Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

Claude3/grok3/Gemini使用API调用时消耗token的价格是？

Answer

Claude 3 的 API 调用价格为：每百万输入 token 0.25 美元，每百万输出 token 1.25 美元。可以处理和分析 400 起最高法院案件或 2500 张图片只需 1 美元。相关链接：https://x.com/imxiaohu/status/1768284259792691366?s=20

Content generated by AI large model, please carefully verify (powered by aily)

References

XiaoHu.AI日报

?Xiaohu.AI日报「3月14日」✨✨✨✨✨✨✨✨1⃣️?Claude 3 Haiku API发布：最快、性价比最高的型号。每百万输入token 0.25美元，每百万输出token 1.25美元。可以处理和分析400起最高法院案件或2500张图片只需1美元。?https://x.com/imxiaohu/status/1768284259792691366?s=202⃣️?Starship第三次飞行测试：SpaceX星际飞船成功发射进入预定轨道。重达5000吨，成为有史以来最大的飞行器。?https://x.com/imxiaohu/status/1768273741262520394?s=203⃣️?Midjourney禁止生成拜登和特朗普的图片：以应对美国总统选举，禁止生成拜登和特朗普的虚假图片。测试发现尝试生成特定图片时会收到警告。CEO David Holz强调不想在政治言论上花费太多时间。?https://x.com/imxiaohu/status/1768258401518362625?s=204⃣️?零一万物大模型开放API接口：1000,000 tokens最低6元。?https://x.com/imxiaohu/status/1768253143098540518?s=205⃣️?Muse Pro：一款专为iPad设计的AI实时画图应用：实现实时绘画，每一笔触即时转化为数字画面。支持图像快速增强和放大，适合直接打印。主要特色包括实时绘画、图像增强、直观设计与高级图层、自定义画笔。

XiaoHu.AI日报

?Xiaohu.AI日报「3月14日」✨✨✨✨✨✨✨✨1⃣️?Claude 3 Haiku API发布：最快、性价比最高的型号。每百万输入token 0.25美元，每百万输出token 1.25美元。可以处理和分析400起最高法院案件或2500张图片只需1美元。?https://x.com/imxiaohu/status/1768284259792691366?s=202⃣️?Starship第三次飞行测试：SpaceX星际飞船成功发射进入预定轨道。重达5000吨，成为有史以来最大的飞行器。?https://x.com/imxiaohu/status/1768273741262520394?s=203⃣️?Midjourney禁止生成拜登和特朗普的图片：以应对美国总统选举，禁止生成拜登和特朗普的虚假图片。测试发现尝试生成特定图片时会收到警告。CEO David Holz强调不想在政治言论上花费太多时间。?https://x.com/imxiaohu/status/1768258401518362625?s=204⃣️?零一万物大模型开放API接口：1000,000 tokens最低6元。?https://x.com/imxiaohu/status/1768253143098540518?s=205⃣️?Muse Pro：一款专为iPad设计的AI实时画图应用：实现实时绘画，每一笔触即时转化为数字画面。支持图像快速增强和放大，适合直接打印。主要特色包括实时绘画、图像增强、直观设计与高级图层、自定义画笔。

不懂代码，也能 3 小时打造并上架一款 AI 插件

纯靠词生卡Prompt完成卡片样式输出，固然是非常灵活的AI智能体方案。但倘若在最终落地产品中，还是每次都依赖大模型重新生成卡片的样式代码，反而会消耗大量的输出token，耗时且不经济。此外，在实际使用中，用户通常只固定使用一到两个常用模板，对自定义样式的需求并不频繁。所以在开发AI Share Card插件的过程中，我选择将模板生成功能设计为固定的代码组件，而让大模型专注于内容总结的功能。如果用户需要选择其他模板，则通过增加更多模板选项or自定义模板代码功能实现。如此一来，对AI大模型的要求就不会动辄需要像Claude 3.5 sonnet那样高不可攀的顶级模型。处理纯文本总结任务，仅需13B或更小参数的模型，加上精调的提示词，就能产生很好的结果。一旦明确模型的任务，AI API服务的选型要求就清晰了：1.较长的上下文窗口：内容总结类任务需要较大的上下文长度；2.响应速度要快、并发支持要高：以便在多人使用插件时，保持良好的性能表现；3.免费或尽量低价：减少模型token费用。经过简单调研后，AI Share Card选用的是GLM-4-flash（没恰饭。截至2024-12，长达128k的上下文窗口，完全免费的调用价格，200 RPM高并发支持，还要什么自行车?～）

