Gemini 2.5 Flash er Googles stabile hybride ræsonnementsprofil til alsidigt multimodalt arbejde og agenters brug af værktøjer. Den tilbyder svar med og uden tænkning til multimodale opgaver i stor skala, som kræver forskellige niveauer af ræsonnement. Tekst, billeder, lyd og video bidrager til et tekstsvar. Dokumentinput er også beskrevet i Googles modelspecifikke cloudprofil. Et nyttigt resultat kan være en dokumentsammenligning, en fortolket graf, et transkript, kode eller en struktureret post.
Udgavens styring af ræsonnement bruger thinkingBudget. Dynamisk tænkning er standard; indstillingen -1 lader modellen tilpasse sit ræsonnement til opgavens kompleksitet. Et eksplicit budget kan gå fra nul til 24.576 tokens, og nul slår tænkning fra. Vælg et budget, der passer til det faktiske problem, frem for at tildele samme indsats til en enkel kategorisering og en analyse med flere betingelser. Vejledningen behandler budgettet som en rettesnor, og det native kort bemærker, at det muligvis ikke følges præcist.
Ved en dokument- eller dataopgave skal du definere spørgsmålet, de påkrævede felter og den dokumentation, der skal ledsage resultatet. Ved en kravsammenligning skal du sammenligne to specifikationer og returnere det ændrede krav, dets kildepassage og virkningen på en angivet arbejdsgang. Struktureret output er nyttigt, når hvert fund skal have samme poststruktur. Hvis kilden giver flere mulige værdier eller lader et felt stå åbent, skal du bevare usikkerheden frem for at tvinge ét plausibelt svar frem. Gennemgå de returnerede værdier i forhold til de indsendte sider eller data.
Ved visuelt materiale eller lyd skal du angive det relevante objekt, den relevante etiket, hændelse eller passage i optagelsen. Bed om den nødvendige teksttype: synlige værdier fra en graf, en beskrivelse af en hændelse, et transkript eller en sammenfatning. Det er forskellige resultater, og instruktionen skal angive, hvilket der skal produceres. Det fælles native kort omfatter Flash Image og Flash Audio som særskilt navngivne muligheder; deres genererede billed- og taleoutput er ikke en del af denne stabile tekstprofil.
Googles specifikke cloudprofil dokumenterer PDF- og klartekstinput med grænser for den enkelte grænseflade: 50 MB pr. PDF importeret via API'et og op til 3.000 sider pr. fil samt en grænse på 7 MB for klartekstfiler. Profilen beskriver også cirka 45 minutters video med lyd eller én time uden lyd og cirka 8,4 timers lyd inden for inputrammen på en million tokens. Det er de angivne begrænsninger for cloudgrænsefladen, adskilt fra modellens generelle tokenvindue. Forbered det relevante afsnit og kildeformat frem for at antage, at alle filtyper eller uploadveje har samme grænse.
Den modelspecifikke Gemini API-tabel angiver function calling, kodeudførelse, filsøgning, search grounding, Maps grounding, URL-kontekst og strukturerede output. Definer hver funktions rolle og parameterstruktur, og fortsæt ud fra det faktisk returnerede resultat. En model kan anmode om en handling, mens den tilsluttede applikation udfører den. Bevar den nødvendige thought-signature-kontekst, når du fortsætter en ræsonnementsopgave i grænsefladen uden tilstand. Et struktureret svar eller et funktionsforslag dokumenterer ikke i sig selv, at en ekstern handling lykkedes.
Det native modelkort angiver 1M kontekst og 64K tekstoutput, mens den modelspecifikke API-tabel specificerer 1.048.576 inputtokens og 65.536 outputtokens. En svargrænse omfatter tænketokens, så en for lille grænse kan efterlade det endelige svar afkortet eller tomt. Bed om et resultat, der passer til outputrammen, og brug ræsonnementsbudgettet til at styre indsatsen. Caching, batch-, Flex- og Priority-behandling er dokumenteret for denne producentprofil. Bevar elementidentifikatorer, når du forbereder flere uafhængige poster.
