Google Gemini 2.5
המדריך המלא בעברית

מה זה Google Gemini?

Gemini הוא שם משפחה של מודלי שפה (LLM) שפיתחה Google DeepMind. הושק בסוף 2023 והפך תוך שנה לאחד המתחרים הרציניים ביותר ל-GPT-4 של OpenAI. בפברואר 2024 שונה שם Bard ל-Gemini, וכיום הממשק הצרכני זמין בכתובת gemini.google.com.

מה שמיוחד ב-Gemini הוא שהוא multimodal מהיסוד — הוא לא "מודל טקסט שהוסיפו לו ראייה", אלא מודל שנבנה לעבד טקסט, תמונות, אודיו, וידאו וקוד ביחד. בנוסף, לגמיני יש אינטגרציה עמוקה עם שירותי Google — Gmail, Docs, Drive, Search ועוד.

הגרסאות של Gemini — מה ההבדלים?

נכון לאפריל 2026, גוגל מציעה שלושה דגמים עיקריים בסדרת 2.5:

השוואת גרסאות מפורטת

Context Window של 2 מיליון טוקן — מה זה אומר בפועל?

2 מיליון טוקן שווים בערך 1,500 ספרים או 10 שעות של וידאו. בפרקטיקה, זה אומר שאפשר להזין לגמיני קוד-בייס שלם, ספר מלא, או תמלול פגישות של שבוע שלם — ולשאול שאלות עליו. זה המקרה בו Gemini Pro מנצח את כולם.

Gemini 2.5 vs GPT-4o vs Claude — השוואה ישירה

מסקנה: Gemini 2.5 Pro הוא הבחירה הטובה ביותר אם אתה עובד עם קבצים גדולים, קוד-בייסים ארוכים, או מוצרי Google. GPT-4o עדיין מוביל בעברית.

Google AI Studio — נקודת הכניסה החינמית

Google AI Studio (aistudio.google.com) הוא הדרך המומלצת להתחיל עם Gemini. בחינם, ללא כרטיס אשראי, עם 1,500 בקשות ביום.

• Prompt Testing: תנסה Prompts שונים ישירות בממשק
• File Upload: הזנת PDF, תמונות, וידאו ואודיו
• Get Code: יצירת קוד Python/JS אוטומטי ל-API call
• Tune Models: Fine-tuning בסיסי ללא קוד
• Grounding with Search: חיבור לחיפוש Google בזמן אמת

התחלה עם Gemini API — 5 דקות ל-Hello World

קבל API Key חינם מ-Google AI Studio ואז:

# התקנה
pip install google-generativeai

# קוד בסיסי
import google.generativeai as genai

genai.configure(api_key="YOUR_API_KEY")
model = genai.GenerativeModel("gemini-2.5-flash")

response = model.generate_content("תסביר לי מה זה Machine Learning בעברית")
print(response.text)

Streaming — תשובות בזמן אמת

import google.generativeai as genai

genai.configure(api_key="YOUR_API_KEY")
model = genai.GenerativeModel("gemini-2.5-flash")

# Streaming — מדפיס כל מילה ברגע שמגיעה
for chunk in model.generate_content("כתוב סיפור קצר על רובוט בתל אביב", stream=True):
    print(chunk.text, end="", flush=True)

Chat Session — שמירת היסטוריה

import google.generativeai as genai

genai.configure(api_key="YOUR_API_KEY")
model = genai.GenerativeModel("gemini-2.5-flash")

# פתיחת session שמרת היסטוריה
chat = model.start_chat(history=[])
resp1 = chat.send_message("שמי דניאל ואני מפתח Python")
resp2 = chat.send_message("מה עשיתי לפני שנייה?")
print(resp2.text)  # יזכור שאתה דניאל ומפתח Python

# הצגת היסטוריה
for message in chat.history:
    print(f"{message.role}: {message.parts[0].text[:50]}...")

JSON Mode — פלט מובנה

import google.generativeai as genai
import json

genai.configure(api_key="YOUR_API_KEY")
model = genai.GenerativeModel("gemini-2.5-flash")

response = model.generate_content(
    "תן לי רשימת 3 ערים ישראליות עם אוכלוסייה. JSON בלבד.",
    generation_config={"response_mime_type": "application/json"}
)

data = json.loads(response.text)
# {"cities": [{"name": "ירושלים", "population": 971000}, ...]}

