Gemini API: hvilke filstørrelser og inndatametoder støttes nå?

januar 2026 publiserte Google en utvikleroppdatering for Gemini API som endrer hvordan du får filer inn i modellen og hvor store disse filene kan være. Kort sagt: Gemini henter nå filer direkte fra eksterne lenker og skylagring (så du trenger ikke alltid å laste dem opp), og grensen for inline-filstørrelse er hevet betydelig. Disse oppdateringene fjerner friksjon for virkelige apper som allerede lagrer media eller dokumenter i skyskuffer, og gjør raske prototyper og produksjonsarbeidsflyter raskere og billigere.

CometAPI tilbyr gemini api som ,Gemini 3 Pro og gemini 3 flash, og har en attraktiv pris.

Viktige oppdateringer — hva er nytt i Gemini API?

Leser eksterne fillenker direkte
— Gemini kan hente filer fra:
- Offentlige HTTPS-URL-er og signerte URL-er (S3 presigned URLs, Azure SAS, osv.).
- Google Cloud Storage (GCS)-objektregistrering (registrer et GCS-objekt én gang og gjenbruk det).
Økt inline-filstørrelse — grensen for inline (i-forespørsel) nyttelast flyttet fra 20 MB → 100 MB (merk: enkelte filtyper, som PDF-er, kan ha noe ulike effektive grenser som angitt i dokumentasjonen).
Files API og batch-veiledning uendret for svært store filer — For filer du har tenkt å gjenbruke eller filer som er større enn inline-/eksterne grenser, fortsett å bruke Files API (maks 2 GB per fil, prosjekter kan ha opptil 20 GB Files API-lagring; opplastede filer lagres i utgangspunktet i 48 timer). GCS-registrering støtter også store filer (2 GB per fil) og kan registreres for gjenbruk.
Merknader om modellkompatibilitet — noen eldre modellslekter eller spesialiserte varianter kan ha ulik støtte (dokumentasjonen peker på unntak som enkelte Gemini 2.0-familiemodeller for noen file-URI-arbeidsflyter). Bekreft alltid modellspesifikk dokumentasjon før du sender store ressurser.

Hvorfor er endringen i Gemini API sine filhåndteringsmuligheter viktig?

Før denne oppdateringen, hvis du ville at Gemini API (Googles AI-modell) skulle analysere filer som: en PDF-rapport; en video; en lydfil; eller noen bilder; måtte du først laste opp filene til Geminis midlertidige lagring.

Og:

opplastede filer ble slettet etter 48 timer;
filene kunne ikke være for store (maksimalt 20 MB);
hvis filene dine allerede var hostet i skyen (som GCS, S3 eller Azure), måtte du laste dem opp på nytt — veldig upraktisk.

Det doblet utviklerarbeidet, økte båndbreddekostnadene, introduserte ventetid og gjorde noen virkelige brukstilfeller (lange opptak, manualer med mange sider, høyoppløste bilder) upraktiske. Kombinasjonen av større inline-nyttelaster og muligheten til å peke Gemini mot eksisterende lagring (via offentlige eller signerte URL-er, eller registrerte GCS-objekter) korter dramatisk ned veien fra «data» til «nyttig modellutdata.»:

Zero-Copy-effektivitet: Ved å la Gemini lese direkte fra eksisterende lagringsbøtter (GCS) eller eksterne URL-er (AWS S3, Azure), eliminerer du «ETL-skatten». Du trenger ikke lenger å laste ned en fil til backend-serveren din for deretter å laste den opp til Google. Modellen kommer til dataene, ikke omvendt.
Stateless-arkitektur: Den økte inline-grensen på 100 MB muliggjør kraftigere «stateless» forespørsler. Du trenger ikke å håndtere livssyklusen til en fil-ID eller bekymre deg for opprydding av gamle opplastinger for hver enkelt interaksjon.
Multi-cloud-agnostisisme: Støtten for signerte URL-er gjør at Gemini API spiller godt sammen med datalakes på AWS eller Azure. Dette er en stor fordel for virksomheter med multisky-strategier, som kan utnytte Geminis resonneringskapabiliteter uten å migrere hele lagringsinfrastrukturen til Google Cloud.
Egnet for multimodale AI-applikasjoner (som video, tale og dokumentforståelse).

