Gemini 4

位置づけの概要

これはテキスト生成向けの推論モデルであり、テキストと画像を入力として受け取り、統一してテキストを出力します。入力と出力は最大1,048,576トークンのコンテキストウィンドウを共有し、長い文書や画像資料の処理に適しています。複雑な推論と大規模なテキスト生成を必要とする開発者向けで、要約・質問応答、情報抽出、レポートやコードの作成といった日常的な生産シーンに利用できます。ソフトウェアエンジニアリングと知識作業のタスクにおいてバランスの取れた性能を発揮します。

主な特長

• テキストと画像を入力として統一してテキストを出力——テキストと画像を受け取り、同じモデルが理解してテキスト結果を生成するため、多様な素材を統一的な方法で処理できます。
• 入力と出力で100万級のコンテキストを共有——コンテキストウィンドウは最大1,048,576トークンで、長い入力と長い出力が同じ予算を共有するため、超長尺の素材処理に適しています。
• 1回の出力上限は65,536トークン——リクエストごとの最大出力は65,536トークンで、長編レポートや大規模なコード生成を支えます。
• 3段階の推論強度調整に対応——reasoning_effortパラメータでlow、medium、highの3段階を選択し、推論の深さと応答速度の間で取捨選択できます。

機能説明

テキストと画像の理解・生成：テキストまたは画像を入力すると、モデルが理解したうえで統一してテキストを出力するため、同じインターフェースで文字資料と画像素材を処理できます。

超長尺コンテキストの処理：入力と出力は最大1,048,576トークンのウィンドウを共有し、長い文書や長いコードの全体的な理解と質問応答に適しています。

制御可能な長文生成：リクエストごとの最大出力は65,536トークンで、長編レポート、長い文書、大規模なコードテキストの生成に利用できます。

調整可能な推論強度：reasoning_effortでlow、medium、highの3段階を選択し、タスクの複雑さに応じて推論の深さと応答速度の間で取捨選択できます。

推論向けの日常タスク：複雑な推論や日常的な質問応答に適しており、質問と背景資料を入力するとテキストの回答を出力し、多くのソフトウェアエンジニアリングと知識作業をカバーします。

適用シーン

• 長い文書の要約と質問応答——開発者が長いレポートや文書を入力し、要約、質問応答の結果、情報抽出テキストを取得して、ナレッジベースや検索システムに利用します。
• 画像内容からの情報抽出——スクリーンショットや画像を入力し、その中の文字説明や要点テキストを取得して、資料整理やコンテンツアーカイブのフローに利用します。
• 長編レポートと長いコードの作成——要件と参考資料を入力し、最大65,536トークンのレポートやコードテキストを生成して、ドキュメント納品や開発支援に利用します。
• 汎用的な複雑推論の質問応答——日常的な質問応答や複雑な推論タスク向けに、質問と背景資料を入力するとテキストの回答を出力し、アシスタント系アプリケーションに利用します。

制限と選定のアドバイス

出力はテキストのみで、画像、音声、動画は生成できません。コンテキストウィンドウは入力と出力で共有されるため、長い入力は生成に使えるトークン予算を消費し、リクエストごとの最大出力は65,536トークンです。本インターフェースは現在、ツール呼び出し、ウェブ検索、computer use、構造化出力に対応していないため、これらの機能が必要なタスクは別途検討する必要があります。推論強度はreasoning_effortでlow、medium、highの間から選択できます。