Choose your path
2026年1月12日、GoogleはGemini APIの開発者向けアップデートを公開し、モデルにファイルを取り込む方法と、扱えるファイルのサイズが変更されました。 要点：Geminiは外部リンクやクラウドストレージからファイルを直接取得できるようになり（必ずしもアップロードする必要はありません）、インラインのファイルサイズ上限が大幅に引き上げられました。 これらのアップデートにより、すでにクラウドバケットにメディアやドキュメントを保存している実運用のアプリでの手間が減り、短期間のプロトタイピングや本番ワークフローがより高速かつ低コストになります。
from openai import OpenAI
client = OpenAI(
api_key="YOUR_COMETAPI_KEY",
base_url="https://api.cometapi.com/v1",
)
response = client.chat.completions.create(
model="gpt-5-mini",
messages=[{"role": "user", "content": "Build this workflow."}],
)
print(response.choices[0].message.content)2026年1月12日、Google は Gemini API の開発者向けアップデートを公開し、モデルへのファイル取り込み方法とファイルサイズ上限が変更されました。要点は次のとおりです：Gemini は外部リンクやクラウドストレージから直接ファイルを取得できるようになり（常にアップロードする必要はありません）、インラインファイルのサイズ上限が大幅に引き上げられました。これらの更新は、既にクラウドバケットにメディアやドキュメントを保存している実アプリの摩擦を取り除き、短期のプロトタイピングや本番ワークフローをより高速かつ低コストにします。
CometAPI は、Gemini 3 Pro や gemini 3 flash といった Gemini API を提供しており、魅力的な価格です。
このアップデート以前は、Gemini API（Google の AI モデル）に PDF レポート、動画、音声ファイル、画像などのファイルを解析させたい場合、まずファイルを Gemini の一時ストレージへアップロードする必要がありました。
そして:
これは開発者の負担を倍増させ、帯域コストを増加させ、レイテンシを生み、長時間録音、複数ページのマニュアル、高解像度画像といった実運用のユースケースを非現実的にすることもありました。より大きなインラインペイロードと、既存ストレージを直接参照できる能力（公開/署名付きURL、または登録済みの GCS オブジェクトにより）を組み合わせることで、「データ」から「有用なモデル出力」までの距離が劇的に短縮されます。
これらのアップデートはデータ取り込みプロセスを大幅に簡素化し、クラウドやネットワーク上の既存データへ直接アクセスして Gemini に渡せるようにし、追加のアップロード手順を不要にします。
要するに、プロトタイプから本番までがより簡単で安価になります。
見出しの数字は即時容量の5倍増ですが、真価は柔軟性にあります。
（どれを選ぶかは、ファイルサイズ、再利用頻度、既にクラウドストレージに存在するかどうかに依存します。）
即時適用で、Gemini API は インラインデータ のファイルサイズ上限を 20MB から 100MB に引き上げました。
これまで、高解像度画像、複雑な PDF 契約書、中程度の長さの音声クリップを扱う開発者はしばしば 20MB の壁に突き当たっていました。そのため、データの分割、メディアのダウンサンプリング、比較的小さなやり取りでも Files API を使った別のアップロードフローの管理といった複雑な回避策を実装せざるを得ませんでした。
新しい 100MB 上限 により、API リクエスト内で（base64 エンコードして）大幅に大きなペイロードを直接送信できます。これは次のようなケースで重要な改善です。
なお、インライン上限は 100MB ですが、Gemini API は Files API と新しい 外部リンク サポート経由で巨大なデータセット（テラバイト級）を処理可能であり、重いワークロードの上限を事実上取り除きます。
最も重要なアーキテクチャ上の変更は、Gemini API が自らデータを「フェッチ」できるようになったことです。この機能は外部ファイルリンクの直接読み込みを可能にし、組み込みのデータソースをサポートします。
API は URL から直接データを取り込み可能になりました。このサポートは次の2つのシナリオをカバーします。
生成リクエスト内で、ファイル（PDF、画像、音声、動画など）を指す標準的な HTTPS URL を直接渡せます。
公開 URL: ウェブ上に既にあるコンテンツ（ニュース記事の PDF や公開ホストの画像など）を解析するのに最適。
署名付きURL: これはエンタープライズ向けの架け橋です。データがプライベートな AWS S3 バケットや Azure Blob Storage にある場合、Pre-Signed URL（読み取りアクセスを付与する一時的なリンク）を生成できます。この URL を Gemini に渡すと、API は処理中に安全にコンテンツを取得します。つまり、AWS に保存された機密文書を Google のサーバーへ恒久的に移すことなく、Gemini で解析できます。
Google Cloud IAM ロールに従い、標準の「Storage Object Viewer」権限によるアクセス制御が可能です。
利点: 中間ファイルが不要になり、セキュリティとパフォーマンスが向上。クラウド環境間のデータ取得に適しています。
Google エコシステム内のデータに対しては、統合がさらに密接です。GCS ファイルに対して オブジェクト登録 を実行できます。
アップロードの代わりに、ファイルの gs:// URI を「登録」するだけです。
このプロセスはクライアントと API 間で実際のデータ転送が発生しないため、ほぼ瞬時に完了します。
以下は、一般的なパターンを示す同期の Python 実例3つ：（A）インラインバイト（ローカルファイル）、（B）外部 HTTPS または署名付きURL、（C）GCS URI（登録済みオブジェクトの参照）。これらのスニペットは公式の Google Gen AI Python SDK（google-genai）を使用します。モデル名、認証、環境変数はご利用環境に合わせて調整してください。開発者 API へのアクセスには、CometAPI の API キーを使用でき、より安価な API 呼び出し価格を提供して開発者を支援します。
前提条件:
pip install --upgrade google-genaiを実行し、認証情報 / 環境変数を設定（Developer API はAPI_KEY、Vertex AI はGOOGLE_GENAI_USE_VERTEXAI、GOOGLE_CLOUD_PROJECT、GOOGLE_CLOUD_LOCATION）。
