Gemini 系列（谷歌多模态大模型）

谷歌 DeepMind 的原生多模态大模型系列，也是 Gemini Robotics 等机器人模型的底座。

Gemini 是谷歌 DeepMind 开发的多模态大模型系列，接替 LaMDA 和 PaLM 2。首版 Gemini 1.0 于 2023 年 12 月发布，分 Ultra、Pro、Nano 三档。它从训练开始就同时处理文字、图像、音频、视频和代码，而不是先训好语言模型再外接视觉模块，这种做法常被称为「原生多模态」。之后迭代很快：2024 年的 1.5（超长上下文），2024 年底到 2025 年的 2.0、2.5，2025 年 11 月的 Gemini 3，截至 2026 年 9 月已更新到 3.x 系列的多个版本。在具身智能里它有两种用法：一是直接调用它看图理解场景、拆解任务、做高层规划；二是当底座训练机器人模型，谷歌 2025 年 3 月发布的 Gemini Robotics（VLA）和 Gemini Robotics-ER（具身推理）都建立在 Gemini 2.0 之上。

例子Gemini Robotics 在 Gemini 2.0 的基础上把「物理动作」加为新的输出模态：模型看到相机画面、听到指令后，直接输出控制机器人的动作。

也叫

Gemini、谷歌 Gemini

相关

多模态大语言模型、原生多模态、Gemini Robotics、Gemini Robotics-ER、谷歌 DeepMind、视觉语言模型

来源

Gemini: A Family of Highly Capable Multimodal Models (arXiv 2312.11805)
Gemini (language model) - Wikipedia
Gemini Robotics brings AI into the physical world (Google DeepMind blog)

信息截至

2026-09