Disse oppdateringene forenkler datainntaket betydelig, slik at utviklere kan få direkte tilgang til eksisterende data fra skyen eller nettet i Gemini uten ekstra opplastingssteg.

Hvem drar mest nytte?

Produktteam som bygger dokument-sentriske funksjoner (oppsummering, Q&A over manualer, kontraktsgjennomgang).
Media-/underholdningsapper som analyserer bilder, lyd eller videoressurser som allerede er lagret i skyen.
Foretak med store datalakes i GCS som ønsker at modellen skal referere til kanoniske kopier i stedet for å duplisere dem.
Forskere og ingeniører som vil prototype med større, virkelige datasett uten å bygge kompliserte lagringspipelines.

Kort sagt: fra prototype til produksjon blir enklere og billigere.

Hvor stor fil kan du laste opp til Gemini API nå?

Hovedtallet er en femdobling av umiddelbar kapasitet, men den virkelige historien ligger i fleksibiliteten det gir.

Hvor stor fil kan du laste opp til Gemini API nå via forskjellige metoder?

Inline i en forespørsel (base64 eller Part.from_bytes): opptil 100 MB (50 MB for noen PDF-spesifikke arbeidsflyter). Bruk dette når du vil ha en enkel én-forespørselsflyt og filen er ≤100 MB.
Ekstern HTTP / signert URL hentet av Gemini: opptil 100 MB (Gemini henter URL-en under prosesseringen). Bruk dette for å unngå å laste opp innhold på nytt fra eksterne skyer.
Files API (opplasting): opptil 2 GB per fil, prosjektlagring for Files opptil 20 GB, filer lagres i 48 timer. Bruk dette for store filer som du vil gjenbruke eller som overstiger 100 MB-grensen for inline/ekstern.
GCS-objektregistrering: støtter opptil 2 GB per objekt og er ment for store filer som allerede er hostet i Google Cloud; registrering tillater gjenbruk uten gjentatte opplastinger. Éngangsregistrering kan gi tilgang i en begrenset periode.

(Hvilket valg du gjør avhenger av filstørrelse, gjenbruksfrekvens og om filen allerede ligger i skylagring.)

google-flie

Den nye 100 MB-standarden

Med umiddelbar virkning har Gemini API økt filstørrelsesgrensen for inline-data fra 20 MB til 100 MB.

Tidligere støtte ofte utviklere på taket på 20 MB når de jobbet med høyoppløste bilder, komplekse PDF-kontrakter eller mellomlange lydklipp. Dette tvang frem komplekse løsninger, som å dele opp data, nedskalere media eller håndtere en separat opplastingsflyt via Files API selv for relativt små interaksjoner.

Med den nye 100 MB-grensen kan du nå sende betydelig større nyttelaster direkte i API-forespørselen (base64-kodet). Dette er en kritisk forbedring for:

Sanntidsapplikasjoner: Behandle en 50 MB brukeropplastet video for umiddelbar sentimentanalyse uten å vente på at en asynkron opplasting fullføres.
Rask prototyping: putte et komplekst datasett eller en fullengde-PDF rett inn i kontekstvinduet for å teste en promptstrategi umiddelbart.
Kompleks multimodalitet: Sende en kombinasjon av 4K-bilder og høyoppløste lydsegmenter i én omgang uten å bekymre deg for å treffe en restriktiv grense.

Det er viktig å merke seg at selv om den inline grensen er 100 MB, er Gemini API sin kapasitet til å prosessere massive datasett (terabyte med data) fortsatt tilgjengelig via Files API og den nye støtten for eksterne lenker, som effektivt fjerner øvre grense for tunge arbeidslaster.

Anbefalt beslutningsflyt

Hvis filen er ≤ 100 MB og du foretrekker enkelhet med én forespørsel: bruk inline (Part.from_bytes eller oppgi base64). Bra for raske demoer eller serverløse funksjoner.
Hvis filen er ≤ 100 MB og allerede er hostet et sted offentlig eller via en forhåndssignert URL: send file_uri (HTTPS eller signert URL). Ingen opplasting nødvendig.
Hvis filen er > 100 MB (og ≤ 2 GB) eller du forventer å gjenbruke den: Files API-opplasting eller GCS-objektregistrering anbefales — det reduserer gjentatte opplastinger og forbedrer latens ved gjentatte genereringer.