דוגמה מתקדמת: ניתוח מסמך PDF

import google.generativeai as genai
import pathlib

genai.configure(api_key="YOUR_API_KEY")
model = genai.GenerativeModel("gemini-2.5-pro")

# העלאת PDF
pdf_file = genai.upload_file(pathlib.Path("contract.pdf"))

# שאלה על המסמך
response = model.generate_content([
    pdf_file,
    "תסכם את 3 הסעיפים החשובים ביותר בחוזה הזה"
])
print(response.text)

Gemini Multimodal — ראייה, שמיעה ווידאו

אחת מנקודות החוזק הגדולות של Gemini היא היכולת הmultimodal שלו — הוא יכול לעבד תמונות, PDF, אודיו, וידאו ו-YouTube URLs ישירות, ללא כלים חיצוניים.

ניתוח תמונות

import google.generativeai as genai
import PIL.Image

genai.configure(api_key="YOUR_API_KEY")
model = genai.GenerativeModel('gemini-2.5-pro')

# תמונה מקובץ מקומי
img = PIL.Image.open('screenshot.png')
response = model.generate_content(["תאר מה אתה רואה בתמונה זו:", img])
print(response.text)

# תמונה כ-Base64
import base64
with open("chart.jpg", "rb") as f:
    image_data = base64.b64encode(f.read()).decode()

response = model.generate_content([
    "ניתח את הגרף הזה — מה המגמה העיקרית?",
    {"mime_type": "image/jpeg", "data": image_data}
])
print(response.text)

ניתוח אודיו

import google.generativeai as genai

genai.configure(api_key="YOUR_API_KEY")
model = genai.GenerativeModel('gemini-2.5-pro')

# העלאת קובץ אודיו
audio_file = genai.upload_file("meeting_recording.mp3", mime_type="audio/mp3")

# תמלול + ניתוח
response = model.generate_content([
    audio_file,
    """בצע את הפעולות הבאות:
    1. תמלל את ההקלטה
    2. סכם את הנושאים העיקריים
    3. רשום Action Items שהוזכרו"""
])
print(response.text)

ניתוח וידאו ו-YouTube

import google.generativeai as genai

genai.configure(api_key="YOUR_API_KEY")
model = genai.GenerativeModel('gemini-2.5-pro')

# ניתוח YouTube URL ישירות (ייחודי ל-Gemini!)
response = model.generate_content([
    "https://www.youtube.com/watch?v=VIDEO_ID",
    "סכם את עיקרי הסרטון ב-5 נקודות"
])
print(response.text)

# ניתוח וידאו מקובץ
video_file = genai.upload_file("demo.mp4", mime_type="video/mp4")
response = model.generate_content([
    video_file,
    "תאר מה קורה בסצנה בדקה 2:30"
])

File API — העלאת קבצים גדולים

ה-File API של Gemini מאפשר להעלות קבצים עד 2GB לשרתי Google ולהשתמש בהם ב-requests מרובים. הקבצים שמורים 48 שעות.

• PDF, DOCX, TXT — מסמכים
• MP3, WAV, FLAC, OGG — אודיו
• MP4, MOV, AVI, WEBM — וידאו
• PNG, JPEG, GIF, WEBP — תמונות

import google.generativeai as genai
import time

genai.configure(api_key="YOUR_API_KEY")
model = genai.GenerativeModel('gemini-2.5-pro')

# העלאת קובץ
sample_file = genai.upload_file(
    path="annual_report.pdf",
    display_name="דוח שנתי 2025"
)

# המתנה לעיבוד (לקבצים גדולים)
while sample_file.state.name == "PROCESSING":
    print("מעבד...")
    time.sleep(5)
    sample_file = genai.get_file(sample_file.name)

# שימוש בקובץ
response = model.generate_content([
    sample_file,
    "סכם את הנקודות העיקריות"
])
print(response.text)

# רשימת כל הקבצים שהועלו
for f in genai.list_files():
    print(f.display_name, f.state.name)

# מחיקת קובץ
genai.delete_file(sample_file.name)

System Instructions — עיצוב אישיות ה-AI

System Instructions הן ה-System Prompt של Gemini. הן מגדירות את האישיות, הטון, שפת התשובה, הגבלות ואת ה"מי" של ה-AI שאתה בונה.

import google.generativeai as genai

genai.configure(api_key="YOUR_API_KEY")

