AI导航

Gemini API能直接读Office文件了:按页码、单元格切片,只算用到的部分

AI资讯
2 min read
1 次阅读

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。

推荐工具

NVIDIA Chat with RTX AI聊天 Chat with RTX 是 NVIDIA 面向 RTX 电脑的本地 AI 聊天工具,可围绕本地文档和视频资料做问答,适合重视隐私、离线检索并具备硬件条件的用户更适合资料不便上传云 弱鸡AI AI视频 低价AI视频生成聚合平台,seedance2.0,seedance2.5,minimax h3,wan,muse等视频生成模型,支持在线创作与 API 接入。 HuggingChat AI聊天 HuggingChat 是 Hugging Face 的开源模型聊天应用,支持 Omni 自动选模型,也可手动选社区开放模型对话。它适合体验开源模型、技术探索和问答,结果可能不稳定,重要内容需复核。 纳米AI搜索 AI搜索 纳米AI 是 360 旗下 AI 搜索和智能体入口,支持文字、语音、拍照提问、多模型协作与内容创作,适合中文用户做日常搜索、学习问答、移动查询、热点追踪、生活决策、知识整理和轻量创作。 Qwen Chat(通义千问) AI聊天 Qwen Chat 是Qwen 大模型聊天助手,支持Qwen 模型聊天、写作和编程问答,适合中文用户和开发者完成 AI 对话、资料问答和任务协作,适合上线前核对权限、成本和资料质量。 DuckDuckGo AI Chat AI聊天 DuckDuckGo AI Chat 适合重视隐私的普通用户使用,围绕隐私 AI 聊天、免账户使用和多模型问答提供对话式 AI 支持和任务协作能力,适合上线前核对权限、成本和资料质量。