Google: Gemini 2.5 Pro (batch)

Gemini 2.5 Pro ist Googles stabiles Denkprofil für fortgeschrittene Programmierung, Mathematik, MINT-Fächer und Analysen mit langem Kontext. Es kann Text, Audio, Bilder, Video und ganze Code-Repositories verstehen; sein Gemini API-Profil akzeptiert ausserdem PDF-Eingaben. Die Ausgabe ist Text einschliesslich Code, schriftlicher Analyse oder eines strukturierten Datensatzes. Ein hilfreicher Auftrag stellt Belege bereit und verlangt ein prüfbares Ergebnis, etwa eine erläuterte Lösung, eine Feststellung zur Codebasis oder einen Vergleich mehrerer Dokumente.

Stellen Sie für die Programmierung die relevanten Dateien, das beobachtete Verhalten und die wichtige Änderung oder Frage bereit. Langer Kontext kann dem Modell helfen, Module miteinander in Beziehung zu setzen, statt aus einem einzelnen isolierten Ausschnitt zu schliessen. Bitten Sie bei der Untersuchung eines Codepfads darum, eine Kennung von einem Eingabeformular durch Verarbeitung und Speicherung nachzuverfolgen, die Stelle einer Vertragsänderung zu ermitteln und eine gezielte Korrektur vorzuschlagen. Erhalten Sie Bedingungen und verlangen Sie stützende Verweise. Eine vorgeschlagene Überarbeitung muss mit dem tatsächlichen Code und einer etwaigen Validierung durch angebundene Werkzeuge verglichen werden.

Formulieren Sie für Mathematik oder wissenschaftliche Analyse Problem, Annahmen, Einheiten und die verlangte Antwortform. Stellen Sie Daten oder Abbildungen bereit, von denen die Berechnung abhängt. Verlangen Sie das gestützte Ergebnis und Prüfungen, die es bewertbar machen, etwa Grenzfälle oder einen Vergleich mit Originalwerten. Die Denkfähigkeit des Modells beseitigt keine Mehrdeutigkeit der Aufgabenstellung. Halten Sie eine unbekannte Grösse oder unbelegte Annahme sichtbar, statt sie durch einen bequemen Wert zu ersetzen.

Dynamisches Denken ist der dokumentierte Standard. Der Gemini 2.5 GenerateContent-Leitfaden unterstützt für Pro ein ausdrückliches Denkbudget von 128 bis 32’768 Token oder -1 für adaptives Denken. Diese Edition kann Denken nicht vollständig deaktivieren. Diese Steuerungen unterscheiden sich von der Nullbudgetoption von Flash und den Denkstufeneinstellungen von Gemini 3. Das Denkbudget lenkt den Denkprozess, statt eine genaue interne Tokenanzahl zu garantieren; eine Antwortgrenze muss ausserdem Raum für das Endergebnis lassen.

Bestimmen Sie für multimodale Dokumentarbeit die Seiten, das Diagramm, den Bildbereich oder das Aufnahmeereignis, die die Antwort stützen sollen. Eine praktische Zusammenführungsaufgabe kann die konkurrierenden Aussagen mehrerer Quelldokumente, ihre stützenden Passagen und die für eine Entscheidung wichtigen Unterschiede verlangen. Bitten Sie das Modell, eine ausdrücklich genannte Tatsache von einer Schlussfolgerung zu unterscheiden. Legen Sie bei Video oder Audio fest, ob das Ergebnis eine Beschreibung, ein Transkript, eine Zusammenfassung oder ein Vergleich sein soll. Bild und Ton sind in diesem Profil Belege für ein Textergebnis.

Die genaue API-Seite dokumentiert Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding, URL-Kontext und strukturierte Ausgaben. Definieren Sie Funktionszwecke und Parameterfelder und erhalten Sie die tatsächlichen Ergebnisse in späteren Gesprächsschritten. Bestimmen Sie für einen schemabegrenzten Datensatz die erforderlichen Felder und die Darstellung fehlender Informationen. Die native Architektur ist ein multimodaler Sparse-Mixture-of-Experts-Transformer; dieser Modellentwurf stellt für sich weder eine externe Werkzeugausführung noch eine fertige Anwendung über den zurückgegebenen Text oder Code hinaus bereit.

Die native Modellkarte nennt 1M Eingabekontext und 64K Textausgabe; die API-Tabelle legt 1’048’576 Eingabetoken und 65’536 Ausgabetoken fest. Anweisungen, Quellinhalt und erhaltener Verlauf zählen zur Eingabevorbereitung. Ein maximales Antwortbudget umfasst Denktoken, weshalb eine zu kleine Grenze die abschliessende Antwort unterbrechen kann. Caching und Stapelverarbeitung sind dokumentiert, zusammen mit den Optionen Flex und Priority. Erhalten Sie bei der Vorbereitung unabhängiger Aufgaben mit langem Kontext jede Quellkennung und die verlangte endgültige Form.

Die stabile Kennung unterscheidet sich von den Experimental- und Preview-Editionen, die in der gemeinsamen Pro-Modellkarte getrennt behandelt werden. Schreiben Sie ihre versionsspezifischen Ergebnisse nicht allein wegen des gemeinsamen Pro-Namens diesem Profil zu. Die Karte nennt mögliche Halluzinationen und Grenzen beim Kausalverständnis, komplexen Schlussfolgern und kontrafaktischen Denken sowie einen Wissensstand bis Januar 2025. Stellen Sie bei Bedarf aktuelle Belege bereit und prüfen Sie Quellenverweise, Berechnungen und vorgeschlagene Änderungen. Die hilfreiche Ausgabe ist das verlangte belegte Text- oder Codeergebnis.