Dokumentationerreichbar
Image understanding
aistudio.google.com (externe Seite)
Googles Seite zum Bild als Eingabe. Sie nennt eine Kachelformel: Ein kleines Bild kostet pauschal 258 Token, ein größeres wird in Kacheln zerlegt, und jede Kachel kostet wieder 258. Die Kachelgröße folgt der kürzeren Bildkante. Daneben nennt sie für Gemini 3 den Schalter media_resolution, der eine Obergrenze je Bild setzt, ohne zu sagen, für welche Modelle die Kachelformel gilt. Die Seite beschreibt außerdem Objekterkennung mit Begrenzungsrahmen und nennt 3.600 Bilddateien je Anfrage als Obergrenze.
geprüft 10.11.2026
Worauf sich diese Seite beruft, wörtlich, abgerufen am 07.08.2026:
Larger images are tiled into 768x768 pixel tiles, each costing 258 tokens.
bestätigt 10.11.2026Gemini models support a maximum of 3,600 image files per request
bestätigt 10.11.2026Calculate the crop unit size which is roughly: floor(min(width, height) / 1.5).
bestätigt 10.11.2026Models are trained to detect objects in an image and get their bounding box coordinates.
bestätigt 10.11.2026
Visuelles Token im Glossar05 Computer Vision13 Was ein Modell auf einem Bild erkennt