Gemini 2.5 Pro est le profil stable de Google avec réflexion pour la programmation avancée, les mathématiques, les disciplines STEM et l’analyse de longs contextes. Il peut comprendre du texte, de l’audio, des images, de la vidéo et des dépôts de code entiers, et son profil Gemini API accepte également les PDF en entrée. La sortie est textuelle et peut comprendre du code, une analyse écrite ou une fiche structurée. Une tâche utile fournit les éléments probants et demande un résultat vérifiable, par exemple une solution expliquée, un constat dans une base de code ou une comparaison entre plusieurs documents.
Pour la programmation, fournissez les fichiers pertinents, le comportement observé et la modification ou la question qui compte. Un long contexte peut aider le modèle à relier les modules plutôt qu’à raisonner à partir d’un extrait isolé. Pour étudier un chemin d’exécution, demandez-lui de suivre un identifiant depuis un formulaire de saisie, à travers le traitement puis le stockage, de repérer où un contrat change et de proposer une correction ciblée. Préservez les contraintes et demandez les références qui étayent l’analyse. Une révision proposée doit être comparée au code réel et à toute validation effectuée au moyen des outils connectés.
Pour une analyse mathématique ou scientifique, énoncez le problème, les hypothèses, les unités et la forme attendue de la réponse. Fournissez les données ou les figures dont dépend le calcul. Demandez un résultat étayé et les vérifications qui permettent de l’évaluer, par exemple des cas limites ou une comparaison avec les valeurs d’origine. La capacité de raisonnement du modèle ne supprime pas les ambiguïtés de l’énoncé. Laissez apparaître toute quantité inconnue ou hypothèse non étayée au lieu de la remplacer par une valeur commode.
La réflexion dynamique est le réglage par défaut documenté. Le guide Gemini 2.5 GenerateContent prend en charge un budget de raisonnement explicite allant de 128 à 32 768 tokens pour Pro, ou -1 pour une réflexion adaptative. Cette édition ne permet pas de désactiver entièrement la réflexion. Ces réglages diffèrent de l’option à budget nul de Flash et des réglages de niveau de réflexion de Gemini 3. Le budget de réflexion oriente le raisonnement sans garantir un nombre exact de tokens internes, et le plafond de réponse doit également laisser de la place au livrable final.
Pour un travail documentaire multimodal, identifiez les pages, le graphique, la zone d’image ou l’événement de l’enregistrement qui doivent étayer la réponse. Une tâche de synthèse pratique peut demander les affirmations concurrentes de plusieurs documents sources, les passages qui les étayent et les différences pertinentes pour une décision donnée. Demandez au modèle de distinguer un fait énoncé d’une déduction. Pour la vidéo ou l’audio, précisez si le résultat doit être une description, une transcription, un résumé ou une comparaison. Dans ce profil, l’image et le son servent d’éléments probants pour produire un résultat textuel.
La page de l’API consacrée à ce modèle documente les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte URL et les sorties structurées. Définissez le rôle des fonctions et les champs de leurs paramètres, puis conservez les résultats réels lors des échanges suivants. Pour une fiche soumise à un schéma, précisez les champs requis et la manière de représenter les informations manquantes. L’architecture native est un transformeur multimodal à mélange d’experts parcimonieux ; cette conception du modèle ne fournit pas, à elle seule, l’exécution d’un outil externe ou une application achevée au-delà du texte ou du code renvoyé.
La fiche native indique un contexte d’entrée de 1M et une sortie textuelle de 64K ; le tableau API précise 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Les instructions, le contenu source et l’historique conservé contribuent à la préparation de l’entrée. L’allocation maximale de réponse inclut les tokens de raisonnement : un plafond trop faible peut donc interrompre la réponse finale. La mise en cache et le traitement par lots sont documentés, de même que les options Flex et Priority. Conservez chaque identifiant de source et la forme finale demandée lorsque vous préparez des tâches indépendantes à long contexte.
