Google

Gemini 4 Argon — это флагманская модель рассуждений Google, созданная для сложной разработки программного обеспечения, глубокого решения математических и научных задач, а также для автономных многошаговых агентов. Google обучила её сохранять контекст в длинных многошаговых задачах и превращать длинные документы, содержащие текст, таблицы, диаграммы и изображения, в единый обоснованный результат. Она возглавляет индекс Vals в финансовой, юридической, программной и налоговой сферах и поддерживает длинное декодирование до 1M выходных токенов в одном ответе.

Nano Banana 2.1 (Gemini Nano Banana 2.1) — это модель генерации и редактирования изображений от Google на уровне Flash, которая приходит на смену Nano Banana 2 и Nano Banana Pro. Она улучшает реконтекстуализацию продуктов, редактирование на основе масок и чернил, а также фактическую точность, и создаёт фотореалистичные оттенки кожи, детализированные материалы, освещение и согласованные фоны. Модель принимает текстовые и графические входные данные, возвращает изображения с необязательным текстом и поддерживает выходные форматы 1K, 2K и 4K, а также расширенные соотношения сторон через параметр image_config API.

Gemini 3.5 Transcribe — это модель преобразования речи в текст от Google. Она подходит для синхронной транскрипции, требующей временных меток на уровне слов или диаризации говорящих, с поддержкой до восьми говорящих. Аудио может быть длительностью до одного часа или 30 минут при включённых временных метках или диаризации.

Gemini 3.8 Flash Lite TTS — это модель преобразования текста в речь от Google и быстрый высокопроизводительный представитель семейства 3.8 TTS наряду с Gemini 3.8 Flash TTS. Она подходит для конвейеров разговорных голосовых агентов, массового чтения вслух и задач репликации голоса, где задержка и стоимость важнее максимальной выразительности. Она принимает ту же конфигурацию речи, что и Gemini 3.1 Flash TTS Preview, включая предварительно созданные студийные голоса 30, и поддерживает Voice Design и Voice Replication от Google через идентификаторы voice_....

Gemini 3.8 Flash TTS — это модель преобразования текста в речь от Google и преемница Gemini 3.1 Flash TTS Preview. Она представляет собой творческий уровень семейства 3.8 TTS и подходит для озвучивания, работы с персонажами и многоголосых диалогов, где точность голоса, нюансы актёрской игры и охват региональных диалектов важнее задержки. Она принимает ту же конфигурацию речи, что и её предшественница, включая 30 готовых студийных голосов, и поддерживает Voice Design от Google (создание голосов по текстовому описанию) и Voice Replication (клонирование голосов по короткому образцу) через идентификаторы voice_....

Gemini 3.8 Flash — это самая интеллектуальная модель Flash от Google со значительными улучшениями благодаря 3.7 Flash в разработке ПО, агентных задачах и многошаговых рассуждениях.

Gemini 3.7 Flash — это мультимодальная модель от Google для быстрых агентных процессов, написания кода и сложных многошаговых рассуждений. Она предназначена для задач, требующих отзывчивой производительности и надёжного многошагового решения проблем.

Gemini 3.6 Flash — это высокоэффективная модель от Google для программирования, агентных рабочих процессов, а также веб- и прикладной разработки. Она создана для получения аккуратных результатов с меньшим числом лишних правок и меньшей осторожностью в формулировках, при этом снижая расход токенов и количество обращений к модели, необходимых для выполнения задачи.

Gemini 3.5 Flash Lite — это высокоэффективная модель от Google с улучшенными агентными возможностями. Она подходит для субагентов, выполняющих сфокусированные задачи в сложных мультиагентных рабочих процессах.

Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image) — у Google это самая быстрая и экономичная Gemini модель генерации изображений, созданная для высокоскоростных конвейеров разработки и быстрых визуальных исследований. Она обеспечивает генерацию из текста в изображение примерно за 4 секунд — примерно в 2.7 раз быстрее, чем Gemini 3.1 Flash Image, — сохраняя при этом согласованность персонажей, точное редактирование и знания о реальном мире, характерные для семейства Nano Banana. Единый API, подключаемый без изменений, обрабатывает генерацию из текста в изображение, редактирование изображений и создание композиций из нескольких изображений. Будучи мультимодальной моделью, она также возвращает текст вместе с изображениями. Результаты генерируются в разрешении 1K при 14 соотношениях сторон и содержат невидимый водяной знак SynthID, позволяющий идентифицировать их как AI-generated. Позиционируясь как лучший баланс качества и скорости в линейке Nano Banana 2, она позволяет генерировать тысячи изображений по стоимости, составляющей лишь малую долю затрат на более тяжёлые производственные модели, — идеально для прототипирования, приложений реального времени и масштабных визуальных рабочих процессов.

