2023 年 12 月，Google DeepMind 發佈了 Gemini 1.0——第一個從預訓練就整合文字、圖片、影片、語音的「原生多模態」模型。兩年半後的 2026 年 2 月，Gemini 3.1 Pro 以 GPQA Diamond 94.1% 成為科學推理最強的模型，ARC-AGI-2 77.1% 是 Fluid Intelligence benchmark 的最高分。定價 $2/$12 只有 Claude Opus 的 1/6。這是「AI 模型家族」系列的第四篇家族深度介紹，追蹤 Gemini 從 1.0 到 3.8 Flash 的完整演化。
怎麼解讀文中引用的 benchmark 數字，請參考AI 模型評測來源指南。這篇是AI 模型用途總覽系列的一部分。
家族定位與版本矩陣
| 模型／產品線 | 定位 | 關鍵差異 | 存取方式 |
|---|---|---|---|
| Gemini 3.1 Pro | 複雜推理與多模態 | Pro 層 | 託管 API |
| Gemini Flash | 高吞吐多模態 | Flash 產品線，版本見正文 | 託管 API |
| Gemma | 自架選項 | 與 Gemini 不同產品線 | 開放權重，條款見正文 |
兩條產品線：閉源 Gemini 收營收，開源 Gemma 補生態
看懂 Gemini 在 2026 年的佈局，關鍵是把它拆成兩條線——和 GPT 的雙軌類似：
閉源 API 線（AI Studio / Vertex AI）：Gemini 3 全系列只在 Google 基礎設施上，無權重可下載。從 1.5 時代就維持 1M context，定價 $2/$12 起。這條線負責營收——Google 的企業與消費者流量都跑在這上面，TPU 自研晶片和全球數據中心是它的基礎設施護城河。
開源權重線（Gemma 2 / 3，2B–27B）：Apache 2.0，可下載、微調、自架。這條線負責生態位——給需要自架、微調、資料主權的開發者一條退路，但明確不是前沿模型。
中間的轉折值得記：Google 在 2017 年發表 Transformer 論文、2014 年收購 DeepMind，2023 年 12 月把 Brain 和 DeepMind 合併為 Google DeepMind，Gemini 成為統一品牌——整合研究力量對抗 OpenAI 與 Microsoft。Gemma 的開源更像戰略補位，而不是路線回歸——閉源旗艦這條主軸從沒鬆動過。
子線與生態系：一張表看懂 Gemini 有多少產品
| 子線 | 代表版本 | 定位 |
|---|---|---|
| 旗艦推理 | Gemini 3.1 Pro / 3.8 Flash | 最高智慧 / 高效率（effort levels 可調） |
| 資安變體 | Gemini 3.8 Flash Cyber | 漏洞挖掘＋自動修補，僅 Fairwind Program 受信任防禦者 |
| 影片生成（子線） | Gemini Omni 1.1 Flash | 影片生成／編輯，非 LLM 主線 |
| 輕量 | Gemini 3.1 Flash-Lite | 高速低價，大規模分類 |
| 開源權重 | Gemma 3（2B–27B） | Apache 2.0，可自架 |
| 圖像 | Imagen 4 | 文生圖 |
| 語音 / 音訊 | Chirp / Lyria | 轉錄 / 音樂生成 |
| 影片 | Veo 3 | 文生影片 |
| 嵌入 | Gecko / text-embedding | RAG 主力 |
| 開發者工具 | AI Studio / Vertex AI Agent Builder | Agent 基礎設施 |
| 消費者產品 | Gemini App / NotebookLM | 全球第二大 AI 應用 |
兩個觀察：
多模態廣度是 Gemini 最被低估的資產。 文字、圖像、影片、語音、程式碼——Gemini 的原生多模態覆蓋比任何競爭者都完整，且從預訓練階段就融合（不是後掛 adapter）。對需要「看懂影片 + 聽得懂語音 + 讀得懂圖表」的 Agent 場景，Gemini 目前獨佔。
基礎設施優勢是隱性護城河。 Google 擁有全球最大的 TPU 叢集，這讓 Gemini 的推論成本和可用性都高於多數競爭者。但這也意味著 Gemini 的命運和 Google Cloud 深度綁定——對不想依賴單一雲的企業，這是風險。
家族演化
家族演化時間線
| 版本 | 發佈 | Context | 關鍵里程碑 |
|---|---|---|---|
| Gemini 1.0 Ultra/Pro/Nano | 2023-12 | 32K | 首個原生多模態模型 |