L’identifiant stable est distinct des éditions Experimental et Preview traitées séparément dans la fiche commune du modèle Pro. N’attribuez pas leurs résultats propres à chaque version à ce profil simplement parce qu’elles partagent le nom Pro. La fiche signale des hallucinations possibles et des limites dans la compréhension causale, la déduction complexe et le raisonnement contrefactuel, avec une date limite des connaissances en janvier 2025. Fournissez des éléments actuels lorsque cela compte et examinez les références des sources, les calculs et les modifications proposées. La sortie utile est le livrable textuel ou le code étayé demandé par la tâche.
", "aboutText": "Gemini 2.5 Pro est le profil stable de Google avec réflexion pour la programmation avancée, les mathématiques, les disciplines STEM et l’analyse de longs contextes. Il peut comprendre du texte, de l’audio, des images, de la vidéo et des dépôts de code entiers, et son profil Gemini API accepte également les PDF en entrée. La sortie est textuelle et peut comprendre du code, une analyse écrite ou une fiche structurée. Une tâche utile fournit les éléments probants et demande un résultat vérifiable, par exemple une solution expliquée, un constat dans une base de code ou une comparaison entre plusieurs documents.\n\nPour la programmation, fournissez les fichiers pertinents, le comportement observé et la modification ou la question qui compte. Un long contexte peut aider le modèle à relier les modules plutôt qu’à raisonner à partir d’un extrait isolé. Pour étudier un chemin d’exécution, demandez-lui de suivre un identifiant depuis un formulaire de saisie, à travers le traitement puis le stockage, de repérer où un contrat change et de proposer une correction ciblée. Préservez les contraintes et demandez les références qui étayent l’analyse. Une révision proposée doit être comparée au code réel et à toute validation effectuée au moyen des outils connectés.\n\nPour une analyse mathématique ou scientifique, énoncez le problème, les hypothèses, les unités et la forme attendue de la réponse. Fournissez les données ou les figures dont dépend le calcul. Demandez un résultat étayé et les vérifications qui permettent de l’évaluer, par exemple des cas limites ou une comparaison avec les valeurs d’origine. La capacité de raisonnement du modèle ne supprime pas les ambiguïtés de l’énoncé. Laissez apparaître toute quantité inconnue ou hypothèse non étayée au lieu de la remplacer par une valeur commode.\n\nLa réflexion dynamique est le réglage par défaut documenté. Le guide Gemini 2.5 GenerateContent prend en charge un budget de raisonnement explicite allant de 128 à 32 768 tokens pour Pro, ou -1 pour une réflexion adaptative. Cette édition ne permet pas de désactiver entièrement la réflexion. Ces réglages diffèrent de l’option à budget nul de Flash et des réglages de niveau de réflexion de Gemini 3. Le budget de réflexion oriente le raisonnement sans garantir un nombre exact de tokens internes, et le plafond de réponse doit également laisser de la place au livrable final.\n\nPour un travail documentaire multimodal, identifiez les pages, le graphique, la zone d’image ou l’événement de l’enregistrement qui doivent étayer la réponse. Une tâche de synthèse pratique peut demander les affirmations concurrentes de plusieurs documents sources, les passages qui les étayent et les différences pertinentes pour une décision donnée. Demandez au modèle de distinguer un fait énoncé d’une déduction. Pour la vidéo ou l’audio, précisez si le résultat doit être une description, une transcription, un résumé ou une comparaison. Dans ce profil, l’image et le son servent d’éléments probants pour produire un résultat textuel.\n\nLa page de l’API consacrée à ce modèle documente les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte URL et les sorties structurées. Définissez le rôle des fonctions et les champs de leurs paramètres, puis conservez les résultats réels lors des échanges suivants. Pour une fiche soumise à un schéma, précisez les champs requis et la manière de représenter les informations manquantes. L’architecture native est un transformeur multimodal à mélange d’experts parcimonieux ; cette conception du modèle ne fournit pas, à elle seule, l’exécution d’un outil externe ou une application achevée au-delà du texte ou du code renvoyé.