模型定位
面向 Gemini Live API 的原生音频预览模型,适用于低延迟、实时语音和视频交互。Google 于 2025 年 12 月 12 日发布该版本,称其提升了处理复杂工作流的能力。(aistudio.google.com)
能力与用途
- 接收连续的音频、视频或文本流,输出音频和文本,可用于构建实时语音助手、视频交互和自然对话体验。
- 支持音频生成、函数调用、Google 搜索接地和思考能力。
- 输入上限为 131,072 token,输出上限为 8,192 token;知识截止时间为 2025 年 1 月。(ai.google.dev)
限制与状态
- 这是预览版本;不支持上下文缓存、代码执行、文件搜索、Google Maps 接地、图片生成、结构化输出或网址上下文,也不支持 Batch API、灵活推理和优先推理。(aistudio.google.com)
- 截至 2026 年 11 月 17 日,官方停用计划表将该模型列为预览模型,所列最早可能关停日期为 2027 年 3 月 31 日,推荐替代模型为
gemini-3.8-live;官方表示确切关停日期会提前通知。(aistudio.google.com)
价格
以下为 Gemini Developer API 对该模型列出的价格,币种为美元(USD),单位均为每 100 万 token;查询日期为 2026 年 11 月 17 日:(aistudio.google.com)
| 计费方向 | 类型 | 付费层级价格 |
|---|---|---|
| 输入 | 文本 | 0.50 美元 |
| 输入 | 音频或视频 | 3.00 美元 |
| 输出 | 文本 | 2.00 美元 |
| 输出 | 音频 | 12.00 美元 |
输出计费包括思考 token。官方价格表同时列有免费层级,输入和输出免费;免费层级数据可用于改进 Google 产品,付费层级数据不用于此目的。具体使用限额和可用性以官方页面为准。(aistudio.google.com)