Gemini 模型 - YeLin AI

本页介绍 Gemini 系列模型在 YeLin AI 的使用方式。你用 OpenAI 兼容接口即可调用 Gemini。

对话补全

用同一个端点调用 Gemini。

模型列表

找到 Gemini 的模型 id。

模型简介

Google Gemini是谷歌开发的先进多模态AI模型，具有强大的文本理解、代码生成、图像分析和推理能力。在YeLIn AI平台上，你可以使用Gemini的最新模型版本。

🚀 模型概览

Gemini 1.5 Pro

最新旗舰模型，支持超长上下文和多模态

Gemini 1.5 Flash

轻量快速版本，高性价比选择

Gemini 1.0 Pro

经典版本，稳定可靠

Gemini Vision

专门优化的视觉理解模型

Gemini 1.5 Pro (推荐)

Gemini 1.5 Pro是Google最新的旗舰模型，支持长达200万token的上下文长度。

🎯 核心特性

模型ID： gemini-1.5-pro-latest 特点：

🧠 强大的推理和分析能力
📚 超长上下文支持（2M tokens）
🖼️ 多模态能力：文本、图像、视频、音频
🔍 优秀的文档理解能力
💻 卓越的代码生成能力
🌍 优秀的多语言支持

价格： 输入 3.5/1Mtokens，输出3.5/1M tokens，输出 3.5/1Mtokens，输出10.5/1M tokens Python Node.js cURL

from openai import OpenAI

client = OpenAI(
    api_key="YOUR_API_KEY",
    base_url="https://api.yelinai.com/v1"
)

# 基础对话
response = client.chat.completions.create(
    model="gemini-1.5-pro-latest",
    messages=[
        {
            "role": "system",
            "content": "你是一个专业的AI助手，擅长分析和解决复杂问题"
        },
        {
            "role": "user",
            "content": "请分析一下人工智能在教育领域的应用前景"
        }
    ],
    max_tokens=1000,
    temperature=0.7
)

print(response.choices[0].message.content)

📚 超长文档分析

Gemini 1.5 Pro的超长上下文特别适合处理大型文档：

# 处理超长文档
long_document = """
[这里是一个非常长的文档，可能包含数十万字的内容，
比如完整的学术论文、技术文档、小说等...]
"""

response = client.chat.completions.create(
    model="gemini-1.5-pro-latest",
    messages=[
        {
            "role": "system",
            "content": "你是一个专业的文档分析专家，擅长提取关键信息和深入分析"
        },
        {
            "role": "user",
            "content": f"""
            请对以下文档进行全面分析：
            
            {long_document}
            
            请提供：
            1. 文档摘要（500字以内）
            2. 关键观点和论证
            3. 数据和统计信息
            4. 结论和建议
            5. 潜在问题和改进方向
            """
        }
    ],
    max_tokens=3000,
    temperature=0.3
)

🖼️ 多模态能力

Gemini 1.5 Pro支持图像、视频和音频分析：

# 图像分析
response = client.chat.completions.create(
    model="gemini-1.5-pro-latest",
    messages=[
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": "请详细分析这张图片中的设计元素、色彩搭配和视觉效果"
                },
                {
                    "type": "image_url",
                    "image_url": {
                        "url": "https://example.com/image.jpg",
                        "detail": "high"
                    }
                }
            ]
        }
    ],
    max_tokens=800
)

print(response.choices[0].message.content)

💻 代码生成和审查

# 复杂代码生成任务
code_request = """
请创建一个完整的Python类，实现以下功能：

1. 一个分布式缓存系统的客户端
2. 支持Redis和Memcached后端
3. 实现自动故障转移
4. 包含连接池管理
5. 支持异步操作
6. 提供完整的错误处理
7. 包含详细的文档和类型提示
8. 提供完整的单元测试

请确保代码符合Python最佳实践，包含详细注释。
"""

response = client.chat.completions.create(
    model="gemini-1.5-pro-latest",
    messages=[
        {
            "role": "system",
            "content": "你是一个资深的Python开发专家，擅长设计高质量的系统架构"
        },
        {
            "role": "user",
            "content": code_request
        }
    ],
    max_tokens=4000,
    temperature=0.2
)

