Gemini
Gemini是Google DeepMind开发的多模态大语言模型系列，能够理解和生成文本、图像、音频、视频及代码等多种形式的内容。该系列涵盖不同规模的版本（如Ultra、Pro、Flash、Nano），可部署于云端服务及移动端设备，广泛应用于对话助手、内容生成、编程辅助等场景，是Google核心AI产品和服务的基础底层模型。
核心事实
时间轴 (近 90 天)
Zoom AI Companion、Microsoft Copilot for Teams、Google Meet的Gemini摘要功能代表视频会议平台的原生内置AI记录路线
LLMagnet能够追踪来自ChatGPT、Claude、Gemini以及其他AI爬虫的访问记录
搜索行为正逐渐从传统搜索引擎迁移到ChatGPT、Claude、Gemini这类AI助手
ChatGPT、Gemini 等平台并未开放系统化的答案抓取接口，工具方需依赖其他方式采集数据
Visiby 覆盖 ChatGPT、Perplexity、Gemini 以及 Google AI Overviews 等主流 AI 搜索入口
Gemini 桌面版在 Product Hunt 上截至收录时获得 7 票、1 条评论，排名第 15 位
Gemini 桌面版可通过 Alt + Space 快捷键在当前界面之上唤起
桌面客户端能够实现全局快捷键、常驻后台、更快响应速度及更深系统级集成，这些是纯网页方案难以企及的
Google 正式推出面向 Windows 10 和 11 的官方 Gemini 桌面应用
SoulFlow-Orchestrator 提供 9 个供应商中立（provider-neutral）的后端接入，包括 Claude、Codex、Gemini、OpenAI 以及本地部署的 Ollama
还有 40 条时间轴事件
全部知识事实 (20)
多模态AI模型能够同时处理和理解文本、图像、音频和视频等多种数据类型
90%已验证Google通过Google AI Studio和Vertex AI两个平台提供Gemini模型的API访问，其中Google AI Studio为开发者提供了一定的免费调用额度
90%已验证GPT-3时代的上下文窗口仅有2,048个Token，而Google Gemini已支持百万级Token，Claude支持200K Token，GPT-4 Turbo支持128K Token
90%已验证Claude的上下文窗口为200K token，Gemini支持百万级token窗口
90%已验证Gemini是Google于2023年底发布的多模态大语言模型系列
90%已验证Gemini是Google DeepMind于2023年底发布的多模态大语言模型，具备处理文本、图像、音频、视频和代码的能力
90%已验证Gemini 1.5 Pro的上下文窗口达到了1M token
90%已验证GPT-4V、Claude 3、Gemini是现代多模态大模型的代表，能够同时处理文本、图像等多种数据类型
90%已验证Gemini系列从训练阶段就将多种模态联合建模，而非像GPT-4V等方案那样后接视觉编码器
90%已验证GPT-4、Claude、Gemini等大语言模型的核心工作原理是基于Transformer架构的下一个token预测
90%已验证2024年发布的GPT-4o将图像生成能力直接整合进多模态大语言模型中
85%已验证Notable examples of Large Language Models include OpenAI's GPT series, Google's Gemini, Anthropic's Claude, and Meta's LLaMA.
80%已验证Anthropic Claude 和 Google Gemini 随后跟进支持了工具调用能力
80%已验证Gemini 1.5 Pro 由 Google DeepMind 开发，具备原生多模态能力和与 Google Workspace 的深度集成
80%已验证Google将Gemini深度整合进搜索、Workspace、Android等既有产品矩阵
80%已验证GPT-4、Claude等大语言模型的代码生成能力源于训练数据中包含了GitHub上数以亿计的开源代码库
80%已验证Gemini CLI是谷歌推出的开源终端AI编码智能体
80%已验证Gemini系列从设计之初就是多模态原生的，将文本、图像、音频、视频等不同模态的数据统一编码到同一个特征空间中
80%已验证OpenAI API的接口规范已成为AI行业事实上的通信标准，包括Anthropic、Google、Mistral在内的众多模型提供商都提供兼容该格式的接口
80%已验证Gemini 3.5 Transcribe 是 Gemini 系列在语音处理方向的延伸，主打「精准」与「智能」两大核心能力
75%