इस्तेमाल किए जा सकने वाले मॉडल के बारे में जानें

खास जानकारी और सीमाएं

यहां दी गई टेबल में, Firebase AI Logic के साथ हर मॉडल का इस्तेमाल करने पर, उसकी खास जानकारी और सीमाओं के बारे में बताया गया है.

^{* सभी Gemini मॉडल के लिए, एक टोकन करीब चार वर्णों के बराबर होता है. इसलिए, 100 टोकन करीब 60 से 80 अंग्रेज़ी शब्दों के बराबर होते हैं. Gemini मॉडल के लिए, countTokens का इस्तेमाल करके अपने अनुरोधों में टोकन की कुल संख्या तय की जा सकती है.}

^{** gemini-4-argon के लिए, Firebase AI Logic में फ़िलहाल लॉन्ग डिकोड की सुविधा उपलब्ध नहीं है. हालांकि, यह सुविधा जल्द ही उपलब्ध होगी!}

^{*** PDF को इमेज के तौर पर माना जाता है. इसलिए, PDF के एक पेज को एक इमेज माना जाता है. किसी अनुरोध में शामिल किए जा सकने वाले पेजों की संख्या, मॉडल के साथ काम करने वाली इमेज की संख्या के हिसाब से तय होती है.}

ज़्यादा जानकारी पाना

• हर मॉडल के लिए, कोटा और कीमत अलग-अलग होती है. कीमत, इनपुट और आउटपुट पर भी निर्भर करती है.

• इनपुट फ़ाइलों के लिए इस्तेमाल किए जा सकने वाले फ़ाइल टाइप, एमआईएमई टाइप तय करने का तरीका, और यह पक्का करने का तरीका जानें कि आपकी इनपुट फ़ाइलें और मल्टीमोडल अनुरोध, ज़रूरी शर्तों को पूरा करते हों. साथ ही, इनपुट फ़ाइलों के लिए इस्तेमाल किए जा सकने वाले फ़ाइल टाइप और ज़रूरी शर्तें में बताए गए सबसे सही तरीकों का पालन करते हों.

मॉडल के वर्शन और नाम रखने के पैटर्न

मॉडल, स्टेबल, झलक, और एक्सपेरिमेंटल वर्शन में उपलब्ध हैं. सुविधा के लिए, -latest के उपनामों का इस्तेमाल किया जा सकता है. हालांकि, इनका सुझाव नहीं दिया जाता, क्योंकि ये मॉडल के अलग-अलग वर्शन पर ले जाते हैं.

मॉडल के वर्शन इस्तेमाल करने के सबसे सही तरीके ज़रूर देखें.

अपने कोड में इस्तेमाल करने के लिए, मॉडल के खास नाम ढूंढने हों, तो इस पेज पर आगे दिए गए "मॉडल के उपलब्ध नाम" सेक्शन को देखें.

मॉडल के वर्शन इस्तेमाल करने के सबसे सही तरीके

• अपने प्रोडक्शन ऐप्लिकेशन में, सबसे नए स्टेबल वर्शन के लिए, मॉडल के सटीक नाम का इस्तेमाल करें.

  Agent Platform Gemini API (formerly Vertex AI) के लिए, अगर आपने अपने प्रोडक्शन ऐप्लिकेशन में कम समय के लिए उपलब्ध मॉडल इस्तेमाल करने का विकल्प चुना है, तो यह और भी ज़रूरी हो जाता है कि आप Firebase Remote Config या सर्वर प्रॉम्प्ट टेंप्लेट का इस्तेमाल करें. इससे आपको एआई की सुविधा के लिए इस्तेमाल किए गए मॉडल के नाम को कंट्रोल करने में मदद मिलेगी.

• झलक और एक्सपेरिमेंट के तौर पर उपलब्ध वर्शन का इस्तेमाल सिर्फ़ प्रोटोटाइप बनाने के दौरान करें. हमारा सुझाव है कि प्रोडक्शन के इस्तेमाल के उदाहरण के लिए, डेवलपमेंट और टेस्टिंग शुरू करते समय स्टेबल वर्शन का इस्तेमाल करें.

