Gemini 2.5 Flash est le profil stable de Google à raisonnement hybride pour un travail multimodal polyvalent et l’utilisation d’outils par des agents. Il propose des réponses avec ou sans réflexion pour les tâches multimodales à grande échelle qui nécessitent différents niveaux de raisonnement. Le texte, les images, l’audio et la vidéo contribuent à une réponse textuelle. L’entrée de documents est également décrite dans le profil cloud de Google propre à ce modèle. Un résultat utile peut être une comparaison de documents, l’interprétation d’un graphique, une transcription, du code ou une fiche structurée.
Le contrôle du raisonnement de cette édition utilise thinkingBudget. La réflexion dynamique est le mode par défaut ; un réglage de -1 laisse le modèle adapter son raisonnement à la complexité de la tâche. Un budget explicite peut aller de zéro à 24 576 tokens, et zéro désactive la réflexion. Choisissez un budget adapté au problème réel plutôt que d’attribuer le même effort à une simple catégorisation et à une analyse soumise à plusieurs conditions. Le guide présente le budget comme une indication, et la fiche native précise que son respect peut ne pas être exact.
Pour une tâche documentaire ou portant sur des données, définissez la question, les champs requis et les éléments probants qui doivent accompagner le résultat. Pour une comparaison d’exigences, comparez deux spécifications et renvoyez l’exigence modifiée, le passage source correspondant et son effet sur un processus défini. Une sortie structurée est utile lorsque chaque constat doit suivre le même format de fiche. Si la source donne plusieurs valeurs possibles ou laisse un champ ouvert, préservez cette incertitude au lieu d’imposer une seule réponse plausible. Vérifiez les valeurs renvoyées dans les pages ou les données fournies.
Pour les contenus visuels ou audio, identifiez l’objet, le libellé, l’événement ou le passage de l’enregistrement pertinent. Demandez le type de texte nécessaire : les valeurs visibles d’un graphique, la description d’un événement, une transcription ou un résumé. Ces livrables sont différents, et l’instruction doit préciser lequel produire. La fiche native commune présente Flash Image et Flash Audio comme des capacités nommées séparément ; leurs sorties d’images et de voix générées ne font pas partie de ce profil textuel stable.
Le profil cloud de Google pour ce modèle précis documente les entrées PDF et texte brut avec des limites propres à l’interface : 50 MB par PDF importé via l’API et jusqu’à 3 000 pages par fichier, avec une limite de 7 MB pour un fichier texte brut. Ce profil décrit également environ 45 minutes de vidéo avec audio ou une heure sans audio, et environ 8,4 heures d’audio dans l’enveloppe d’entrée d’un million de tokens. Il s’agit des contraintes indiquées pour l’interface cloud, distinctes de la fenêtre générale de tokens du modèle. Préparez la section pertinente et le format source au lieu de supposer que chaque type de fichier ou méthode d’importation possède la même limite.
Le tableau de l’API Gemini pour ce modèle précis répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Définissez le rôle et la structure des paramètres de chaque fonction, puis poursuivez à partir du résultat réel renvoyé. Un modèle peut demander une opération, tandis que l’application connectée l’exécute. Préservez le contexte de signature de pensée nécessaire lorsque vous poursuivez une tâche de raisonnement dans l’interface sans état. Une réponse structurée ou une suggestion de fonction ne prouve pas, à elle seule, qu’une opération externe a réussi.
La fiche native du modèle indique un contexte de 1M et une sortie textuelle de 64K, tandis que le tableau de cette API précise indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Une limite de réponse inclut les tokens de réflexion ; une limite trop faible peut donc laisser une réponse finale tronquée ou vide. Demandez un livrable dimensionné pour l’enveloppe de sortie et utilisez le budget de raisonnement pour orienter l’effort. La mise en cache et les traitements par lots, Flex et Priority sont documentés pour ce profil du concepteur. Conservez les identifiants des éléments lorsque vous préparez plusieurs fiches indépendantes.
