاره می‌کند. مدل‌های پایدار معمولاً تغییر نمی‌کنند. اکثر برنامه‌های کاربردی باید از یک مدل پایدار خاص استفاده کنند.
برای مثال: gemini-3.6-flash .
پیش‌نمایش
به یک مدل پیش‌نمایش اشاره می‌کند که ممکن است برای تولید استفاده شود. مدل‌های پیش‌نمایش معمولاً قابلیت پرداخت صورتحساب را دارند، ممکن است محدودیت‌های نرخ محدودتری داشته باشند و با حداقل ۲ هفته اطلاع قبلی منسوخ می‌شوند.
برای مثال: gemini-2.5-flash-preview-09-2025 .
جدیدترین‌ها
به آخرین نسخه برای یک مدل خاص اشاره می‌کند. این می‌تواند یک نسخه پایدار، پیش‌نمایش یا آزمایشی باشد. این نام مستعار با هر نسخه جدید از یک مدل خاص، به صورت خودکار تغییر می‌کند. برای تغییرات جزئی، قبل از تغییر نسخه قبلی، یک اطلاع‌رسانی ۲ هفته‌ای از طریق ایمیل انجام می‌شود.
برای مثال: gemini-flash-latest .
تجربی
به یک مدل آزمایشی اشاره دارد که معمولاً برای استفاده در محیط عملیاتی مناسب نیست و محدودیت‌های نرخ بیشتری دارد. ما مدل‌های آزمایشی را منتشر می‌کنیم تا بازخوردها را جمع‌آوری کنیم و آخرین به‌روزرسانی‌های خود را به سرعت در اختیار توسعه‌دهندگان قرار دهیم.
مدل‌های تجربی پایدار نیستند و در دسترس بودن نقاط پایانی مدل ممکن است تغییر کند.
منسوخ شدن مدل‌ها
برای اطلاعات بیشتر در مورد منسوخ شدن مدل‌ها، به صفحه منسوخ شدن Gemini مراجعه کنید.