Gemini API扩容：PPT与ODS可直喂

谷歌11月5日更新Gemini API：输入端新增PowerPoint（PPT）、OpenDocument演示文稿（ODP）与表格（ODS）支持，DOC还会做页面图像处理；输出端允许工具调用返回Office文件、音频和视频，不再局限于文本、图像与PDF。

事件经过

Gemini API 的 11 月 5 日发布说明列出两项相关改动：一是输入侧扩大了对微软 Office 与 OpenDocument 格式的支持，PowerPoint 97-2003（.ppt）、OpenDocument Presentation（.odp）、OpenDocument Spreadsheet（.ods）可以直接上传给模型；二是函数调用（function calling）的多模态响应能力放开，工具执行结果可以返回 Office 文件、音频与视频，而此前只支持文本、图像和 PDF。同一版本说明中还记录了 DOC 文件的页面图像处理路径。

关键能力与限制

新格式并非“整份通吃”。按开发者实测解读，表格类文件上传成功后，模型实际读取的仍以首个工作表为主，内容包含单元格数据与公式，其余工作表可能落在输入范围之外；文档类文件则可通过页面渲染或文本抽取两种表征方式进入模型。这意味着在搭建文档流水线时，需要先确认关键信息是否落在被读取的那一页或那一张表上。

行业意义

这类更新不涉及跑分，但直接决定模型能否嵌进真实办公流程。过去把 PPT、ODP、ODS 交给模型，往往要先转 PDF 或手工抽文本，格式信息与版面一并丢失；工具只能返回文字，也逼着开发者在应用层再写一层文件组装逻辑。输入输出两端同时放宽后，“读文件—办事—交付文件”的链路可以在一次调用里闭环，代价是需要更细地设计分页、分表策略。

原文出处：aipolix.com / MustHave.ai（Gemini API 发布说明解读）

**标签：** Gemini、AI资讯、大模型动态

*（内容由AI生成，仅供参考）*