| Gemini 1.5 Pro | 2024-02 | 1M | 業界首個 1M context |
| Gemini 1.5 Flash | 2024-05 | 1M | 輕量版，速度優先 |
| Gemini 2.0 Flash | 2024-12 | 1M | Agent 能力、工具使用 |
| Gemini 2.5 Pro | 2025-03 | 1M | 推理能力大幅提升 |
| Gemini 2.5 Flash | 2025-04 | 1M | 性價比 Flash |
| Gemini 3.0 Pro | 2025-11 | 1M | Gemini 3 系列首發 |
| Gemini 3.1 Pro | 2026-02 | 1M | ARC-AGI-2 77.1%，GPQA 94.1% |
| Gemini 3.1 Flash-Lite | 2026-03 | 1M | $0.25/$1.50，最快最便宜 |
| Gemini 3.5 Flash | 2026-05 | 1M | Agent 能力接近 Pro |
| Gemini 3.6 Flash | 2026-07 | 1M | 持續迭代 |
| Gemini 3.7 Flash | 2026-08 | 1M | 最聰明的 Flash，$0.75/$3.75 |
| Gemini 3.8 Flash / 3.8 Flash Cyber | 2026-09 | 1M | 最強 Flash，effort levels，Terminal-Bench 2.1 89.4% |
兩年半、13 個里程碑。Gemini 的演化有一條清晰的主線：從多模態到 Agent，從旗艦到全尺寸覆蓋。1M context 是 Gemini 最早建立的技術壁壘，之後每一代都在多模態理解和 Agent 能力上持續推進。3.6／3.7／3.8 連續三代 Flash 維持 $0.75/$3.75（優惠價至 2026/12/31）——能力提升但不漲價，升級的代價轉嫁到 effort levels 的 token 消耗上。
架構與訓練取捨
架構：原生多模態與 1M Context 的兩個壁壘
原生多模態
Gemini 從第一代就是原生多模態——文字、圖片、影片、語音在預訓練階段就一起訓練，而不是先把文字模型訓練好，再後掛視覺 adapter。
這意味著 Gemini 能「真正理解」影片和語音，而不只是把它們轉成文字再處理。3.1 Pro 支援：
- 文字：標準 LLM 能力
- 圖片：理解、分析、推理
- 影片：直接處理影片片段（不是截圖）
- 語音：原生語音理解和生成
- PDF：直接解析文件
1M Context Window
2024 年 2 月，Gemini 1.5 Pro 成為業界首個支援 1M token context window 的模型。這不是噱頭——1M tokens 大約等於：
- 10 本完整的小說
- 3 萬行程式碼
- 5 小時的語音轉錄
到了 3.1 Pro，1M context 已經成熟穩定。但要注意：超過 200K tokens 後，定價翻倍（$4/$18）。如果你的 workload 總是超過 200K，實際成本比 $2/$12 高得多。
Deep Think
Gemini 的深度推理模式，類似 Claude 的 extended thinking 或 GPT 的 reasoning effort。3.1 Pro 的 Deep Think 在 ARC-AGI-2 上從 31.1%（3 Pro）跳到 77.1%——這是 2026 年最大的單一能力躍進之一。
評測與競品比較
效能位置
| 指標 | Gemini 3.1 Pro | 對照 |
|---|---|---|
| GPQA Diamond（研究生級科學問題） | 94.1% | GPT-5.6 Sol 94.6%；Claude Fable 5 92.6%；Opus 4.8 92% |
| ARC-AGI-2（Fluid Intelligence） | 77.1%（Deep Think） | Claude Opus 4.8 68.8%；Sonnet 4.6 60.4%；GPT-5.2 52.9% |
| SWE-bench Verified | 80.6% | Claude Opus 5 96%；DeepSeek V4 Pro 96.4%；Fable 5 95%——Gemini 落後約 15pp |
| MMMU-Pro（多模態學科推理） | 80.5~82% | Qwen3-VL-235B 69.3%；GPT-5.4 81% |
| DocVQA | 92% | Qwen3-VL-235B 96.5%；GPT-5.4 95%——文件理解上 Qwen 開源反而更強 |
