定义
用于聚合 Gemini 相关文档。Gemini 是由 Google 开发的原生多模态大语言模型系列，具备跨越文本、图像、音频、视频和代码等多种信息载体的理解与生成能力。
核心内涵
- 原生多模态：从底层架构开始即采用多模态数据进行联合训练，而非通过拼接不同单模态模型来实现，从而具备更深度的跨模态推理能力。
- 弹性架构：包含不同参数规模的版本（如 Nano, Flash, Pro, Ultra），以适应从端侧设备到云端数据中心的差异化算力需求。
- 长上下文处理：支持超大规模的上下文窗口，能够一次性摄入并分析长篇文档、代码库或长视频内容。
- 复杂推理：在数学解题、逻辑推演、代码编写及跨模态信息提取方面展现出强大的泛化与涌现能力。
实践要点
- 多模态提示词设计：在构建 Prompt 时，合理组合文本指令与多媒体素材，明确指定输出格式与跨模态关联逻辑。
- 上下文管理：充分利用长上下文优势处理复杂任务，但需注意信息检索的准确性及 API 调用的成本控制。
- 端云协同：根据业务场景的延迟与隐私要求，灵活选择端侧轻量级模型或云端高性能模型进行部署。
- 安全与合规：遵循平台的使用规范，利用内置的安全过滤器防范有害内容生成，并注意处理多模态数据时的隐私保护。