Den stabile udgave er fortsat adskilt fra Flash Preview-varianter og senere Gemini 3-modeller. Kortet beskriver mulige hallucinationer, begrænsninger i årsagsforståelse og kompleks logisk eller kontrafaktisk ræsonneren samt en vidensgrænse i januar 2025. Lever aktuelle kilder, når en opgave afhænger af nyere oplysninger. Kontroller beregninger, udtrukne værdier, transkripter og foreslået kode mod den faktiske kilde eller det faktiske udførelsesresultat. Hybrid tænkning er nyttig, når den understøtter det konkrete resultat frem for at erstatte gennemgangen af det.
", "aboutText": "Gemini 2.5 Flash er Googles stabile hybride ræsonnementsprofil til alsidigt multimodalt arbejde og agenters brug af værktøjer. Den tilbyder svar med og uden tænkning til multimodale opgaver i stor skala, som kræver forskellige niveauer af ræsonnement. Tekst, billeder, lyd og video bidrager til et tekstsvar. Dokumentinput er også beskrevet i Googles modelspecifikke cloudprofil. Et nyttigt resultat kan være en dokumentsammenligning, en fortolket graf, et transkript, kode eller en struktureret post.\n\nUdgavens styring af ræsonnement bruger thinkingBudget. Dynamisk tænkning er standard; indstillingen -1 lader modellen tilpasse sit ræsonnement til opgavens kompleksitet. Et eksplicit budget kan gå fra nul til 24.576 tokens, og nul slår tænkning fra. Vælg et budget, der passer til det faktiske problem, frem for at tildele samme indsats til en enkel kategorisering og en analyse med flere betingelser. Vejledningen behandler budgettet som en rettesnor, og det native kort bemærker, at det muligvis ikke følges præcist.\n\nVed en dokument- eller dataopgave skal du definere spørgsmålet, de påkrævede felter og den dokumentation, der skal ledsage resultatet. Ved en kravsammenligning skal du sammenligne to specifikationer og returnere det ændrede krav, dets kildepassage og virkningen på en angivet arbejdsgang. Struktureret output er nyttigt, når hvert fund skal have samme poststruktur. Hvis kilden giver flere mulige værdier eller lader et felt stå åbent, skal du bevare usikkerheden frem for at tvinge ét plausibelt svar frem. Gennemgå de returnerede værdier i forhold til de indsendte sider eller data.\n\nVed visuelt materiale eller lyd skal du angive det relevante objekt, den relevante etiket, hændelse eller passage i optagelsen. Bed om den nødvendige teksttype: synlige værdier fra en graf, en beskrivelse af en hændelse, et transkript eller en sammenfatning. Det er forskellige resultater, og instruktionen skal angive, hvilket der skal produceres. Det fælles native kort omfatter Flash Image og Flash Audio som særskilt navngivne muligheder; deres genererede billed- og taleoutput er ikke en del af denne stabile tekstprofil.\n\nGoogles specifikke cloudprofil dokumenterer PDF- og klartekstinput med grænser for den enkelte grænseflade: 50 MB pr. PDF importeret via API'et og op til 3.000 sider pr. fil samt en grænse på 7 MB for klartekstfiler. Profilen beskriver også cirka 45 minutters video med lyd eller én time uden lyd og cirka 8,4 timers lyd inden for inputrammen på en million tokens. Det er de angivne begrænsninger for cloudgrænsefladen, adskilt fra modellens generelle tokenvindue. Forbered det relevante afsnit og kildeformat frem for at antage, at alle filtyper eller uploadveje har samme grænse.\n\nDen modelspecifikke Gemini API-tabel angiver function calling, kodeudførelse, filsøgning, search grounding, Maps grounding, URL-kontekst og strukturerede output. Definer hver funktions rolle og parameterstruktur, og fortsæt ud fra det faktisk returnerede resultat. En model kan anmode om en handling, mens den tilsluttede applikation udfører den. Bevar den nødvendige thought-signature-kontekst, når du fortsætter en ræsonnementsopgave i grænsefladen uden tilstand. Et struktureret svar eller et funktionsforslag dokumenterer ikke i sig selv, at en ekstern handling lykkedes.