Gemini 3.8 Flash：agentic coding 追平 frontier
3.8 Flash（2026-09-02）的升級集中在「會反覆呼叫工具、多步驟執行到底」的 agent 任務，而不是全面拉高通用推理（HLE-Verified 只從 53.6% 微升到 54.9%）：
| 指標 | Gemini 3.8 Flash | 3.7 Flash | 競品對照 |
|---|---|---|---|
| DeepSWE v1.1（長週期軟體工程） | 73.7% | 65.3% | Claude Opus 5 74.0%、GPT-5.6 Sol 72.7%——實質追平 |
| Terminal-Bench 2.1（agentic 終端操作） | 89.4% | 85.8% | Opus 5 89.1%、GPT-5.6 Terra 87.4%——小幅領先 |
| Terminal-Bench 4.0（新一代 agent 能力） | 19.1% | 11.2% | Opus 5 51.8%——仍大幅落後，別只看 2.1 |
| HLE-Verified（跨領域專家推理） | 54.9% | 53.6% | GPT-5.6 Terra 51.1% |
數字來自 Gemini 3.8 Flash Model Card 評測表（Google 官方自測，非第三方複現）。兩處方法警語：官方發佈 blog 的圖表另有一組 Terminal-Bench 2.1 讀數（3.8 為 90.8%、3.7 為 81.6%），與 Model Card 表格（89.4%／85.8%）不一致，本文採用 Model Card 表格數字；本站 3.7 Flash 模型卡記錄的 85.8% 與 Model Card 的 3.7 列一致。
3.8 的核心設計選擇是 effort levels：同一個 model ID 可依任務在高 effort（多推理步驟、反覆呼叫工具，換準確度）與低 effort（壓 token 開銷）之間切換，不必維護兩套模型切換邏輯。效率優先的 workload 可以繼續用 3.7 Flash，官方仍完整支援。
同步推出的 3.8 Flash Cyber 是資安變體（CWE-Bench 修補 pass@1 47.2%，20 語言真實漏洞挖掘成功率逾 70%），僅透過 Fairwind Program 開放給受信任防禦者，不是自助 API——一般開發者選型時可以直接忽略。
和競品直接對照：
| 指標 | Gemini 3.1 Pro | Claude Fable 5 | GPT-5.6 Sol | DeepSeek V4 Pro |
|---|---|---|---|---|
| GPQA Diamond | 94.1% | 92.6% | 94.6% | — |
| ARC-AGI-2 | 77.1% | — | — | — |
| SWE-bench Verified | 80.6% | 95% | ~95% | 96.4% |
| MMMU-Pro | 82% | — | — | — |
| Context | 1M | 1M | 1.05M | 1M |
| Output 上限 | 64K | 128K | 128K | 128K |
| 原生影片/語音 | ✓ | ✗ | ✗ | ✗ |
| Output 定價 ($/MTok) | $12 | $50 | $30 | $0.87 |
Gemini 的獨特優勢是科學推理 + 原生多模態 + 低定價的組合。64K output 上限仍在；SWE-bench Verified（3.1 Pro 80.6%）落後依舊，但 Flash 產品線在 agentic coding（Terminal-Bench 2.1、DeepSWE v1.1）已經追平 frontier，主力戰場從「科學推理」擴大到「長週期 agent 任務」。
跟競品的位置
把 Gemini 放回 2026 年的格局：
- 對上 Claude：Gemini 在科學推理（GPQA 94.1%）和原生多模態領先，Claude 在 coding（SWE-bench 95%）和 agentic 可靠性更穩
- 對上 GPT-5.6：GPT 在部分 agentic 任務（BrowseComp）仍強，但 Terminal-Bench 2.1 已被 3.8 Flash 以 89.4% 反超 Terra 的 87.4%（官方自測數字，見上文警語）；新一代 Terminal-Bench 4.0 上 Opus 5（51.8%）仍海放 3.8 Flash（19.1%），agent 能力的代際落差還在。Gemini 在科學和多模態領先，兩家通用能力互有勝負
