gemini-2.5-pro / image-to-text

Google Gemini 2.5 Pro 是 Google 推出的強大多模態模型。具備 200 萬個 token 的上下文視窗，Gemini 2.5 Pro 擅長長篇影片分析、複雜程式碼庫推理，以及大規模資料擷取，現在可為企業級 AI 解決方案提供支援。

$ 0.75

$ 1.25

$ 6

$ 10

image

text

$ 0.75

$ 1.25

image

$ 6

$ 10

text

API

圖片轉文字

curl --request POST "https://gptproto.com/v1beta/models/gemini-2.5-pro:generateContent" \
  --header "Authorization: Bearer $GPTPROTO_API_KEY" \
  --header "Content-Type: application/json" \
  --data '{
    "contents": [
      {
        "role": "user",
        "parts": [
          {
            "text": "這張 PNG 圖片中顯示了什麼？"
          },
          {
            "file_data": {
              "mime_type": "image/png",
              "file_uri": "https://tos.gptproto.com/resource/cat.png"
            }
          }
        ]
      }
    ],
    "generationConfig": {
      "thinkingConfig": {
        "includeThoughts": true,
        "thinkingBudget": 1000
      }
    }
  }'

相關模型

google gemini 2.5 pro 的核心功能

探索 google gemini 2.5 pro 的核心功能。從大容量上下文視窗到原生多模態推理，了解 google 如何重新定義企業級 AI 應用程式的可能性。

原生 google 多模態推理

不同於競爭對手，google gemini 2.5 pro 能在單一串流中編碼文字、音訊與影片。這使其具備更出色的跨模態推理能力，能同時偵測語氣與視覺資料中的細微差異。

google gemini 2.5 pro 影片稽核

只需一個提示即可處理最長兩小時的影片。google gemini 2.5 pro 能夠摘要關鍵事件、找出特定時間戳記，並以高精確度回答關於視覺敘事的複雜問題。

代理式 google 工具鏈結

google gemini 2.5 pro 專為代理式工作流程最佳化，在多步驟工具使用方面提升了 15%。它能處理複雜的函式呼叫與結構化輸出，並使用可靠且可控的結構描述。

2M Token 的 google 上下文視窗

業界領先的上下文視窗讓 google gemini 2.5 pro 能夠接收數千頁文件或數小時的影片，並近乎完美地回憶內容，非常適合大規模企業資料分析任務。

如何取得 gemini-2.5-pro API 金鑰

取得 gemini-2.5-pro API 金鑰只需四個步驟，僅需幾分鐘。建立免費的 GPTProto 帳號、儲值、產生金鑰，並進行第一次呼叫 — 在 $0.75 / $6 這裡能以比直連更划算的價格取得 gemini-2.5-pro API 金鑰，且單一金鑰即可在平台上所有模型通用。完整 gemini-2.5-pro 說明文件請參閱說明文件。

註冊

建立您的免費 GPT Proto 帳號即可開始。您可以隨時為您的團隊設定組織。

儲值

您的餘額可用於平台上的所有模型，包括 gemini-2.5-pro，讓您能靈活地進行實驗並隨需求擴充。

產生您的 API 金鑰

在您的儀表板中建立 API 金鑰 — 進行 gemini-2.5-pro 請求時，您將需要它來進行驗證。

進行第一次 API 呼叫

使用您的 API 金鑰搭配我們的範例程式碼，透過 GPT Proto 向 gemini-2.5-pro 發送請求，並立即查看 AI 生成的結果。

取得 API 金鑰

google gemini 2.5 pro 常見問題

尋找關於 google gemini 2.5 pro 常見問題的答案。瞭解如何運用 2M 上下文視窗、整合 google API，以及為大型多模態 AI 專案最佳化成本。

google gemini 2.5 pro 支援原生音訊輸入嗎？

是的，google gemini 2.5 pro 使用原生多模態編碼。不同於依賴獨立編碼器的模型，這款 google 模型會在單一串流中交錯處理文字、圖片、音訊和影片。因此，它在跨模態推理以及感知音訊中情緒語調方面，都能帶來顯著更佳的表現。無論您是在建構語音優先代理，還是分析複雜的會議錄音，該模型都能在各種格式之間維持高保真度。

google gemini 2.5 pro 的上下文視窗有多大？

google gemini 2.5 pro 模型具備 200 萬 token 的上下文視窗。這讓 google 使用者能夠處理大量資料集，例如完整的 GitHub 儲存庫、數千頁法律文件，或兩小時的高畫質影片。在 Needle In A Haystack 測試中，google gemini 2.5 pro 在整個上下文視窗中維持超過 99% 的檢索準確率，確保即使是您提交的資料量最大的提示，也不會遺漏任何細節。

google gemini 2.5 pro 適合程式設計任務嗎？

google gemini 2.5 pro 非常適合程式設計。它可以讀取整個程式碼庫，提供架構建議、重構舊有程式碼，或找出安全漏洞。雖然在某些高度專業化的競賽程式設計基準測試中，與 Claude 相比可能略遜一籌，但 google gemini 2.5 pro 的超大上下文視窗，讓它在需要同時理解大量檔案的真實專案中具備明顯優勢。

透過 GPTProto 使用 google gemini 2.5 pro 的價格如何計算？

在 GPTProto.com，我們以具競爭力的價格提供 google gemini 2.5 pro。128k 以下提示的輸入 token 費用為每百萬 1.25 美元，較大型提示則為 2.50 美元。輸出 token 費用為每百萬 3.75 美元。我們也支援 google 上下文快取，對於經常使用的資料，最多可降低 75% 的輸入成本。這使 google gemini 2.5 pro 成為目前市場上長篇企業級 AI 應用最具成本效益的選擇之一。

google gemini 2.5 pro 能處理 2 小時的影片嗎？

是的。google gemini 2.5 pro 原生設計可處理長達 2 小時的影片。您可以透過我們平台上的 google API 上傳影片檔案，以執行自動化稽核、指定時間戳記的查詢，或敘事摘要。這項能力讓 google gemini 2.5 pro 深受保全公司、媒體機構和研究人員喜愛，這些使用者需要快速且準確地掃描大量視覺資料，而不必進行人工監督。

為什麼要選擇 google gemini 2.5 pro，而不是 GPT-4o？

涉及超大型資料集或影片的任務通常更適合使用 google gemini 2.5 pro。GPT-4o 擁有 128k 的上下文視窗，而 google gemini 2.5 pro 提供 200 萬 token。這使得某些在其他平台上無法完成的使用情境成為可能，例如一次分析一學期的課程講義，或完整分析複雜的法律檔案。此外，google 的原生多模態方法，在單一提示中結合音訊與視覺線索時，能提供更出色的推理能力。