Google 早期大语言 / 多模态模型 API // PaLM API 访问官网 ↗
  • 2023 年发布
  • 文本生成
  • 聊天对话
  • 文本嵌入
  • 代码生成
  • 2024 并入 Gemini

在 Gemini 登场之前，开发者最先摸到的 Google 大模型能力，是这一个 API

2023 年大模型混战里，Google 给开发者交出的第一张「可调用」答卷，不是搜索里的一个按钮，而是一个叫 PaLM API 的接口。它把当时 Google 最新的大语言模型 PaLM 2 包装成文本生成、聊天、嵌入、代码生成等一组清晰端点，让开发者用几行代码就能把「会写、会聊、会编码、能算相似度」的能力接进自己的应用。到了 2024 年，随着 Gemini 成为 Google 的新旗舰，PaLM API 逐步并入 Gemini API（Google AI Studio），完成了它的历史使命——但它仍是理解 Google 生成式 AI 演进与今天 Gemini 生态的重要入口。

一句话认识它：PaLM API 是 Google 在 2023 年推出的大语言与多模态模型开放接口[1]，基于 PaLM 2 模型，提供文本生成（generateText）、聊天（chat.generate）、文本嵌入（embedText）与代码生成等能力[2]。它面向开发者而非终端用户，核心价值在于把 Google 的前沿模型能力，以简单、稳定、可集成的 API 形态开放出来；自 2024 年起，其能力与新模型迭代主要通过 Gemini API 在 Google AI Studio 延续。

2023.05Google I/O 发布
PaLM 2底层主力模型
4+类核心端点能力
2024并入 Gemini API

能力模块网格：一个开发者能从这套 API 里拿到什么

把「一个大模型接口」拆开看，真正可落地的是它背后那一串可被单独调用、也能串成产品的能力模块。PaLM API 围绕生成与理解场景，主要把这些端点摊开在了文档里。

① 文本生成 generateText

给定提示词产出一段连贯文本，用于写摘要、扩写、翻译、营销文案等；支持温度、最大长度等参数控制输出风格与长度。

② 聊天对话 chat.generate

维护多轮上下文的对话端点，适合做客服机器人、陪伴助手与问答界面；消息以角色与内容组织，便于管理历史。

③ 文本嵌入 embedText

把文本编码成向量，用于语义搜索、聚类与相似度匹配；是搭建检索增强（RAG）与推荐系统的底层积木。

④ 代码生成 code-bison

按自然语言需求生成与解释代码、补全函数，可接进 IDE 或后端流水线，充当轻量编程助手与自动化脚本生成器。

⑤ 多模态能力

PaLM 2 具备一定的视觉与推理扩展，部分端点可处理图文输入，为后来的多模态接口奠定了路线与接口设计经验。

⑥ 令牌与配额管理

提供 countMessageTokens 等辅助端点，帮助开发者预估消耗、控制成本；配合 API Key 与项目配额做用量治理。

⑦ MakerSuite 原型环境

配套的可视化工作台，让开发者在浏览器里试提示词、调参数、导出代码，降低从「想法」到「接好接口」的门槛。

⑧ 与 Vertex AI 打通

能力同时可在 Google Cloud 的 Vertex AI 上调用，面向需要企业级合规、私有部署与既有云管体系的团队。

四步走：从拿到密钥到把它接进你的应用

API 类工具最怕「看完文档就走了」。下面这条路径把 PaLM API 从「看看是什么」推进到「真的能调」，你可以只取前两步感受，也可以走完全程上线。

  1. 申请与建项目：在 Google AI Studio（原 MakerSuite）用账号创建项目、生成 API Key，确认所在区域与配额是否满足你的调用预期。
  2. 选端点试调用：在文档里挑一个端点（如 generateText），用 curl 或官方 SDK 发一条最小请求，验证鉴权与返回结构是否正常。
  3. 组织提示与上下文：把业务需求写成稳定提示词，聊天场景用消息角色维护多轮历史，嵌入场景先把语料向量化再建检索。
  4. 接入与治理：把调用封装进你的服务，加上重试、限流与成本监控；需要企业能力时切到 Vertex AI，并规划向 Gemini API 的迁移。

与 Gemini 对比：为什么它会被合并，又凭什么值得了解

要评价 PaLM API，得把它放回「2023 年 Google 给开发者的第一代大模型接口」这个时间定位。下面两栏不是「谁更强」，而是「两条路线的承继关系与适用边界」。

PaLM API 作为早期接口的那一面

  • 模型代次较早：基于 PaLM 2，能力上限与多模态广度低于后来的 Gemini，复杂推理与长上下文偏弱。
  • 定位过渡：作为 Google 第一代开放大模型接口，文档与生态处于搭建期，部分端点后续被重构或下线。
  • 新项目不建议起手：Google 已明确把新能力迭代导向 Gemini API，新接入从 PaLM 起步会多走一段迁移路。

它给开发者留下与承接到 Gemini 的一面

  • 接口范式清晰：文本、聊天、嵌入、代码分层端点的设计，直接影响后续 Gemini API 的调用结构，学习成本可继承。
  • 仍是可用能力：在 Vertex AI 等通道上，PaLM 2 相关模型在过渡期内仍可调用，存量集成不必立刻重写。
  • 理解演进的钥匙：读懂 PaLM API 的能力划分，能更快理解 Gemini 今天的多模态、长上下文与工具调用从何而来。