\n\nLa fiche native indique un contexte d’entrée de 1M et une sortie textuelle de 64K ; le tableau API précise 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Les instructions, le contenu source et l’historique conservé contribuent à la préparation de l’entrée. L’allocation maximale de réponse inclut les tokens de raisonnement : un plafond trop faible peut donc interrompre la réponse finale. La mise en cache et le traitement par lots sont documentés, de même que les options Flex et Priority. Conservez chaque identifiant de source et la forme finale demandée lorsque vous préparez des tâches indépendantes à long contexte.\n\nL’identifiant stable est distinct des éditions Experimental et Preview traitées séparément dans la fiche commune du modèle Pro. N’attribuez pas leurs résultats propres à chaque version à ce profil simplement parce qu’elles partagent le nom Pro. La fiche signale des hallucinations possibles et des limites dans la compréhension causale, la déduction complexe et le raisonnement contrefactuel, avec une date limite des connaissances en janvier 2025. Fournissez des éléments actuels lorsque cela compte et examinez les références des sources, les calculs et les modifications proposées. La sortie utile est le livrable textuel ou le code étayé demandé par la tâche.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a411447857809d9cbab7161e9a752da091b6c26e33fec54847a37bca0d1932ee", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-be", "methods": [ { "html": "google/gemini-2.5-pro:batchGemini 2.5 Pro est le modèle stable de Google avec réflexion pour le code complexe, les mathématiques, les disciplines STEM et l’analyse de longs contextes. Il accepte du texte, des images, de l’audio, de la vidéo et des PDF et renvoie du texte, avec des outils et une sortie structurée. Son budget de raisonnement dynamique va de 128 à 32 768 tokens, et la réflexion ne peut pas être entièrement désactivée.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 2.5 Pro est le profil stable de Google avec réflexion pour la programmation avancée, les mathématiques, les disciplines STEM et l’analyse de longs contextes. Il peut comprendre du texte, de l’audio, des images, de la vidéo et des dépôts de code entiers, et son profil Gemini API accepte également les PDF en entrée. La sortie est textuelle et peut comprendre du code, une analyse écrite ou une fiche structurée. Une tâche utile fournit les éléments probants et demande un résultat vérifiable, par exemple une solution expliquée, un constat dans une base de code ou une comparaison entre plusieurs documents.
Pour la programmation, fournissez les fichiers pertinents, le comportement observé et la modification ou la question qui compte. Un long contexte peut aider le modèle à relier les modules plutôt qu’à raisonner à partir d’un extrait isolé. Pour étudier un chemin d’exécution, demandez-lui de suivre un identifiant depuis un formulaire de saisie, à travers le traitement puis le stockage, de repérer où un contrat change et de proposer une correction ciblée. Préservez les contraintes et demandez les références qui étayent l’analyse. Une révision proposée doit être comparée au code réel et à toute validation effectuée au moyen des outils connectés.
Pour une analyse mathématique ou scientifique, énoncez le problème, les hypothèses, les unités et la forme attendue de la réponse. Fournissez les données ou les figures dont dépend le calcul. Demandez un résultat étayé et les vérifications qui permettent de l’évaluer, par exemple des cas limites ou une comparaison avec les valeurs d’origine. La capacité de raisonnement du modèle ne supprime pas les ambiguïtés de l’énoncé. Laissez apparaître toute quantité inconnue ou hypothèse non étayée au lieu de la remplacer par une valeur commode.
La réflexion dynamique est le réglage par défaut documenté. Le guide Gemini 2.5 GenerateContent prend en charge un budget de raisonnement explicite allant de 128 à 32 768 tokens pour Pro, ou -1 pour une réflexion adaptative. Cette édition ne permet pas de désactiver entièrement la réflexion. Ces réglages diffèrent de l’option à budget nul de Flash et des réglages de niveau de réflexion de Gemini 3. Le budget de réflexion oriente le raisonnement sans garantir un nombre exact de tokens internes, et le plafond de réponse doit également laisser de la place au livrable final.