• हमारा सुझाव है कि आप -latest के उपनामों का इस्तेमाल न करें. डेवलपमेंट के दौरान भी इनका इस्तेमाल न करें. यह उपनाम, किसी मॉडल के वैरिएंट की सबसे नई रिलीज़ पर ले जाता है. यह वैरिएंट, स्टेबल, झलक या एक्सपेरिमेंट के तौर पर उपलब्ध वर्शन हो सकता है. यह उपनाम, किसी मॉडल के वैरिएंट की हर नई रिलीज़ के साथ हॉट-स्वैप हो जाएगा. साथ ही, नुकसान पहुंचा सकने वाले बदलावों के लिए, दो हफ़्ते पहले ईमेल से मिली सूचना भेजी जाएगी. यह तय न होने की वजह से कि असल में कौनसा मॉडल इस्तेमाल किया जा रहा है, आपकी एआई सुविधा के काम करने के तरीके में अनचाहे बदलाव हो सकते हैं.

उपलब्ध मॉडल के नाम

मॉडल के नाम, वे साफ़ तौर पर दी गई वैल्यू होती हैं जिन्हें मॉडल को शुरू करने के दौरान, अपने कोड में शामिल किया जाता है.

• सामान्य इस्तेमाल के लिए उपलब्ध मॉडल (जैसे, gemini-4-argon या gemini-3.8-flash)

• इमेज जनरेट करने वाले मॉडल (जैसे, gemini-3.1-flash-image, जिन्हें "Nano Banana" मॉडल भी कहा जाता है)

• ऑडियो जनरेट करने वाले मॉडल:

  • लिखे गए शब्दों को सुनने की सुविधा (टीटीएस) वाले मॉडल (जैसे, gemini-3.1-flash-tts-preview)
  • Live API मॉडल (जैसे, gemini-live-2.5-flash-native-audio)

अपने प्लैटफ़ॉर्म के लिए, SDK टूल को शुरू करने के उदाहरण देखने के लिए, शुरुआती निर्देश देखें.

रिलीज़ के चरणों के बारे में ज़्यादा जानने के लिए, मॉडल के वर्शन और नाम रखने के पैटर्न देखें. खास तौर पर, इस्तेमाल के उदाहरण, बिलिंग, और बंद करने के बारे में जानकारी देखें.

प्रोग्राम के हिसाब से, उपलब्ध सभी मॉडल की सूची बनाना

REST API का इस्तेमाल करके, उपलब्ध सभी मॉडल के नाम देखे जा सकते हैं:

• Gemini Developer API: models.list एंडपॉइंट को कॉल करें

• Agent Platform Gemini API (formerly Vertex AI): publishers.models.list एंडपॉइंट को कॉल करें

ध्यान दें कि इस सूची में, एपीआई उपलब्ध कराने वाली कंपनियों के साथ काम करने वाले सभी मॉडल शामिल होंगे. हालांकि, Firebase AI Logic सिर्फ़ इस पेज पर बताए गए Gemini मॉडल के साथ काम करता है.

सामान्य इस्तेमाल के लिए उपलब्ध मॉडल

Gemini 4 Argon मॉडल के नाम

^{इसके लिए, इस्तेमाल के हिसाब से पैसे चुकाने की सुविधा वाले ब्लेज़ प्लान की ज़रूरत होती है. भले ही, Gemini API सेवा देने वाली कंपनी कोई भी हो.}

Gemini 3.x Flash मॉडल के नाम

^{अगर Gemini Developer API का इस्तेमाल किया जा रहा है, तो इस्तेमाल के हिसाब से पैसे चुकाने वाले ब्लेज़ प्लान की ज़रूरत नहीं है.}

Gemini 3.x Flash‑Lite मॉडल के नाम

^{अगर Gemini Developer API का इस्तेमाल किया जा रहा है, तो इस्तेमाल के हिसाब से पैसे चुकाने वाले ब्लेज़ प्लान की ज़रूरत नहीं है.}

इमेज जनरेट करने वाले मॉडल

Gemini 3.x Pro Image मॉडल के नाम (जैसे, "Nano Banana Pro")

^{इसके लिए, इस्तेमाल के हिसाब से पैसे चुकाने की सुविधा वाले ब्लेज़ प्लान की ज़रूरत होती है. भले ही, Gemini API सेवा देने वाली कंपनी कोई भी हो.}