Others are asking
Claude3.5免费的模型和付费的模型有什么区别
Claude 3.5 的免费模型和付费模型主要有以下区别： 1. 功能与性能：付费的 Opus 模型在某些方面可能具有更强大的功能和更出色的性能。 2. 访问权限：所有新用户有 14 天的 Pro 试用期，可访问所有 Pro 功能。14 天后未升级的用户将恢复为 Hobby 计划。 3. 快速请求：默认情况下，服务器会尝试给所有用户快速的高级模型请求，但高峰期时，用完快速高级积分的用户可能会被移到慢速池等待。若不想等待，可在设置页面添加更多请求。 4. 对话轮次：免费版本每小时的对话轮次有限制。 5. 费用：Pro 版本每月 20 美刀。 6. 注册要求：注册需要海外手机号。 7. 模型种类：免费用户可用 Claude 3 Sonnet 模型，订阅后可用 Opus 模型。
2024-10-26
Claude3 入口
Claude 3 是由 Anthropic 公司发布的 AI 模型系列，域名是 http://claude.ai ，包括 Haiku、Opus、Sonnet 三款模型。其具有高性能、多语言能力、突破性速度、视觉识别、减少错误率等特点。Opus 和 Sonnet 模型已上线，向全球 159 国开放，Haiku 模型即将推出。该系列模型提供实时反应，出色的多语言处理能力，减少错误拒绝并提升准确率，具有长期记忆能力。模型根据功能分别注重智能（Opus）、平衡（Sonnet）和速度（Haiku），并有明确的成本和适用场景。Claude 3 模型设计注重安全可靠，努力减少偏见，提高公正性和中立性，并已被评定为 AI 安全等级 2。在多个基准测试中取得了最先进的结果，在非英语语言的流畅度上有所提高，更适合全球受众。Claude 3 Opus 在推理、数学和编码方面设定了新的标准，Haiku 则是市场上最快速且成本最低的模型，同时具备视觉能力。通过多模态输入能力（文本输出）和工具使用（功能调用）提供了丰富的上下文和扩展用例。相关文档有简体中文版，且可编辑，但不要随便改动他人内容。Anthropic 公司宣称 Claude 3 全面超越 GPT4，具有多模态能力，推理能力和人类相当，速度更快更准确。其元数据包括标题、作者、链接、标签等。其核心观点与亮点在于介绍了模型家族在多方面的出色表现，并在安全性和社会影响方面进行了深入分析，致力于开发安全、负责任的 AI 系统，以支持多种应用场景。 您可以通过以下链接获取更多详细信息：https://wwwcdn.anthropic.com/de8ba9b01c9ab7cbabf5c33b80b7bbc618857627/Model_Claude_3.pdf
2024-09-28
grok3 有什么特点
Grok 3 具有以下特点： 1. 包含两个模型版本：Grok 3 和 Grok 3mini。 2. 在 AIME 和 GPQA 在内的基准测试中显著优于其他模型，在数学推理、代码处理、科学问题方面表现优秀。 3. 具备推理能力，在提供更多测试计算时间的情况下，优于 o1 和 R1。 4. 新增“Deep Search”能力，能深入了解用户目的，访问并交叉验证多个信息源，确保研究内容更准确，并公开执行搜索所采取的步骤。 5. 可以调用 Big Brain 功能，加强计算来解决问题。 6. 现场演示中能生成游戏设计方案。 7. 语音模式在大约一周内推出。 8. API 几周后推出。 9. 今天向所有 Premium+订阅者推出（IOS、网页版都有），完整版在网页版，APP 上的 Grok 3 有一定削弱。（还有单独会员叫：SuperGrok）今天所有该类用户都能用上。 10. Grok 2 将在 Grok 3 正式可用后开源，xAI 计划也会开源 Grok 3 。 在评测方面，Grok 3 在基准测试中领先，但与竞争模型差距不大，整体表现比其他模型高出约 1 2%。Andrej Karpathy 认为 Grok 3 + Thinking 比 DeepSeek R1 强一些，接近 OpenAI 顶级模型，在测试中成功解决了多个复杂问题，但“DeepSearch”能进行高质量的检索类问题回答，尚需改进。 地址：https://huggingface.co/smirki/UIGENT1Qwen7b
2025-02-26
grok3 ai什么时候可用
Grok 3 已于今天向所有 Premium+ 订阅者推出（包括 IOS 和网页版），完整版在网页版，APP 上的 Grok 3 有一定削弱。（还有单独会员叫：SuperGrok）今天所有该类用户都能用上。Grok 3 语音模式在大约一周内推出，Grok 3 API 几周后推出，Grok 2 将在 Grok 3 正式可用后开源，xAI 计划也会开源 Grok 3 。