\n\nDet native modelkort angiver 1M kontekst og 64K tekstoutput, mens den modelspecifikke API-tabel specificerer 1.048.576 inputtokens og 65.536 outputtokens. En svargrænse omfatter tænketokens, så en for lille grænse kan efterlade det endelige svar afkortet eller tomt. Bed om et resultat, der passer til outputrammen, og brug ræsonnementsbudgettet til at styre indsatsen. Caching, batch-, Flex- og Priority-behandling er dokumenteret for denne producentprofil. Bevar elementidentifikatorer, når du forbereder flere uafhængige poster.\n\nDen stabile udgave er fortsat adskilt fra Flash Preview-varianter og senere Gemini 3-modeller. Kortet beskriver mulige hallucinationer, begrænsninger i årsagsforståelse og kompleks logisk eller kontrafaktisk ræsonneren samt en vidensgrænse i januar 2025. Lever aktuelle kilder, når en opgave afhænger af nyere oplysninger. Kontroller beregninger, udtrukne værdier, transkripter og foreslået kode mod den faktiske kilde eller det faktiske udførelsesresultat. Hybrid tænkning er nyttig, når den understøtter det konkrete resultat frem for at erstatte gennemgangen af det.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "00155f5c56c9d49faeda1972f4671e98dc04e333eb26b4f9454b830c3fb92b2f", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "google/gemini-2.5-flash:batchGemini 2.5 Flash er Googles stabile hybride ræsonnementsmodel til multimodal analyse og agentopgaver. Det dynamiske tænkebudget kan indstilles fra 0 til 24.576 tokens, inklusive en slukket tilstand. Tekst, billeder, lyd, video og dokumenter bliver til tekst eller strukturerede resultater med en dokumenteret inputgrænse på 1.048.576 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Gemini 2.5 Flash er Googles stabile hybride ræsonnementsprofil til alsidigt multimodalt arbejde og agenters brug af værktøjer. Den tilbyder svar med og uden tænkning til multimodale opgaver i stor skala, som kræver forskellige niveauer af ræsonnement. Tekst, billeder, lyd og video bidrager til et tekstsvar. Dokumentinput er også beskrevet i Googles modelspecifikke cloudprofil. Et nyttigt resultat kan være en dokumentsammenligning, en fortolket graf, et transkript, kode eller en struktureret post.
Udgavens styring af ræsonnement bruger thinkingBudget. Dynamisk tænkning er standard; indstillingen -1 lader modellen tilpasse sit ræsonnement til opgavens kompleksitet. Et eksplicit budget kan gå fra nul til 24.576 tokens, og nul slår tænkning fra. Vælg et budget, der passer til det faktiske problem, frem for at tildele samme indsats til en enkel kategorisering og en analyse med flere betingelser. Vejledningen behandler budgettet som en rettesnor, og det native kort bemærker, at det muligvis ikke følges præcist.
Ved en dokument- eller dataopgave skal du definere spørgsmålet, de påkrævede felter og den dokumentation, der skal ledsage resultatet. Ved en kravsammenligning skal du sammenligne to specifikationer og returnere det ændrede krav, dets kildepassage og virkningen på en angivet arbejdsgang. Struktureret output er nyttigt, når hvert fund skal have samme poststruktur. Hvis kilden giver flere mulige værdier eller lader et felt stå åbent, skal du bevare usikkerheden frem for at tvinge ét plausibelt svar frem. Gennemgå de returnerede værdier i forhold til de indsendte sider eller data.
Ved visuelt materiale eller lyd skal du angive det relevante objekt, den relevante etiket, hændelse eller passage i optagelsen. Bed om den nødvendige teksttype: synlige værdier fra en graf, en beskrivelse af en hændelse, et transkript eller en sammenfatning. Det er forskellige resultater, og instruktionen skal angive, hvilket der skal produceres. Det fælles native kort omfatter Flash Image og Flash Audio som særskilt navngivne muligheder; deres genererede billed- og taleoutput er ikke en del af denne stabile tekstprofil.
Googles specifikke cloudprofil dokumenterer PDF- og klartekstinput med grænser for den enkelte grænseflade: 50 MB pr. PDF importeret via API'et og op til 3.000 sider pr. fil samt en grænse på 7 MB for klartekstfiler. Profilen beskriver også cirka 45 minutters video med lyd eller én time uden lyd og cirka 8,4 timers lyd inden for inputrammen på en million tokens. Det er de angivne begrænsninger for cloudgrænsefladen, adskilt fra modellens generelle tokenvindue. Forbered det relevante afsnit og kildeformat frem for at antage, at alle filtyper eller uploadveje har samme grænse.
