Gemini API PDF 原理解析

[yeahhe (Mozi)]

[KGLongWang (KG)]

学习，这个是从哪里得到的原理

[yeahhe (Mozi)]

来源为Google的文档，用Gemini 生成可视化页面方便理解

[lueluelue]

官网会受到只能看10张图的限制吗

[yeahhe (Mozi)]

官网的不如API版本，应该是有限制的，限制是多少不知道

[lueluelue]

官网直接发图只能发10张，pdf不知道，没限制貌似

[fengchris]

墨佬真的是Gemini专家了

[yeahhe (Mozi)]

我觉得官网发送文件的时候，上下文的引用逻辑不一样

[apparition]

不知道 3 Pro 有没有升级

[kianqunki]

这不就是deepseek ocr么

[apparition]

差的多了
不过你要说流程看似相同也不是不行

[yeahhe (Mozi)]

DeepSeek OCR只是一个OCR模型，语义理解能力非常差

[yqyan (Grogu)]

干货 ，学习了

[wangdada]

?

[yeahhe (Mozi)]

你试试API

[Gibbersto1977 (BlackCat)]

体感上长文本转换为pdf发送，也比直接发送更省token（也更方便）

[jqbdyhz (飘然与我同)]

有点反直觉了，我还特地把笔记冲pdf转换成Markdown喂给哈基米，没想到效果没有直接喂pdf好么

[cat3399]

总结就一句话，gemini是把pdf当做图片处理的

[xiaotong1]

有点好奇，为啥网页上传PDF时候，他索引的特别准确，不管是多大粒度

[TUM (Technische Universität München)]

之前官网还是 2.5 pro 的时候试过，最多上传 10 个 PDF，AI studio 和 API 就没这限制