Gemini 3.x Flash Image मॉडल के नाम (जैसे, "Nano Banana 2")

^{इसके लिए, इस्तेमाल के हिसाब से पैसे चुकाने की सुविधा वाले ब्लेज़ प्लान की ज़रूरत होती है. भले ही, Gemini API सेवा देने वाली कंपनी कोई भी हो.}

Gemini 3.x Flash‑Lite Image मॉडल के नाम (जैसे, "Nano Banana 2 Lite")

^{इसके लिए, इस्तेमाल के हिसाब से पैसे चुकाने की सुविधा वाले ब्लेज़ प्लान की ज़रूरत होती है. भले ही, Gemini API सेवा देने वाली कंपनी कोई भी हो.}

ऑडियो - लिखे गए शब्दों को सुनने की सुविधा (टीटीएस) वाले मॉडल

Gemini 3.x Flash TTS मॉडल के नाम

^{अगर Gemini Developer API का इस्तेमाल किया जा रहा है, तो इस्तेमाल के हिसाब से पैसे चुकाने वाले ब्लेज़ प्लान की ज़रूरत नहीं है.}

ऑडियो - Live API मॉडल

Gemini 3.x Flash Live मॉडल के नाम

^{1 सिर्फ़ Gemini Developer API पर काम करता है. इसके अलावा, भले ही यह झलक वाला मॉडल है, लेकिन यह Gemini Developer API के "फ़्री टियर" पर उपलब्ध है.}

Gemini 2.5 Flash Live मॉडल के नाम

^{अगर Gemini Developer API का इस्तेमाल किया जा रहा है, तो आपको इस्तेमाल के हिसाब से पैसे चुकाने वाले ब्लेज़ प्लान की ज़रूरत नहीं है. आम तौर पर, झलक वाले मॉडल के लिए पैसे चुकाकर लिया जाने वाला प्लान ज़रूरी होता है.}

Gemini एपीआई की सेवा देने वाली कंपनी के हिसाब से, इन मॉडल के नाम अलग-अलग हो सकते हैं. हालांकि, इनकी सुविधाएं एक जैसी होती हैं.

^{1 सिर्फ़ Gemini Developer API पर काम करता है. साथ ही, भले ही ये झलक वाले मॉडल हैं, लेकिन ये Gemini Developer API के "फ़्री टियर" पर उपलब्ध हैं.
2 सिर्फ़ Agent Platform Gemini API (formerly Vertex AI) पर काम करता है. साथ ही, ये मॉडल global में उपलब्ध नहीं हैं.}

यह सुविधा इन भाषाओं में काम करती है

सामान्य इस्तेमाल के लिए उपलब्ध मॉडल

सामान्य इस्तेमाल के लिए उपलब्ध सभी Gemini मॉडल (जैसे, Gemini 4 Argon, Gemini 3.8 Flash, Gemini 3.5 Flash-Lite, और 3.x वाले पुराने मॉडल) 100 से ज़्यादा भाषाओं को समझ सकते हैं और उनमें जवाब दे सकते हैं:

