3.1 Gemini 1.0：原生多模态的开端

导读

本页主题：3.1 Gemini 1.0：原生多模态的开端。这篇内容会把相关信息按“先理解 → 再操作 → 最后排错/扩展”的顺序组织，把关键概念、入口与注意事项放在同一页里，方便你快速查阅与回看。

覆盖重点：版本差异、能力边界、适用场景与选型建议（结合上下文窗口与成本）。

你会得到什么

• 你将获得：核心概念图谱 + 关键入口 + 可执行步骤
• 适合人群：新手快速上手 / 已用过但想系统化
• 阅读建议：先看“导读/要点”，再按小节逐个核对
• 备注：以官方页面与产品实际可用性为准

快速开始（建议 3 分钟）

• 先浏览本页目录，找到与你目标最接近的小节
• 按步骤完成一次最小操作（例如：打开入口/创建 Key/跑通一次调用）
• 遇到问题先看“注意事项/常见问题”，再回到对应小节核对条件

3.1 Gemini 1.0：原生多模态的开端

发布背景：2023 年 12 月，Google 正式发布 Gemini 1.0，被定位为“我们最大、能力最强的 AI 模型”。 核心特征： 原生多模态：从模型结构上就是多模态设计，而不是“先文本模型再外挂视觉/音频模块”。可同时处理文本、图像、音频、视频和代码。 多尺寸版本：包括 Nano（端侧）、Pro（通用）、Ultra（旗舰），分别面向设备本地、云端服务和最复杂任务。 技术意义： Gemini 1.0 标志着 Google 从“单模态大模型 + 多模态外挂”转向统一多模态架构，为后续长上下文和智能体能力打下基础。