L’édition stable reste distincte des variantes Flash Preview et des modèles Gemini 3 ultérieurs. Sa fiche signale de possibles hallucinations, des limites dans la compréhension causale et le raisonnement logique complexe ou contrefactuel, ainsi qu’une date limite de connaissances en janvier 2025. Fournissez des éléments récents lorsqu’une tâche dépend d’informations plus nouvelles. Vérifiez les calculs, les valeurs extraites, les transcriptions et le code proposé par rapport à la source réelle ou au résultat d’exécution. La réflexion hybride est utile lorsqu’elle soutient ce résultat concret, plutôt que de se substituer à son examen.
", "aboutText": "Gemini 2.5 Flash est le profil stable de Google à raisonnement hybride pour un travail multimodal polyvalent et l’utilisation d’outils par des agents. Il propose des réponses avec ou sans réflexion pour les tâches multimodales à grande échelle qui nécessitent différents niveaux de raisonnement. Le texte, les images, l’audio et la vidéo contribuent à une réponse textuelle. L’entrée de documents est également décrite dans le profil cloud de Google propre à ce modèle. Un résultat utile peut être une comparaison de documents, l’interprétation d’un graphique, une transcription, du code ou une fiche structurée.\n\nLe contrôle du raisonnement de cette édition utilise thinkingBudget. La réflexion dynamique est le mode par défaut ; un réglage de -1 laisse le modèle adapter son raisonnement à la complexité de la tâche. Un budget explicite peut aller de zéro à 24 576 tokens, et zéro désactive la réflexion. Choisissez un budget adapté au problème réel plutôt que d’attribuer le même effort à une simple catégorisation et à une analyse soumise à plusieurs conditions. Le guide présente le budget comme une indication, et la fiche native précise que son respect peut ne pas être exact.\n\nPour une tâche documentaire ou portant sur des données, définissez la question, les champs requis et les éléments probants qui doivent accompagner le résultat. Pour une comparaison d’exigences, comparez deux spécifications et renvoyez l’exigence modifiée, le passage source correspondant et son effet sur un processus défini. Une sortie structurée est utile lorsque chaque constat doit suivre le même format de fiche. Si la source donne plusieurs valeurs possibles ou laisse un champ ouvert, préservez cette incertitude au lieu d’imposer une seule réponse plausible. Vérifiez les valeurs renvoyées dans les pages ou les données fournies.\n\nPour les contenus visuels ou audio, identifiez l’objet, le libellé, l’événement ou le passage de l’enregistrement pertinent. Demandez le type de texte nécessaire : les valeurs visibles d’un graphique, la description d’un événement, une transcription ou un résumé. Ces livrables sont différents, et l’instruction doit préciser lequel produire. La fiche native commune présente Flash Image et Flash Audio comme des capacités nommées séparément ; leurs sorties d’images et de voix générées ne font pas partie de ce profil textuel stable.\n\nLe profil cloud de Google pour ce modèle précis documente les entrées PDF et texte brut avec des limites propres à l’interface : 50 MB par PDF importé via l’API et jusqu’à 3 000 pages par fichier, avec une limite de 7 MB pour un fichier texte brut. Ce profil décrit également environ 45 minutes de vidéo avec audio ou une heure sans audio, et environ 8,4 heures d’audio dans l’enveloppe d’entrée d’un million de tokens. Il s’agit des contraintes indiquées pour l’interface cloud, distinctes de la fenêtre générale de tokens du modèle. Préparez la section pertinente et le format source au lieu de supposer que chaque type de fichier ou méthode d’importation possède la même limite.\n\nLe tableau de l’API Gemini pour ce modèle précis répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Définissez le rôle et la structure des paramètres de chaque fonction, puis poursuivez à partir du résultat réel renvoyé. Un modèle peut demander une opération, tandis que l’application connectée l’exécute. Préservez le contexte de signature de pensée nécessaire lorsque vous poursuivez une tâche de raisonnement dans l’interface sans état. Une réponse structurée ou une suggestion de fonction ne prouve pas, à elle seule, qu’une opération externe a réussi.\n\nLa fiche native du modèle indique un contexte de 1M et une sortie textuelle de 64K, tandis que le tableau de cette API précise indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Une limite de réponse inclut les tokens de réflexion ; une limite trop faible peut donc laisser une réponse finale tronquée ou vide. Demandez un livrable dimensionné pour l’enveloppe de sortie et utilisez le budget de raisonnement pour orienter l’effort. La mise en cache et les traitements par lots, Flex et Priority sont documentés pour ce profil du concepteur. Conservez les identifiants des éléments lorsque vous préparez plusieurs fiches indépendantes.