अफ़्रीकान्स (af), अल्बेनियन (sq), अम्हारिक (am), अरबी (ar), आर्मेनियन (hy), असमीज़ (as), अज़रबैजानी (az), बास्क (eu), बेलारूसी (be), बंगाली (bn), बोस्नियन (bs), बल्गेरियन (bg), कैटलन (ca), सिबुआनो (ceb), चाइनीज़ (सिंप्लिफ़ाइड और ट्रेडिशनल) (zh), कॉर्सिकन (co), क्रोएशियन (hr), चेक (cs), डैनिश (da), दिवेही (dv), डच (nl), अंग्रेज़ी (en), एस्पेरैंटो (eo), एस्टोनियन (et), फ़िलिपीनो (टगालोग) (fil), फ़िनिश (fi), फ़्रेंच (fr), फ़्रिसियन (fy), गैलिशियन (gl), जॉर्जियन (ka), जर्मन (de), ग्रीक (el), गुजराती (gu), हैतियन क्रियोल (ht), हौसा (ha), हवाईयन (haw), हिब्रू (iw), हिन्दी (hi), मोंग (hmn), हंगेरियन (hu), आइसलैंडिक (is), इग्बो (ig), इंडोनेशियन (id), आयरिश (ga), इटैलियन (it), जैपनीज़ (ja), जावानीज़ (jv), कन्नड़ (kn), कज़ाख (kk), खमेर (km), कोरियन (ko), क्रियो (kri), कुर्दिश (ku), किर्गिज़ (ky), लाओ (lo), लैटिन (la), लैटवियन (lv), लिथुएनियन (lt), लक्ज़मबर्गिश (lb), मैसेडोनियन (mk), मालागासी (mg), मलय (ms), मलयालम (ml), माल्टीज़ (mt), माओरी (mi), मराठी (mr), मैतेईलोन (मणिपुरी) (mni-Mtei), मंगोलियन (mn), म्यांमार (बर्मीज़) (my), नेपाली (ne), नॉर्वेजियन (no), न्यांजा (चिचेवा) (ny), ओडिया (उड़िया) (or), पश्तो (ps), पर्शियन (fa), पोलिश (pl), पॉर्चुगीज़ (pt), पंजाबी (pa), रोमानियन (ro), रशियन (ru), समोअन (sm), स्कॉट्स गेलिक (gd), सर्बियन (sr), सेसोथो (st), शोना (sn), सिंधी (sd), सिंहली (si), स्लोवाक (sk), स्लोवेनियन (sl), सोमाली (so), स्पैनिश (es), सुंडानीज़ (su), स्वाहिली (sw), स्वीडिश (sv), ताजिक (tg), तमिल (ta), तेलुगु (te), थाई (th), टर्किश (tr), यूक्रेनियन (uk), उर्दू (ur), उइगर (ug), उज़्बेक (uz), वियतनामीज़ (vi), वेल्श (cy), कोसा (xh), यिडिश (yi), योरूबा (yo), और ज़ुलु (zu).

इमेज जनरेट करने वाले मॉडल

Gemini 3.x Image मॉडल, कई भाषाओं में टेक्स्ट प्रॉम्प्ट स्वीकार कर सकते हैं. हालांकि, इन्हें यहां दी गई भाषाओं और स्थान-भाषाओं के हिसाब से ऑप्टिमाइज़ किया गया है, ताकि ये बेहतर परफ़ॉर्मेंस दे सकें. यह बात टेक्स्ट प्रॉम्प्ट और जनरेटिव इमेज में टेक्स्ट रेंडर करने, दोनों पर लागू होती है:

ऐरेबिक (ar-EG), जर्मन (de-DE), अंग्रेज़ी (EN), स्पैनिश (es-MX), फ़्रेंच (fr-FR), हिन्दी (hi-IN), इंडोनेशियन (id-ID), इटैलियन (it-IT), जैपनीज़ (ja-JP), कोरियन (ko-KR), पॉर्चुगीज़ (pt-BR), रशियन (ru-RU), यूक्रेनियन (uk-UA), वियतनामीज़ (vi-VN), और आसान चाइनीज़ (zh-CN).

प्रॉम्प्ट लिखने के सबसे सही तरीकों और इमेज में जनरेट किए गए टेक्स्ट के बारे में ज़्यादा जानने के लिए, इमेज जनरेट करने की सुविधा के लिए इस्तेमाल की जा सकने वाली भाषाएँ देखें.

ऑडियो जनरेट करने वाले मॉडल (टीटीएस और Live API)

ऑडियो जनरेट करने वाले मॉडल, खास तरह के लैंग्वेज सेट के साथ काम करते हैं. इन्हें स्पीच सिंथेसिस और (Live API के लिए) रीयल-टाइम में दोनों तरफ़ से होने वाले डायलॉग के लिए ऑप्टिमाइज़ किया गया है:

• लिखे गए शब्दों को सुनने की सुविधा (टीटीएस) वाले मॉडल: Gemini 3.x TTS मॉडल, करीब 80 भाषाओं और बोलियों में बोली को अपने-आप पहचान सकते हैं और जनरेट कर सकते हैं.

  जिन भाषाओं में यह सुविधा उपलब्ध है उनकी पूरी सूची और उपलब्ध BCP-47 स्थानीय भाषा के कोड देखने के लिए, स्पीच जनरेट करने के लिए उपलब्ध भाषाएं देखें.

