Google Gemini 3
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 לאוגוסט 2026, גוגל מציעה שלושה דגמים עיקריים במשפחת Gemini 3:

השוואת גרסאות מפורטת

Context Window של מיליון טוקן — מה זה אומר בפועל?

מיליון טוקן שווים בערך 750 ספרים או 5 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 3 vs GPT-5 vs Claude — השוואה ישירה

מסקנה: Gemini 3 Pro הוא הבחירה הטובה ביותר אם אתה עובד עם קבצים גדולים, קוד-בייסים ארוכים, או מוצרי Google. GPT-5 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-3.7-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-3.7-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-3.7-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-3.7-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-3-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-3-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-3-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-3-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-3-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-3-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-3.7-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-3-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 3 Thinking Mode — חשיבה מורחבת

Thinking Mode הוא מצב מיוחד ב-Gemini 3 Pro ו-Flash שבו המודל "חושב בקול" לפני שהוא עונה. בדומה ל-GPT-5 Thinking 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-3-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 1M 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-5 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-3.7-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 3 Pro — ה-1M context חסר תחרות
• מוצר Google Workspace? Gemini — האינטגרציה מובנית
• API בתקציב נמוך? Gemini 3.7 Flash — המחיר הטוב ביותר בשוק
• עברית איכותית? GPT-5 עדיין מוביל, Gemini בסביבה
• Reasoning מורכב? Gemini 3 Pro + Thinking Mode
• מידע בזמן אמת? Gemini עם Grounding + Google Search
• ניתוח וידאו/תמונות? Gemini — multimodal מהיסוד