\n\nL’édition stable reste distincte des variantes Flash Preview et des modèles Gemini 3 ultérieurs. Sa fiche signale de possibles hallucinations, des limites dans la compréhension causale et le raisonnement logique complexe ou contrefactuel, ainsi qu’une date limite de connaissances en janvier 2025. Fournissez des éléments récents lorsqu’une tâche dépend d’informations plus nouvelles. Vérifiez les calculs, les valeurs extraites, les transcriptions et le code proposé par rapport à la source réelle ou au résultat d’exécution. La réflexion hybride est utile lorsqu’elle soutient ce résultat concret, plutôt que de se substituer à son examen.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Extract changes in an approval rule\n\nCompare these rules for a purchase request. [OLD] Any manager may approve expenses up to 500 units. [NEW] A team manager may approve up to 300 units; above that, finance approval is required. Return the changed requirement, source wording and effect on a 450-unit request. Mark any ambiguity about the currency.A structured comparison and a source-backed explanation of the 450-unit case, with the currency gap retained.Check that the example uses the new threshold and does not invent the unit's currency.gemini-2.5-flashGemini 2.5 Flash est le modèle stable de Google à raisonnement hybride pour l’analyse multimodale et les tâches d’agents. Son budget de réflexion dynamique peut être réglé de 0 à 24 576 tokens, avec un mode désactivé. Le texte, les images, l’audio, la vidéo et les documents deviennent du texte ou des résultats structurés, avec une limite d’entrée documentée de 1 048 576 tokens.
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 Flash est le profil stable de Google à raisonnement hybride pour un travail multimodal polyvalent et l’utilisation d’outils par des agents. Il propose des réponses avec ou sans réflexion pour les tâches multimodales à grande échelle qui nécessitent différents niveaux de raisonnement. Le texte, les images, l’audio et la vidéo contribuent à une réponse textuelle. L’entrée de documents est également décrite dans le profil cloud de Google propre à ce modèle. Un résultat utile peut être une comparaison de documents, l’interprétation d’un graphique, une transcription, du code ou une fiche structurée.
Le contrôle du raisonnement de cette édition utilise thinkingBudget. La réflexion dynamique est le mode par défaut ; un réglage de -1 laisse le modèle adapter son raisonnement à la complexité de la tâche. Un budget explicite peut aller de zéro à 24 576 tokens, et zéro désactive la réflexion. Choisissez un budget adapté au problème réel plutôt que d’attribuer le même effort à une simple catégorisation et à une analyse soumise à plusieurs conditions. Le guide présente le budget comme une indication, et la fiche native précise que son respect peut ne pas être exact.
Pour une tâche documentaire ou portant sur des données, définissez la question, les champs requis et les éléments probants qui doivent accompagner le résultat. Pour une comparaison d’exigences, comparez deux spécifications et renvoyez l’exigence modifiée, le passage source correspondant et son effet sur un processus défini. Une sortie structurée est utile lorsque chaque constat doit suivre le même format de fiche. Si la source donne plusieurs valeurs possibles ou laisse un champ ouvert, préservez cette incertitude au lieu d’imposer une seule réponse plausible. Vérifiez les valeurs renvoyées dans les pages ou les données fournies.
Pour les contenus visuels ou audio, identifiez l’objet, le libellé, l’événement ou le passage de l’enregistrement pertinent. Demandez le type de texte nécessaire : les valeurs visibles d’un graphique, la description d’un événement, une transcription ou un résumé. Ces livrables sont différents, et l’instruction doit préciser lequel produire. La fiche native commune présente Flash Image et Flash Audio comme des capacités nommées séparément ; leurs sorties d’images et de voix générées ne font pas partie de ce profil textuel stable.
Le profil cloud de Google pour ce modèle précis documente les entrées PDF et texte brut avec des limites propres à l’interface : 50 MB par PDF importé via l’API et jusqu’à 3 000 pages par fichier, avec une limite de 7 MB pour un fichier texte brut. Ce profil décrit également environ 45 minutes de vidéo avec audio ou une heure sans audio, et environ 8,4 heures d’audio dans l’enveloppe d’entrée d’un million de tokens. Il s’agit des contraintes indiquées pour l’interface cloud, distinctes de la fenêtre générale de tokens du modèle. Préparez la section pertinente et le format source au lieu de supposer que chaque type de fichier ou méthode d’importation possède la même limite.