Gemini 3.1 Flash Image, также известная как «Nano Banana 2», — это новейшая модель генерации и редактирования изображений уровня Pro от Google, обеспечивающая визуальное качество уровня Pro на скорости Flash. Она сочетает расширенное понимание контекста с быстрым и экономически эффективным выводом, что делает сложную генерацию изображений и итеративное редактирование значительно более доступными. Соотношением сторон можно управлять с помощью параметра image_config API.

Nano Banana Pro — самая передовая модель генерации и редактирования изображений от Google, построенная на базе Gemini 3 Pro. Она расширяет возможности оригинальной Nano Banana за счёт значительно улучшенного мультимодального рассуждения, привязки к реальному миру и высокоточной визуальной генерации. Модель создаёт насыщенные по контексту графические материалы — от инфографики и диаграмм до кинематографичных композиций — и может использовать информацию в реальном времени через привязку к поиску. Модель обеспечивает лучшую в отрасли передачу текста в изображениях (включая длинные фрагменты и многоязычные макеты), согласованное смешивание нескольких изображений и точное сохранение индивидуальности до пяти объектов. Nano Banana Pro добавляет тонкие творческие настройки, такие как локальные правки, регулировка освещения и фокуса, трансформации камеры, а также поддержку выходных форматов 2K/4K и гибких соотношений сторон. Она предназначена для профессионального дизайна, визуализации продуктов, раскадровки и сложных многоэлементных композиций, оставаясь при этом эффективной для обычных задач создания изображений.

Gemini Embedding 2 — это первая мультимодальная эмбеддинг-модель от Google. В настоящее время мы поддерживаем отображение текста и изображений в единое векторное пространство для семантического поиска и генерации с дополнением по извлечённым данным (RAG). Модель поддерживает входной контекст до 8,192 токенов и гибкие размерности выходных векторов от 128 до 3,072 (рекомендуемые: 768, 1536 или 3,072). Она разработана для кросс-модального сравнения — вы можете эмбеддить текстовый запрос и получать наиболее релевантные изображения, или наоборот, — что делает её хорошо подходящей для мультимодального поиска, рекомендаций и пайплайнов понимания документов.

Gemini 3.5 Flash — это высокоэффективная мультимодальная модель от Google, обеспечивающая почти уровень Pro в написании кода и рассуждениях при затратах и скорости уровня Flash. Она оптимизирована для высокой компетентности в программировании и параллельных агентных циклах выполнения, поддерживая ввод текста, изображений, видео, аудио и PDF. По умолчанию используется средний уровень усилия мышления для более быстрых и экономичных ответов, с полной поддержкой уровней мышления (минимальный, низкий, средний, высокий) для тонкой настройки компромиссов между стоимостью и производительностью.

Gemini 3.1 Flash Lite — это GA высокоэффективная мультимодальная модель от Google, оптимизированная для низкой задержки и больших объёмов рабочих нагрузок. Она поддерживает ввод текста, изображений, видео, аудио и PDF и предназначена для лёгких агентных рабочих процессов, простого извлечения данных и приложений, где основными ограничениями являются отзывчивость и стоимость API. Поддерживает полные уровни мышления (минимальный, низкий, средний, высокий) для тонкой настройки компромиссов между стоимостью и производительностью. Цена составляет половину стоимости Gemini 3 Flash.

Chirp 3 — новейшая многоязычная модель распознавания речи от Google. Она обеспечивает повышенную точность транскрипции для 24 GA языков и 77+ языков в предварительном доступе, с поддержкой автоматического определения языка, автоматической пунктуации и встроенного шумоподавителя для более чистой обработки аудио.

Эта модель всегда перенаправляет на последнюю модель в семействе Gemini Pro.

Эта модель всегда перенаправляет на последнюю модель семейства Gemini Flash.

Gemini 3.1 Flash TTS Preview — это модель преобразования текста в речь от Google, и значительный шаг вперед по сравнению с Gemini 2.5 Flash TTS. Она принимает текстовый ввод и создает аудиовыход на 70+ языках — почти в 3× больше языков, чем у ее предшественницы. Главное дополнение — это система из 200+ встроенных аудиотегов (например, [whispers], [laughs], [excited]), которые позволяют разработчикам управлять подачей, эмоциями и темпом прямо в середине предложения, а также рабочий процесс «режиссерского кресла» в студии Google AI для определения аудиопрофилей для каждого персонажа и контекста сцены. Она поддерживает до двух говорящих с независимой настройкой голоса и стиля для каждого, выводит аудио PCM в формате 24 kHz / 16-бит моно и автоматически добавляет водяной знак SynthID ко всем выходам. Окно контекста — 32k токенов.

