Google Gemini 2.0 Flash-Lite API现已全面开放，开发者可以通过 Gemini API 在 Google AI Studio 和 Vertex AI 上使用。

  • 性能提升：相比 Gemini 1.5 Flash，Gemini 2.0 Flash-Lite 在推理能力、多模态处理、数学能力和事实准确性等关键基准测试中表现更优。

  • 成本效益：定价为每 100 万输入令牌 0.075 美元，每 100 万输出令牌 0.30 美元，与 1.5 Flash 相同，但性能显著提升。对于超过 128K 令牌的长上下文任务，定价更简化，性价比更高。

Gemini 2.0 Flash 系列定位于轻量级、高效、低延迟的 AI 模型，专为需要快速响应和经济实惠解决方案的开发场景设计。

技术特性

  • 快速响应：2.0 Flash-Lite 的首次令牌生成时间（TTFT）极快，适合构建自然流畅的对话式 AI。
  • 多模态支持：支持文本、图像等多模态输入输出，未来还将扩展至音频。
  • 长上下文窗口：支持高达 100 万令牌的上下文处理，适用于复杂任务。
  • 工具调用：原生支持 Google 搜索、代码执行和第三方功能调用，提升应用灵活性。
  • 无缝升级：开发者只需更改一行 API 调用代码即可从 gemini-1.5-flash 切换到 gemini-2.0-flash-lite），无需重构现有应用。

应用案例

• Daily.co 的语音 AI 改进：

  • 背景：Daily.co 是一家专注于视频和音频通信的公司，他们结合 Gemini 2.0 Flash-Lite 和开源框架 Pipecat，开发了一个语音 AI 系统。
  • 具体任务：提升语音助手识别语音信箱的能力（例如，判断通话是否转入语音信箱并作出适当响应）。
  • 成果：新系统在准确性上超越了现有商业模型，同时保持低延迟和高效率。
  • 技术细节：利用模型的快速 TTFT 和多模态潜力（未来可能整合音频输入）。

• Mosaic 的视频编辑加速：

  • 背景：Mosaic 是一家提供视频编辑工具的公司，他们使用 Gemini 2.0 Flash（完整版而非 Lite）的长上下文能力，优化了从长视频中提取短视频片段（如 YouTube Shorts）的流程。
  • 具体改进：将原本需要数小时的手动编辑缩短至几秒钟，成本降低 33%（定价为每 100 万输入令牌 0.10 美元）。

  • 实现方式：模型分析视频字幕或音频转录的完整上下文，自动识别关键片段并生成剪辑建议。

• Dawn 的语义监控管道：

  • 背景：Dawn 是一家数据分析公司，他们利用 2.0 Flash 开发了一个“语义监控”系统，用于实时分析用户交互数据。
  • 应用场景：帮助工程团队快速发现产品中的潜在问题（如用户反馈中的负面情绪或 Bug 报告）。
  • 技术细节：模型处理大量文本输入，提取语义模式并生成警报，依赖其高效的推理能力和长上下文支持。

获取API：http://aistudio.google.com/

官方介绍：https://developers.googleblog.com/en/start-building-with-the-gemini-2-0-flash-family/