• Live API मॉडल: Live API मॉडल, रीयल-टाइम में दोनों तरफ़ से होने वाली बातचीत को सपोर्ट करते हैं. यह सुविधा, करीब 80 भाषाओं और बोलियों में उपलब्ध है.

  जिन भाषाओं में यह सुविधा उपलब्ध है उनकी पूरी सूची देखने और बोलकर दिए जाने वाले जवाब की भाषा बदलने का तरीका जानने के लिए, Live API के लिए उपलब्ध भाषाएँ देखें.

पिछले मॉडल के बारे में जानकारी

ये मॉडल चालू हैं, लेकिन पिछली जनरेशन के हैं. हमारा सुझाव है कि जब भी मुमकिन हो, अपने ऐप्लिकेशन को नए मॉडल पर माइग्रेट करें. इन पुराने मॉडल के बंद होने और बंद होने के बारे में ज़्यादा जानकारी के लिए (साथ ही, सुझाए गए नए मॉडल), देखें अक्सर पूछे जाने वाले सवाल.

अगर आपको यहां दिए गए सब-सेक्शन में अपनी ज़रूरत की जानकारी नहीं मिलती है, तो एपीआई की सेवा देने वाली कंपनी के दस्तावेज़ में ज़्यादा जानकारी मिल सकती है: Gemini Developer API या Agent Platform Gemini API (formerly Vertex AI)

Gemini के पुराने मॉडल

• gemini-3.1-pro-preview
• gemini-2.5-pro
• gemini-2.5-flash
• gemini-2.5-flash-lite
• gemini-2.5-flash-image (इसे "Nano Banana" भी कहा जाता है)
• gemini-2.0-flash-001 (और अपने-आप अपडेट होने वाला इसका दूसरा नाम gemini-2.0-flash)
• gemini-2.0-flash-lite-001 (और अपने-आप अपडेट होने वाला इसका दूसरा नाम gemini-2.0-flash-lite)

Gemini Live API के पुराने मॉडल के बारे में जानकारी पाने के लिए, Gemini API की सेवा देने वाली कंपनी का दस्तावेज़ देखें:

• gemini-2.0-flash-live-001
• gemini-2.0-flash-live-preview-04-09
• gemini-live-2.5-flash-preview

Imagen के पुराने मॉडल

• imagen-4.0-ultra-generate-001
• imagen-4.0-generate-001
• imagen-4.0-fast-generate-001
• imagen-3.0-capability-001
• imagen-3.0-generate-002
• imagen-3.0-generate-001
• imagen-3.0-fast-generate-001

पिछले मॉडल के बारे में जानकारी देखना

अगले चरण

Gemini API की सुविधाओं को आज़माएं

• सिलसिलेवार बातचीत (चैट) की सुविधा बनाएं.
• सिर्फ़ टेक्स्ट वाले प्रॉम्प्ट से टेक्स्ट जनरेट करना.
• अलग-अलग फ़ाइल टाइप का इस्तेमाल करके टेक्स्ट जनरेट करना. जैसे, इमेज, PDF, वीडियो, और ऑडियो.
• टेक्स्ट और मल्टीमोडल प्रॉम्प्ट, दोनों से JSON जैसा स्ट्रक्चर्ड आउटपुट जनरेट करना.
• टेक्स्ट और टेक्स्ट, इमेज वग़ैरह का एक साथ इस्तेमाल करके प्रॉम्प्ट डालकर, इमेज जनरेट करना और उनमें बदलाव करना.
• Gemini लिखे गए शब्दों को सुनने की सुविधा (टीटीएस) वाले मॉडल का इस्तेमाल करके, स्पीच जनरेट करना (एक और कई स्पीकर, दोनों के लिए).
• Gemini Live API का इस्तेमाल करके, इनपुट और आउटपुट को स्ट्रीम करना (इसमें ऑडियो भी शामिल है).
• Gemini मॉडल को अपने ऐप्लिकेशन के अन्य हिस्सों, बाहरी सिस्टम, और जानकारी से कनेक्ट करने के लिए, टूल इस्तेमाल करें. जैसे, फ़ंक्शन कॉलिंग और Google Search या Google Maps के साथ ग्राउंडिंग.