Choose your path
Google 於 2026 年 1 月 12 日發布了 Gemini API 的開發者更新，變更了將檔案導入模型的方式以及可導入檔案的大小上限。簡而言之：Gemini 現在可直接從外部連結與雲端儲存擷取檔案（因此不一定需要上傳），且內嵌檔案大小限制已大幅提高。這些更新為已將媒體或文件存放在雲端儲存桶中的實際應用減少摩擦，並讓短期原型製作與正式生產的工作流程更快速、成本更低。
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 發布了 Gemini API 的開發者更新，變更了將檔案導入模型的方式與可接受的檔案大小上限。簡而言之：Gemini 現在可直接從外部連結與雲端儲存抓取檔案（因此不必總是上傳），且行內檔案大小上限大幅提高。這些更新消除了真實應用的摩擦（已在雲端儲存媒體或文件的情境），並讓短迭代原型與生產工作流程更快、更便宜。
CometAPI 提供 Gemini API，例如：Gemini 3 Pro 與 gemini 3 flash，且具備極具吸引力的價格。
在此更新之前，若你希望 Gemini API（Google 的 AI 模型）分析檔案，例如：PDF 報告、影片、音訊或一些圖片，你必須先將檔案上傳到 Gemini 的暫存空間。
而且：
這會加倍開發者的工作、增加頻寬成本、帶來延遲，並且有時讓真實用例（長時錄音、多頁手冊、高解析度圖片）變得不切實際。更大的行內 payload 加上可讓 Gemini 指向既有儲存（透過公開或簽名 URL，或已註冊的 GCS 物件）的能力，顯著縮短了從「資料」到「有用模型輸出」的距離：
這些更新大幅簡化了資料導入流程，使開發者能直接讓 Gemini 存取來自雲端或網路的既有資料，而無需額外上傳步驟。
總之：從原型到生產更容易、更便宜。
雖然標題數字是即時容量提升五倍，但真正的重點在於其提供的彈性。
（選擇取決於檔案大小、重複使用頻率以及檔案是否已在雲端儲存。）
即刻生效，Gemini API 將 行內資料 的檔案大小限制從 20MB 提升到 100MB。
過去，處理高解析度圖片、複雜 PDF 合約或中長度音訊的開發者常遇到 20MB 上限。這迫使他們實作複雜的變通方案，例如分段資料、降採樣媒體，或即使是相對小的互動也須透過 Files API 管理獨立上傳流程。
隨著新的 100MB 上限，你現在可以在 API 請求中直接傳送更大的 payload（Base64 編碼）。這對以下情境至關重要：
需注意：雖然「行內」上限為 100MB，但 Gemini API 處理海量資料（TB 級）的能力依然可透過 Files API 與新的 External Link 支援實現，有效移除重負載工作的上限。
最顯著的架構變更是 Gemini API 能夠自行「抓取」資料。此能力是直接讀取外部檔案連結，支援內建資料來源。
API 現在可直接從 URL 匯入資料。此支援涵蓋兩種情境：
你現在可以在生成請求中直接傳遞指向檔案（如 PDF、圖片或影片）的標準 HTTPS URL。
Public URLs： 適合分析已在公開網路上的內容，例如新聞文章 PDF 或公開託管的圖片。
Signed URLs： 這是企業的橋樑。若你的資料位於私有 AWS S3 bucket 或 Azure Blob Storage，可產生 Pre-Signed URL（臨時連結授予讀取存取）。當你將此 URL 傳遞給 Gemini 時，API 會在處理過程中安全抓取內容。這意味著你可以使用 Gemini 分析儲存在 AWS 的敏感文件，而無需永久移至 Google 的伺服器。
它遵循 Google Cloud IAM 角色控制，意味着你可以使用標準「Storage Object Viewer」權限進行存取控管。
好處：無需中介檔案，提高安全與效能，適用於跨雲環境的資料擷取。
對於已在 Google 生態系中的資料，整合更為緊密。你現在可以對 GCS 檔案進行 Object Registration。
無需上傳，你只需「註冊」該檔案的 gs:// URI。
此過程幾乎是瞬時完成，因為在你的客戶端與 API 之間並未發生任何實際資料傳輸。
以下是三個實用的同步 Python 範例，展示常見模式：（A）行內位元組（來自本機檔案）、（B）外部 HTTPS 或簽名 URL、（C）引用 GCS URI（已註冊的物件）。這些程式碼片段使用官方 Google Gen AI Python SDK（google-genai），請依你的環境調整模型名稱、驗證與環境變數。你可以使用 CometAPI 的 API 金鑰存取 Gemini API，這是一個 AI API 聚合平台，提供更便宜的 API 呼叫價格以協助開發者。
Prerequisite:
pip install --upgrade google-genaiand set your credentials / environment variables (for Developer APIAPI_KEY, for Vertex AI setGOOGLE_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()
Notes： 這使用 Part.from_bytes(...) 來嵌入檔案位元組。行內 payload 現在允許到約 100 MB。若超過該值，請改用 GCS 或 Files API 方法。
# 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()
Notes： Gemini 會在請求時抓取 external_url。對於私有雲端儲存提供者（AWS/Azure）請使用簽名 URL。外部抓取有實務上的大小/格式限制（詳見文件）。
# 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()
Notes： GCS 存取需要正確的 IAM 與服務帳戶設定（object viewer 權限、正確驗證）。註冊或引用 GCS 物件時，確保執行環境（Vertex / ADC / 服務帳戶）具有必要權限。
External fetch size： 透過外部 URL 抓取受文件所列限制（實務上每個抓取 payload 100 MB）與支援的 MIME/內容類型約束。若需傳遞超大型資產（多 GB），請使用 Files API 或其他處理管線。
若你運行內部知識助理並讀取儲存在 GCS 的產品手冊，請先註冊這些 GCS 物件（或直接使用 gs:// URI）並動態查詢。這可避免重複上傳相同 PDF，並使後端更簡化。對於非常大的手冊（>100 MB），請使用 Files API/GCS 註冊。
對於一次性圖片字幕的行動應用，小於 100 MB 的圖片使用行內位元組即可。這能維持簡易的使用者體驗並避免第二次上傳步驟。若使用者會重複使用或分享相同圖片，請將其儲存於 GCS 並傳遞 gs:// 或簽名 URL。
短語音備忘錄（<100 MB / 視編碼而定約 <1 分鐘）可行內或透過簽名 URL 傳遞。對於長錄音，請透過 Files API 上傳，並在後續生成呼叫中引用該檔案以高效率重複使用。影片/音訊工作流程通常在媒體文件中有其他最佳實務說明。
Google 的 Gemini API 更新讓把「既有」資料帶入生成式 AI 工作流程變得更加容易：直接從公開或簽名 URL 抓取，以及 GCS 註冊，移除了常見的操作摩擦；而行內 payload 從 20 MB → 100 MB 的提升，為簡單、單請求流程提供了更大彈性。對於長期、超大型或需要重複使用的檔案，請使用 Files API（每檔 2 GB、預設儲存 48 小時）。
若要開始，請透過 CometAPI 探索 Gemini API，Gemini 3 Pro 與 gemini 3 flash 的能力，前往 Playground 並參考 API guide 的詳細指引。在存取前，請先登入 CometAPI 並取得 API 金鑰。CometAPI 提供遠低於官方的價格，協助你整合。
準備好了嗎？→ 免費試用 Gemini 3 Pro！