gemini-text-models | gemini-api-spec

Stats

Actions

Tags

gemini-text-models | gemini-api-spec

Gemini Text Models

Gemini テキスト生成モデルの詳細比較と選択ガイド。

モデル比較

Gemini 3.1 Pro

項目	値
モデル ID	`gemini-3.1-pro-preview`
コンテキスト	入力 2M / 出力 65K トークン
推論モード	対応（thinking budget 設定可）
マルチモーダル	テキスト、画像、音声、動画、PDF
強み	最高精度、複雑な推論、コード生成
推奨場面	高精度が必要なタスク、複雑な分析

Gemini 3.1 Flash（基本推奨）

項目	値
モデル ID	`gemini-3.1-flash-preview`
コンテキスト	入力 1M / 出力 65K トークン
推論モード	対応（thinking budget 設定可）
マルチモーダル	テキスト、画像、音声、動画、PDF
強み	コストと性能のバランス、高速レスポンス
推奨場面	汎用用途のデフォルト選択

Gemini 3.1 Flash Lite（基本利用推奨）

項目	値
モデル ID	`gemini-3.1-flash-lite-preview`
コンテキスト	入力 1M / 出力 32K トークン
推論モード	非対応
マルチモーダル	テキスト、画像
強み	最速レスポンス、最低コスト
推奨場面	大量処理、シンプルなタスク、コスト最優先

選択フローチャート

タスクの複雑さは？
├── シンプル（分類、抽出、翻訳）→ Flash Lite
├── 中程度（要約、QA、コード補完）→ Flash
└── 複雑（推論、分析、コード設計）→ Pro
    └── コスト制約がある？ → Flash + thinking mode

推論モード（Thinking）

Pro と Flash は推論モード（thinking）を使用して、回答前に内部で段階的推論を実行できる。

設定方法

from google import genai
from google.genai import types

client = genai.Client(api_key="YOUR_API_KEY")

response = client.models.generate_content(
    model="gemini-3.1-flash-preview",
    contents="17 * 23 + 42 / 6 を計算して、手順を説明して",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(
            thinking_budget=2048  # thinking トークン数上限
        )
    )
)

# 思考プロセスと最終回答の取得
for part in response.candidates[0].content.parts:
    if part.thought:
        print(f"思考: {part.text}")
    else:
        print(f"回答: {part.text}")

Thinking Budget ガイド

値	用途
0	thinking 無効
1024	軽い推論（計算、簡単な論理）
2048-4096	中程度の推論（数学、コード分析）
8192-16384	深い推論（複雑な証明、設計判断）
-1	制限なし（モデルが自動判断）

マルチモーダル入力

画像入力

from google.genai import types

response = client.models.generate_content(
    model="gemini-3.1-flash-preview",
    contents=[
        types.Part.from_text("この画像を説明して"),
        types.Part.from_image(types.Image.from_file("photo.jpg")),
    ]
)

PDF 入力

response = client.models.generate_content(
    model="gemini-3.1-flash-preview",
    contents=[
        types.Part.from_text("この PDF を要約して"),
        types.Part.from_uri(
            file_uri="gs://bucket/document.pdf",
            mime_type="application/pdf"
        ),
    ]
)

音声入力

response = client.models.generate_content(
    model="gemini-3.1-flash-preview",
    contents=[
        types.Part.from_text("この音声を文字起こしして"),
        types.Part.from_uri(
            file_uri="gs://bucket/audio.mp3",
            mime_type="audio/mp3"
        ),
    ]
)

システム指示

response = client.models.generate_content(
    model="gemini-3.1-flash-preview",
    contents="ユーザーの質問",
    config=types.GenerateContentConfig(
        system_instruction="あなたは親切な日本語アシスタントです。"
    )
)

構造化出力（JSON モード）

import json

response = client.models.generate_content(
    model="gemini-3.1-flash-preview",
    contents="東京の天気を教えて",
    config=types.GenerateContentConfig(
        response_mime_type="application/json",
        response_schema={
            "type": "object",
            "properties": {
                "city": {"type": "string"},
                "temperature": {"type": "number"},
                "condition": {"type": "string"}
            }
        }
    )
)
data = json.loads(response.text)

ツール使用（Function Calling）

# ツール定義
weather_tool = types.Tool(
    function_declarations=[
        types.FunctionDeclaration(
            name="get_weather",
            description="指定都市の天気を取得",
            parameters=types.Schema(
                type="object",
                properties={
                    "city": types.Schema(type="string", description="都市名")
                },
                required=["city"]
            )
        )
    ]
)

response = client.models.generate_content(
    model="gemini-3.1-flash-preview",
    contents="東京の天気は？",
    config=types.GenerateContentConfig(
        tools=[weather_tool]
    )
)

3.0 / 2.5 系からの移行ガイド

主な変更点

項目	3.0 以前	3.1
コンテキスト	Pro: 1M, Flash: 1M	Pro: 2M, Flash: 1M
推論モード	Flash 非対応	Flash も対応
出力上限	8K-32K	32K-65K
構造化出力	基本対応	改善（精度向上）

移行手順

モデル ID を gemini-3.1-*-preview に変更
推論モードの活用を検討（Flash でも使用可能に）
出力上限の拡大を活用（max_output_tokens の調整）
テストを実行して互換性を確認