Le tableau de l’API Gemini pour ce modèle précis répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Définissez le rôle et la structure des paramètres de chaque fonction, puis poursuivez à partir du résultat réel renvoyé. Un modèle peut demander une opération, tandis que l’application connectée l’exécute. Préservez le contexte de signature de pensée nécessaire lorsque vous poursuivez une tâche de raisonnement dans l’interface sans état. Une réponse structurée ou une suggestion de fonction ne prouve pas, à elle seule, qu’une opération externe a réussi.
La fiche native du modèle indique un contexte de 1M et une sortie textuelle de 64K, tandis que le tableau de cette API précise indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Une limite de réponse inclut les tokens de réflexion ; une limite trop faible peut donc laisser une réponse finale tronquée ou vide. Demandez un livrable dimensionné pour l’enveloppe de sortie et utilisez le budget de raisonnement pour orienter l’effort. La mise en cache et les traitements par lots, Flex et Priority sont documentés pour ce profil du concepteur. Conservez les identifiants des éléments lorsque vous préparez plusieurs fiches indépendantes.
L’édition stable reste distincte des variantes Flash Preview et des modèles Gemini 3 ultérieurs. Sa fiche signale de possibles hallucinations, des limites dans la compréhension causale et le raisonnement logique complexe ou contrefactuel, ainsi qu’une date limite de connaissances en janvier 2025. Fournissez des éléments récents lorsqu’une tâche dépend d’informations plus nouvelles. Vérifiez les calculs, les valeurs extraites, les transcriptions et le code proposé par rapport à la source réelle ou au résultat d’exécution. La réflexion hybride est utile lorsqu’elle soutient ce résultat concret, plutôt que de se substituer à son examen.
POST /v1/messagestext, imagetext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-2.5-flash | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring|content_block[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champsystem | Typestring|content_block[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites Minimum: 1 La limite s’applique à: plafond exact du modèle ou de la fiche sélectionnés | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop_sequences | Typestring[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typetool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].name | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: outil fourni | Par défaut— |
Champtools[].description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].input_schema | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champthinking.type | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champthinking.budget_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champoutput_config.effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmetadata | Typeobject | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champcache_control | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Texte · Texte UTF8
messages[].content ou bloc type=text
Texte + image
{type:image,source:{type:base64,media_type,data}} ou source type=url
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext, image |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Paramètretext_file_material | Contratcontenu UTF-8 réel inséré sous forme de texte ; les identifiants de fichiers et les URLs nécessitent une prise en charge exacte distincte |
Cycle de vie : exact retained published method
Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.
POST /v1/messagesAiloot 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 →
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot 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 |
|---|---|---|---|---|
| ConfigurationOpenAI Chat · Tarifs de base des jetons | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationOpenAI Chat · Palier 1 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationAnthropic Messages · Tarifs de base des jetons | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationAnthropic Messages · Palier 1 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-flash",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-flash",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-2.5-flash',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash est le modèle stable de Google à raisonnement hybride pour l’analyse multimodale et les tâches d’agents. Son budget de réflexion dynamique peut être réglé de 0 à 24 576 tokens, avec un mode désactivé. Le texte, les images, l’audio, la vidéo et les documents deviennent du texte ou des résultats structurés, avec une limite d’entrée documentée de 1 048 576 tokens.
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 Flash est le profil stable de Google à raisonnement hybride pour un travail multimodal polyvalent et l’utilisation d’outils par des agents. Il propose des réponses avec ou sans réflexion pour les tâches multimodales à grande échelle qui nécessitent différents niveaux de raisonnement. Le texte, les images, l’audio et la vidéo contribuent à une réponse textuelle. L’entrée de documents est également décrite dans le profil cloud de Google propre à ce modèle. Un résultat utile peut être une comparaison de documents, l’interprétation d’un graphique, une transcription, du code ou une fiche structurée.
