Gemini Robotics-ER 2 Preview

Gemini Robotics-ER 2 Preview 属于 Gemini 系列，本站标注为具身推理方向的预览模型。它要解决的是把机器人或智能体看到的图像、视频、音频以及说明文档，转成可读的推理过程、任务步骤与工具调用参数。模型支持文本、图像、音频、视频、PDF 五类输入，输出为文本，上下文窗口 131072 tokens，单次最大输出 65536 tokens，并提供推理、工具调用、结构化输出、附件输入与温度调节。开源权重为否，本站未收录公开跑分，官方价格为输入 1.0 美元/百万 tokens、输出 5.0 美元/百万 tokens、缓存读 0.1 美元/百万 tokens。

选型建议需要多模态长上下文具身推理、且能接受文本输出与较高单价时选它；追求低成本高吞吐或需要开源权重的场景不选它。

• 为机器人任务生成分步规划与空间关系说明
• 解析图像、视频、音频与 PDF 附件并输出结构化结果
• 在具身智能原型中调用工具完成场景理解与任务拆解
• 用长上下文处理多段操作视频与配套说明文档
• 通过温度调节控制推理风格，并利用缓存降低重复提示成本

本站未披露参数规模、网络层数与训练细节；结合公开认知，它属于面向具身推理的 Gemini 多模态预览版本，重点在空间理解、任务分解与工具协同。

• 结构采用 Gemini 家族的多模态输入到文本输出范式，支持文本、图像、音频、视频与 PDF 附件统一进入上下文。
• 能力支持推理、工具调用、结构化输出与温度调节，便于把场景理解结果落成可解析的规划文本。
• 披露本站未收录参数量、训练数据与架构论文细节，开源权重为否，具体实现公开资料较少。

开源权重

否

模型家族

gemini

本站未收录该模型的第三方跑分，以下判断基于已确认的输入输出能力与同类报价，不做分数推断。

• 强项原生覆盖文本、图像、音频、视频与 PDF 输入，配合 131072 tokens 上下文和 65536 tokens 单次输出，适合长视频与多文档场景推理。
• 短板输出模态仅为文本，不能直接产出图像或原生动作序列；且缺少公开跑分，实际具身任务表现难以验证。
• 适合需要把多模态观察转成结构化计划、工具调用参数或步骤说明的机器人与多模态研发场景。

官方价格为输入 1.0 美元/百万 tokens、输出 5.0 美元/百万 tokens、缓存读 0.1 美元/百万 tokens，本站两个报价条目显示同一价格。

• 定位输入价在本站同类样本中偏高，输出价为输入价的五倍，更适合推理调用而非高频长文生成。
• 横向对比Muse Glimmer 30B 输入价低 70%，Nano Banana 2 低 50%，GPT OSS 120B 各渠道低 85%，本模型单价明显更高。
• 平台差价models.dev 与 models.dev · edenai 两个条目报价一致，输入 1 美元、输出 5 美元、缓存读 0.1 美元，暂无渠道价差。
• 省钱高频重复提示可依赖 0.1 美元/百万 tokens 的缓存读；批量任务优先压缩附件与输出长度，减少按输出计费。

同一个模型在不同网关的报价可能不同。本页基准取官方口径 $1/M / $5/M（输入 / 输出，美元 / 百万 tokens），其余来源的差价在「相对输入价」列列出，供比价参考。

取上下文相近（约 0.5~2 倍）的同类主流模型；同厂商、同家族优先；价格差为相对本模型的输入价

• 口径本站未收录公开跑分，价格与能力均以平台条目为准，厂商字段记录为 Eden AI，模型家族标注为 gemini。
• 边界不开源权重，输出仅文本；上下文 131072 tokens、单次输出 65536 tokens 为硬上限，预览版能力可能随版本调整。

本页资料由多个公开来源交叉整理：按「官方目录 → 通用网关 → 开源仓库 → 中文资料」的优先级合并， 冲突时取优先级高的来源。价格单位是美元 / 百万 tokens，为各平台对 API 调用的报价，不含自部署成本。 资料由公开来源整理，不代表 AiTest 已对该模型或其收录中转站做过真实性、稳定性或安全检测。

本页的模型介绍、架构、性能与性价比解读为 AI 综合公开信息整理，部分未经本站逐项核实；规格、价格与跑分以本页数据字段为准。