- 對上 DeepSeek V4：DeepSeek 在 SWE-bench Verified 以 1/40 價格追平，且 MIT 可自架。Gemini 的優勢是 1M context 和多模態廣度
- 對上開源（Llama 4 / Qwen / Kimi / Mistral）：Gemini 品質領先，但價格是開源的 10–50 倍，且最強模型不開源
授權、價格與部署
授權陷阱：最強模型綁在 Google 基礎設施上
Google 的授權佈局和 OpenAI 類似——閉源旗艦 + 開源小模型雙軌：
- 閉源旗艦（Gemini 3.1 全系列）：只有 API（AI Studio / Vertex AI），無權重，授權即 Google 服務條款
- 開源權重（Gemma 2 / 3，2B–27B）：Apache 2.0，可下載、微調、自架——但只有中小型，不是前沿
- 企業部署：Vertex AI 上的 Gemini 受 Google Cloud 合約約束，資料處理地點可選區域
這裡的但書是：Gemini 最強的模型幾乎綁死在 Google 基礎設施上。想用 1M context 或原生影片理解，就必須走 Google 的 API 或 Vertex。Gemma 雖然 Apache 2.0，但 27B 的規模和品質都遠落後 Gemini 3.1 Pro。如果你的場景需要「Apache 2.0 + 前沿品質」，Gemini 給不了，得看 DeepSeek（MIT）或 Qwen（多數 Apache）。
另一個陷阱是 Google 生態綁定：Gemini 的深度優勢（搜尋、YouTube、Maps、Workspace）只有在 Google 生態內才能發揮。離開 Google 基礎設施，Gemini 就退化成一個普通的前沿模型，優勢大幅縮水。
還有一個定價陷阱：Gemini 的 200K 門檻加價——一旦 input 總量超過 200K tokens，整個請求（包括 output）都按長 context 費率計費。199K input → $2/$12，201K input → $4/$18（整個請求，不只是超出部分）。另外 Gemini 3.6／3.7／3.8 三代 Flash 同價 $0.75/$3.75 只到 2026/12/31，2027/01/01 起恢復 $1.50/$7.50（context caching 同步從 $0.075 回到 $0.15）。對照之下前代 3.5 Flash 是 $1.50/$9.00——三代等於變相降價。但 3.8 的性能提升集中在高 effort，而高 effort 會消耗更多 token，帳單未必比較省。
Gemini 3.1 Pro 和 3.8 Flash 怎麼選
2026 年 2 月的旗艦與 9 月的工作馬，定位完全不同：
| 項目 | Gemini 3.1 Pro | Gemini 3.8 Flash | Gemini 3.1 Flash-Lite |
|---|---|---|---|
| 定位 | 旗艦推理，科學/研究 | Agent 工作馬，長週期 coding | 高吞吐，最低成本 |
| Input ($/MTok) | $2（≤200K）/ $4（>200K） | $0.75（優惠至 2026/12/31，之後 $1.50） | $0.25 |
| Output ($/MTok) | $12（≤200K）/ $18（>200K） | $3.75（優惠至 2026/12/31，之後 $7.50） | $1.50 |
| Context caching | $0.20 / $0.40 | $0.075（優惠，之後 $0.15） | $0.025 |
| Context | 1M | 1M | 1M |
| Max output | 64K | 64K | 64K |
| Deep Think | ✓ | ✓ | ✓ |
| Effort levels | — | ✓（高／低 effort 切換推理深度與 token 開銷） | — |
| 原生多模態 | ✓（文字/圖/影/音/PDF） | ✓ | ✓（文字/圖/影，音訊加價） |
定價與規格來自 Gemini Developer API Pricing 與 Gemini API Models。
Agent 使用與選型
對 Agent 開發者的意義
- 科學研究和推理 → Gemini 3.1 Pro：GPQA Diamond 94.1%、ARC-AGI-2 77.1%——需要深度科學推理的場景，Gemini 目前最強
- 影片和語音理解 → Gemini 3.1 Pro：原生支援影片和語音輸入，不需要先轉文字。這在影片分析、語音助理等場景是獨特優勢
- 長文件處理 → Gemini 3.1 Pro：1M context 在處理大量文件時有優勢，特別是搭配 context caching 可以大幅降低成本
