DeepMind 模型广场使用指南

DeepMind 官网模型页集中展示其Gemini 全系、Gemma 开源系列、音视频生成（Nano Banana/Lyria/Veo/Imagen）、世界模型（Genie）、机器人模型等，定位为“下一代 AI 系统探索入口”。

一、核心模型与主要功能

1. Gemini 3.5（2026.5 最新旗舰）

• 定位：前沿智能 + 行动能力，含 3.5 Pro/Flash 两版。
• 功能：

1. 文本/图像/音频/视频全模态理解。
2. 长上下文支持（1M 输入/65K 输出）。
3. 代码生成、工具调用、实时联网搜索、企业级智能体。

• Gemini 3.5 Flash：4 倍速、低成本、高吞吐，适合实时对话/批量处理。

2. Gemini Omni（2026.5 新）

• 定位：原生全模态“任意输入→任意输出”，首发视频生成。
• 功能：

1. 文本/图/音/视频输入→视频输出。
2. 对话式视频编辑（改场景/换对象/调光照）。
3. 物理模拟（重力/流体）。
4. 未来支持图像/音频输出。

3. Gemma 4（开源最强）

• 定位：Apache 2.0 开源，高智能/参数比，支持本地部署。
• 功能：

1. 文本/图像/音频（小模型）。
2. 256K 上下文。
3. 推理/代码生成/多模态任务、可商用无版权费。

4. Nano Banana 2（图像生成）

• 定位：Pro 级画质+Flash 级速度，4K 商用级。
• 功能：

1. 文生图/图生图/编辑。
2. 实时联网（RAG）、4K 输出、多角色/物体一致性（5 角色/14 物体）。
3. 文字渲染/信息图/数据可视化。

5. Lyria 3（音乐生成）

• 定位：带人声的音乐创作，24-bit 高保真。
• 功能：

1. 文本/图生音乐、带歌词人声。
2. 多风格（流行/古典/电子）、短视频 BGM。
3. AI 封面生成。

6. Veo（视频）/ Imagen（图像）

• Veo：顶尖文生视频，电影级画质。
• Imagen：顶尖文生图，高细节/艺术感。

7. Genie 3（世界模型）/ Gemini Robotics

• Genie 3：3D 世界模拟、环境交互、物理引擎，可与 Google 街景联动。
• Gemini Robotics：视觉 - 语言 - 动作（VLA）模型，实体机器人控制。

二、适用人群

1. C 端用户：创意生成（图文/视频/音乐）、学习辅助、日常对话、内容编辑（Gemini App）。
2. 创作者/设计师：Nano Banana 2（4K 商用图）、Veo（视频）、Lyria（音乐）、Omni（视频编辑）。
3. 开发者/企业：

• 开源：Gemma 4（本地部署/隐私优先/商用）。
• 云端：Gemini API/AI Studio（智能体/RAG/批量处理）。
• 平台：Enterprise Agent Platform（企业级智能体）。

1. 科研/教育：Genie（世界模拟）、Gemini（长文档分析）、Gemma（定制研究）。
2. 机器人/工业：Gemini Robotics（实体控制）、Genie（数字孪生）。

三、免费与付费

1. 免费

• Gemma 4：完全开源（Apache 2.0），权重免费下载，本地运行零成本，可商用。
• 基础试用：Gemini App 免费版（基础对话/简单生成）、Google AI Studio 免费额度（API 试用）。
• 部分工具：如 Gemini 基础嵌入、简单提示词模板。

2. 付费（API/订阅）

• Gemini 3.5 Flash（API）：$1.50/百万输入 token，$9.00/百万输出 token；缓存输入 $0.15/百万。
• Gemini Omni：仅限 Google AI Plus/Pro/Ultra 订阅，API 暂未开放。
• Nano Banana 2/Veo/Lyria：订阅制（Gemini App 高级版）+ API 按用量计费。
• 企业版：Gemini Enterprise Agent Platform、Vertex AI 定制定价。

四、如何使用（快速上手）

1. C 端（直接用）

1. 访问 Gemini App（gemini.google.com）或移动端 App。
2. 登录 Google 账号，免费版直接用；高级功能（Omni/4K/长视频）需订阅 Plus/Pro/Ultra。
3. 选择功能：对话（Gemini）、生图（Nano Banana）、生视频（Omni/Veo）、生音乐（Lyria）。

2. 开发者（API/开源）

1. 云端 API（推荐）进入 Google AI Studio（aistudio.google.com）。
2. 创建项目→获取 API Key→选择模型（Gemini 3.5/Omni/Nano Banana 2）。
3. 调用 API：支持文本/图像/音频/视频输入，返回生成结果。
4. 开源本地部署（Gemma 4）下载权重（Hugging Face/Google）。
5. 本地运行：需 GPU（推荐 RTX 4090+），支持笔记本/边缘设备。

3. 企业（智能体/定制）

• Gemini Enterprise Agent Platform：构建/部署/管理企业级智能体，支持私有数据集成。
• Google Antigravity：AI 原生开发平台，低代码构建应用。

五、避坑点（重要提醒）

1. 地区限制：Gemini/Omni/Nano Banana 2 等部分地区不可用（含中国大陆），需合规网络环境。
2. 版权风险：生成内容（图像/视频/音乐）可能涉及版权/商标侵权，商用需版权审核；SynthID 水印用于溯源。
3. 提示词质量：

• Omni/Nano Banana 2：需详细提示词（风格/分辨率/细节），模糊描述易出低质结果。
• 长文本：Gemini 3.5 支持 1M 上下文，但超长输入易降质，建议分段。

1. 成本控制：API 按 token 计费，批量任务易超预算；优先用 Flash 版（低成本高速）、缓存输入降成本。
2. 开源限制（Gemma 4）：Apache 2.0 免费，但不可用于非法/侵权用途；本地部署需硬件门槛。
3. 生成稳定性：

• Omni 视频：长视频（>1 分钟）易卡顿/失真，建议 30 秒内。
• Lyria 音乐：中文歌词发音不准、曲风有限，适合短视频 BGM。

1. 数据隐私：云端 API 输入数据可能被 Google 用于训练，敏感数据优先用 Gemma 4 本地部署。