Модель генерации видео среднего уровня от Google, сочетающая скорость и качество. Veo 3.1 Fast генерирует высококачественное видео по текстовым или графическим запросам с синхронизированным звуком, обеспечивая более быструю выдачу результата, чем Veo 3.1, при более низкой стоимости. Поддерживает управление по первому и последнему кадру, несколько разрешений и соотношений сторон, а также нанесение водяных знаков SynthID.

Наиболее экономически эффективная модель генерации видео от Google, предназначенная для высоконагруженных приложений и быстрой итерации. Veo 3.1 Lite генерирует видео разрешением 720p и 1080p по текстовым или графическим промптам со встроенным синхронизированным звуком менее чем за 50% стоимости Veo 3.1 Fast. Поддерживает клипы длительностью 4–8 секунд в альбомном (16:9) и портретном (9:16) форматах, с водяным знаком SynthID. Идеально подходит для контентных платформ, создания коротких видео и автоматизированной генерации медиа.

Gemini Embedding 2 Preview — первая мультимодальная модель встраивания от Google. В настоящее время мы поддерживаем сопоставление текста и изображений в едином векторном пространстве для семантического поиска и поисковой дополненной генерации (RAG). Она поддерживает входной контекст до 8,192 токенов и гибкие размеры выходных векторов от 128 до 3,072 (рекомендуется: 768, 1536 или 3,072). Разработана для кросс-модального сходства — вы можете встроить текстовый запрос и получить наиболее релевантные изображения или наоборот, — что делает её хорошо подходящей для мультимодального поиска, рекомендаций и конвейеров понимания документов.

Gemma 4 26B A4B IT — это модель Mixture-of-Experts (MoE) с инструкционной настройкой от Google DeepMind. Несмотря на 25.2B общих параметров, во время инференса активируется только 3.8B на токен, что обеспечивает качество, близкое к -31B, при доле вычислительных затрат. Поддерживает мультимодальный ввод, включая текст, изображения и видео (до 60 секунд при 1fps). Имеет контекстное окно в 256K токенов, встроенный вызов функций, настраиваемый режим мышления/рассуждения и поддержку структурированного вывода. Выпущена под лицензией Apache 2.0.

Gemma 4 31B Instruct — это 30.7B плотная мультимодальная модель Google DeepMind, поддерживающая ввод текста и изображений с выводом текста. Она имеет контекстное окно размером 256K токенов, настраиваемый режим мышления/рассуждений, встроенный вызов функций и многоязычную поддержку для 140+ языков. Сильна в задачах программирования, рассуждений и понимания документов. Лицензия Apache 2.0.

Полные песни оцениваются в $0.08 за песню. Lyria 3 — это семейство моделей генерации музыки от Google, доступное через Gemini API. С помощью Lyria 3 вы можете создавать высококачественное стереоаудио с частотой 48кГц на основе текстовых подсказок или изображений. Эти модели обеспечивают структурную целостность, включая вокал, синхронизированные по времени тексты песен и полные инструментальные аранжировки. Lyria 3 Pro могут генерировать полноформатные песни с куплетами, припевами и бриджами.

Клипы длительностью 30 секунд стоят $0.04 за клип. Lyria 3 — это семейство моделей генерации музыки от Google, доступное через Gemini API. С помощью Lyria 3 вы можете создавать высококачественное стереоаудио с частотой 48 кГц из текстовых подсказок или изображений. Эти модели обеспечивают структурную целостность, включая вокал, синхронизированные тексты песен и полные инструментальные аранжировки. Lyria 3 Clip могут генерировать короткие клипы, лупы, превью.

Google — это передовая модель генерации видео, созданная для максимальной визуальной точности в финальных производственных версиях. Veo 3.1 генерирует высококачественное видео разрешением 1080p из текстовых или графических подсказок с нативным синхронизированным звуком — включая диалоги, эффекты окружения и фоновые звуки. Поддерживает расширение сцен (до 20 связанных клипов для повествований длительностью 140+ секунд), переходы между двумя изображениями, вертикальное видео для Shorts и апскейлинг 4K.

