6 月 26 日消息，谷歌正式发布了 Gemini CLI，这是其 AI 助手在终端环境下的一个版本。这款工具亮点颇多，尤其是它提供了非常慷慨的免费使用配额，支持每分钟 60 次、每天 1000 次的模型调用 。

在 2 月 Anthropic 发布 Claude Code、4 月 OpenAI 推出 Codex CLI 之后，谷歌于 6 月推出 Gemini CLI，至此，三大 AI 实验室均发布了各自的 “终端智能体” 工具。这类 CLI 工具可以读取、修改文件，并在终端中代表用户执行命令。原本不少人以为这类终端工具受众有限，但实际上，不少开发者每月在 Claude Code 上的花费高达数百甚至数千美元，说明这个市场比想象中更为庞大和重要。

相比 Claude Code，谷歌在 Gemini CLI 的定价策略上显得十分 “豪横”。用户使用个人 Google 账号登录，即可免费获得 Gemini Code Assist 许可，解锁 Gemini 2.5 Pro 模型和百万 token 上下文窗口。在预览期间，谷歌提供了业界极为宽松的调用配额，全部免费。

目前，社区对 Gemini CLI 的关注重点聚焦于其超大免费配额。有评论者认为这会给 Anthropic 带来巨大压力，也有人觉得这将引发真正的竞争。此外，Gemini CLI 和 OpenAI Codex CLI 一样是开源的（使用 Apache 2.0 许可），在发布不到一天的时间里，就获得了 15.1k 星。

Gemini CLI 功能丰富，涵盖代码编写、问题调试、项目管理、文档查询以及代码解释。它还连接了 MCP（模型上下文协议）服务器，具备 Agentic AI 能力。而且，该工具可与任何编辑器或 IDE 搭配使用，支持多实例并发运行，部分开发者认为命令行交互的效率更高。它支持 Mac、Linux（包括 ChromeOS）和 Windows 平台，在 Windows 上为原生实现，无需依赖 Windows 子系统（WSL）。开发者能够通过在项目根目录添加名为 gemini.md 的文本文件来自定义上下文和参数，谷歌高级工程师 Tayor Mullen 表示，当 CLI 检测到 “值得长期保存的细节” 时，也会自动将其写入该文件。

从它的 system prompt 中，能看到一些代码注释原则等内容，例如注释要谨慎添加，重点说明 “为什么” 这么做，尤其是处理复杂逻辑时，而不是解释 “做了什么”；只有在确实能提升可读性或用户明确要求时，才添加高价值注释；请勿修改与更改无关的注释，也不要通过注释与用户交流或说明更改 。系统默认使用的技术栈也具有参考价值，在用户未指定技术偏好时，针对不同开发场景有相应的默认建议，如 Web 前端推荐使用 React（JavaScript/TypeScript）+ Bootstrap CSS，结合 Material Design 设计规范等。

Gemini CLI 接入的是谷歌先进的编码与推理模型 Gemini 2.5 Pro，具备代码理解、文件操作、命令执行和动态故障排查等能力，能全面提升命令行的使用体验。用户可以通过自然语言编写代码、调试问题，并优化工作流程。它还能基于 MCP 调用其他谷歌服务，在终端中生成图像或视频，实现从编码到创作的一体化体验。

在发布会上，Gemini CLI 展示的一体化演示和背后的技术理念，揭示了其关键定位 —— 不仅是一个写代码的工具，而是一个连接多模态智能、打通编码与创作的 “终端智能体”，这一理念在 Gemini 2.5 Pro 模型的选择上也有所体现。Gemini 2.5 Pro 并非为代码任务特别训练的 “代码专用模型”，而是一个覆盖更广泛能力边界的通用模型。

产品负责人 Connie Fan 和研究负责人 Danny Tarlow 分享了背后的思考。Connie Fan 认为，虽然特定任务能从专用模型中受益，比如 Cursor 训练的代码补全模型在特定窄用例里表现出色，但大多数现实世界的开发任务，编码需求并不局限于代码本身。例如 “帮我做一个泰勒・斯威夫特歌曲排行榜 app” 这类请求，需要模型理解上下文、具备常识，甚至有 UI/UX 审美。Danny Tarlow 进一步指出，“代码” 涵盖软件开发的各个环节，涉及多种信息源，只强化代码能力而削弱其他能力会限制模型表现，通用模型上的协同发展，寻求不同能力的融合和平衡，打造 “通才型” 模型才是更优路径。

实际上，已有越来越多开发者注意到 Gemini 2.5 Pro 在代码生成和理解方面的显著提升。在以往 Claude 占据主导的讨论氛围中，现在也有不少人开始讨论 “Gemini 要逆袭了吗？”“Google 要翻盘了吗？” 等话题。有开发者分享开发体验称，在约 50 万行代码规模的项目中，Claude Code 生成的代码质量 “远远不如 CLI + Gemini 2.5 Pro”，若要达到同等效果，Claude 需要开发者全程紧盯；还有开发者表示，在 Trae 上使用 Gemini 2.5 Pro 编程的完成率大幅超过 Claude 3.7，且 Gemini 修复 bug 的速度明显快于 Claude Code。例如在处理一个 3D 渲染问题时，Claude Code 花了两个小时还未解决 bug，而 Gemini 2.5 Pro 只用 5 分钟就搞定了。

Gemini 2.5 Pro 能获得良好口碑，关键在于 “数据” 和 “方法论” 两方面的系统性演进。从数据角度看，“代码仓库上下文” 变得关键，模型目标是理解并修改大型代码库，谷歌借助内部工程师的反馈，覆盖更广泛使用场景，提升了模型与 “专业开发者细腻口味” 的匹配能力。从研究角度看，Gemini 团队探索双路线，一方面持续扩展上下文长度，另一方面发展具有自主搜索、推理能力的 agentic 编程模型，模仿人类开发者在大代码库中的工作方式，甚至追求突破人类经验限制，发展全新解法。

正因如此，不少开发者开始重视谷歌在这场 AI 编程竞赛中的回归。虽然 Gemini 是否 “翻盘” 还不确定，但 “赶超” 的信号已越来越明显。