Pour un travail documentaire multimodal, identifiez les pages, le graphique, la zone d’image ou l’événement de l’enregistrement qui doivent étayer la réponse. Une tâche de synthèse pratique peut demander les affirmations concurrentes de plusieurs documents sources, les passages qui les étayent et les différences pertinentes pour une décision donnée. Demandez au modèle de distinguer un fait énoncé d’une déduction. Pour la vidéo ou l’audio, précisez si le résultat doit être une description, une transcription, un résumé ou une comparaison. Dans ce profil, l’image et le son servent d’éléments probants pour produire un résultat textuel.
La page de l’API consacrée à ce modèle documente les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte URL et les sorties structurées. Définissez le rôle des fonctions et les champs de leurs paramètres, puis conservez les résultats réels lors des échanges suivants. Pour une fiche soumise à un schéma, précisez les champs requis et la manière de représenter les informations manquantes. L’architecture native est un transformeur multimodal à mélange d’experts parcimonieux ; cette conception du modèle ne fournit pas, à elle seule, l’exécution d’un outil externe ou une application achevée au-delà du texte ou du code renvoyé.
La fiche native indique un contexte d’entrée de 1M et une sortie textuelle de 64K ; le tableau API précise 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Les instructions, le contenu source et l’historique conservé contribuent à la préparation de l’entrée. L’allocation maximale de réponse inclut les tokens de raisonnement : un plafond trop faible peut donc interrompre la réponse finale. La mise en cache et le traitement par lots sont documentés, de même que les options Flex et Priority. Conservez chaque identifiant de source et la forme finale demandée lorsque vous préparez des tâches indépendantes à long contexte.
L’identifiant stable est distinct des éditions Experimental et Preview traitées séparément dans la fiche commune du modèle Pro. N’attribuez pas leurs résultats propres à chaque version à ce profil simplement parce qu’elles partagent le nom Pro. La fiche signale des hallucinations possibles et des limites dans la compréhension causale, la déduction complexe et le raisonnement contrefactuel, avec une date limite des connaissances en janvier 2025. Fournissez des éléments actuels lorsque cela compte et examinez les références des sources, les calculs et les modifications proposées. La sortie utile est le livrable textuel ou le code étayé demandé par la tâche.
POST /v1/batchestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champendpoint | Typestring | ExigenceObligatoire | Valeurs et limites /v1/chat/completions | Par défaut— |
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemini-2.5-pro:batch | Par défaut— |
Champrequests | Typebatch_item[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champrequests[].custom_id | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champrequests[].body.messages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champcompletion_window | Typestring | ExigenceFacultatif | Valeurs et limites 24h | Par défaut— |
Champprovider | Typeobject|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champrequests[].body.model | Typestring | ExigenceFacultatif | Valeurs et limites google/gemini-2.5-pro:batch, google/gemini-2.5-pro | Par défaut— |
Champprovider.only | Typestring[] | ExigenceFacultatif | Valeurs et limites google-vertex/global | Par défaut— |
Champprovider.allow_fallbacks | Typeboolean|null | ExigenceFacultatif | Valeurs et limites false, null | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratendpoint, model, requests |
Paramètrematerial_types | Contrattext |
Paramètrerepresentation | Contratrequests[] intégré ; chaque élément comporte custom_id et body |
Paramètrerequest_endpoint_profile | Contrat/v1/chat/completions |
Paramètrefile_material | ContratL’appelant peut charger localement le contenu JSONL UTF-8 effectif dans requests[]. Aucun paramètre purpose de téléversement, input_file_id ni référence à un fichier n’est utilisé. Si les données du client sont absentes ou vides, la préparation s’arrête avant le POST. |
Paramètreserialization_order | Contratendpoint, model, provider (si fourni), completion_window (si fourni), requests en dernier |
Paramètreoptional_controls | Contratprovider.only, provider.allow_fallbacks, completion_window |
Paramètreschema_scope | ContratCorps de requêtes Chat Completions textuelles dans l’enveloppe Batch intégrée documentée. |
Cycle de vie : asynchronous
GET /v1/batches/{operation_id} · response.id effectivement renvoyé lors de la création d’origine ; même utilisateur, même clé et même groupe
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.00125 / 1K tokens Sortie · Tokens en sortie $0.01 / 1K tokens Entrée · Lecture du cache $0.00025 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse200 000 | Coût Entrée · Tokens en entrée $0.00125 / 1K tokens Sortie · Tokens en sortie $0.01 / 1K tokens Entrée · Lecture du cache $0.00025 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de200 000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0025 / 1K tokens Sortie · Tokens en sortie $0.015 / 1K tokens Entrée · Lecture du cache $0.0005 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-pro: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 supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-2.5-pro:batch', 'google/gemini-2.5-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-2.5-pro: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"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON results[].response.body intégré
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\nConservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez l’intégralité du JSON de statut d’origine, chaque résultat/custom_id et le corps complet de la réponse ou de l’erreur. Enregistrez les results[] terminés au format JSONL sans filtrage.