Den modelspecifikke Gemini API-tabel angiver function calling, kodeudførelse, filsøgning, search grounding, Maps grounding, URL-kontekst og strukturerede output. Definer hver funktions rolle og parameterstruktur, og fortsæt ud fra det faktisk returnerede resultat. En model kan anmode om en handling, mens den tilsluttede applikation udfører den. Bevar den nødvendige thought-signature-kontekst, når du fortsætter en ræsonnementsopgave i grænsefladen uden tilstand. Et struktureret svar eller et funktionsforslag dokumenterer ikke i sig selv, at en ekstern handling lykkedes.
Det native modelkort angiver 1M kontekst og 64K tekstoutput, mens den modelspecifikke API-tabel specificerer 1.048.576 inputtokens og 65.536 outputtokens. En svargrænse omfatter tænketokens, så en for lille grænse kan efterlade det endelige svar afkortet eller tomt. Bed om et resultat, der passer til outputrammen, og brug ræsonnementsbudgettet til at styre indsatsen. Caching, batch-, Flex- og Priority-behandling er dokumenteret for denne producentprofil. Bevar elementidentifikatorer, når du forbereder flere uafhængige poster.
Den stabile udgave er fortsat adskilt fra Flash Preview-varianter og senere Gemini 3-modeller. Kortet beskriver mulige hallucinationer, begrænsninger i årsagsforståelse og kompleks logisk eller kontrafaktisk ræsonneren samt en vidensgrænse i januar 2025. Lever aktuelle kilder, når en opgave afhænger af nyere oplysninger. Kontroller beregninger, udtrukne værdier, transkripter og foreslået kode mod den faktiske kilde eller det faktiske udførelsesresultat. Hybrid tænkning er nyttig, når den understøtter det konkrete resultat frem for at erstatte gennemgangen af det.
POST /v1/batchestexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltendpoint | Typestring | KravPåkrævet | Værdier og grænser /v1/chat/completions | Standard— |
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser google/gemini-2.5-flash:batch | Standard— |
Feltrequests | Typebatch_item[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltrequests[].custom_id | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltrequests[].body.messages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltcompletion_window | Typestring | KravValgfrit | Værdier og grænser 24h | Standard— |
Feltprovider | Typeobject|null | KravValgfrit | Værdier og grænser | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktendpoint, model, requests |
Parametermaterial_types | Kontrakttext |
Parameterrepresentation | Kontraktrequests[] direkte i anmodningen; hvert element har custom_id og body |
Parameterrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parameterfile_material | KontraktDen kaldende part kan læse det faktiske JSONL-indhold i UTF-8 lokalt ind i requests[]. Der angives hverken purpose til upload, input_file_id eller en filreference. Hvis kundematerialet mangler eller er tomt, stoppes forberedelsen før POST. |
Parameterserialization_order | Kontraktendpoint, model, provider (hvis angivet), completion_window (hvis angivet), requests til sidst |
Parameteroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | KontraktAnmodningsindhold for Chat Completions med tekst i den dokumenterede inline Batch-struktur. |
Livscyklus: asynchronous
GET /v1/batches/{operation_id} · det faktiske response.id fra den oprindelige oprettelse; samme bruger/nøgle/gruppe
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0003 / 1K tokens Output · Outputtokens $0.0025 / 1K tokens Input · Cachelæsning $0.00006 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0003 / 1K tokens Output · Outputtokens $0.0025 / 1K tokens Input · Cachelæsning $0.00006 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-2.5-flash:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-2.5-flash:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nJSON direkte i results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nGem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Behold hvert resultat, hele svar- eller fejlindholdet, hvert valg og det samlede forbrug.
Gem det oprindelige operations-ID. 503 result_pending_check har X-Should-Retry:false; send aldrig en oprindelig batch igen, hvis dens udfald er ukendt.
| Felt | Type |
|---|---|
Feltresults[].custom_id | Typestring |
Feltresults[].response.body.choices[].message.content | Typestring|null |
Feltresults[].error | Typeobject|null |
Feltusage | Typeobject|null |
Ailoot Ultra google/gemini-2.5-flash:batch
Brug metodestierne vist ovenfor.