跳到主内容
Gemini CLIGoogle终端 AgentCLI开源工具深度评测免费额度

Gemini CLI 深度评测:免费额度、1M 上下文与终端 Agent 实战

Gemini CLI 深度评测:官方 README 口径的个人账号免费额度 60 次/分钟、每日 1,000 次请求,1M token 上下文、Google Search grounding 与 MCP 实战取舍,并判断国内可用性。

发布 2026-10-07更新 2026-11-19核实 2026-11-19

一句话结论

Gemini CLI 是 Google 官方开源的终端 AI Agent,把 Gemini 模型、文件读写、shell、web fetch、Google Search grounding 和 MCP 收进一个命令行程序里。它最实在的两个卖点是免费额度和上下文窗口:用个人 Google 账号登录即可获得官方 README 标注的 60 requests/min、1,000 requests/day,官方同时标注 1M token 上下文窗口 —— 这两项合起来意味着「零成本、大上下文地把一个中小代码库喂进去问问题」这件事,目前在终端 Agent 里它是门槛最低的选择。

但门槛低不等于能当主力。截至 2026-11-06,它的 GitHub 仓库已有 108,735 Star、14,927 Fork,活跃度没有问题(当日仍有推送);真正需要心理准备的是产品打磨程度:长任务执行链路会漂移,跨 30 分钟以上的多文件重构不如 Claude Code 稳。

本文基于官方 README、官方 Releases 页与官方文档逐项核对整理,非厂商付费内容;未做长期一手实测,功能、版本与额度以官方实时页面为准。

Gemini CLI 到底是什么

一句话:终端里的 Gemini。你在项目根目录敲 gemini,它就地读文件、跑命令、改代码、联网查资料,并把每一步的 diff 摆给你看。这跟 Cursor 那种「IDE 内嵌 AI」是两条路:Gemini CLI 没有图形界面,靠终端 + 文本 diff 完成闭环,天然适合 SSH 到服务器、在 CI 里跑、或者脚本化批量处理。

它同时是 Google 开源项目的一部分:Apache-2.0 许可,仓库 2025-04-17 建立,主分支持续有人提交。开源这件事对它不只是姿态 —— headless 模式(gemini -p "...")让它能直接嵌进流水线,这是闭源同类工具不方便做的。

核心能力拆解

免费额度:三条认证通道,额度和能力边界都不同

这是最容易被讲错的部分。官方 README 把认证分成三条路,各自的免费额度口径并不相同:

  • 个人 Google 账号 OAuth:60 requests/min、1,000 requests/day,不需要管理 API Key,模型自动更新。官方把它推荐给「个人开发者以及持有 Gemini Code Assist License 的人」。注意这是身份绑定的额度。
  • Gemini API Key:官方 README 写的是 1,000 requests/day with Gemini 3(flash 与 pro 混合),换来的是模型选择自由与按量计费升级通道。适合自动化脚本。
  • Vertex AI:走 GCP 配额与 IAM,面向生产与合规场景。

也就是说,「1,000 次/天」在两条通道上都出现,但能力池不同:OAuth 通道是自动跟随最新模型、你无法指定;API Key 通道能指定模型但额度消耗口径按具体模型算。选错通道,后面会遇到「额度还有、但想用的模型不能用」这类问题。

1M token 上下文

官方 README 在「Why Gemini CLI?」里明确写的是 1M token context window。这个量级意味着一个中型前端仓库可以整体塞进去做「跨文件重构可行性判断」或「架构梳理」,而不必先做检索裁剪。代价是长上下文下的注意力衰减仍然存在 —— 大上下文擅长「找得到」,不擅长「改得准」,改动密集的任务仍建议缩小范围。

内置工具与 Google Search grounding

开箱即带四类工具:Google Search grounding、文件操作、shell 命令、web fetch。其中 Google Search grounding 是它相对 Claude Code / Codex 最实用的差异点 —— 问「某个库的最新版本与破坏性变更」时,它能直接联网取证而不是靠训练数据嘴硬。对需要频繁核对版本与定价的工程任务,这一项能省掉大量人工二次核实。

MCP 与可扩展性

支持 Model Context Protocol,可在配置里挂 MCP server,把 GitHub、数据库、内部 API 接进来。这里有个实测过的坑:在「未受信任的工作区」里,MCP server 定义出于安全考虑不会被加载 —— clone 完仓库立刻进目录开工,会发现 MCP 工具「消失」,换到受信任目录即可。

headless 脚本模式

gemini -p "解释这个代码库" 直接输出结果,可配合 --output-format json 做结构化处理。这让它成为少数能真正嵌进 shell 管道的 Agent —— 定时扫 issue、批量给 PR 生成摘要、给遗留模块生成架构说明,都可以脚本化。

版本通道现状(2026-11-19 复核)

这条通道拆得很细,选版要看通道而不是看数字大小:

通道当前版本发布(UTC)
stablev0.69.02026-11-19 01:45
previewv0.70.0-preview.02026-11-19 00:09
(历史)stablev0.68.02026-11-10 21:17

preview 依然早于 stable 发布(这次差 38 分钟),nightly 的数字也更大 —— 按数字排序会看错谁是当前稳定版。v0.68.0 的正式 tag 仍是 404:preview 与 stable 的号码序列各自独立,别拿 preview 的号推 stable 的号(这条本站连追了十一轮)。

从 v0.63.0 到 v0.67.0 这五个 stable,主线一直是工程健壮性与安全边界,没有模型换代、也没有新的 agent 能力:工具输出上限与内存生命周期、状态原子写与损坏恢复、文件工具串行化、认证死循环修复、不受信任目录的只读设置、快速退出保留历史——全是「让它在长任务里别出事」。v0.67.0 唯一的 feat 是新增 models 命令与 --list-models(PR #29880),这也是本卡此前一直没法回答「CLI 里能用哪些模型」的原因:官方到这一版才给了自检入口。

2026-11 复查:一个月过去,CLI 里仍然没有 Gemini 4

这一节解决的是本篇与工具卡都被问了一个月的问题:Gemini 4 系列(Argon / Carbon / Hydrogen / Neon)到底能不能在 Gemini CLI 里选?

此前本站一直拒答,理由是「模型发布了 ≠ CLI 能用」,而 gemini models 的单次输出也不足以当结论。2026-11-19 换了条更硬的取证路径——直接读官方仓库的模型注册表源码 packages/core/src/config/models.ts(main 分支,23,747 字节,实取)。结果很干脆:

  • 文件里的模型常量最高到 gemini-3.8-flash(LATEST_GEMINI_FLASH_MODEL),预览档是 gemini-3-pro-preview / gemini-3.1-pro-preview,Lite 档是 gemini-3.1-flash-lite / gemini-3.5-flash-lite;
  • 全文检索 gemini-4 / GEMINI_4 零命中;
  • 家族判定函数只匹配到三代(/^gemini-3(\.|-|$)/)。

所以本篇的结论要写清边界:注册表里没有 = CLI 不会自动给你 Gemini 4;但注册表是本地常量,不完全等价于运行时 gemini models 的输出(后者可能叠加远端清单),因此表述停在「注册表里没有」,不写成「CLI 一定跑不了」。

这条对选型的实际影响:如果你的目的是用上 Gemini 4 的能力(1M 上下文 + 四档推理力度 + Neon 那一档的成本结构),入口是 Gemini API / AI Studio / Antigravity,不是 Gemini CLI。CLI 现在的位置就是本篇原本给它的位置——便宜、稳定、适合日常执行与联网查资料的「第二意见工具」,而不是尝鲜新模型的地方。详见 Gemini 4 Neon 发布 与 工具卡的一手核对记录。

另外一个数刷新了:仓库到 2026-11-19 是 108,928 Star / 14,963 Fork(11-06 记为 108,735 / 14,927),半个月涨 193 star——增长明显放缓,这与「v0.63 到 v0.69 的 stable 全是工程修复、没有模型换代与新的 agent 能力」是一致的。

v0.67.0 里五条会改变既有行为的修复(2026-11-06 补)

这些条目写在 fix 里,但改的是判定或默认值,升级前后行为不一样:

PR条目实际影响
#29899迁移 Claude hook 时把超时从秒换算成毫秒从 Claude Code 迁过 hooks 的,超时行为会变
#29833不可信 flag 检查只作用于外部输出,并记住已批准的 flag检查范围收窄 + 记忆化,同一操作第二次不再问
#29961项目花费上限错误归类为终止性配额错误从可重试变终止性,自动重试会失效
#29749原子写遵守只读文件与硬链接此前能覆盖只读文件的写入现在会失败
#29849非交互模式处理终止信号,取消后不再执行工具超时中断时机提前,脚本要重算超时

一句话总结:方向都是「更安全」,代价是「以前能跑」的脚本可能停在原地。 升级前把用到 hooks、批处理、自动重试的地方各回归一次。

免费额度与计费方式

通道价格额度(官方 README 口径)适合
个人 Google 账号(OAuth)$060 requests/min、1,000 requests/day个人开发者、持有 Code Assist License 的团队
Gemini API Key按量计费1,000 requests/day(Gemini 3,flash + pro 混合)自动化脚本、需要指定模型的场景
Vertex AIGCP 按量计费取决于 GCP 配额与 IAM生产与合规场景

外加一份不在官方 README 里、但决定了「能不能用」的隐性成本:网络。三条通道都要访问 Google 服务,国内网络条件下认证流程会反复失败,这部分成本无法用额度表体现。

它适合谁 / 不适合谁

适合

  • 想以零成本体验终端 Coding Agent 的个人开发者 —— 免费额度是同类里最大的
  • 需要在 CI / 脚本里跑「非交互式」批量分析的团队(headless + JSON 输出)
  • 经常要核对库版本、协议变更、定价的工程任务(Google Search grounding)
  • 需要 1M 上下文做代码库整体理解与架构梳理