# הגדרת מודל עם System Instructions
model = genai.GenerativeModel(
    model_name='gemini-2.5-pro',
    system_instruction="""אתה עוזר ניתוח נתונים מומחה.
תמיד ענה בעברית בלבד.
השתמש בטבלאות Markdown כשרלוונטי.
הצג נתונים כולל אחוזים ומגמות.
אל תמציא מספרים — אם אינך יודע, אמור "לא ידוע".
הכן תמיד סיכום ב-2-3 משפטים בסוף כל תשובה."""
)

response = model.generate_content("מה המגמות בשוק הנדל"ן הישראלי ב-2025?")
print(response.text)

דוגמה: בניית Support Bot בעברית

import google.generativeai as genai

genai.configure(api_key="YOUR_API_KEY")

support_bot = genai.GenerativeModel(
    model_name='gemini-2.5-flash',
    system_instruction="""אתה נציג שירות לקוחות של חברת SaaS ישראלית.
כללים:
- ענה תמיד בעברית, בטון נעים ומקצועי
- אם השאלה טכנית ואינך יודע — כתוב: "אעביר לצוות הטכני"
- לשאלות על תשלומים — תמיד הפנה לאימייל billing@company.com
- אל תבטיח דברים שלא מופיעים בהוראות אלו"""
)

chat = support_bot.start_chat()
response = chat.send_message("אני לא מצליח להתחבר לחשבון שלי")
print(response.text)

Grounding עם Google Search — מידע בזמן אמת

Grounding הוא היכולת לחבר את Gemini ל-Google Search בזמן אמת — כך שהמודל מחפש ברשת לפני שהוא עונה. זה מבטיח מידע עדכני וצמצום הזיות.

import google.generativeai as genai

genai.configure(api_key="YOUR_API_KEY")

# שימוש ב-Grounding עם Google Search
model = genai.GenerativeModel('gemini-2.5-pro')
response = model.generate_content(
    "מה מחיר Bitcoin ו-Ethereum עכשיו? מה המגמה היומית?",
    tools=[{"google_search_retrieval": {}}]
)

print(response.text)

# Grounding metadata — מקורות המידע
if response.candidates[0].grounding_metadata:
    print("\n--- מקורות ---")
    for chunk in response.candidates[0].grounding_metadata.grounding_chunks:
        print(f"- {chunk.web.title}: {chunk.web.uri}")

Dynamic Retrieval — חיסכון בעלויות

# Dynamic Retrieval — Gemini מחליט מתי לחפש
response = model.generate_content(
    "מה ההיסטוריה של תל אביב?",  # ← מידע סטטי, לא יחפש
    tools=[{
        "google_search_retrieval": {
            "dynamic_retrieval_config": {
                "mode": "MODE_DYNAMIC",
                "dynamic_threshold": 0.3  # סף: 0=תמיד, 1=אף פעם
            }
        }
    }]
)
# Gemini יחפש רק אם confidence < threshold

Gemini 2.5 Thinking Mode — חשיבה מורחבת

Thinking Mode הוא מצב מיוחד ב-Gemini 2.5 Pro ו-Flash שבו המודל "חושב בקול" לפני שהוא עונה. בדומה ל-o1 של OpenAI ול-Extended Thinking של Claude, Gemini מקדיש טוקנים נוספים לתהליך reasoning פנימי.

import google.generativeai as genai

genai.configure(api_key="YOUR_API_KEY")

# Thinking Mode עם budget_tokens
model = genai.GenerativeModel('gemini-2.5-pro')

response = model.generate_content(
    "פתור: אם יש לי 3 קופסאות, בכל אחת 7 תפוחים, ונתתי 12 לחברים — כמה נשארו?",
    generation_config=genai.GenerationConfig(
        thinking_config=genai.ThinkingConfig(
            thinking_budget=8000  # טוקנים לחשיבה פנימית
        )
    )
)

print("תשובה:", response.text)

# הצגת תהליך החשיבה (אם זמין)
if hasattr(response.candidates[0], 'thinking_content'):
    print("חשיבה פנימית:", response.candidates[0].thinking_content)

מתי להשתמש ב-Thinking Mode?

טיפים ומקרי שימוש — מה Gemini עושה הכי טוב?

1. ניתוח קוד-בייס שלם

הכנס את כל הקבצים בפרויקט שלך (עד 2M טוקן) ושאל: "מה קורה כש-user נרשם? תתאר את ה-flow". Gemini יעשה את זה ב-30 שניות.