Gemini 1.5 Flash (高性价比)

Gemini 1.5 Flash是轻量级版本，提供快速响应和优异的性价比。

⚡ 核心特性

模型ID： gemini-1.5-flash-latest 特点：

🚀 超快响应速度
💰 极高性价比
🎯 保持核心能力
📱 移动端友好
🔄 适合高频调用

价格： 输入 0.075/1Mtokens，输出0.075/1M tokens，输出 0.075/1Mtokens，输出0.3/1M tokens

🎮 使用场景

实时对话

# 实时聊天场景
def real_time_chat(user_message, conversation_history):
    messages = conversation_history + [
        {"role": "user", "content": user_message}
    ]
    
    response = client.chat.completions.create(
        model="gemini-1.5-flash-latest",
        messages=messages,
        max_tokens=500,
        temperature=0.7,
        stream=True  # 流式响应
    )
    
    for chunk in response:
        if chunk.choices[0].delta.content:
            yield chunk.choices[0].delta.content

快速翻译

# 批量翻译任务
def batch_translate(texts, target_lang="中文"):
    batch_text = "\n".join([f"{i+1}. {text}" for i, text in enumerate(texts)])
    
    response = client.chat.completions.create(
        model="gemini-1.5-flash-latest",
        messages=[
            {
                "role": "system",
                "content": f"你是一个专业的翻译专家，请将以下文本翻译成{target_lang}"
            },
            {
                "role": "user",
                "content": batch_text
            }
        ],
        max_tokens=2000,
        temperature=0.2
    )
    
    return response.choices[0].message.content

代码辅助

# 代码补全和优化
def code_assistant(code, task="优化"):
    response = client.chat.completions.create(
        model="gemini-1.5-flash-latest",
        messages=[
            {
                "role": "system",
                "content": f"你是一个编程助手，擅长{task}代码"
            },
            {
                "role": "user",
                "content": f"请{task}以下代码：\n\n{code}"
            }
        ],
        max_tokens=1000,
        temperature=0.3
    )
    
    return response.choices[0].message.content

📱 移动应用集成

# 移动端优化配置
mobile_config = {
    "model": "gemini-1.5-flash-latest",
    "max_tokens": 300,  # 控制响应长度
    "temperature": 0.7,
    "timeout": 10,      # 快速超时
    "stream": True      # 流式响应提升体验
}

def mobile_chat(user_input):
    """移动端聊天功能"""
    response = client.chat.completions.create(
        **mobile_config,
        messages=[
            {
                "role": "system",
                "content": "你是一个友好的移动助手，回答简洁明了"
            },
            {
                "role": "user",
                "content": user_input
            }
        ]
    )
    
    return response.choices[0].message.content

Gemini 1.0 Pro (经典版)

稳定可靠的经典版本，适合生产环境。

🏛️ 核心特性

模型ID： gemini-1.0-pro 特点：

🎯 稳定可靠的性能
💼 适合生产环境
📊 良好的商业应用表现
🔄 长期支持

价格： 输入 0.5/1Mtokens，输出0.5/1M tokens，输出 0.5/1Mtokens，输出1.5/1M tokens

💼 商业应用

# 商业分析和报告
business_analysis = """
请分析以下公司的季度财务数据：

营收：$125M (同比增长15%)
利润：$32M (同比增长8%)
用户数：2.3M (同比增长25%)
员工数：450人 (同比增长12%)

主要业务：
- SaaS产品 (70%营收)
- 咨询服务 (20%营收)
- 培训业务 (10%营收)

竞争对手：
- 公司A：市场份额35%
- 公司B：市场份额28%
- 我们：市场份额12%

请提供详细的业务分析和发展建议。
"""

response = client.chat.completions.create(
    model="gemini-1.0-pro",
    messages=[
        {
            "role": "system",
            "content": "你是一个资深的商业分析师，擅长财务分析和战略规划"
        },
        {
            "role": "user",
            "content": business_analysis
        }
    ],
    max_tokens=2000,
    temperature=0.3
)