Gemini 3.1 Flash Lite Preview — это высокоэффективная модель Google, оптимизированная для сценариев с большими объёмами использования. Она превосходит Gemini 2.5 Flash Lite по общему качеству и приближается к производительности Gemini 2.5 Flash по ключевым возможностям. Улучшения охватывают аудиовход/ASR, ранжирование фрагментов RAG, перевод, извлечение данных и завершение кода. Поддерживаются все уровни мышления (минимальный, низкий, средний, высокий) для точной настройки соотношения затрат и производительности. Цена составляет половину стоимости Gemini 3 Flash.

Gemini 3.1 Flash Image Preview, также известная как «Nano Banana 2», — это последняя модель генерации и редактирования изображений уровня state of the art от Google, обеспечивающая визуальное качество уровня Pro при скорости Flash. Она сочетает расширенное контекстное понимание с быстрым и экономичным инференсом, делая сложную генерацию изображений и итеративное редактирование значительно более доступными. Соотношение сторон можно контролировать с помощью параметра image_config API

Gemini 3.1 Pro Preview Custom Tools — это вариант Gemini 3.1 Pro, который улучшает поведение при выборе инструментов, предотвращая чрезмерное использование общего bash-инструмента, когда доступны более эффективные сторонние или пользовательские функции. Эта специализированная предварительная конечная точка значительно повышает надёжность вызова функций и гарантирует, что модель выбирает наиболее подходящий инструмент в программных агентах и сложных многоинструментальных рабочих процессах. Она сохраняет ключевые сильные стороны Gemini 3.1 Pro, включая мультимодальные рассуждения по тексту, изображениям, видео, аудио и коду, контекстное окно на 1M токенов и высокую производительность в разработке программного обеспечения.

Gemini 3.1 Pro Preview — это флагманская модель рассуждений от Google, обеспечивающая повышенную производительность в разработке ПО, улучшенную надежность агентов и более эффективное использование токенов в сложных рабочих процессах. Опираясь на мультимодальную основу серии Gemini 3, она сочетает высокоточные рассуждения по тексту, изображениям, видео, аудио и коду с контекстным окном на 1M токенов. Детали рассуждений сохраняются при использовании многошаговых вызовов инструментов, см. документацию: https://openrouter.ai/docs/use-cases/reasoning-tokens#preserving-reasoning. Обновление 3.1 обеспечивает измеримые улучшения в бенчмарках SWE и в реальных средах программирования, а также более сильное автономное выполнение задач в структурированных областях, таких как финансы и работа с электронными таблицами. Разработанная для продвинутых систем и агентных архитектур, Gemini 3.1 Pro Preview улучшает долгосрочную стабильность и оркестрацию инструментов, повышая при этом эффективность использования токенов. Она вводит новый средний уровень мышления для лучшего баланса между стоимостью, скоростью и производительностью. Модель отлично справляется с агентным программированием, структурированным планированием, мультимодальным анализом и автоматизацией рабочих процессов, что делает её идеальной для автономных агентов, финансового моделирования, работы с электронными таблицами и корпоративных задач с высоким контекстом.

Gemini 3 Flash Preview — это высокоскоростная и высокоценная модель мышления, разработанная для агентных рабочих процессов, многоходового чата и помощи в программировании. Она обеспечивает рассуждения и использование инструментов почти уровня Pro с существенно меньшей задержкой, чем более крупные варианты Gemini, что делает её хорошо подходящей для интерактивной разработки, длительных агентных циклов и задач совместного программирования. По сравнению с Gemini 2.5 Flash она обеспечивает широкие улучшения качества в рассуждениях, мультимодальном понимании и надёжности. Модель поддерживает окно контекста в 1M токенов и мультимодальные входные данные, включая текст, изображения, аудио, видео и PDFs, с выводом текста. Она включает настраиваемые рассуждения через уровни мышления (минимальный, низкий, средний, высокий), структурированный вывод, использование инструментов и автоматическое кэширование контекста. Gemini 3 Flash Preview оптимизирована для пользователей, которые хотят сильных рассуждений и агентного поведения без затрат или задержек полномасштабных передовых моделей.

