Gemini مدل ورودی و خروجی را در واحدهایی به نام داده‌واحد پردازش می‌کند.
نشانه‌ها می‌توانند نویسه‌های تکی مثل z یا کلمات کامل مثل cat باشند. کلمات طولانی
به چند نشان تقسیم می‌شوند. مجموعه همه نشان‌هایی که مدل استفاده می‌کند
واژگان نامیده می‌شود و فرایند تقسیم نوشتار به نشان‌ها
نشان‌سازی نامیده می‌شود.
برای مدل‌های Gemini، یک واحد معادل حدود ۴ نویسه است. ۱۰۰ نشانه تقریباً برابر با ۶۰ تا ۸۰ کلمه انگلیسی است.
هر مدل حداکثر تعداد نشانه‌ای دارد که می‌تواند در پیام‌واره و پاسخ مدیریت کند. با دانستن تعداد داده‌واحد پیام‌واره‌تان می‌توانید متوجه شوید که از این حد فراتر رفته‌اید یا نه. علاوه‌براین، هزینه درخواست تا حدی براساس تعداد داده‌واحدهای ورودی و خروجی تعیین می‌شود، بنابراین دانستن نحوه شمارش داده‌واحدها می‌تواند مفید باشد.
مدل‌های پشتیبانی‌شده
gemini-3.1-pro-preview-
gemini-3.8-flash(وgemini-3.7-flash،gemini-3.6-flash، وgemini-3.5-flashبزرگ‌تر) -
gemini-3.5-flash-lite(وgemini-3.1-flash-liteقدیمی‌تر) -
gemini-3-pro-image(با نام مستعار «Nano Banana Pro») gemini-3.1-flash-image(با نام مستعار «Nano Banana 2»)-
gemini-3.1-flash-lite-image(با نام مستعار «Nano Banana 2 Lite») gemini-3.1-flash-tts-preview
مدل‌های Gemini 2.5 با کاربرد عمومی و تولید تصویر از این قابلیت پشتیبانی می‌کنند، اما همه آن‌ها منسوخ شده‌اند.
گزینه‌های شمارش نشان‌ها
همه ورودی‌ها و بروندادهای Gemini API نشانه‌گذاری می‌شوند، ازجمله نوشتار، فایل‌های تصویری، و دیگر روش‌های غیرنوشتاری. در اینجا گزینه‌های شمارش نشان‌ها آمده است:
- تعداد نشان‌ها را فقط برای درخواست‌هایتان بررسی کنید (قبل‌از ارسال آن‌ها به مدل).
- با ورودی درخواست
countTokensتماس بگیرید قبل‌از ارسال آن به مدل. این تابع موارد زیر را برمی‌گرداند:-
total_tokens: تعداد داده‌واحد فقط ورودی
-
- تعداد نشان‌ها را برای هر دو درخواست و پاسخ خود بررسی کنید.
- به مشخصه
usageMetadataدر شیء پاسخ دسترسی پیدا کنید. این شامل موارد زیر می‌شود:-
prompt_token_count: تعداد داده‌واحد فقط درونداد candidates_token_count: تعداد داده‌واحد فقط برونداد (شامل داده‌واحدهای اندیشیدن نمی‌شود)-
thoughts_token_count: تعداد داده‌واحد هریک از داده‌واحدهای اندیشیدن استفاده‌شده برای تولید پاسخ total_token_count: تعداد کل داده‌واحدها برای هر دو ورودی و برونداد (شامل هرگونه داده‌واحد اندیشیدن)
هنگام جاری‌سازی برونداد، ویژگی
usageMetadataفقط در آخرین تکه جاری‌سازی نشان داده می‌شود. برای تکه‌های متوسطnilاست. -
نکات زیر را درباره گزینه‌های بالا درنظر داشته باشید:
- این ابزار تعداد تصاویر ورودی یا تعداد ثانیه‌های موجود در فایل‌های ورودی ویدیویی یا صوتی را محاسبه نمی‌کند. بااین‌حال، تعداد نشانه‌ها برای هریک از این روش‌ها با این مقادیر همبستگی خواهد داشت.