Gemini Vision (视觉专家)

专门针对视觉任务优化的模型。

👁️ 核心特性

模型ID： gemini-pro-vision 特点：

🖼️ 专业的图像理解能力
🎨 设计元素分析
📊 图表和数据可视化解读
🏗️ 建筑和空间分析
🎭 艺术作品鉴赏

价格： 输入 0.25/1Mtokens，输出0.25/1M tokens，输出 0.25/1Mtokens，输出0.5/1M tokens

🎨 图像分析应用

设计分析数据图表解读

# 设计元素分析
def analyze_design(image_url):
    response = client.chat.completions.create(
        model="gemini-pro-vision",
        messages=[
            {
                "role": "user",
                "content": [
                    {
                        "type": "text",
                        "text": """
                        请从专业设计师的角度分析这张图片：
                        
                        1. 色彩搭配和色彩心理学
                        2. 构图和视觉平衡
                        3. 字体和版式设计
                        4. 品牌识别和一致性
                        5. 用户体验和可用性
                        6. 改进建议
                        """
                    },
                    {
                        "type": "image_url",
                        "image_url": {"url": image_url}
                    }
                ]
            }
        ],
        max_tokens=1000
    )
    
    return response.choices[0].message.content

🏗️ 建筑和空间分析

# 建筑设计分析
def analyze_architecture(image_url):
    response = client.chat.completions.create(
        model="gemini-pro-vision",
        messages=[
            {
                "role": "user",
                "content": [
                    {
                        "type": "text",
                        "text": """
                        请从建筑师的角度分析这张建筑图片：
                        
                        1. 建筑风格和设计理念
                        2. 空间布局和功能分区
                        3. 材料选择和构造技术
                        4. 环境适应性和可持续性
                        5. 美学价值和文化意义
                        6. 改进和优化建议
                        """
                    },
                    {
                        "type": "image_url",
                        "image_url": {"url": image_url}
                    }
                ]
            }
        ],
        max_tokens=1200
    )
    
    return response.choices[0].message.content

Gemini的独特优势

1. 🧠 强大的推理能力

Gemini在逻辑推理和问题解决方面表现出色：

# 复杂逻辑推理
logical_problem = """
有一个岛屿，住着两种人：
1. 诚实的人，总是说真话
2. 撒谎的人，总是说假话

你遇到了三个人A、B、C，他们说：
- A说："我们三个人中至少有一个是诚实的"
- B说："A是撒谎的人"
- C说："B和我都是撒谎的人"

请问A、B、C分别是什么人？请详细说明推理过程。
"""

response = client.chat.completions.create(
    model="gemini-1.5-pro-latest",
    messages=[
        {
            "role": "system",
            "content": "你是一个逻辑推理专家，擅长解决复杂的逻辑问题"
        },
        {
            "role": "user",
            "content": logical_problem
        }
    ],
    max_tokens=1000,
    temperature=0.2
)

2. 📚 超长上下文处理

Gemini 1.5 Pro支持高达200万token的上下文：

# 处理超长内容
def process_long_content(content_list):
    """处理多个长文档"""
    combined_content = "\n\n".join([
        f"文档{i+1}:\n{content}" 
        for i, content in enumerate(content_list)
    ])
    
    response = client.chat.completions.create(
        model="gemini-1.5-pro-latest",
        messages=[
            {
                "role": "system",
                "content": "你是一个文档分析专家，擅长处理大量信息"
            },
            {
                "role": "user",
                "content": f"""
                请分析以下多个文档，并提供：
                1. 文档间的关联性分析
                2. 共同主题和差异点
                3. 综合结论和建议
                
                {combined_content}
                """
            }
        ],
        max_tokens=3000,
        temperature=0.3
    )
    
    return response.choices[0].message.content

3. 🎯 精准的多模态理解

Gemini在多模态任务中表现优异：

# 多模态分析
def multimodal_analysis(image_urls, text_context):
    content = [
        {
            "type": "text",
            "text": f"背景信息：{text_context}\n\n请结合图片分析以下内容："
        }
    ]
    