2025-02-19
grok3 发布会亮点内容
Grok 3 发布会的亮点内容包括： 1. 包含两个模型版本：Grok 3 和 Grok 3mini。 2. 在 AIME 和 GPQA 在内的基准测试中显著优于其他模型，在数学推理、代码处理、科学问题方面表现优秀。 3. 具备推理能力，在提供更多测试计算时间的情况下，优于 o1 和 R1。 4. 今天向所有 Premium+订阅者推出（IOS、网页版都有），完整版在网页版，APP 上的 Grok 3 有一定削弱。 5. 新增“Deep Search”能力，能深入了解用户目的，访问并交叉验证多个信息源，确保研究内容准确，并公开执行搜索步骤。 6. 可以调用 Big Brain 功能加强计算来解决问题。 7. 现场演示中，Grok 3 可以生成游戏设计方案。 8. Grok 3 语音模式在大约一周内推出。 9. Grok 3 API 几周后推出。 10. Grok 2 将在 Grok 3 正式可用后开源，xAI 计划也会开源 Grok 3。
2025-02-19
grok API能用在什么软件上
Grok API 可以用在以下软件上： 1. 扣子工作流：可以用代码模块进行 HTTP 访问，实现 0 token 脱离扣子模型来使用 Groq 作为 LLM，还能参考相关教程将扣子接入微信机器人，但有微信封号风险。 2. 沉浸式翻译：由于 Groq 的 API 与 OpenAI 的 API 几乎兼容，可以适配到任何 APP 产品可以用来填 APIKEY 调用的场景，比如沉浸式翻译这个网页翻译工具。 3. 手机类 APP：比如通过快捷方式接入 Siri。 此外，xAI 发布的 Grok 3 API 提供了多个模型版本，如 grok3beta、mini、fast 等，满足不同场景需求，上下文窗口达 131K，支持图像输入输出，但当前不支持联网或实时访问外部网页与数据。
2025-04-12
API是什么意思有什么用
API 是应用程序编程接口（Application Programming Interface）的缩写。它是软件之间进行交互和数据交换的接口，使得开发者能够访问和使用另一个程序或服务的功能，而无需了解其内部实现的详细信息。 API 就像是一个信差，接受一端的请求，告诉那边的系统您想要做的事情，然后把返回的信息发回给您。 APIKey 是一种实现对 API 访问控制的方法，通常是一串字符串，用于身份验证和访问控制。当开发者或应用程序尝试通过 API 与另一个程序或服务交互时，APIKey 作为请求的一部分被发送，以证明请求者具有调用该 API 的权限。APIKey 帮助服务提供商识别调用者身份，监控和控制 API 的使用情况，以及防止未经授权的访问。 要使用 API，通常需要去官网寻找 API 文档，API 的规则一般会写在网站的开发者相关页面或 API 文档里。例如，TMDB 的搜索电影 API 文档的网址是：https://developer.themoviedb.org/reference/searchmovie 。在 API 文档中，会详细告知如何使用相应的 API，包括请求方法、所需的查询参数等。您可以在文档中进行相关配置和操作。 登录网站寻找 Apikeys 创建新的密钥（记得保存好、不要泄露）。使用 APIKEY 可能需要单独充值，一共有两种模式可以使用： 1. 使用官方的 key 网站：https://platform.openai.com/apikeys 创建好您的 key 后记得复制保存。 2. 如果觉得充值比较麻烦可以考虑用第三方的网站：https://www.gptapi.us/register?aff=WLkA ，这个充值起来方便一些，模型选择也可以多一些。
2025-03-29
哪个大模型的API接口免费？
以下是一些提供免费 API 接口的大模型： 1. Silicon 硅基接口：有众多开源模型（Yi、Qwen、Llama、Gemma 等）免费使用，还赠送 14 元体验金，有效期未知。注册和使用地址为，邀请码：ESTKPm3J。注册登录后，单击左边栏的 API 密钥，单击新建 API 密钥，单击密钥即可完成 API 密钥的复制。它支持多种大模型，也支持文生图、图生图、文生视频。 2. 智普 GLM4 接口：在 BigModel.cn 上通过专属邀请链接注册即可获得额外 GLM4Air 2000 万 Tokens 好友专属福利。进入个人中心，先完成实名认证，再单击左边栏 API KEYS 或右上角的 API 密钥，进入后单击右上角的添加 API，鼠标移至密钥上方，单击复制即可得到智普的 API key。 3. 阿里的通义千问大模型：打开链接，创建个 API key。 4. 智谱 AI（ChatGLM）：有免费接口。 5. 科大讯飞（SparkDesk）：有免费接口。 此外，谷歌的 Gemini 大模型（gemini 1.5）和海外版 Coze 的 GPT4 模型是免费的，但需要给服务器挂梯子。
