Gemini API

Gemini API は、Gemini、Veo、Nano Banana などを利用して、プロンプトから運用までを最速で実現する手段です。これらの生成モデルをアプリケーションに統合して、テキストと画像を生成したり、マルチモーダル入力を分析したり、会話型エージェントを構築したりできます。

Interactions API は、Gemini API、Gemini モデル、エージェントを使用して構築するのに最適な方法です。詳しくは、Interactions API の概要をご覧ください。

Python

from google import genai

client = genai.Client()

interaction = client.interactions.create(
    model="gemini-3.6-flash",
    input="Explain how AI works in a few words"
)

print(interaction.output_text)

JavaScript

import { GoogleGenAI } from "@google/genai";

const ai = new GoogleGenAI({});

const interaction = await ai.interactions.create({
  model: "gemini-3.6-flash",
  input: "Explain how AI works in a few words",
});

console.log(interaction.output_text);

REST

curl -X POST "https://generativelanguage.googleapis.com/v1beta/interactions" \
  -H "x-goog-api-key: $GEMINI_API_KEY" \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "gemini-3.6-flash",
    "input": "Explain how AI works in a few words"
  }'

構築を開始する

スタートガイドに沿って、API キーを取得し、最初の API 呼び出しを数分で行います。

各モデルについて

すべて表示

Gemini 3.1 Pro 新機能

最先端の推論に基づいて構築された、Google の最もインテリジェントなモデルであり、マルチモーダル理解において世界最高水準のモデルです。

Gemini 3.6 Flash 新モデル

大規模モデルに匹敵するパフォーマンスを、わずかな費用で実現します。

Gemini 3.5 Flash-Lite 新モデル

低レイテンシの高スループットサブエージェントタスク向けに最適化された、大量のトラフィックを処理するコスト重視のモデル。

Gemini 3 Flash

大規模モデルに匹敵するパフォーマンスを、わずかな費用で実現します。

Nano Banana 2 と Nano Banana Pro

最先端の画像生成および編集モデル。

Veo 3.1

ネイティブオーディオを備えた最先端の動画生成モデル。

Gemini Robotics

Gemini のエージェント機能をロボット工学に導入し、物理世界での高度な推論を可能にする視覚言語モデル（VLM）。

機能を確認する

ネイティブ画像生成（Nano Banana）

Gemini 2.5 Flash Image を使用して、コンテキストを高度に認識した画像をネイティブに生成、編集できます。

長いコンテキスト

Gemini モデルに数百万個のトークンを入力し、非構造化画像、動画、ドキュメントから理解を導き出します。

構造化出力

Gemini が JSON（自動処理に適した構造化データ形式）で応答するように制約します。

関数呼び出し

Gemini を外部 API やツールに接続して、エージェントワークフローを構築します。

Veo 3.1 による動画生成

Google の最先端モデルを使用して、テキストや画像のプロンプトから高品質な動画コンテンツを作成できます。

Live API を使用した音声エージェント

Live API を使用して、リアルタイム音声アプリケーションとエージェントを構築します。

ツール

Google 検索、URL コンテキスト、Google マップ、コード実行、コンピュータの使用などの組み込みツールを使用して、Gemini を世界に接続します。

ドキュメントの理解

最大 1,000 ページの PDF ファイルや、その他のテキストベースのファイル形式を、マルチモーダル理解で完全に理解して処理します。

思考中

思考能力が複雑なタスクとエージェントの推論をどのように改善するかについて説明します。