    # 添加多张图片
    for i, url in enumerate(image_urls):
        content.append({
            "type": "image_url",
            "image_url": {"url": url}
        })
    
    response = client.chat.completions.create(
        model="gemini-1.5-pro-latest",
        messages=[
            {
                "role": "user",
                "content": content
            }
        ],
        max_tokens=1500
    )
    
    return response.choices[0].message.content

使用技巧和最佳实践

1. 模型选择策略

复杂分析任务 推荐： Gemini 1.5 Pro

学术研究分析
长文档处理
多模态任务
复杂推理问题

# 复杂任务配置
complex_config = {
    "model": "gemini-1.5-pro-latest",
    "temperature": 0.3,
    "max_tokens": 3000
}

快速响应场景 推荐： Gemini 1.5 Flash

实时对话
快速翻译
代码补全
移动应用

# 快速响应配置
fast_config = {
    "model": "gemini-1.5-flash-latest",
    "temperature": 0.7,
    "max_tokens": 500
}

视觉任务 推荐： Gemini Pro Vision

图像分析
设计审查
图表解读
艺术鉴赏

# 视觉任务配置
vision_config = {
    "model": "gemini-pro-vision",
    "temperature": 0.4,
    "max_tokens": 1000
}

成本敏感场景 推荐： Gemini 1.0 Pro

生产环境
批量处理
基础对话
内容生成

# 成本优化配置
cost_config = {
    "model": "gemini-1.0-pro",
    "temperature": 0.5,
    "max_tokens": 1000
}

2. 性能优化

上下文管理

充分利用Gemini的长上下文能力

def manage_context(conversation_history, max_context=1000000):
    # 智能截断上下文
    total_tokens = sum(len(msg["content"]) for msg in conversation_history)
    
    if total_tokens > max_context:
        # 保留最重要的消息
        important_messages = conversation_history[-20:]  # 最近20条
        system_message = conversation_history[0]  # 系统消息
        conversation_history = [system_message] + important_messages
    
    return conversation_history

并行处理

并行处理多个任务提高效率

import asyncio

async def parallel_analysis(tasks):
    async def process_task(task):
        response = await client.chat.completions.create(
            model="gemini-1.5-flash-latest",
            messages=[{"role": "user", "content": task}],
            max_tokens=500
        )
        return response.choices[0].message.content
    
    results = await asyncio.gather(*[process_task(task) for task in tasks])
    return results

缓存策略

缓存常用结果减少API调用

from functools import lru_cache
import hashlib

@lru_cache(maxsize=1000)
def cached_gemini_call(prompt_hash, model):
    # 实际的API调用
    return call_gemini_api(prompt_hash, model)

def get_cached_response(prompt, model):
    prompt_hash = hashlib.md5(prompt.encode()).hexdigest()
    return cached_gemini_call(prompt_hash, model)

流式响应

使用流式响应提升用户体验

def stream_response(prompt, model="gemini-1.5-flash-latest"):
    response = client.chat.completions.create(
        model=model,
        messages=[{"role": "user", "content": prompt}],
        stream=True,
        max_tokens=1000
    )
    
    for chunk in response:
        if chunk.choices[0].delta.content:
            yield chunk.choices[0].delta.content

3. 错误处理和监控

import time
import logging
from typing import Optional

class GeminiClient:
    def __init__(self, api_key: str, max_retries: int = 3):
        self.client = OpenAI(
            api_key=api_key,
            base_url="https://api.yelinai.com/v1"
        )
        self.max_retries = max_retries
        self.logger = logging.getLogger(__name__)
    
    def robust_completion(self, **kwargs) -> Optional[str]:
        """带重试和错误处理的完成请求"""
        for attempt in range(self.max_retries):
            try:
                response = self.client.chat.completions.create(**kwargs)
                
