Gemini 4

定位简介

这是一款面向文本生成的推理模型，接受文本和图像输入并统一输出文本。输入与输出共享最长1,048,576 token的上下文窗口，适合处理长文档与图像材料。面向需要复杂推理与大规模文本产出的开发者，可用于摘要问答、信息抽取、报告与代码撰写等日常生产场景；在软件工程与知识工作任务中表现均衡。

核心亮点

• 文本与图像输入统一输出文本——可接收文本和图像，由同一模型完成理解并生成文本结果，便于用统一方式处理多种素材。
• 输入输出共享百万级上下文——上下文窗口最长1,048,576 token，长输入与长输出共用同一预算，适合超长材料处理。
• 单次输出上限65,536 token——每次请求最大输出为65,536 token，可支撑长篇报告与大段代码生成。
• 支持三档推理强度调节——通过reasoning_effort参数选择low、medium、high三档，在推理深度与响应速度之间取舍。

能力说明

文本与图像理解生成：输入文本或图像，模型理解后统一输出文本，便于用同一接口处理文字材料与图片素材。

超长上下文处理：输入与输出共享最长1,048,576 token的窗口，适合长文档与长代码的整体理解与问答。

可控的长文本生成：每次请求最大输出为65,536 token，可用于生成长篇报告、长文档与大段代码文本。

可调推理强度：通过reasoning_effort选择low、medium、high三档，按任务复杂度在推理深度与响应速度间取舍。

面向推理的日常任务：适用于复杂推理与日常问答，输入问题与背景材料后输出文本答复，覆盖多数软件工程与知识工作。

适用场景

• 长文档摘要与问答——开发者输入长报告或文档，获取摘要、问答结果与信息抽取文本，用于知识库与检索系统。
• 图像内容信息抽取——输入截图或图片，得到其中的文字说明与要点文本，用于资料整理与内容归档流程。
• 长报告与长代码撰写——输入需求与参考资料，生成最长65,536 token的报告或代码文本，用于文档交付与开发辅助。
• 通用复杂推理问答——面向日常问答与复杂推理任务，输入问题与背景材料，输出文本答复，用于助手类应用。

限制与选型建议

输出仅为文本，不能生成图像、音频或视频。上下文窗口由输入与输出共享，长输入会占用可用于生成的token预算，每次请求最大输出为65,536 token。本接口目前不支持工具调用、联网搜索、computer use与结构化输出，需要这些能力的任务应另行考虑；推理强度可通过reasoning_effort在low、medium、high之间选择。