Gemini API能直接读Office文件了。Google 11月18日更新官方更新日志:Word、PowerPoint、Excel等Microsoft Office与OpenDocument文件现在可以直接传给Gemini API,不用先转PDF或纯文本;文档、表格、视频、音频还能在提示词里切片,只处理、只为用到的那部分内容付费。
切片能切多细
切片的粒度是这次更新的重点。调用方可以指定页码范围、工作表标签、单元格范围、视频或音频的时间区间,以及内容层:页面图像、提取文本、公式、视频字幕,想看哪层就只传哪层。函数调用里也打通了:工具返回给模型的文件响应可以包含Office文档、音频与视频,模型能直接检查工具给的文件再作答,不用把文件内容先转述成文字。11月5日谷歌已经扩过一批格式支持,PPT、ODP、ODS文件得以受理,这次等于把受理范围与切片能力一次补齐。
受益最直接的是文档问答、财报分析与RAG应用。以前整份几十页的报告都要塞进上下文,现在只传相关的几页或某个单元格区域,Token用量和费用都跟着下来;视频检索也能只截取关键时间段,不用全片过模型。但要注意处理方式并不统一:DOC、PPT、ODP这类老格式会被渲染成页面图像交给模型,ODS只取第一个工作表的数据与公式;11月11日发布的Decisions API走的是另一条路,一次判题、零输出Token,适合批量判断,不适合读文档。
对开发者来说,这次更新不用改模型名、不用换接口,按文档理解指南里的新参数传切片范围就能用。下一步值得看的是切片的计费口径在账单上怎么体现,以及表格公式这类结构化内容被模型读走后,回答的准确率能不能稳住。已经在跑文档类应用的团队,可以先拿一份真实报告对比整篇传入与切片传入的效果,再决定切换节奏。