Nano Banana Pro — это наиболее продвинутая модель генерации и редактирования изображений от Google, построенная на Gemini 3 Pro. Она расширяет возможности оригинальной модели Nano Banana за счет значительно улучшенного мультимодального рассуждения, привязки к реальному миру и высокоточной визуальной генерации. Модель создает контекстно-насыщенную графику — от инфографики и диаграмм до кинематографичных композиций — и может включать информацию в реальном времени через поисковую привязку. Она обеспечивает лидирующее в индустрии отображение текста в изображениях (включая длинные фрагменты и многоязычные макеты), согласованное смешивание нескольких изображений и точное сохранение идентичности до пяти объектов. Nano Banana Pro добавляет тонкие инструменты творческого контроля, такие как локальные правки, корректировка освещения и фокуса, трансформации камеры, а также поддержку выходных форматов 2K/4K и гибких соотношений сторон. Модель предназначена для профессионального дизайна, визуализации продуктов, раскадровки и сложных многоэлементных композиций, оставаясь при этом эффективной для стандартных рабочих процессов создания изображений.

gemini-embedding-001 обеспечивает унифицированный передовой опыт в различных областях, включая науку, право, финансы и программирование. Эта модель эмбеддингов стабильно занимает высокие позиции в многоязычном рейтинге Massive Text Embedding Benchmark (MTEB) с момента экспериментального запуска в марте.

Gemini 2.5 Flash Image, также известная как "Nano Banana", теперь общедоступна. Это современная модель генерации изображений с контекстным пониманием. Она способна генерировать изображения, редактировать их и вести многоходовые диалоги. Соотношение сторон можно контролировать с помощью параметра image_config API.

Gemini 2.5 Flash-Lite — это легковесная модель рассуждений в семействе Gemini 2.5, оптимизированная для сверхнизкой задержки и экономической эффективности. Она обеспечивает улучшенную пропускную способность, более быструю генерацию токенов и лучшую производительность в общих бенчмарках по сравнению с более ранними моделями Flash. По умолчанию «мышление» (т.е. многопроходные рассуждения) отключено для приоритета скорости, но разработчики могут включить его через параметр Reasoning API, чтобы избирательно обменивать стоимость на интеллект.

Gemini 2.5 Flash — это передовая основная модель Google, специально разработанная для сложных задач рассуждения, программирования, математики и науки. Она включает встроенные возможности «мышления», позволяющие давать ответы с большей точностью и тонкой обработкой контекста. Кроме того, Gemini 2.5 Flash настраивается через параметр "max tokens for reasoning", как описано в документации (https://openrouter.ai/docs/use-cases/reasoning-tokens#max-tokens-for-reasoning).

Gemini 2.5 Pro — это передовая модель Google AI, предназначенная для решения сложных задач в области логики, программирования, математики и науки. Модель использует возможности «мышления», что позволяет ей рассуждать при формировании ответов с повышенной точностью и тонким пониманием контекста. Gemini 2.5 Pro достигает результатов высшего уровня на множестве бенчмарков, включая первое место в рейтинге LMArena, что отражает превосходное соответствие человеческим предпочтениям и способность решать сложные проблемы.

Gemini 2.5 Pro — это передовая модель AI от Google, предназначенная для решения сложных задач рассуждения, программирования, математики и научных задач. Она использует возможности «мышления», позволяющие ей обдумывать ответы с повышенной точностью и тонким пониманием контекста. Gemini 2.5 Pro достигает результатов высшего уровня на многих бенчмарках, включая первое место в рейтинге LMArena, что отражает превосходное соответствие человеческим предпочтениям и способность решать сложные задачи.

Gemma 3 вводит мультимодальность, поддерживая ввод вида «изображение-текст» и вывод текста. Он обрабатывает контекстные окна до 128k токенов, понимает более 140 языков и предлагает улучшенные возможности для математики, логических рассуждений и чата, включая структурированные выходные данные и вызов функций.

Gemma 3 вводит мультимодальность, поддерживая ввод на основе зрения и языка и текстовый вывод. Он обрабатывает контекстные окна до 128k токенов, понимает более 140 языков и предлагает улучшенные возможности для математики, рассуждений и чата, включая структурированные выходные данные и вызовы функций. Gemma 3 12B является второй по величине моделью в семействе Gemma 3 после Gemma 3 27B

Gemma 3 вводит мультимодальность, поддерживая визуально-языковой ввод и текстовые выводы. Он обрабатывает контекстные окна до 128k токенов, понимает более 140 языков и предлагает улучшенные возможности в области математики, рассуждений и чата, включая структурированные выводы и вызовы функций. Gemma 3 27B — это последняя модель с открытым исходным кодом от Google, преемница Gemma 2

Gemma 2 27B от Google — это открытая модель, созданная на основе тех же исследований и технологий, что и модели Gemini. Модели Gemma хорошо подходят для множества задач генерации текста, включая ответы на вопросы, суммаризацию и рассуждение. Подробнее см. в объявлении о запуске. Использование Gemma регулируется условиями использования Gemma от Google.