Google GeminiのAPIモデル䞀芧ず円建お料金

FastMetalでは、Google Geminiのモデル8件を、1぀のAPIキヌず円建おの埓量課金で利甚できたす。OpenAI互換のAPIなので、ベヌスURLずキヌを差し替えるだけで既存のコヌドから呌び出せたす。䞀芧には、ただ提䟛しおいないGoogle Geminiのモデルも茉せおいたす。

䞊び替え:

41件のモデル

Gemini 3.8 Flash

gemini-3.8-flash
方針䞍明

Gemini 3.8 Flashは、゜フトりェア゚ンゞニアリング、゚ヌゞェンティックタスク、および倚段階掚論においお3.7 Flashから倧幅な改善を遂げた、Googleの最も知胜の高いFlashモデルです。

プロバむダヌ:google logogoogle
䟡栌:入力 Â¥126 · 出力 Â¥630 / 100䞇トヌクン
コンテキスト:1.0M tokens

Gemini 3.7 Flash

gemini-3.7-flash
方針䞍明

Gemini 3.7 Flashは、高速な゚ヌゞェントワヌクフロヌ、コヌディング、耇雑なマルチステップ掚論向けのGoogleのマルチモヌダルモデルです。レスポンシブなパフォヌマンスず信頌性の高いマルチステップが必芁なタスク向けに蚭蚈されおいたす...

プロバむダヌ:google logogoogle
䟡栌:入力 Â¥126 · 出力 Â¥630 / 100䞇トヌクン
コンテキスト:1.0M tokens

Gemini 3.5 Flash Lite

google/gemini-3.5-flash-lite

Gemini 3.5 Flash Liteは、Googleの高効率モデルで、゚ヌゞェント機胜が匷化されおいたす。耇雑なマルチ゚ヌゞェントワヌクフロヌ内で焊点を絞ったタスクを実行するサブ゚ヌゞェントに適しおいたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens
テキスト総合
#71

Gemini 3.6 Flash

google/gemini-3.6-flash

Gemini 3.6 Flashは、コヌディング、゚ヌゞェントワヌクフロヌ、りェブおよびアプリ開発向けのGoogleの高効率モデルです。䞍芁な線集を枛らしながら、掗緎された出力を生成するように蚭蚈されおおり、...

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens

Nano Banana 2 Lite (Gemini 3.1 Flash Lite Image)

google/gemini-3.1-flash-lite-image

Nano Banana 2 LiteGemini 3.1 Flash Lite ImageはGoogleの最速で最もコスト効率の良いGeminiむメヌゞモデルであり、高速開発者パむプラむンず迅速なビゞュアル探玢向けに構築されおいたす。テキストから画像ぞの生成を提䟛したす...

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:66K tokens

Nano Banana 2 (Gemini 3.1 Flash Image)

google-nano-banana-2

Google の高速・高品質な画像生成モデル。テキストから画像を生成したす。

プロバむダヌ:google logogoogle
䟡栌:Â¥12.23 / 画像1枚
コンテキスト:131K tokens

Nano Banana Pro (Gemini 3 Pro Image)

google/gemini-3-pro-image

Nano Banana Proは、Gemini 3 Proをベヌスに構築されたGoogleの最も高床な画像生成・線集モデルです。元のNano Bananaを拡匵し、倧幅に改善されたマルチモヌダル掚論、珟実䞖界ぞの接地、および...

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:131K tokens

Gemini 3.5 Flash

gemini-3.5-flash

Gemini 3.5 Flashは、Googleの高効率マルチモヌダルモデルであり、Flash局のコストずスピヌドでPro䞊みのコヌディングず掚論を実珟したす。コヌディング胜力ず䞊列゚ヌゞェント実行に最適化されおいたす...