2025-03-28
什么是API
API 是应用组件之间进行交互和数据交换的接口。简单来说，它是软件之间相互交流的方式，使得开发者能够在不了解另一程序或服务内部实现细节的情况下，访问和使用其功能。 APIKey 是用于实现对 API 访问控制的方法，通常是一串字符串，用于身份验证和访问控制。当开发者或应用程序通过 API 与另一程序或服务交互时，APIKey 作为请求的一部分被发送，以证明请求者具有调用该 API 的权限。它帮助服务提供商识别调用者身份，监控和控制 API 的使用情况，并防止未经授权的访问。 API 就像一个信差，接受一端的请求，告诉那边的系统您想要做的事情，然后把返回的信息发回给您。其数据格式通常为 JSON。 对于使用 API，首先要明确想要做什么样的 GPT 以及是否需要外部数据，然后寻找 API 文档或开发 API 以及可用的 Action，最后基于 API 文档编写 Action 里的 Schema 和 Prompt 来处理取回的信息。 您可以通过以下方式进一步学习 API 相关知识： 1. 系统地了解和学习 API 相关的知识。 2. 去网上寻找可以用的 API 来练习。 3. 发掘 GPT Action 更多的潜力。 创建 APIKey 时，登录网站寻找并创建新的密钥，记得保存好且不要泄露。使用 APIKEY 可能需要单独充值，有两种模式可以使用： 1. 使用官方的 key 网站：https://platform.openai.com/apikeys，创建好您的 key 后记得复制保存。 2. 如果觉得充值麻烦，可以考虑用第三方的网站：https://www.gptapi.us/register?aff=WLkA，这个充值起来方便一些，模型选择也可以多一些。
2025-03-24
@ 在cherry studio可以是你openrouter的API吗？
在 Cherry Studio 中，不能直接将 @ 作为 OpenRouter 的 API。OpenRouter 有一些特定的使用方式和条件。 例如，Zeabur 模版自带 oneapi，支持一键部署。但想要同时使用 openrouter 和 simpleoneapi 需安装 cline 插件，将 openrouter api 放到 cline，再把 Cursor 设置换成 simpleoneapi，这样基本能在 Cursor 里使用全系大模型。 OpenRouter 新发布了 BYOK（Bring Your Own API Keys）功能，这是个第三方 Key 集成功能，能将 xAI、OpenAI、Mistral 等数十个平台的 Key 集中在一起，还能同时使用其他平台和 OpenRouter 的额度。目前支持白“赚”的平台包括 AI Studio/Cohere/DeepSeek/Mistral/SambaNova/Together/xAI 等。 在使用 OpenRouter 集成 API Key 时，不仅能整合免费额度，还能解放更多槽位。但在 Cursor 的设置里，deepseek 会与 gpt 的配置发生冲突，同一时间最多只能使用 4 个类型的模型。 如果觉得 OpenRouter 支持的模型不够，还可以使用 simpleoneapi。不过 simpleoneapi 不像 openrouter 支持直接在线配置多个 Key，熟悉代码的可以通过本地或者 Docker 启动。 另外，在进行相关实验时，需要准备本地安装好的 VS Code，在 VS Code 中安装 Cline（MCP 客户端之一），还需要注册 Cloudflare 和 Openrouter，在 Openrouter 注册后在 Keys 中申请一个 API key 并妥善保存。
2025-03-24
有哪些国外免费的大模型API可以使用