Hvordan fungerer den nye støtten for eksterne fillenker?

Den mest betydelige arkitektoniske endringen er at Gemini API kan «hente» data på egen hånd. Denne funksjonaliteten er å lese eksterne fillenker direkte, med støtte for innebygde datakilder.

API-et kan nå innta data direkte fra URL-er. Denne støtten dekker to distinkte scenarier:

(1) Støtte for eksterne URL-er (Offentlige / signerte URL-er):

Du kan nå sende en standard HTTPS-URL som peker til en fil (som en PDF, et bilde eller en video) direkte i genereringsforespørselen din.

Offentlige URL-er: Ideelt for å analysere innhold som allerede ligger åpent på nettet, som en nyhetsartikel-PDF eller et offentlig hostet bilde.

Signerte URL-er: Dette er broen for virksomheter. Hvis dataene dine ligger i en privat AWS S3-bøtte eller Azure Blob Storage, kan du generere en pre-signed URL (en midlertidig lenke som gir leseadgang). Når du sender denne URL-en til Gemini, henter API-et innholdet sikkert under prosesseringen. Dette innebærer at du kan bruke Gemini til å analysere sensitive dokumenter lagret i AWS uten å flytte dem permanent til Googles servere.

Den respekterer Google Cloud IAM-roller, noe som betyr at du kan kontrollere tilgangen ved å bruke standardtillatelsen «Storage Object Viewer».

Fordeler: Ingen behov for mellomliggende filer, forbedrer sikkerhet og ytelse, egnet for datahenting på tvers av skymiljøer.

(2) Direkte tilkobling til Google Cloud Storage (GCS):

For data som allerede er i Google-økosystemet, er integrasjonen enda tettere. Du kan nå utføre objektregistrering for GCS-filer.

I stedet for å laste opp, «registrerer» du ganske enkelt gs://-URI-en til filen.

Denne prosessen er nesten umiddelbar fordi det ikke skjer noen faktisk dataoverføring mellom klienten din og API-et.

Hvordan bruker du de nye funksjonene? — Brukseksempler (Python SDK)

Nedenfor er tre praktiske Python-eksempler (synkrone) som illustrerer vanlige mønstre: (A) inline-bytes (fra en lokal fil), (B) ekstern HTTPS eller signert URL, og (C) referanse til en GCS-URI (registrert objekt). Disse kodene bruker det offisielle Google Gen AI Python-SDK-et (google-genai), juster modellnavn, autentisering og miljøvariabler etter oppsettet ditt. Du kan bruke CometAPI sin API-nøkkel for å få tilgang til Gemini API, en AI API-aggregeringsplattform som tilbyr billigere API-anropspriser for å hjelpe utviklere.

Forutsetning: pip install --upgrade google-genai og sett opp legitimasjon / miljøvariabler (for Developer API API_KEY, for Vertex AI sett GOOGLE_GENAI_USE_VERTEXAI, GOOGLE_CLOUD_PROJECT, GOOGLE_CLOUD_LOCATION).

Example A: Inline bytes (local file → send up to 100 MB)

# 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()

Merknader: dette bruker Part.from_bytes(...) for å bygge inn filbytes. Inline-nyttelaster er nå tillatt opptil ~100 MB. Hvis du overskrider det, bruk en GCS- eller Files API-tilnærming.

Example B: External HTTPS / signed URL (Gemini fetches the payload)

# 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()

Merknader: Gemini henter external_url ved forespørselstidspunktet. Bruk signerte URL-er for private skyleverandører (AWS/Azure). Eksterne hentinger har praktiske størrelses-/formatgrenser (se dokumentasjon).

Example C: Reference a GCS object (gs://) directly

# 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()

Merknader: GCS-tilgang krever korrekt IAM- og tjenestekontooppsett (object viewer-tillatelser, riktig autentisering). Når du registrerer eller refererer til GCS-objekter, sørg for at kjøremiljøet (Vertex / ADC / tjenestekonto) har nødvendige tillatelser.

begrensninger og sikkerhetsbetraktninger

Størrelses- og innholdstypebegrensninger

Ekstern hentestørrelse: henting via ekstern URL er underlagt dokumenterte grenser (i praksis 100 MB per hentet nyttelast) og støttede MIME-/innholdstyper. Hvis du trenger å sende svært store ressurser (flere GB), bruk Files API eller en annen prosesseringspipeline.