# Example A: send a local file's bytes inline (suitable up to 100 MB)from google import genaifrom google.genai import types# Create client (Developer API)client = genai.Client(api_key="YOUR_GEMINI_API_KEY")MODEL = "gemini-2.5-flash" # choose model; production models may differfile_path = "large_document.pdf" # local file <= ~100 MBmime_type = "application/pdf"# Read bytes and create an inline Partwith open(file_path, "rb") as f: data = f.read()part = types.Part.from_bytes(data=data, mime_type=mime_type)# Send the file inline with a textual promptresponse = client.models.generate_content( model=MODEL, contents=[ "Please summarize the attached document in one paragraph.", part, ],)print(response.text)client.close()
注: これは Part.from_bytes(...) を使用してファイルバイトを埋め込みます。インラインペイロードは現在 ~100 MB まで許可されます。これを超える場合は、GCS または Files API のアプローチを使用してください。
# Example B: reference a public HTTPS URL or a signed URL (Gemini fetches it)from google import genaifrom google.genai import typesclient = genai.Client(api_key="YOUR_API_KEY")MODEL = "gemini-2.5-flash"# Public or signed URL to a PDF/image/audio/etc.external_url = "https://example.com/reports/quarterly_report.pdf"# or a pre-signed S3/Azure URL:# external_url = "https://s3.amazonaws.com/yourbucket/obj?X-Amz-..."part = types.Part.from_uri(file_uri=external_url, mime_type="application/pdf")response = client.models.generate_content( model=MODEL, contents=[ "Give me the three key takeaways from this report.", part, ],)print(response.text)client.close()
注: Gemini はリクエスト時に external_url を取得します。プライベートなクラウドストレージ（AWS/Azure）には署名付きURLを使用してください。外部フェッチには実用的なサイズ/形式の上限があります（ドキュメント参照）。
# Example C: reference a GCS file (ensure service account has storage access)from google import genaifrom google.genai import types# For Vertex AI usage, standard practice is to use ADC (Application Default Credentials)client = genai.Client(vertexai=True, project="your-project-id", location="us-central1")MODEL = "gemini-3-pro" # example model idgcs_uri = "gs://my-bucket/path/to/manual.pdf"part = types.Part.from_uri(file_uri=gcs_uri, mime_type="application/pdf")response = client.models.generate_content( model=MODEL, contents=[ "Extract the section titles from the attached manual and list them.", part, ],)print(response.text)client.close()
注: GCS へのアクセスには正しい IAM とサービスアカウント設定が必要です（Object Viewer 権限、適切な認証）。GCS オブジェクトを登録・参照する場合、実行環境（Vertex / ADC / サービスアカウント）に必要な権限があることを確認してください。
外部フェッチのサイズ: 外部 URL の取得は、ドキュメントに記載された上限（実運用では 1 ペイロードあたり 100 MB）とサポートされる MIME/コンテンツタイプの対象となります。非常に大きなアセット（数 GB〜）を渡す必要がある場合は、Files API または別の処理パイプラインを使用してください。
GCS に保存された製品マニュアルを読む社内ナレッジアシスタントを運用するなら、これらの GCS オブジェクトを一度登録（または gs:// URI で参照）し、動的にクエリします。同じ PDF の再アップロードを避けられ、バックエンドを簡素化できます。非常に大きなマニュアル（>100 MB）には Files API/GCS 登録を使用します。
単発のキャプション生成に画像を送信するモバイルアプリでは、サイズの小さい画像（<100 MB）にインラインバイトを使用します。UX を簡潔に保ち、二重のアップロード手順を避けられます。ユーザーが同じ画像を頻繁に再利用・共有する場合は、GCS に保存して gs:// や署名付きURLを渡す方が適切です。
短いボイスノート（<100 MB / コーデックによっては ~1 分未満）は、インラインまたは署名付きURLで渡せます。長時間録音には Files API でアップロードし、その後の生成呼び出しでファイルを参照すると、再利用が効率的です。動画/音声のワークフローには、メディアドキュメントの追加ベストプラクティスがあることが多いです。
Google の Gemini API アップデートにより、「既存」データを生成 AI ワークフローへ取り込むことが大幅に容易になりました。公開/署名付きURLからの直接フェッチや GCS 登録が、一般的な運用上の摩擦点を取り除き、インラインペイロードの上限が 20 MB → 100 MB に跳ね上がったことで、単純な単一リクエストの柔軟性が高まりました。長期運用・超大容量・再利用が前提のファイルには、Files API（ファイルあたり 2 GB、デフォルトで48時間保存）が適しています。
まずは、CometAPI 経由で Gemini API を試してみましょう。Gemini 3 Pro や gemini 3 flash の機能を Playground で確認し、詳しい手順は API ガイド を参照してください。アクセス前に、CometAPI にログインして API キーを取得しておく必要があります。CometAPI は公式価格よりも大幅に安い料金を提供し、統合を支援します。
準備はできましたか？→ Gemini 3 Pro の無料トライアル !