Модели Gemini в Tokenator

Эта модель предоставляется на бесплатном тарифе с установленными лимитами использования. Gemini 4 Argon — передовая мультимодальная модель Google DeepMind четвёртого поколения с расширенными возможностями глубокого рассуждения, программирования и решения сложных многоэтапных задач. Отличается высокой эффективностью в разработке ПО, анализе больших кодовых баз, научных исследованиях, работе с документами, финансах и кибербезопасности. Поддерживает обработку текста, изображений и видео, длительные автономные рабочие процессы и генерацию объёмных ответов.

Gemini 3.8 Flash — это самая интеллектуальная модель Flash от Google, значительно превосходящая версию 3.7 Flash в таких областях, как разработка программного обеспечения, задачи, выполняемые агентами, и многоэтапное рассуждение.

Gemini 3.1 Pro Preview — это передовая модель логического мышления от Google, обеспечивающая улучшенную производительность разработки программного обеспечения, повышенную надежность работы агентов и более эффективное использование токенов в сложных рабочих процессах. Основываясь на многомодальной базе серии Gemini 3, она сочетает высокоточное логическое мышление с обработкой текста, изображений, видео, аудио и кода, используя контекстное окно в 1 миллион токенов. Разработанная для продвинутой разработки и агентных систем, Gemini 3.1 Pro Preview повышает стабильность в долгосрочной перспективе и улучшает оркестрацию инструментов, одновременно повышая эффективность использования токенов. Она представляет новый средний уровень мышления для лучшего баланса между стоимостью, скоростью и производительностью. Модель превосходно подходит для агентного кодирования, структурированного планирования, многомодального анализа и автоматизации рабочих процессов, что делает её хорошо подходящей для автономных агентов, финансового моделирования, автоматизации электронных таблиц и высококонтекстных корпоративных задач.

Gemini 3.6 Flash — это высокоэффективная модель от Google для программирования, агентных рабочих процессов, а также веб- и мобильной разработки. Она разработана для получения высококачественных результатов с меньшим количеством ненужных правок и хеджирования, одновременно сокращая использование токенов и количество вызовов модели, необходимых для выполнения задачи.

Gemini 3.7 Flash — это многомодальная модель от Google, предназначенная для быстрых рабочих процессов, программирования и сложных многоэтапных рассуждений. Она разработана для задач, требующих высокой производительности и надежного многоэтапного решения проблем.

Gemini 4 Argon — передовая мультимодальная модель Google DeepMind четвёртого поколения с расширенными возможностями глубокого рассуждения, программирования и решения сложных многоэтапных задач. Отличается высокой эффективностью в разработке ПО, анализе больших кодовых баз, научных исследованиях, работе с документами, финансах и кибербезопасности. Поддерживает обработку текста, изображений и видео, длительные автономные рабочие процессы и генерацию объёмных ответов.

gemini-embedding-001 обеспечивает единый передовой опыт в различных областях, включая науку, юриспруденцию, финансы и программирование. Эта модель встраивания неизменно занимает лидирующие позиции в рейтинге Massive Text Embedding Benchmark (MTEB) Multilingual с момента экспериментального запуска в марте.

Gemini Embedding 2 — это первая мультимодальная модель встраивания от Google. В настоящее время мы поддерживаем сопоставление текста и изображений в единое векторное пространство для семантического поиска и генерации с расширенными возможностями поиска (RAG). Она поддерживает входной контекст до 8192 токенов и гибкие выходные размеры от 128 до 3072 (рекомендуемые значения: 768, 1536 или 3072). Разработанная для кросс-модального сходства — вы можете встроить текстовый запрос и получить наиболее релевантные изображения, или наоборот — она хорошо подходит для мультимодального поиска, рекомендаций и обработки документов.

Gemini 3.1 Flash Image Preview, также известный как Nano Banana 2, — это новейшая передовая модель генерации и редактирования изображений от Google, обеспечивающая визуальное качество профессионального уровня на скорости Flash.

Nano Banana 2.1 (Gemini Nano Banana 2.1) — это модель генерации и редактирования изображений от Google на платформе Flash, пришедшая на смену Nano Banana 2 и Nano Banana Pro. Она улучшает реконтекстуализацию продукта, редактирование на основе масок и чернил, а также точность отображения фактов, и обеспечивает фотореалистичную передачу оттенков кожи, детализированные материалы, освещение и согласованный фон. Она принимает текстовые и графические входные данные, возвращает изображения с необязательным текстом и поддерживает разрешение 1K и 2K.

Nano Banana Pro — это самая передовая модель генерации и редактирования изображений от Google, созданная на основе Gemini 3 Pro. Она расширяет возможности оригинальной Nano Banana, значительно улучшая многомодальное мышление, привязку к реальному миру и высококачественный визуальный синтез. Модель генерирует контекстно-насыщенную графику, от инфографики и диаграмм до кинематографических композиций, и может включать информацию в реальном времени благодаря привязке к поиску.

Omni — мультимодальная модель генерации и редактирования видео от Google DeepMind. Она поддерживает создание видео из текста, изображений, аудио и видео-референсов, а также многошаговое редактирование через естественный язык. Omni особенно хорошо сохраняет персонажей, детали сцены и визуальный стиль между правками, понимает физику и контекст происходящего и позволяет точно управлять движением камеры, объектами и окружением. Модель также поддерживает первый и последний кадр, reference-to-video и нативную генерацию аудио.

text-embedding-3-large — это самая мощная модель эмбеддингов от OpenAI, подходящая как для англоязычных, так и для неанглоязычных задач. Эмбеддинги — это числовое представление текста, которое можно использовать для измерения степени связи между двумя фрагментами текста. Эмбеддинги полезны для задач поиска, кластеризации, рекомендаций, обнаружения аномалий и классификации.

text-embedding-3-small — это улучшенная, более производительная версия модели встраивания ada от OpenAI. Встраивания — это числовое представление текста, которое можно использовать для измерения степени связи между двумя фрагментами текста. Встраивания полезны для задач поиска, кластеризации, рекомендаций, обнаружения аномалий и классификации.