- تعداد نشانه‌های ورودی شامل پیام‌واره (نوشتار و هر فایل ورودی) و همچنین هرگونه دستورالعمل و ابزار سیستم است.
- تعداد داده‌واحدهای برونداد شامل داده‌واحدهای اندیشیدن نمی‌شود؛ این داده‌واحدها در فیلد جداگانه‌ای ارائه می‌شوند.
- در ادامه این صفحه، اطلاعات تکمیلی مربوط به هر نوع درخواست را مرور کنید.
- Gemini Live API مدل از
countTokensپشتیبانی نمی‌کند. همچنین، Firebase AI Logic هنوز از آن ویژگیusageMetadataدر پاسخ مدل‌های Live API پشتیبانی نمی‌کند، اما به‌زودی اضافه می‌شود!
قیمت‌گذاری برای این گزینه‌ها
تماس با
countTokens: برای تماس باcountTokens(میانای برنامه کاربردی Count Tokens) هزینه‌ای دریافت نمی‌شود. حداکثر سهمیه برای «میانای برنامه‌سازی کاربردی شمارش نشان‌ها» ۳۰۰۰ درخواست در دقیقه (RPM) است.استفاده از مشخصه
usageMetadata: این مشخصه همیشه به‌عنوان بخشی از پاسخ برگردانده می‌شود و هیچ‌گونه نشان یا هزینه‌ای را دربرنمی‌گیرد.
اطلاعات بیشتر
در اینجا اطلاعات تکمیلی هنگام کار با انواع خاصی از درخواست‌ها ارائه شده است.
تعداد داده‌واحدهای ورودی نوشتاری
اطلاعات اضافی ندارد.
تعداد داده‌واحدهای چندنوبتی (گپ)
هنگام استفاده از گپ برای تماس با countTokens، موارد زیر را درنظر داشته باشید:
- اگر با سابقه گپ با
countTokensتماس بگیرید، تعداد کل نشانه‌ها را از هر دو نقش در گپ (total_tokens) برمی‌گرداند. - برای اینکه بفهمید نوبت مکالمه بعدی‌تان چقدر بزرگ خواهد بود، باید
وقتی
countTokensرا فرا می‌خوانید آن را به سابقه اضافه کنید.
تعداد داده‌واحدهای ورودی چندحالته
نکات زیر را درباره شمارش نشانه‌ها با ورودی چندحالته درنظر داشته باشید:
- می‌توانید به‌صورت اختیاری
countTokensرا به‌طور جداگانه در نوشتار و فایل فراخوانی کنید. - برای هر دو گزینه شمارش نشان، چه فایل را به‌عنوان داده‌های درون‌خطی ارائه دهید و چه از نشانی وب آن استفاده کنید، تعداد نشان یکسانی دریافت خواهید کرد.
فایل‌های ورودی تصویر
فایل‌های ورودی تصویر براساس ابعادشان به نشان تبدیل می‌شوند:
- ورودی‌های تصویر با ابعاد هر دو کمتر یا مساوی ۳۸۴ پیکسل: هر تصویر به‌عنوان ۲۵۸ کد شمارش می‌شود.
- ورودی‌های تصویری که در یک یا هر دو بُعد بزرگ‌تر هستند: هر تصویر درصورت نیاز به کاشی‌های ۷۶۸x۷۶۸ پیکسل برش داده و مقیاس‌بندی می‌شود، و سپس هر کاشی به‌عنوان ۲۵۸ کد شمارش می‌شود.
فایل‌های ورودی صوتی و ویدیویی
فایل‌های ورودی ویدیو و صدا با نرخ‌های ثابت زیر به تبدیل می‌شوند:
- ویدیو: ۲۶۳ داده‌واحد در ثانیه
- صوت: ۳۲ داده‌واحد در ثانیه
فایل‌های ورودی سند (مثل PDF)
فایل‌های ورودی PDF به‌عنوان تصویر درنظر گرفته می‌شوند، بنابراین هر صفحه از PDF به همان روش تصویر نشانه‌گذاری می‌شود.