Le contrôle du raisonnement de cette édition utilise thinkingBudget. La réflexion dynamique est le mode par défaut ; un réglage de -1 laisse le modèle adapter son raisonnement à la complexité de la tâche. Un budget explicite peut aller de zéro à 24 576 tokens, et zéro désactive la réflexion. Choisissez un budget adapté au problème réel plutôt que d’attribuer le même effort à une simple catégorisation et à une analyse soumise à plusieurs conditions. Le guide présente le budget comme une indication, et la fiche native précise que son respect peut ne pas être exact.
Pour une tâche documentaire ou portant sur des données, définissez la question, les champs requis et les éléments probants qui doivent accompagner le résultat. Pour une comparaison d’exigences, comparez deux spécifications et renvoyez l’exigence modifiée, le passage source correspondant et son effet sur un processus défini. Une sortie structurée est utile lorsque chaque constat doit suivre le même format de fiche. Si la source donne plusieurs valeurs possibles ou laisse un champ ouvert, préservez cette incertitude au lieu d’imposer une seule réponse plausible. Vérifiez les valeurs renvoyées dans les pages ou les données fournies.
Pour les contenus visuels ou audio, identifiez l’objet, le libellé, l’événement ou le passage de l’enregistrement pertinent. Demandez le type de texte nécessaire : les valeurs visibles d’un graphique, la description d’un événement, une transcription ou un résumé. Ces livrables sont différents, et l’instruction doit préciser lequel produire. La fiche native commune présente Flash Image et Flash Audio comme des capacités nommées séparément ; leurs sorties d’images et de voix générées ne font pas partie de ce profil textuel stable.
Le profil cloud de Google pour ce modèle précis documente les entrées PDF et texte brut avec des limites propres à l’interface : 50 MB par PDF importé via l’API et jusqu’à 3 000 pages par fichier, avec une limite de 7 MB pour un fichier texte brut. Ce profil décrit également environ 45 minutes de vidéo avec audio ou une heure sans audio, et environ 8,4 heures d’audio dans l’enveloppe d’entrée d’un million de tokens. Il s’agit des contraintes indiquées pour l’interface cloud, distinctes de la fenêtre générale de tokens du modèle. Préparez la section pertinente et le format source au lieu de supposer que chaque type de fichier ou méthode d’importation possède la même limite.
Le tableau de l’API Gemini pour ce modèle précis répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Définissez le rôle et la structure des paramètres de chaque fonction, puis poursuivez à partir du résultat réel renvoyé. Un modèle peut demander une opération, tandis que l’application connectée l’exécute. Préservez le contexte de signature de pensée nécessaire lorsque vous poursuivez une tâche de raisonnement dans l’interface sans état. Une réponse structurée ou une suggestion de fonction ne prouve pas, à elle seule, qu’une opération externe a réussi.
La fiche native du modèle indique un contexte de 1M et une sortie textuelle de 64K, tandis que le tableau de cette API précise indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Une limite de réponse inclut les tokens de réflexion ; une limite trop faible peut donc laisser une réponse finale tronquée ou vide. Demandez un livrable dimensionné pour l’enveloppe de sortie et utilisez le budget de raisonnement pour orienter l’effort. La mise en cache et les traitements par lots, Flex et Priority sont documentés pour ce profil du concepteur. Conservez les identifiants des éléments lorsque vous préparez plusieurs fiches indépendantes.
L’édition stable reste distincte des variantes Flash Preview et des modèles Gemini 3 ultérieurs. Sa fiche signale de possibles hallucinations, des limites dans la compréhension causale et le raisonnement logique complexe ou contrefactuel, ainsi qu’une date limite de connaissances en janvier 2025. Fournissez des éléments récents lorsqu’une tâche dépend d’informations plus nouvelles. Vérifiez les calculs, les valeurs extraites, les transcriptions et le code proposé par rapport à la source réelle ou au résultat d’exécution. La réflexion hybride est utile lorsqu’elle soutient ce résultat concret, plutôt que de se substituer à son examen.
