Gemini API教程：Google Gemini 系列 API——免费额度大方，多模态强。
Gemini API 是 Google 推出的大语言模型接口，核心模型是 Gemini Pro。它最突出的特点是免费额度非常大方——在 AI Studio 平台上，个人开发者几乎可以零成本地体验和测试。此外，Gemini 原生支持多模态输入，可以直接处理图片、音频、视频和文本，不需要像其他模型那样先转成文字再提交。2024 年 Google 还开放了 200 万 token 的超长上下文窗口，意味着你可以一次性把整本小说、整个代码仓库丢进去让它分析。不过由于服务部署在海外，国内用户访问 Google Cloud 和 AI Studio 时可能会遇到网络限制，这种情况下可以考虑国产替代方案，比如通义千问 API 或文心一言 API。
Gemini API 最实用的能力有三个：文本生成、多模态理解和长上下文处理。文本生成就是常规的问答、写作、代码生成，支持流式输出，响应速度不错。多模态理解是它的强项——你可以上传一张产品截图，让它描述界面元素；或者上传一段会议录音，让它总结要点。长上下文则是杀手级功能，200 万 token 的容量足以覆盖《三体》三部曲的全文，你可以直接把整个项目文档作为上下文，然后问它“第三章的代码逻辑哪里有问题”。
调用方式上，Gemini API 支持 REST 接口和 Python SDK。Python 环境下的典型用法是：
import google.generativeai as genai
genai.configure(api_key="你的密钥")
model = genai.GenerativeModel('gemini-1.5-pro')
response = model.generate_content("用Python写一个快速排序")
print(response.text)
多模态调用稍微复杂一点，需要把图片或音频文件转为 base64 编码，或者直接传文件路径。官方文档里提供了完整的示例代码，照着改就行。
第一步：访问 Google AI Studio（aistudio.google.com）。如果你在国内，可能需要自行解决网络问题，或者直接跳过这一步选择国产替代。第二步：用 Google 账号登录，点击“Get API Key”创建一个密钥。这个密钥免费，每天有 60 次请求的额度，足够测试。第三步：在 AI Studio 的 Playground 里直接测试，不需要写代码——左侧选模型，中间输入提示词，右侧看输出。第四步：把密钥复制到你的 Python 环境，安装依赖包 pip install google-generativeai，然后跑上面的示例代码。整个过程不超过 10 分钟。注意密钥不要硬编码在代码里，建议用环境变量管理。
Gemini API 最适合三种场景：第一，需要处理多模态数据的应用，比如自动分析用户上传的图片、视频或音频，做内容审核、摘要生成。第二，需要超长上下文的场景，比如法律文档分析、科研论文综述、大型代码库的代码审查。第三，个人开发者或小团队做原型验证，因为免费额度足够支撑早期的开发和测试。不太适合的场景包括：对响应速度要求极高的实时对话（Gemini 的流式输出有延迟）、需要严格数据合规的行业应用（数据会经过 Google 服务器）、以及高频生产环境（免费层有配额限制，付费后成本会上升）。
Gemini API 采用按 token 计费的模式，输入和输出分开计价。免费层在 AI Studio 上提供每分钟 60 次请求、每天 1000 次请求的额度，对于学习和原型开发完全够用。付费层起价大约是每百万输入 token 0.35 美元，输出 token 1.05 美元，比 GPT-4 便宜很多。如果你需要更高的并发或更长的上下文，可以升级到付费计划。需要注意，付费需要绑定信用卡，而 Google Cloud 的付费流程对国内用户不友好，建议优先使用免费层，或者直接转向国产大模型 API。