Conservez l’identifiant de l’opération d’origine. La réponse 503 result_pending_check contient X-Should-Retry:false ; ne soumettez jamais à nouveau un lot d’origine dont l’issue est inconnue.
| Champ | Type |
|---|---|
Champresults[].custom_id | Typestring |
Champresults[].response.body.choices[].message.content | Typestring|null |
Champresults[].error | Typeobject|null |
Champusage | Typeobject|null |
Champid | Typestring |
Champmodel | Typestring |
Champendpoint | Typestring |
Champstatus | Typestring |
Champrequest_counts | Typeobject |
Champresults[].id | Typestring |
Champresults[].response.status_code | Typeinteger |
Champresults[].response.request_id | Typestring |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionEnveloppe intégrée documentée invalide, clés dupliquées, identité d’élément incorrecte ou conflit avec les capacités configurées du modèle. | Étape suivanteCorrigez les champs indiqués avant toute nouvelle soumission. |
Réponse401 · authentication_error | ConditionClé API invalide. | Étape suivanteUtilisez la clé Ailoot autorisée. |
Réponse403 · permission_error | ConditionGroupe de traitement par lots indisponible. | Étape suivanteVérifiez les droits d’accès de la clé/du groupe. |
Réponse422 · invalid_request_error | ConditionLe traitement par lots est facturé sur le solde ; la création via un abonnement est refusée. | Étape suivanteUtilisez le groupe autorisé dont la facturation est prélevée sur le solde. |
Réponse422 · price_unavailable | ConditionImpossible d’établir un devis pour les données d’entrée du traitement par lots. | Étape suivanteConservez la réponse ; utilisez les données d’entrée documentées pour cette famille. |
Réponse402 · billing_error | ConditionRéserve pour le traitement par lots indisponible. | Étape suivanteRéglez les conditions d’admission avant une nouvelle requête. |
Réponse503 · price_unavailable | ConditionPrix de la méthode Batch/tarifs natifs indisponibles. | Étape suivanteConservez la réponse ; ne substituez pas d’autres prix. |
Réponse503 · api_error | ConditionRoute exacte du fournisseur indisponible. | Étape suivanteConservez la réponse pour réparer la route. |
Réponse503 · result_pending_check | ConditionLe résultat d’origine nécessite une vérification ; X-Should-Retry:false. | Étape suivanteConservez l’operation_id/id d’origine et consultez son statut ; ne répétez jamais le POST d’origine. |
Réponse404 · not_found | ConditionOpération de suivi du traitement par lots absente ou appartenant à une autre identité. | Étape suivanteUtilisez l’id exact d’origine avec le même utilisateur, la même clé et le même groupe. |
Ailoot Ultra google/gemini-2.5-pro:batch
Utilisez les chemins de méthode indiqués ci-dessus.