不适合

  • 纯内网、不能稳定访问 Google 服务的团队 —— 直接不可用
  • 把 30 分钟以上的多文件重构当日常主业的团队 —— 稳定性不足
  • 强依赖中文界面与本地化文档的用户

与 Claude Code / Codex 的差异

维度Gemini CLIClaude CodeCodex
免费额度个人账号 1,000 次/日无免费档,按订阅/API与 ChatGPT 订阅绑定较深
上下文窗口1M token(官方 README)大但按型号分层按型号分层
联网取证内置 Google Search grounding需自行接工具需自行接工具
脚本化headless + JSON 输出,原生友好支持支持
长任务稳定性一般,链路会漂移强强
国内可用性差(三条通道均需连 Google)取决于代理取决于代理

一句话:要免费额度与联网取证,选 Gemini CLI;要长任务一次做对,选 Claude Code。

局限与注意点

  • 额度是「随时可调」的口径,不是承诺。官方 README 写明额度,但没承诺下限;跑批任务前先小样试跑,别把 quota 当 SLA。
  • 别把大上下文当「不用拆任务」的理由。1M 能装下整个仓库,但不代表它能一次改对;改动密集的任务仍需缩小 diff 范围。
  • 版本通道要按通道看,不要按数字大小选;生产环境固定 stable 并 pin 版本。
  • 未受信任工作区不加载 MCP 是设计行为不是 bug,遇到「工具消失」先看工作区信任状态。

AI 之家 观点

终端 Agent 这条线,2026 年的竞争已经不在「谁的模型更强」,而在「谁能让开发者低成本地把它用起来」。Claude Code 和 Codex 走的是「把稳定性与工具体验做到极致、然后收订阅费」;Gemini CLI 走的是反向路线 —— 把免费额度和上下文窗口拉到最高,用开源和 headless 换取嵌入流水线的能力。

对国内开发者,我们的判断很直接:如果网络条件允许,Gemini CLI 是当下性价比最高的「第二意见工具」 —— 主力仍交给 Claude Code / Codex,遇到「查最新版本」「读大仓库」「批量脚本化分析」这类任务转给它,免费额度基本够用。反之,如果网络不稳,它的所有优势都会被认证失败抵消,别硬上。

相关阅读

来源

避坑提醒
NOT FOR · 什么情况下不要选它

不适合纯内网团队——三条认证通道都要连 Google 服务,断网即不可用;也不适合把长任务重构当主业的团队,稳定性不够

PITFALLS · 避坑提醒
  • 免费额度是「个人 Google 账号」这一身份绑定的配额,官方随时可调;拿它当生产 SLA 会在跑批任务时突然撞墙
  • 长任务链路会漂移,30 分钟以上的重构明显不如 Claude Code 稳,必须自己拆成小任务逐段确认
  • 三条认证通道(个人 OAuth / API Key / Vertex AI)的能力边界不同,用 API Key 通道做「免登录批处理」的团队会先撞额度再撞权限
  • 界面与错误提示基本是英文,中文注释比重高的项目上理解与输出质量弱于国产方案
相关对比

Aider vs Claude Code:终端 AI 编程双雄怎么选

Aider vs Claude Code 2026 选型对比:开源 BYOK 多模型 vs Anthropic 订阅长任务 Agent,从编程能力、多模型支持、价格、Git 集成、国内可用性和适合人群判断,帮你选对终端 AI 编程工具。

Claude Code vs Cline:CLI AI Agent 怎么选?2026 对比

Claude Code vs Cline 2026 选型对比:Anthropic 官方闭源 CLI Agent vs Apache-2.0 开源 VS Code 插件。从模型绑定、工作流、MCP 支持、价格、隐私和适合人群 6 个维度帮你选对 CLI AI 编程工具。

Claude Code vs Codex CLI:终端 AI Agent 双雄对比

Claude Code vs Codex CLI 2026 选型对比:Anthropic 与 OpenAI 两大官方终端 Agent 的模型、长任务、MCP 生态、Windows 支持、订阅打包价格和国内可用性全方位对比,帮你判断该用哪个终端 AI Agent,以及能不能两个一起用。

Claude Code vs Crush:Anthropic 官方 vs 多模型 TUI(2026 实测选型)

Claude Code vs Crush 怎么选:Anthropic 官方 CLI(长任务最稳),对上 Charmbracelet 开源 TUI(多模型切换 + LSP)。按模型、长任务、价格对比。

Cursor vs Claude Code:什么时候用哪个?(2026 实测选型)

Cursor 和 Claude Code 到底怎么选?一句话结论 + 决策树 + 价格实测 + 国内可用性对比。GUI 派选 Cursor,终端长任务派选 Claude Code,最优解其实是共存。

Devin vs Claude Code:AI 编程 Agent 怎么选?异步自主 vs 终端同步对比

Devin vs Claude Code 2026 选型对比:Cognition 异步自主 Cloud Agent vs Anthropic 终端同步 CLI Agent,从形态、工作模式、长任务能力、并发、价格、中文支持和适合人群 8 个维度判断,帮你选对 AI 编程 Agent。