Google Gemini

我们向 Gemini 2.5 Pro 输入了一个完整的 Next.js 代码库，大约 60 万个 Token，相当于 45 万个单词，并要求它追踪一个跨越四个独立模块的错误。它在一次运行中就找出了根本原因。没有分块，没有逐个文件上传，也没有检索增强（RAG）的变通方法。只是将整个代码库一次性加载，并给出了一个同时连接所有四个模块的答案。

这个测试说明了 Gemini 在 2026 年的立足点。百万 Token 的上下文窗口不是规格表上的数字，而是目前没有其他消费级模型能匹敌的实际优势。但同样是这个在周二让你惊艳的工具，到了周四可能就会忽略你前两次提示中给出的指令。这种不一致性才是本篇评测的真正主题。

Gemini 概览（2026 年 4 月）

Gemini 经历的改名次数几乎比市场上任何 AI 产品都多。2023 年作为 Bard 发布，2024 年 2 月更名为 Gemini。“Gemini Advanced”变成了 Google One AI Premium，然后在 2025 年 5 月的 Google I/O 大会上变成了 Google AI Pro，当时还推出了每月 249.99 美元的全新 Ultra 订阅层级。截至 2026 年 4 月，其产品线包括：运行 Gemini 3 Flash 的免费版、约 7.99 美元/月的 Google AI Plus、19.99 美元/月的 Google AI Pro，以及 249.99 美元/月的 Google AI Ultra。

模型栈的迭代速度同样惊人：Gemini 2.5 Pro 于 2025 年 3 月作为 Google 的首个思考模型发布；Gemini 3 于 2025 年 11 月问世；Gemini 3.1 Pro 于 2026 年 2 月进入预览阶段。Pro 订阅解锁了 100 万 Token 的上下文窗口、深度研究（Deep Research，自主浏览 100 多个来源并导出到 Google Docs）以及跨 Gmail、Drive、Docs、Sheets 和 Slides 的集成。如果你重度依赖 Google Workspace，这种集成将改变它与独立 AI 工具的对比格局。

Gemini 真正擅长的领域

长上下文分析是其主打能力。 我们运行的代码库测试代表了它在实际应用中的表现。Gemini 2.5 Pro 在高达 53 万个 Token 时实现了 100% 的召回率，在 100 万个 Token 时实现了 99.7% 的召回率，这是所有主流消费级 AI 模型中最大且可靠的上下文窗口。相比之下，GPT-4o 的上限为 12.8 万个 Token，Claude 3.7 为 20 万个。将大型代码库、冗长的法律文件或整个产品待办列表一次性加载到 Gemini 中而无需拆分，这是一个真正的流程优势，而不仅仅是营销噱头。

“在复杂的编码任务上，Gemini 2.5 Pro 给我带来了一些非常令人印象深刻的结果。”—— Hacker News 评论者，2025 年 3 月

同一帖子中的后续评论：一位开发者描述了 Gemini 一次性生成了一个功能齐全的 LISP 解释器，不是框架，而是一个可运行的实现。长上下文结合强大的多步推理，正是 Gemini 在高端市场竞争的资本。

深度研究（Deep Research）具有重要的用户体验优势。 在执行研究任务之前，Gemini 会展示其研究计划，并询问你是否需要修改。没有其他主流 AI 工具提供这一步骤。你可以将研究引导至特定来源、避开某些角度，或调整至符合你需求的深度。报告包含来源映射，因此你可以审查任何结论背后的推理，并一键直接导出到 Google Docs。

思考模式下的推理透明度非同寻常。 Gemini 2.5 Pro 有时会直观地展示任务的推理过程，然后停下来告诉你该任务无法一次性完成，而不是给出一个自信的错误答案。一位开发者将其积极地描述为“一种新型的拒绝”，即模型拒绝伪装能力。

深度研究加上音频概览（Audio Overview）的组合是一个意想不到的生产力利器。 运行一份深度研究报告，然后将其转换为播客风格的音频对话，两个 AI 声音、刻意的停顿和玩笑让它听起来像是在交谈，而不是在朗读。用户可以在通勤时收听。在 Gemini 内部只需一键即可从研究输出转换。

对于重度使用 Gmail、Docs 或 Drive 的团队来说，Google Workspace 集成是一个真正的差异化优势。自 2025 年 1 月起，Gemini AI 功能已免费包含在所有 Google Workspace Business 和 Enterprise 计划中，取代了之前 18 美元/用户/月的附加组件。对于已经为 Workspace 付费的团队来说，这改变了与独立 AI 订阅的对比格局。

Gemini 的崩溃之处：用户不断遇到的故障模式

在 Reddit、Hacker News、开发者论坛和评测网站上，最一致的抱怨并不是某个特定的 Bug。而是一种不一致和退化的模式：Gemini 在某项任务上表现良好，但随后在同一任务上却失败了。在一个会话中遵循的指令在下一个会话中被忽略。开发者学会依赖的模型版本被破坏其工作流的新版本所取代。

Gemini 3.0 被记录为 2.5 Pro 的“重大降级”，这是最近最尖锐的例子。Google AI 开发者论坛的一个帖子收集了多位开发者的报告，指出新模型在旧模型能可靠处理的任务上失败了。

“模型根本不遵守指令，完全崩溃了，通常在第 2 次或第 3 次生成时就会出现这种情况。”—— Google AI 开发者论坛，2025 年

同一帖子中的另一位开发者补充说，Gemini “重构并删除了我明确告诉它不要删除的代码库部分”，并指出当上下文溢出导致页面重新加载时对话历史记录被删除，造成了工作的完全丢失。