                # 记录使用情况
                self.log_usage(kwargs.get('model'), response.usage)
                
                return response.choices[0].message.content
                
            except Exception as e:
                self.logger.error(f"Attempt {attempt + 1} failed: {e}")
                
                if attempt == self.max_retries - 1:
                    raise e
                
                # 指数退避
                time.sleep(2 ** attempt)
        
        return None
    
    def log_usage(self, model: str, usage):
        """记录使用情况"""
        self.logger.info(f"Model: {model}, "
                        f"Input tokens: {usage.prompt_tokens}, "
                        f"Output tokens: {usage.completion_tokens}, "
                        f"Total: {usage.total_tokens}")

# 使用示例
gemini_client = GeminiClient("YOUR_API_KEY")
result = gemini_client.robust_completion(
    model="gemini-1.5-pro-latest",
    messages=[{"role": "user", "content": "Hello, Gemini!"}]
)

与其他模型的对比

Gemini vs GPT-4

长文本处理 Gemini优势：

支持高达200万token的上下文
更好的长文档理解能力
优秀的信息提取和总结

适用场景： 长文档分析、大数据处理、复杂研究多模态能力 Gemini优势：

原生多模态设计
更强的图像理解能力
支持视频和音频分析

适用场景： 视觉分析、媒体处理、设计审查成本效益 Gemini优势：

更具竞争力的价格
高性价比的Flash版本
长上下文的性价比优势

适用场景： 成本敏感的应用、大规模部署

Gemini vs Claude

推理能力 Gemini优势：

强大的数学推理能力
优秀的逻辑分析能力
更好的代码生成能力

适用场景： 数学问题、逻辑推理、编程任务多语言支持 Gemini优势：

更广泛的语言支持
更好的跨语言理解能力
优秀的本地化能力

适用场景： 国际化应用、多语言内容处理

探索国产大模型

了解通义千问、文心一言、智谱ChatGLM等国产大模型

查看完整API参考

查看详细的API调用参数和示例

对话补全

模型列表

​模型简介

​🚀 模型概览

​Gemini 1.5 Pro

​Gemini 1.5 Flash

​Gemini 1.0 Pro

​Gemini Vision

​Gemini 1.5 Pro (推荐)

​🎯 核心特性

​📚 超长文档分析

​🖼️ 多模态能力

​💻 代码生成和审查

​Gemini 1.5 Flash (高性价比)

​⚡ 核心特性

​🎮 使用场景

​📱 移动应用集成

​Gemini 1.0 Pro (经典版)

​🏛️ 核心特性

​💼 商业应用

​Gemini Vision (视觉专家)

​👁️ 核心特性

​🎨 图像分析应用

​🏗️ 建筑和空间分析

​Gemini的独特优势

​1. 🧠 强大的推理能力

​2. 📚 超长上下文处理

​3. 🎯 精准的多模态理解

​使用技巧和最佳实践

​1. 模型选择策略

​2. 性能优化

​上下文管理

​并行处理

​缓存策略

​流式响应

​3. 错误处理和监控

​与其他模型的对比

​Gemini vs GPT-4

​Gemini vs Claude

​探索国产大模型

​查看完整API参考

模型简介

🚀 模型概览

Gemini 1.5 Pro

Gemini 1.5 Flash

Gemini 1.0 Pro

Gemini Vision

Gemini 1.5 Pro (推荐)

🎯 核心特性

📚 超长文档分析

🖼️ 多模态能力

💻 代码生成和审查

Gemini 1.5 Flash (高性价比)

⚡ 核心特性

🎮 使用场景

📱 移动应用集成

Gemini 1.0 Pro (经典版)

🏛️ 核心特性

💼 商业应用

Gemini Vision (视觉专家)

👁️ 核心特性

🎨 图像分析应用

🏗️ 建筑和空间分析

Gemini的独特优势

1. 🧠 强大的推理能力

2. 📚 超长上下文处理

3. 🎯 精准的多模态理解

使用技巧和最佳实践

1. 模型选择策略

2. 性能优化

上下文管理

并行处理

缓存策略

流式响应

3. 错误处理和监控

与其他模型的对比

Gemini vs GPT-4

Gemini vs Claude

探索国产大模型

查看完整API参考