Files API vs inline vs ekstern URL: når bruke hva

Inline (from_bytes) — enklest for enkelttilfeller der applikasjonen din allerede har bytes og størrelsen ≤100 MB. Bra for eksperimentering og små tjenester.
Ekstern URL / signert URL — best når filen ligger et annet sted (S3, Azure, åpent web); unngår flytting av bytes og reduserer båndbredde. Bruk signerte URL-er for private ressurser.
GCS / registrerte objekter — best når dataene dine allerede er på Google Cloud og du vil ha et produksjonsmønster med stabile referanser og IAM-kontroller.
Files API — bruk for vedvarende eller svært store filer som du vil gjenbruke i flere forespørsler; merk per-fil- og prosjektkvoter og retningslinjer for lagring/ephemeralitet.

Sikkerhet og personvern

Signerte URL-er: forhåndssignerte URL-er bør genereres med begrenset levetid og smale tillatelser. Ikke bygg inn langlivede hemmeligheter i forespørsler.
IAM og OAuth: for direkte GCS-tilgang, sett tjenestekontoer med minste privilegium (objectViewer for lesetilgang). Følg organisasjonens beste praksis for nøkkelrotasjon og logging.
Dataopphold og etterlevelse: når du lar API-et hente eksternt innhold, sørg for at dette er i samsvar med datahåndterings- og regulatoriske krav (noen regulerte data må ikke sendes til en ekstern tjeneste, selv midlertidig). Leverandøren kan persistere metadata om forespørsler i logger — ta høyde for det i personvernanalyse.

Operasjonelle forbehold

Midlertidig Files API-lagring: filer som lastes opp til Files API kan være flyktige (historisk 48 timer); for langtidslagring bruk GCS eller annen varig lagring og referer dem direkte.
Gjentatt henting: hvis en fil refereres via URL på hver forespørsel og brukes ofte, kan du pådra deg gjentatt henteoverhead; vurder caching eller å registrere en GCS-kopi for tung gjenbruk.

Hvordan dette endrer app-arkitektur — praktiske eksempler

Brukstilfelle — kunnskapsassistent med mange dokumenter

Hvis du driver en intern kunnskapsassistent som leser produktmanualer lagret i GCS, registrer disse GCS-objektene én gang (eller pek med gs://-URI-er) og spør dem dynamisk. Det unngår å laste opp de samme PDF-ene gjentatte ganger og gjør backend-en din enklere. Bruk Files API/GCS-registrering for svært store manualer (>100 MB).

Brukstilfelle — forbrukerapp på mobil som sender bilder

For en mobilapp som sender bilder for enkeltskudd-bildeteksting, bruk inline-bytes for små bilder (<100 MB). Det holder brukeropplevelsen enkel og unngår et ekstra opplastingssteg. Hvis brukere vil gjenbruke eller dele det samme bildet ofte, lagre det i GCS og send en gs://- eller signert URL i stedet.

Brukstilfelle — lydtranskripsjonsrørledninger

Korte talebeskjeder (<100 MB / < ~1 minutt avhengig av codec) kan sendes inline eller via signert URL. For lange opptak, last opp via Files API og referer filen i påfølgende genereringskall for effektiv gjenbruk. Video-/lydarbeidsflyter har ofte ytterligere beste praksis i mediedokumentasjonen.

Konklusjon

Googles Gemini API-oppdatering gjør det langt enklere å bringe «eksisterende» data inn i generative AI-arbeidsflyter: direkte henting fra offentlige eller signerte URL-er og GCS-registrering fjerner et vanlig operasjonelt friksjonspunkt, og hoppet fra 20 MB → 100 MB for inline-nyttelaster gir ingeniører mer fleksibilitet for enkle, én-forespørselsflyter. For langlivede, svært store eller ofte brukte filer, Files API (2 GB per fil, 48 timers standard lagring)

For å komme i gang, utforsk Gemini API via CometAPI ,Gemini 3 Pro og gemini 3 flash sine muligheter i Playground og se API guide for detaljerte instruksjoner. Før tilgang, sørg for at du er logget inn på CometAPI og har hentet API-nøkkelen. CometAPI tilbyr en pris langt under den offisielle for å hjelpe deg å integrere.

Klar til å starte?→ Gratis prøve av Gemini 3 Pro !