2. עיבוד פגישות ממוקלטות

הכנס קובץ אודיו/וידאו של פגישה — Gemini יפיק תמלול, סיכום, Action Items ונקודות מחלוקת. מצוין לצוותים.

3. Deep Research עם Grounding

הפעל "Grounding with Google Search" ו-Gemini יחפש ברשת בזמן אמת תוך כדי מענה. עדיף ל-research עדכני על GPT-4o WebSearch.

4. אוטומציה ב-Google Workspace

דרך Google Apps Script אפשר לחבר Gemini ל-Gmail, Sheets ו-Docs ללא תשלום נוסף. כתיבת ג'ות סיכום אוטומטי למיילים בעברית.

// Google Apps Script — סיכום Gmail אוטומטי
function summarizeEmail() {
  const threads = GmailApp.getInboxThreads(0, 5);
  const genAI = new GoogleAI("YOUR_API_KEY");

  threads.forEach(thread => {
    const body = thread.getMessages()[0].getBody();
    const prompt = `סכם את המייל הבא בעברית ב-2 משפטים:\n${body}`;
    const summary = genAI.generateContent(prompt).text;
    thread.addLabel(GmailApp.getUserLabelByName("סוכם"));
  });
}

5. יצירת תמונות עם Imagen 3

Gemini מחובר ל-Imagen 3 — מחולל התמונות של Google. דרך ה-API ניתן לייצר תמונות בסגנון פוטוריאליסטי באיכות גבוהה.

5 פרויקטים מעשיים עם Gemini

מפרויקטים פשוטים לבניית Agent מלא — בחר לפי הרמה שלך:

play_circle

Gemini API Projects — Python Tutorial

YouTube • דוגמאות קוד מעשיות

open_in_new

גיליון עזר — Gemini API Quick Reference

השוואת מודלים — לפי Use Case

פרמטרים עיקריים של generate_content

import google.generativeai as genai

model = genai.GenerativeModel('gemini-2.5-flash')

response = model.generate_content(
    "שאלה כאן",
    generation_config=genai.GenerationConfig(
        temperature=0.7,        # 0=דטרמיניסטי, 2=יצירתי
        top_p=0.95,             # nucleus sampling
        top_k=40,               # top-k tokens
        max_output_tokens=2048, # מקסימום טוקנים בפלט
        stop_sequences=["סוף"], # עצור בטקסט זה
        response_mime_type="application/json",  # JSON mode
    ),
    safety_settings={           # רמות בטיחות
        "HARM_CATEGORY_HARASSMENT": "BLOCK_NONE",
    }
)

דפוסים נפוצים — Copy-Paste Ready

# ── 1. שאלה פשוטה ──
response = model.generate_content("שאלה")
print(response.text)

# ── 2. Streaming ──
for chunk in model.generate_content("שאלה", stream=True):
    print(chunk.text, end="")

# ── 3. Chat עם היסטוריה ──
chat = model.start_chat(history=[
    {"role": "user", "parts": ["שלום"]},
    {"role": "model", "parts": ["שלום! במה אוכל לעזור?"]}
])
resp = chat.send_message("שאלה המשך")

# ── 4. תמונה ──
import PIL.Image
img = PIL.Image.open("image.png")
response = model.generate_content(["תאר:", img])

# ── 5. JSON output ──
response = model.generate_content(
    "תן JSON עם שדות: name, age, city",
    generation_config={"response_mime_type": "application/json"}
)

# ── 6. Grounding ──
response = model.generate_content(
    "חדשות היום בישראל",
    tools=[{"google_search_retrieval": {}}]
)

# ── 7. File upload ──
f = genai.upload_file("doc.pdf")
response = model.generate_content([f, "סכם"])

קודי שגיאה נפוצים ופתרונות

סיכום — מתי לבחור Gemini?

• קובץ גדול או מסמך ארוך? Gemini 2.5 Pro — ה-2M context חסר תחרות
• מוצר Google Workspace? Gemini — האינטגרציה מובנית
• API בתקציב נמוך? Gemini 2.5 Flash — המחיר הטוב ביותר בשוק
• עברית איכותית? GPT-4o עדיין מוביל, Gemini בסביבה
• Reasoning מורכב? Gemini 2.5 Pro + Thinking Mode
• מידע בזמן אמת? Gemini עם Grounding + Google Search
• ניתוח וידאו/תמונות? Gemini — multimodal מהיסוד