API 可靠性是一个有记录的问题。 一个 Hacker News 帖子收集了开发者的反馈，称响应在句子中间停止，不是因为 Token 限制，而是似乎出现了完成信号 Bug。另一份报告指出，Gemini 无法同时执行工具调用和强制 JSON 输出：一位开发者描述说，由于持续失败，他们重试了一半的 API 请求，并且提交的支持工单几个月都没有得到解决。

跨应用操作中的幻觉问题有充分的记录。 当 Gemini 跨 Google 应用（日历、Docs、Drive）操作时，其错误率高于 19.99 美元/月订阅应有的水平。一篇被广泛分享的取消订阅文章描述了 Gemini 根据捏造的源数据在日历中创建了不存在的事件。读者附和道：“我要求它做的大部分事情都失败了。”

深度研究输出质量参差不齐。 界面非常出色，包括计划步骤、来源映射、Docs 导出，但内容可能会让人失望。在一项正面交锋的测试中，Gemini 的输出质量得分为 2.5/5，而 ChatGPT 为 4.5/5，Gemini 的报告“过于宏观，无法立即使用”，并且默认使用主流来源，而不是提供新颖的见解。

Gemini vs. ChatGPT vs. Claude

ChatGPT (GPT-4o / GPT-5) 是最常见的比较对象。Reddit 上的共识是一致的：ChatGPT 感觉像“一个聪明的朋友”，而 Gemini 读起来则显得官方和正式。对于创意写作、营销文案或任何看重个性的任务，ChatGPT 具有持久的优势。其 12.8 万 Token 的上下文限制对于大型文档工作来说是一个结构性劣势，但对于大多数日常任务而言，语气差异是决定性因素。

Claude (Sonnet / Opus) 是需要在长会话中可靠遵循指令的开发者的首选。Hacker News 的开发者指出，与 Gemini 相比，Claude “更容易引导至所需的实现”，而 Gemini 会在会话中途偏离商定的计划。Claude 3.7 Sonnet 在 SWE-Bench 上的得分为 70.3%，而 Gemini 2.5 Pro 为 63.8%，这是一个可衡量的编码差距。Claude 的 20 万 Token 上下文窗口小于 Gemini 的百万 Token 上限，但对于大多数代码库来说已经足够，而且会话一致性通常比峰值上下文大小更重要。

决策树：当上下文长度或 Workspace 集成是瓶颈时选择 Gemini；对于需要个性的创意工作选择 ChatGPT；对于持续复杂的指令遵循选择 Claude。

付费版本值得吗？

免费版的能力超出了大多数用户的想象。运行 Gemini 3 Flash，对 Pro 和思考模型有每日限制，3.2 万 Token 上下文，以及每天最多 20 次图像生成，这是一个实用的起点。真正重要的限制是上下文窗口：3.2 万 Token 与 Pro 版的 100 万 Token 相比，对于任何涉及大型文档的用例来说都是一个显著的差异。

每月 19.99 美元的 Google AI Pro 是能力大幅跃升的地方。单是百万 Token 的上下文窗口，就足以让处理大型代码库或研究资料的开发者觉得物有所值。加上深度研究、访问 Gemini 2.5 Pro 和 Gemini 3、Jules 编码智能体、具有 5 倍音频概览的增强版 NotebookLM，以及 Veo 3.1 视频生成，这个层级的功能确实非常密集。

对 Pro 版的担忧在于可靠性。支付 19.99 美元/月却经常遇到错误、聊天记录消失或回复忽略你最新消息的情况，这种挫败感在评测中频繁出现，不容忽视。Android Police 那篇被广泛分享的取消订阅文章（由普通用户而非开发者撰写）直白地表达了这一点：“我坐在这里想，Google 到底什么时候才能证明我需要为 Gemini Advanced 付费。”

每月 249.99 美元的 Google AI Ultra（新订阅者前三个月半价）包括 Gemini 3.1 Pro 访问权限、深度思考（Deep Think）模式、每天 1,500 次思考提示、12,500 个 AI 积分、Project Mariner 浏览器智能体、YouTube Premium 以及每月 100 美元的 Google Cloud 赠金，这对于云支出能部分抵消订阅成本的开发者来说是可行的。

最佳用例（以及何时避坑）

在以下情况使用 Gemini： 你有超过 20 万 Token 的大型文件或代码库，需要不分块地进行分析；你需要一个在执行前允许你编辑计划的研究工具；你重度依赖 Google Workspace，希望在 Gmail 和 Docs 内部使用 AI，而不是打开单独的标签页；或者你想将研究成果转换为可以被动收听的音频。

在以下情况避开 Gemini： 你需要在多轮对话中可靠地遵循指令，Claude 更加一致；你正在基于 API 进行开发，需要可预测的输出格式和完成行为，截断和 JSON/工具调用 Bug 确实存在，需要绕过；或者你需要充满温度和个性的创意工作，ChatGPT 在这方面依然领先。

开始使用 Gemini

测试 Gemini 上下文优势的最快方法：加载一个大型文档、长篇 PDF、作为纯文本的多文件代码库或冗长的研究语料库，并提出需要跨章节关联信息的问题。在这个价位上，Gemini 在这个用例中没有消费级竞争对手。

对于深度研究，从一个你通常需要手动调查一个小时的复杂问题开始。当 Gemini 在执行前展示其研究计划时，对其进行编辑：指定来源类型，排除你不需要的角度，设定范围。大多数新用户跳过了这一步，结果得到了通用的输出。编辑计划能产生明显更好的报告。

免费版每天对 Pro 和思考模型的访问权限，在决定订阅前提供了一个合理的试用机会。上下文窗口的差距（免费版 3.2 万 Token 对比 Pro 版 100 万 Token）是你在处理大型文档时首先会触及的上限。最后测试时间：2026 年 4 月。