以下是一些国外免费的大模型 API 可供使用： 1. 谷歌的 Gemini 大模型（https://ai.google.dev/）（gemini 1.5），但使用可能需要给服务器挂梯子。 2. 海外版 Coze（https://www.coze.com/）的 GPT4 模型，能图片识别，使用可能需要给服务器挂梯子。 此外，还有以下相关信息： 1. 阿里的通义千问大模型接口（https://dashscope.console.aliyun.com/），创建 API key 即可使用。 2. 智谱 AI（ChatGLM）（https://open.bigmodel.cn/）、科大讯飞（SparkDesk）（https://xinghuo.xfyun.cn/sparkapi）也有免费接口，但国内的大模型大多限制一定免费额度的 Token。 对于 OpenRouter 新发布的功能 BYOK（Bring Your Own API Keys），它是个第三方 Key 集成功能，将 xAI、OpenAI、Mistral 等数十个平台的 Key 集中在一起，目前支持白“赚”的平台包括 AI Studio/Cohere/DeepSeek/Mistral/SambaNova/Together/xAI 等。 以 silicon 为例，其有众多开源模型（Yi、Qwen、Llama、Gemma 等）免费使用，另赠送 14 元体验金，有效期未知，是个人认为 API 接口方便实惠的选择。注册和使用地址为：，邀请码：ESTKPm3J。注册登录后，单击左边栏的 API 密钥，单击新建 API 密钥，单击密钥即可完成 API 密钥的复制。
2025-03-19
通义千问Qwen2.5-VL、阶跃星辰step-1.5v-mini、Gemini-2.0-Flash，这3个视觉理解大模型哪个最厉害？
以下是对通义千问 Qwen2.5VL 模型的介绍： 版本：有 3B、7B 和 72B 三个尺寸版本。 主要优势： 视觉理解能力：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。 视频理解能力：支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。 万物识别：擅长识别常见物体及分析图像中的文本、图表、图标、图形和布局。 精准的视觉定位：采用矩形框和点的多样化方式对通用物体定位，支持层级化定位和规范的 JSON 格式输出。 全面的文字识别和理解：提升 OCR 识别能力，增强多场景、多语言和多方向的文本识别和文本定位能力。 Qwen 特色文档解析：设计了更全面的文档解析格式，称为 QwenVL HTML 格式，能够精准还原文档中的版面布局。 增强的视频理解：引入动态帧率（FPS）训练和绝对时间编码技术，支持小时级别的超长视频理解，具备秒级的事件定位能力。 开源平台： Huggingface：https://huggingface.co/collections/Qwen/qwen25vl6795ffac22b334a837c0f9a5 Modelscope：https://modelscope.cn/collections/Qwen25VL58fbb5d31f1d47 Qwen Chat：https://chat.qwenlm.ai 然而，对于阶跃星辰 step1.5vmini 和 Gemini2.0Flash 模型，目前提供的信息中未包含其与通义千问 Qwen2.5VL 模型的直接对比内容，因此无法确切判断哪个模型在视觉理解方面最厉害。但从通义千问 Qwen2.5VL 模型的上述特点来看，其在视觉理解方面具有较强的能力和优势。
2025-04-15
阶跃星辰、通义千问、Gemini三个视频理解模型哪个收费更便宜
以下是阶跃星辰、通义千问、Gemini 三个视频理解模型的收费情况： 阶跃星辰：输入价格为 0.005～0.015 元/千 tokens，输出价格为 0.02～0.07 元/千 tokens。 通义千问：Qwenvlplus 模型调用价格为 0.008 元/千 tokens，训练价格为 0.03 元/千 tokens。 Gemini 未提及收费信息。 综上，从已有的信息来看，通义千问的收费相对可能更便宜，但具体还需根据您的使用情况和需求来判断。
2025-04-10
Gemini是用什么训练的
