Google Gemini是由Google DeepMind開發的多模態人工智慧系統，能同步處理文字、圖像、音訊、影片及程式碼。自2023年12月推出首個版本後持續升級功能，比如2024年2月開放Gemini Ultra免費使用，2025年新增個性化助理服務。其核心技術在於原生多模態架構，直接融合不同數據類型進行訓練，而非後期拼接模組。
一、核心版本
- Gemini Ultra：定位為頂級模型，專攻科學計算、多模態推理等複雜任務，初期僅供企業與開發者測試，2024年起整合至Google Bard及雲端API。
- Gemini Pro：通用型模型，具備多任務處理與程式碼生成能力，已整合至Google Workspace、Gmail等服務。
- Gemini Nano：輕量級模型，透過4位元量化技術優化運算效率，內建於Pixel系列手機，可離線執行文字摘要、智慧回覆等功能。
二、技術優勢
Gemini的視覺演算法無需OCR即可解析圖像文字，在MMLU基準測試中超越人類專家水準。2025年推出的Gemini 2.0 Pro Experimental版本強化長上下文記憶，可處理75萬字文本或1500頁文件，並整合Google搜尋與地圖數據實現自動行程規劃。此外，其Canvas功能支援即時協作，用戶可直接編寫文章或生成程式碼原型，並預覽互動式網頁效果。
三、應用場景
- 內容創作：從自然語言生成前端程式碼（HTML/CSS/JS）、將文字轉換為AI主持的語音播客，或依據手繪草圖產出結構化思維導圖。
- 企業效率：在Google Sheets自動生成數據公式、於Gmail側邊欄撰寫郵件，並透過Gemini Business方案提供會議紀錄翻譯與文件分類。
- 教育研究：解析化學分子式、還原古籍掃描件內容，並針對複雜主題自動生成多步驟研究報告。
四、使用方式
一般用戶可透過Google AI Studio網頁版直接互動，開發者則能經由Google Cloud API串接模型功能。中國大陸用戶可透過「超級AI助理」平台使用精簡版Gemini 1.5 Pro，無需特殊網路環境。最新推出的Personalization功能深度關聯用戶Google搜尋歷史，提供更精準的建議，例如根據近期餐廳搜尋推薦相似選項。