- Google 生態整合 → 如果你已經在用 Google Workspace、Google Cloud，Gemini 的整合最自然
- 高性價比 → Gemini 3.1 Pro 的 $2/$12 定價是 Claude 的 1/6、GPT 的 1/2.5，但能力在科學推理上不輸
- 高吞吐分類/摘要 → Gemini 3.8 Flash（低 effort）或 3.7 Flash：$0.75/$3.75（優惠至 2026/12/31），1M context，適合大量輕量請求
- Coding agent／長週期 SWE agent → Gemini 3.8 Flash（高 effort）：DeepSWE v1.1 73.7%、Terminal-Bench 2.1 89.4%，以 Flash 定價跑出 frontier 級表現；開放式推理任務升級無感（HLE-Verified 幾乎持平），可繼續用 3.7 Flash
- 複雜任務的 output 上限 → 64K output 上限仍在（對手多為 128K），超長單次生成要注意切分；SWE-bench Verified 上 3.1 Pro 的 80.6% 仍落後約 15pp，但那是 Pro 線的數字——Flash 產品線看 DeepSWE／Terminal-Bench 反而是領先群
- 本地部署 → Gemini 旗艦綁在 Google 基礎設施上，需自架看 Gemma（非前沿）或 Qwen / DeepSeek
限制與取捨
Gemini 和 Gemma 不能混用授權與部署假設。長 context 與多模態能力仍要對照具體版本、輸入條件和價格，不能把家族名稱當成規格。
整體來說
Gemini 的故事是「用基礎設施優勢換取定價和多模態領先」。Google 擁有 TPU 自研晶片和全球最大數據中心網路，這讓 Gemini 能以 $2/$12 的定價提供 1M context 和原生多模態——這是 Claude 和 GPT 做不到的。
但 Gemini 也有明確的限制：64K output 上限仍在，SWE-bench Verified（Pro 線）落後依舊，Terminal-Bench 4.0 這類新一代 agent 評測也被 Opus 5 拉開。它的最佳定位從「科學推理 + 多模態理解 + 高性價比」再擴大一塊「長週期 agentic coding」——如果你的場景需要深度科學推理、影片/語音理解，或用 Flash 定價跑長週期 agent 任務，Gemini 是最划算的選擇。3.6／3.7／3.8 連續三代不漲價，Google 把升級成本從單價轉嫁到 effort levels 的 token 用量上，讓開發者自己決定要不要為準確度多付錢。
更新紀錄
-
2026-10-11：修正英文版落後中文 3.8 Flash 內容的差異；本次僅透過 Groundlane 重核 3.8 官方模型卡表格、發布文字與相關價格段落，未重查整篇。既有核對及圖表讀數警語分開保留。
-
2026-10-11：依家族共同格式重組章節，補上由既有內容整理的矩陣。沿用原有版本、價格與來源日期，未進行新一輪事實查證。
-
2026-09-19：補充 Gemini 3.8 Flash（2026-09-02）——時間線、選型表、agentic coding 效能段落、子線表（3.8 Flash Cyber、Omni 1.1 Flash）、三代同價與 effort levels；benchmark 數字以 Model Card 評測表為準，blog 圖表讀數差異見內文警語
參考資料
- Google DeepMind Gemini
- Gemini 3.1 Pro Model Card
- Introducing Gemini 3.8 Flash and 3.8 Flash Cyber
- Gemini 3.8 Flash Model Card
- Gemini 3.7 Flash: our most intelligent workhorse model
- Gemini 3.1 Pro: Announcing our latest Gemini AI model
- Gemini Developer API Pricing
- Gemini API Models
- Gemini 3.1 Pro — BenchLM
- Gemini 3.1 Pro — Artificial Analysis
- Gemini 3.1 Pro reviewed — benchor
- ARC-AGI-2 Benchmark
- AI 模型評測來源指南 — 本站
- AI 模型用途總覽 — 本站
- 模型卡｜Gemini 3.8 Flash — 本站
Loading...