一段真实的开发者问答：这套 API 怎么用才顺手

下面这段模拟对话，呈现了开发者在评估与接入 PaLM API 时常见的疑问与解答（内容为示意，用于说明接口形态与注意点）。

你（开发者）我想做个站内语义搜索，PaLM API 里该用哪个端点？
PaLM API用 embedText 把文档和查询都编码成向量，再按余弦相似度排序即可，这是典型的检索增强做法。需要我给一段最小调用示例吗？
你（开发者）给一个，另外我担心成本，怎么预估 token？
PaLM API可以用 countMessageTokens 在发送前估算消耗；聊天场景把历史消息数控制住、长文先切片，能明显降本。示例我放代码块里了，注意把 API Key 放服务端，别进前端。
你（开发者）新项目我现在该直接用 PaLM 还是 Gemini？
PaLM API新项目建议直接上 Gemini API，能力更新、文档更全；PaLM 适合维护存量或研究演进。两者调用范式相近，迁移成本可控。

上面是接口形态的示意。PaLM API 的具体端点、参数、配额与可用区域随 Google 政策变动；部分模型已在 Gemini 化过程中下线或重构，新接入务必以 Google AI Studio 与 Vertex AI 的当前文档为准，避免依赖已废弃的端点。

三个最容易踩进去的坑

01

新项目还从 PaLM 起手。Google 已把前沿能力迭代导向 Gemini API，新接入若从 PaLM 起步，多半要走一段迁移路；除非维护存量，否则直接选 Gemini 更省事。

02

密钥进前端。API Key 写进浏览器或客户端代码会被轻易提取、盗刷配额；务必放服务端代理，配合限流与监控，敏感场景再加账户级配额上限。

03

盲信模型输出。文本与代码生成会一本正经地编造细节（幻觉）或给出过时 API；涉及正确性、安全性与合规的内容，人工复核或接工具校验，别直接当事实落地。

常见问答

PaLM API 和 Gemini API 是什么关系？

PaLM API 是 Google 在 2023 年推出的第一代大模型开放接口，基于 PaLM 2；自 2024 年起，Google 将前沿模型迭代导向 Gemini，PaLM API 逐步并入 Gemini API（Google AI Studio）。两者调用范式相近，但 Gemini 在能力、多模态与文档完备度上更全面，新项目应优先选 Gemini。

它现在还能用吗，会不会突然下线？

在过渡期内，PaLM 2 相关模型仍可通过 Vertex AI 等通道调用，存量集成大多可继续运行；但 Google 已明确把新能力导向 Gemini，部分旧端点可能被重构或停用。生产系统建议规划向 Gemini API 的迁移，并关注官方弃用公告。

支持哪些核心能力，适合做什么产品？

核心端点覆盖文本生成、聊天对话、文本嵌入与代码生成，适合做摘要、客服机器人、语义搜索、RAG 知识库、轻量编程助手等。多模态与长上下文的强需求，则更该看 Gemini 的后续能力。

个人开发者能免费试吗？

Google AI Studio 提供免费层与额度供开发者试用与 prototyping，超出后按用量或云端方案计费；具体免费额度、区域与限速以当前官方页面为准。做原型先用免费层验证，再决定付费路径。

和企业里的 Vertex AI 有什么关系？

PaLM 的能力同时可在 Google Cloud 的 Vertex AI 上调取，面向需要企业级合规、私有网络、既有云管与更高保障的团队。简单原型用 AI Studio 即可，涉及企业治理再走 Vertex AI。

调用时要特别注意什么安全项？

最关键的是不要把 API Key 暴露在前端；用服务端代理、限流与配额监控守住成本与滥用风险。此外，模型输出需人工复核，尤其涉及代码正确性与事实性内容，避免直接当成可信结果。

参考资料

  1. 来源：Google AI 官方 PaLM 文档页（端点说明、参数与调用示例）：https://ai.google.dev/palm
  2. 来源：Google 官方博客 — PaLM 2 大语言模型发布说明（模型背景与能力定位）：https://blog.google/technology/ai/google-palm-2-ai-large-language-model/
  3. 来源：维基百科 — PaLM（Pathways 语言模型演进与 PaLM 2 概述）：https://en.wikipedia.org/wiki/PaLM
  4. 来源：Google AI Studio / Gemini 官方站（PaLM 能力向 Gemini API 延续的说明）：https://ai.google.dev
  5. 来源：Google Cloud Vertex AI 文档（企业级模型调用与治理）：https://cloud.google.com/vertex-ai
  6. 来源：arXiv 学术论文《PaLM: Scaling Language Modeling with Pathways》（原始 PaLM 模型技术报告）：https://arxiv.org/abs/2204.02311
  7. 来源：Google Developers Blog（API 使用实践与开发者指南背景）：https://developers.googleblog.com

青衣网络 AI 观察团队 · 最后更新 2026-08-25　|　本文基于 Google 官方公开文档、博客及公开技术资料整理，用于帮助读者理解 PaLM API 的定位、能力与演进；端点、配额、区域可用性及与 Gemini 的合并节奏随时可能调整，实际使用请以 Google AI Studio 与 Vertex AI 当前官方文档为准。