Gemini 是在 Google 的 TPU AI 加速器上训练的，似乎没有使用英伟达的 GPU。Google 还推出了全新的 Cloud TPU v5p 和 AI Hypercomputer 超级计算机，将加速 Gemini 的开发，使 AI 模型的训练更快。 Cloud TPU v5p 是目前 Google 最强大、可扩展和灵活的 AI 加速器。它在 TPU v4 的基础上提供了超过 2 倍的 FLOPS（浮点运算次数/秒）和 3 倍的高带宽内存（HBM）。TPU v5p 可以比前一代 TPU v4 更快地训练大型语言模型（LLM），对于嵌入密集型模型，其训练速度比 TPU v42 快 1.9 倍。TPU v5p 的可扩展性是 TPU v4 的 4 倍。 AI Hypercomputer 是一个突破性的超级计算机架构，它采用了集成的系统，包括性能优化的硬件、开放软件、领先的机器学习框架，以及灵活的消费模型。通过系统级协同设计来提高 AI 训练、调优和服务的效率和生产力。具有性能优化的计算、存储和网络硬件，建立在超大规模数据中心基础设施之上，利用高密度占地面积、液体冷却和 Jupiter 数据中心网络技术。通过开放软件使开发者能够调整、管理和动态编排 AI 训练和推理工作负载。提供了一系列灵活和动态的消费选择，包括传统的承诺使用折扣（CUD）、按需定价和现货定价，以及为 AI 工作负载量身定制的消费模型。 Gemini 模型是在一个既包含多模态又包含多语言的数据集上进行训练的。预训练数据集使用来自网络文档、书籍和代码的数据，并包括图像、音频和视频数据。使用 SentencePiece 分词器，发现在整个训练语料库的大样本上训练分词器可以改善推断的词汇，并进而提高模型性能。对所有数据集进行过滤，使用启发式规则和基于模型的分类器，还进行安全过滤以删除有害内容。从训练语料库中筛选出评估集。在训练过程中进行分阶段训练，通过增加领域相关数据的权重来改变混合组合，直到训练结束。
2025-03-26
OpenAI o1、Claude Sonnet 3.7、Gemini 2.0 pro 哪个 AI 搜索能力更强？
OpenAI o1、Claude Sonnet 3.7 和 Gemini 2.0 pro 在不同方面具有各自的优势，难以简单地比较哪个的搜索能力更强。 OpenAI o1 推理能力强，适合作为架构师或算法顾问。 Claude Sonnet 3.7 擅长长上下文任务，在快速生成代码与网页设计方面表现出色。 Gemini 2.0 pro 长上下文支持较好（2M Tokens），适合代码反编译与混淆代码分析。 具体的搜索能力表现还会受到应用场景和具体任务的影响。
2025-03-21
Gemini现在的表现怎么样？
目前谷歌的 Gemini 多模态模型表现如下： 包括 Ultra、Pro 和 Nano 三种型号，能够处理图像、音频、视频和文本。 原生多模态能力是其优势，一个模型即可完成多种任务。 多模态能力有限，存在幻觉问题和多语言表现不佳的情况。 对中文的理解能力较弱，体验不如 ChatGPT，但在生成质量和与搜索生态结合方面有显著进步，体验比 Bing 和 GPT 好。 Gemini Ultra 在 MMLU（大规模多任务语言理解）上的表现超过了人类专家。 被设计为天生的多模态模型，从一开始就在不同模态上进行预训练，然后通过额外的多模态数据进行微调，以进一步提高其有效性。 在文生图方面，能一次性生成多套不同风格的设计，例如在 20 秒内生成 12 张；在抠图、换背景、打光影等方面也有出色表现，能在 10 秒内取得相当稳定的预期结果。 但目前开启条件存疑，例如使用美国加州 IP 和默认英语语言进入 Bard 可能无法找到模型选项进行修改。
2025-03-19
Gemini 2.0 Flash Experimental怎么使用？
使用 Gemini 2.0 Flash Experimental 可以通过以下步骤： 1. 登录 Google AI studio，链接为：https://aistudio.google.com/prompts/new_chat 。 2. 在 Model 中选择 PREVIEW Gemini 2.0 Flash Experimental（new）。 3. 确认选择「Images and text」。 如果您想通过 Google AI Studio 来使用，具体步骤如下： 1. 打开浏览器访问 https://aistudio.google.com/prompts/new_chat ，或者下载 Gemini 应用（Android 或 iOS）。 2. 登录您的 Google 账户。 3. 在 model 选项处选择 Gemini 2.0 Flash Experimental 模型即可。 使用时，编辑图片超简单，只需 3 步： 1. 上传图片：挑选一张您想要修改的图片上传。 2. 输入指令：在对话框里用简单的语言描述您的需求，例如“把衣服改成蓝色”或者“给狗狗加个墨镜”。 3. 等待魔法：点击运行按钮，AI 会马上处理，几秒钟后您就能看到新图片。如果结果不太满意，可以修改指令再次尝试，指令越清晰效果越好，比如“把天空变晴朗，加点云朵”。 需要注意的是，这个功能还在进一步开发中，未来可能会在官网上开放。
2025-03-15