プロバむダヌ:google logogoogle
䟡栌:入力 Â¥268.05 · 出力 Â¥1,608.3 / 100䞇トヌクン
コンテキスト:1.0M tokens

Gemini 3.1 Flash Lite

google/gemini-3.1-flash-lite

Gemini 3.1 Flash Liteは、䜎レむテンシヌで倧量のワヌクロヌドに最適化されたGoogleのGA高効率マルチモヌダルモデルです。テキスト、画像、ビデオ、オヌディオ、PDF入力をサポヌトし、軜量の゚ヌゞェント向けに蚭蚈されおいたす...

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens

Google Gemini Pro Latest

~google/gemini-pro-latest

このモデルは垞にGoogle Gemini Proファミリヌの最新モデルにリダむレクトされたす。

プロバむダヌ:~google
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens

Gemma 4 26B A4B

gemma-4-26b-a4b-it

Gemma 4 26B A4B ITはGoogle DeepMindの呜什チュヌニング枈みMixture-of-ExpertsMoEモデルです。総パラメヌタ数は25.2Bですが、掚論䞭はトヌクンあたり3.8Bのみがアクティベヌトされ、31B近い品質を提䟛したす...

プロバむダヌ:google logogoogle
䟡栌:入力 Â¥11.76 · 出力 Â¥57.12 / 100䞇トヌクン
コンテキスト:262K tokens

Gemma 4 26B A4B (free)

google/gemma-4-26b-a4b-it:free

Gemma 4 26B A4B ITはGoogle DeepMindのむンストラクション調敎型混合専門家(MoE)モデルです。合蚈25.2Bのパラメヌタにもかかわらず、掚論䞭はトヌクンあたり3.8Bのみがアクティブ化され、31B近い品質を提䟛したす...

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:262K tokens

Gemma 4 31B

japan-gemma-4-31b

Gemma 4 31B Instructは、GoogleのDeepMindが開発した30.7Bのデンスマルチモヌダルモデルで、テキストず画像の入力、テキスト出力に察応しおいたす。256Kトヌクンのコンテキストりィンドり、蚭定可胜な思考/掚論モヌド、ネむティブ関数...

プロバむダヌ:google logogoogle
䟡栌:入力 Â¥26 · 出力 Â¥101 / 100䞇トヌクン
コンテキスト:262K tokens
テキスト総合
#76

Gemma 4 31B (free)

google/gemma-4-31b-it:free

Gemma 4 31B Instructは、Google DeepMindの30.7B密集型マルチモヌダルモデルで、テキストず画像入力をサポヌトし、テキスト出力に察応しおいたす。256Kトヌクンのコンテキストりィンドり、蚭定可胜な思考/掚論モヌド、ネむティブ関数...

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:262K tokens

Gemini 3.1 Flash Lite Preview

google/gemini-3.1-flash-lite-preview

Gemini 3.1 Flash Lite Previewは、倧量䜿甚ケヌスに最適化されたGoogleの高効率モデルです。党䜓的な品質ではGemini 2.5 Flash Liteを䞊回り、䞻芁な機胜ではGemini 2.5 Flashのパフォヌマンスに近づいおいたす。音声入力/ASR、RAGスニペットランキング、翻蚳、デヌタ抜出、コヌド補完にわたる改善が含たれおいたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens
テキスト総合
#109

Nano Banana 2 (Gemini 3.1 Flash Image Preview)

google/gemini-3.1-flash-image-preview

Gemini 3.1 Flash Image Preview別名「Nano Banana 2」は、Googleの最新の最先端画像生成・線集モデルで、Flashスピヌドでプロレベルの芖芚品質を提䟛したす。高床なコンテキスト理解ず高速で費甚効率の良い掚論を組み合わせおおり、耇雑な画像生成ず反埩的な線集をより簡単にアクセスできるようにしたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:66K tokens

Gemini 3.1 Pro Preview Custom Tools

google/gemini-3.1-pro-preview-customtools

Gemini 3.1 Pro Preview Custom Toolsは、Gemini 3.1 Proの倉皮で、より効率的なサヌドパヌティ補たたはナヌザヌ定矩の関数が利甚可胜な堎合に、汎甚bashツヌルの過床な䜿甚を防ぐこずで、ツヌル遞択の動䜜を改善したす。この特殊なプレビュヌ゚ンドポむントは、関数呌び出しの信頌性を倧幅に向䞊させ、コヌディング゚ヌゞェントず耇雑なマルチツヌルワヌクフロヌで最も適切なツヌルを遞択するこずを保蚌したす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens

Gemini 3.1 Pro Preview

gemini-3.1-pro-preview
方針䞍明

Gemini 3.1 Pro Previewは、Google の最先端掚論モデルであり、゜フトりェア゚ンゞニアリングのパフォヌマンス向䞊、゚ヌゞェント信頌性の改善、耇雑なワヌクフロヌ党䜓でのより効率的なトヌクン䜿甚を実珟したす。Gemini 3シリヌズのマルチモヌダル基盀に基づいおおり、テキスト、画像、ビデオ、オヌディオ、コヌド党䜓での高粟床掚論ず100䞇トヌクンのコンテキストりィンドりを組み合わせおいたす。

プロバむダヌ:google logogoogle
䟡栌:入力 Â¥336 · 出力 Â¥2,016 / 100䞇トヌクン
コンテキスト:1.0M tokens
テキスト総合
#18

Gemini 3 Flash Preview

google/gemini-3-flash-preview

Gemini 3 Flash Previewは、゚ヌゞェンティックワヌクフロヌ、マルチタヌンチャット、コヌディング支揎向けに蚭蚈された高速で高い䟡倀を提䟛する思考モデルです。倧芏暡なGeminiバリアントよりも倧幅に䜎いレむテンシヌでProレベルに近い掚論ずツヌル䜿甚パフォヌマンスを提䟛し、むンタラクティブな開発、長時間実行される゚ヌゞェントルヌプ、協調的なコヌディングタスクに最適です。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens

Nano Banana Pro (Gemini 3 Pro Image Preview)

google/gemini-3-pro-image-preview

Nano Banana Proは、Gemini 3 Proをベヌスに構築されたGoogleの最も高床な画像生成・線集モデルです。元のNano Bananaを倧幅に改善し、マルチモヌダル掚論、珟実䞖界ぞの接地、高忠実床の芖芚合成を実珟しおいたす。このモデルは、むンフォグラフィックスや図衚からシネマティックコンポゞットたで、文脈に富んだグラフィックスを生成でき、怜玢グラりンディングを通じおリアルタむム情報を組み蟌むこずができたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:66K tokens

Gemini 3 Pro Preview

google/gemini-3-pro-preview

Gemini 3 Proはテキスト、画像、動画、音声、コヌドにわたる匷力なパフォヌマンスず100䞇トヌクンのコンテキストりィンドりを備えたGoogleのフラッグシップフロンティアモデルで、高粟床のマルチモヌダル掚論に察応しおいたす。マルチタヌンツヌル呌び出しを䜿甚する堎合、掚論の詳现を保持する必芁がありたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens

Nano Banana (Gemini 2.5 Flash Image)

google/gemini-2.5-flash-image

Gemini 2.5 Flash Image別名「Nano Banana」が䞀般公開されたした。これは文脈理解を備えた最先端の画像生成モデルです。画像生成、線集、マルチタヌン䌚話に察応しおいたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:33K tokens

Gemini 2.5 Flash Lite Preview 09-2025

google/gemini-2.5-flash-lite-preview-09-2025

Gemini 2.5 Flash-Liteは、Gemini 2.5ファミリヌの軜量掚論モデルで、超䜎レむテンシヌずコスト効率に最適化されおいたす。以前のFlashモデルず比范しお、スルヌプットの向䞊、トヌクン生成の高速化、䞀般的なベンチマヌク党䜓でのパフォヌマンス向䞊を実珟しおいたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens

Gemini 2.5 Flash Lite

google/gemini-2.5-flash-lite

Gemini 2.5 Flash-Liteは、Gemini 2.5ファミリヌの軜量掚論モデルで、超䜎レむテンシヌずコスト効率に最適化されおいたす。以前のFlashモデルず比范しお、スルヌプットの向䞊、トヌクン生成の高速化、䞀般的なベンチマヌク党䜓でのパフォヌマンス向䞊を実珟しおいたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens

Gemini 2.5 Flash

google/gemini-2.5-flash

Gemini 2.5 Flashは、Google最先端の汎甚モデルであり、高床な掚論、コヌディング、数孊、科孊的タスク向けに特別に蚭蚈されおいたす。組み蟌みの「思考」機胜を備えおおり、より高い粟床ずニュアンスに富んだコンテキスト凊理を備えた応答を提䟛するこずができたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens
テキスト総合
#148

Gemini 2.5 Pro

google/gemini-2.5-pro

Gemini 2.5 Proは、高床な掚論、コヌディング、数孊、科孊的タスク向けに蚭蚈されたGoogleの最先端AIモデルです。「思考」機胜を採甚しおおり、匷化された粟床ずニュアンスに富んだコンテキスト凊理で応答を掚論するこずができたす。Gemini 2.5 Proは、LMArenaリヌダヌボヌドでの第1䜍の䜍眮付けを含む耇数のベンチマヌクで最高レベルのパフォヌマンスを達成し、優れた人間の奜みぞの適合性ず耇雑な問題解決胜力を反映しおいたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens
テキスト総合
#86

Gemini 2.5 Pro Preview 06-05

google/gemini-2.5-pro-preview

Gemini 2.5 Proは、高床な掚論、コヌディング、数孊、科孊的タスク向けに蚭蚈されたGoogleの最先端AIモデルです。「思考」機胜を採甚しおおり、匷化された粟床ずニュアンスに富んだコンテキスト凊理で応答を掚論するこずができたす。Gemini 2.5 Proは、LMArenaリヌダヌボヌドでの1䜍獲埗を含む耇数のベンチマヌクで最高氎準のパフォヌマンスを達成し、優れた人間の奜みぞの適合性ず耇雑な問題解決胜力を反映しおいたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens

Gemma 3n 4B

google/gemma-3n-e4b-it

Gemma 3n E4B-itは、スマヌトフォン、ノヌトパ゜コン、タブレットなどのモバむルおよび䜎リ゜ヌスデバむスでの効率的な実行に最適化されおいたす。テキスト、芖芚デヌタ、オヌディオを含むマルチモヌダル入力をサポヌトしおおり、テキスト生成、音声認識、翻蚳、画像分析などの倚様なタスクを実珟したす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:33K tokens
テキスト総合
#264

Gemma 3n 4B (free)

google/gemma-3n-e4b-it:free

Gemma 3n E4B-itは、スマヌトフォン、ノヌトパ゜コン、タブレットなどのモバむルおよび䜎リ゜ヌスデバむスでの効率的な実行に最適化されおいたす。テキスト、ビゞュアルデヌタ、オヌディオを含むマルチモヌダル入力をサポヌトしおおり、テキスト生成、音声認識、翻蚳、画像分析など、倚様なタスクを実珟したす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:8K tokens

Gemini 2.5 Pro Preview 05-06

google/gemini-2.5-pro-preview-05-06

Gemini 2.5 Proは、高床な掚論、コヌディング、数孊、科孊的タスク向けに蚭蚈されたGoogleの最先端AIモデルです。「思考」機胜を採甚しおおり、匷化された粟床ずニュアンスに富んだコンテキスト凊理で応答を掚論するこずができたす。Gemini 2.5 Proは、LMArenaリヌダヌボヌドでの1䜍獲埗を含む耇数のベンチマヌクで最高レベルのパフォヌマンスを達成しおおり、優れた人間の奜みぞの適合性ず耇雑な問題解決胜力を反映しおいたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens

Gemma 3 12B

google/gemma-3-12b-it

Gemma 3はマルチモヌダル機胜を導入し、ビゞョン蚀語入力ずテキスト出力をサポヌトしおいたす。最倧128kトヌクンのコンテキストりィンドりを凊理でき、140以䞊の蚀語を理解し、構造化出力ず関数呌び出しを含む、改善された数孊、掚論、チャット機胜を提䟛したす。Gemma 3 12BはGemma 3 27B以降、Gemma 3モデルファミリヌで2番目に倧きいモデルです。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:131K tokens
テキスト総合
#230

Gemma 3 12B (free)

google/gemma-3-12b-it:free

Gemma 3はマルチモヌダル機胜を導入し、ビゞョン蚀語入力ずテキスト出力をサポヌトしおいたす。最倧128kトヌクンのコンテキストりィンドりを凊理でき、140以䞊の蚀語を理解し、構造化出力ず関数呌び出しを含む、改善された数孊、掚論、チャット機胜を提䟛したす。Gemma 3 12Bは、[Gemma 3 27B](google/gemma-3-27b-it)に次ぐGemma 3モデルファミリヌの2番目に倧きいモデルです。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:33K tokens

Gemma 3 4B

google/gemma-3-4b-it

Gemma 3は、マルチモヌダル機胜を導入し、ビゞョン蚀語入力ずテキスト出力をサポヌトしおいたす。最倧128kトヌクンのコンテキストりィンドりを凊理でき、140以䞊の蚀語を理解し、構造化出力ず関数呌び出しを含む、改善された数孊、掚論、チャット機胜を提䟛したす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:131K tokens
テキスト総合
#281

Gemma 3 4B (free)

google/gemma-3-4b-it:free

Gemma 3は、ビゞョン蚀語入力ずテキスト出力をサポヌトするマルチモヌダル機胜を導入しおいたす。最倧128kトヌクンのコンテキストりィンドりを凊理し、140以䞊の蚀語を理解し、構造化出力ず関数呌び出しを含む、改善された数孊、掚論、チャット機胜を提䟛したす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:33K tokens

Gemma 3 27B

google/gemma-3-27b-it

Gemma 3はマルチモヌダル機胜を導入し、ビゞョン蚀語入力ずテキスト出力をサポヌトしおいたす。最倧128kトヌクンのコンテキストりィンドりを凊理でき、140以䞊の蚀語を理解し、構造化出力ず関数呌び出しを含む、改善された数孊、掚論、チャット機胜を提䟛したす。Gemma 3 27BはGoogleの最新のオヌプン゜ヌスモデルで、Gemma 2の埌継です。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:128K tokens
テキスト総合
#197

Gemma 3 27B (free)

google/gemma-3-27b-it:free

Gemma 3は、ビゞョン蚀語入力ずテキスト出力をサポヌトするマルチモヌダル機胜を導入しおいたす。最倧128kトヌクンのコンテキストりィンドりを凊理でき、140以䞊の蚀語を理解し、構造化出力ず関数呌び出しを含む、改善された数孊、掚論、チャット機胜を提䟛したす。Gemma 3 27BはGoogleの最新のオヌプン゜ヌスモデルであり、[Gemma 2](google/gemma-2-27b-it)の埌継です。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:131K tokens

Gemini 2.0 Flash Lite

google/gemini-2.0-flash-lite-001

Gemini 2.0 Flash Liteは、[Gemini Flash 1.5](/google/gemini-flash-1.5)ず比べお最初のトヌクンたでの時間(TTFT)が倧幅に高速化されおおり、[Gemini Pro 1.5](/google/gemini-pro-1.5)のような倧芏暡モデルず同等の品質を維持しながら、極めお経枈的なトヌクン䟡栌を実珟しおいたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens

Gemini 2.0 Flash

google/gemini-2.0-flash-001

Gemini Flash 2.0は、[Gemini Flash 1.5](/google/gemini-flash-1.5)ず比べお最初のトヌクンたでの時間(TTFT)が倧幅に短瞮されおおり、[Gemini Pro 1.5](/google/gemini-pro-1.5)などのより倧芏暡なモデルず同等の品質を維持しおいたす。マルチモヌダル理解、コヌディング機胜、耇雑な指瀺ぞの察応、関数呌び出しにおいお顕著な改善が導入されおいたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:1.0M tokens
テキスト総合
#204

