Gemini API

Die Gemini API ist Googles Weg, dich seine Modelle direkt aufrufen zu lassen: Textmodelle in mehreren Größen, Vision auf Bildern und Video, und Bildgenerierung. Du holst dir einen Schlüssel im AI Studio, installierst ein kleines SDK und schickst Anfragen, ohne Cloud-Konsole für die einfachen Fälle.

So nutze ich es

Zwei Skripte, beide klein. Das erste ist ein Augenpaar. Gib dem Flash-Modell ein Bild und eine Frage, verlange JSON zurück, und du bekommst ein verlässliches Ja oder Nein, eine Liste dessen, was im Bild ist, oder eine Markierung für etwas, das dort nicht sein sollte, für einen Bruchteil eines Cents pro Stück. Das lasse ich über Ordner voller Bilder laufen, bevor ein Mensch sie anschaut, und es fängt die offensichtlichen Dinge, die ein müder Mensch übersieht. Das zweite Skript generiert Bilder. Das Bildmodell rendert eine Szene aus einem Prompt, und anders als die meisten kann es eine kurze Textzeile ins Bild setzen und richtig schreiben. Ich nutze es für Entwürfe, Mockups und die Art Hintergrund, für die eine Stock-Bibliothek Geld verlangen würde.

Überrascht hat mich der Preis. Tausend Vision-Prüfungen kosten weniger als ein Kaffee, und die Gratis-Stufe hat das ganze Testen abgedeckt. Was mich nervt, ist der Wechsel. Modellnamen ändern sich, die alten werden mit wenig Vorwarnung abgeschaltet, und ein Skript, das im Frühjahr lief, braucht im Herbst einen neuen Namen. Die Rate-Limits der Gratis-Stufe schlagen zu, sobald du über einen Ordner loopst. Jedes generierte Bild trägt eine kleine Funkelmarke in einer Ecke, die vor der Nutzung weg muss. Und der Sicherheitsfilter lehnt manchmal ein völlig gewöhnliches Produktfoto ab und sagt dir nichts Brauchbares über das Warum.

Für wen es ist

Entwickler, die günstige Vision oder Bildgenerierung in einer Pipeline wollen und mit Googles Änderungstempo klarkommen. Lass es, wenn du ein Modell brauchst, das ein Jahr lang gleich bleibt, oder wenn dein Fall langes Schlussfolgern ist; dafür gibt es bessere Wahlen, und die stehen auf dieser Seite.