Gemini 4

定位简介

这是一款输出文本的旗舰推理模型，面向最复杂的多步骤、长周期任务，处于同系列更高定位。它接收文本与图像输入并统一产出文本，支持最长 1,048,576 token 的上下文窗口，单次最大输出 65,536 token，并可通过 reasoning_effort 的 low、medium、high 三档调节推理强度。目标用户是需要处理大量资料并产出书面结果的开发者与研究团队，适合搭建分析助手、文档处理工具与复杂工作流。

核心亮点

• 旗舰级复杂任务推理定位——处于 Gemini 4 系列最强位置，面向需要多步拆解与长时间推进的复杂任务。
• 百万级上下文窗口——上下文窗口最长 1,048,576 token，可容纳大批文本与图像素材一并处理。
• 推理强度三档可调——通过 reasoning_effort 的 low、medium、high 三档，在推理深度与响应节奏之间取舍。
• 文本与图像统一输入——文本与图像走同一输入通道，输出统一为文本，减少为不同素材分别接入的成本。

能力说明

长上下文文本处理：输入文本可占满最长 1,048,576 token 的上下文窗口，适合整份长文档的理解、归纳与问答，并把分析结果以文本形式输出。

图像内容理解：在文本指令之外可附带图像输入，用于读图问答、图内信息抽取与图文对照分析，输出统一为文本描述或结论。

长文本生成：单次最大输出 65,536 token，可用于撰写长报告、长文档与较长代码，满足需要成篇交付的书面产出。

推理强度调节：通过 reasoning_effort 设置 low、medium、high 三档，按任务复杂度选择推理深度，适配从快速应答到多步推理的请求。

多步复杂任务处理：面向需要连续分析与综合判断的长周期任务，可在一次请求内结合长文本与图像素材给出完整文本结论。

适用场景

• 长文档分析与问答——研究与运营人员提交长篇报告或论文，获取摘要、问答结果与抽取要点，用于内部知识库与审阅流程。
• 图文资料综合解读——分析人员同时提供文字说明与图像素材，产出图文对照的解读文本，用于情报整理与内容核查。
• 长报告与长文档撰写——咨询与内容团队提供背景资料，由模型生成长篇分析报告或说明文档，用作交付初稿与内部评审材料。
• 复杂多步推理助手——开发者将模型接入问答或分析产品，承接需要多步拆解的知识问答请求，输出自然语言答复供终端用户阅读。
• 长代码与技术文档产出——工程团队给出需求描述与相关材料，生成较长的代码说明或技术文档，用于项目文档库与交接材料。

限制与选型建议

输出模态仅为文本，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输出的 token 预算，需要在素材长度与输出篇幅之间取舍。单次输出上限为 65,536 token，超出部分需分批处理。推理强度通过 reasoning_effort 的 low、medium、high 三档设置，档位选择会影响复杂任务的推理深度。