Gemma 2 27B

google/gemma-2-27b-it

Google の Gemma 2 27B は、[Gemini モデル](/models?q=gemini)の䜜成に䜿甚されたのず同じ研究ず技術から構築されたオヌプンモデルです。 Gemma モデルは、質問応答、芁玄、掚論など、さたざたなテキスト生成タスクに適しおいたす。 詳现に぀いおは、[ロヌンチアナりンスメント](https://blog.google/technology/developers/google-gemma-2/)を参照しおください。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:8K tokens
テキスト総合
#289

Gemma 2 9B

google/gemma-2-9b-it

Google による Gemma 2 9B は、そのサむズクラスにおいお効率性ずパフォヌマンスの新しい基準を蚭定する、高床なオヌプン゜ヌス蚀語モデルです。 様々なタスク向けに蚭蚈されおおり、開発者ず研究者が革新的なアプリケヌションを構築できるようにしながら、アクセシビリティ、安党性、費甚察効果を維持しおいたす。

プロバむダヌ:google logogoogle
䟡栌:FastMetal未提䟛
コンテキスト:8K tokens
テキスト総合
#310

Gemini Flash Lite

gemini-flash-lite-free
孊習利甚あり

GeminiシリヌズにおけるGoogleの最速か぀最もコスト効率の高いモデル。2.5倍高速なトヌクン生成たでの時間を備えたフロンティアクラスのパフォヌマンスを提䟛し、倧量凊理ず䜎遅延が求められるアプリケヌションに最適です。

プロバむダヌ:google logogoogle
䟡栌:入力 Â¥0 · 出力 Â¥0 / 100䞇トヌクン
コンテキスト:1.0M tokens

Google Geminiに関する蚘事

新モデル

Gemini 3.8 Flash が利甚可胜になりたした

Google の Gemini 3.8 Flashgemini-3.8-flashが FastMetal で利甚可胜になりたした。Gemini 3.7 Flash ず同じ単䟡のたた、゜フトりェア開発や゚ヌゞェント甚途、倚段階の掚論が匷化された埌継モデルです。

新モデル

Gemini 3.7 Flash が利甚可胜になりたした

Google の Gemini 3.7 Flash が FastMetal で利甚可胜に。高速な゚ヌゞェントワヌクフロヌずコヌディング向けのマルチモヌダルモデルで、画像・動画・音声入力に察応したす。

コラム

Gemini 3.7 Flash vs GPT-5.6 Lunaマルチモヌダルなら Gemini、テキスト倧量凊理なら Luna

Google の Gemini 3.7 Flash ず OpenAI の GPT-5.6 Luna を比范。どちらも倧量凊理・䜎レむテンシ向けの䜎䟡栌モデルです。入力モダリティずコストの違いから䜿い分けを解説したす。

コラム

MiniMax M3 vs Gemini 3.5 Flashnative マルチモヌダルか、速床ずツヌル掻甚か

画像・動画をネむティブに扱うオヌプンモデル MiniMax M3 ず、高速クロヌズドの Gemini 3.5 Flash を比范。マルチモヌダルず効率の芳点で、どちらを遞ぶかを解説したす。

コラム

Gemini 3.5 Flash vs Claude Haiku 4.5同じ高速枠でも、埗意ははっきり分かれた

倧量のリク゚ストを速く安く捌く定番モデル、Google の Gemini 3.5 Flash ず Anthropic の Claude Haiku 4.5 を、速床・コスト・コヌディングの実力たで比范したす。

新モデル

Gemini 3.5 Flash が利甚可胜になりたした

Google の Gemini 3.5 Flash が FastMetal で利甚可胜になりたした。Flash クラスのコストず速床のたた、Pro に近いコヌディング性胜をうたう高効率モデルです。

党モデルの料金を芋る