POST /v1beta/models/{model}:generateContenttext, imagetext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champpath.model | Typestring | ExigenceObligatoire | Valeurs et limites gemini-2.5-flash | Par défaut— |
Champcontents | Typecontent[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champcontents[].role | Typestring | ExigenceFacultatif | Valeurs et limites user, model | Par défaut— |
Champcontents[].parts | Typepart[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
ChampsystemInstruction | Typecontent | ExigenceFacultatif | Valeurs et limites | Par défaut— |
ChampgenerationConfig.maxOutputTokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
ChampgenerationConfig.temperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.topP | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.topK | Typeinteger | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.stopSequences | Typestring[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.thinkingConfig.includeThoughts | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.thinkingConfig.thinkingBudget | Typeinteger | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].functionDeclarations | Typefunction_declaration[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChamptoolConfig.functionCallingConfig.mode | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampsafetySettings | Typeobject[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampsessionId | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Texte · Texte UTF8
contents[].parts[].text
Texte + image
parts[].inlineData={mimeType,data}
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext, image |
Paramètrerequired | Contratcontents |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Paramètretext_file_material | Contratcontenu UTF-8 réel inséré sous forme de texte ; les identifiants de fichiers et les URLs nécessitent une prise en charge exacte distincte |
Cycle de vie : exact retained published method
Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.
POST /v1beta/models/{model}:generateContentAiloot 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 →
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot 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 |
|---|---|---|---|---|
| ConfigurationOpenAI Chat · Tarifs de base des jetons | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationOpenAI Chat · Palier 1 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationAnthropic Messages · Tarifs de base des jetons | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationAnthropic Messages · Palier 1 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-flash", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-flash", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-flash',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson ou streaming pris en charge
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les candidats et toutes les parties, y compris les appels de fonctions, les signatures de raisonnement et les données d’utilisation ; assemblez les fragments du flux dans l’ordre.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
ChampresponseId | Typestring |
ChampmodelVersion | Typestring |
Champcandidates[].content.parts[] | Typetext|inlineData|functionCall|other part |
Champcandidates[].finishReason | Typestring |
ChampusageMetadata | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash est le modèle stable de Google à raisonnement hybride pour l’analyse multimodale et les tâches d’agents. Son budget de réflexion dynamique peut être réglé de 0 à 24 576 tokens, avec un mode désactivé. Le texte, les images, l’audio, la vidéo et les documents deviennent du texte ou des résultats structurés, avec une limite d’entrée documentée de 1 048 576 tokens.
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 Flash est le profil stable de Google à raisonnement hybride pour un travail multimodal polyvalent et l’utilisation d’outils par des agents. Il propose des réponses avec ou sans réflexion pour les tâches multimodales à grande échelle qui nécessitent différents niveaux de raisonnement. Le texte, les images, l’audio et la vidéo contribuent à une réponse textuelle. L’entrée de documents est également décrite dans le profil cloud de Google propre à ce modèle. Un résultat utile peut être une comparaison de documents, l’interprétation d’un graphique, une transcription, du code ou une fiche structurée.
Le contrôle du raisonnement de cette édition utilise thinkingBudget. La réflexion dynamique est le mode par défaut ; un réglage de -1 laisse le modèle adapter son raisonnement à la complexité de la tâche. Un budget explicite peut aller de zéro à 24 576 tokens, et zéro désactive la réflexion. Choisissez un budget adapté au problème réel plutôt que d’attribuer le même effort à une simple catégorisation et à une analyse soumise à plusieurs conditions. Le guide présente le budget comme une indication, et la fiche native précise que son respect peut ne pas être exact.
Pour une tâche documentaire ou portant sur des données, définissez la question, les champs requis et les éléments probants qui doivent accompagner le résultat. Pour une comparaison d’exigences, comparez deux spécifications et renvoyez l’exigence modifiée, le passage source correspondant et son effet sur un processus défini. Une sortie structurée est utile lorsque chaque constat doit suivre le même format de fiche. Si la source donne plusieurs valeurs possibles ou laisse un champ ouvert, préservez cette incertitude au lieu d’imposer une seule réponse plausible. Vérifiez les valeurs renvoyées dans les pages ou les données fournies.
Pour les contenus visuels ou audio, identifiez l’objet, le libellé, l’événement ou le passage de l’enregistrement pertinent. Demandez le type de texte nécessaire : les valeurs visibles d’un graphique, la description d’un événement, une transcription ou un résumé. Ces livrables sont différents, et l’instruction doit préciser lequel produire. La fiche native commune présente Flash Image et Flash Audio comme des capacités nommées séparément ; leurs sorties d’images et de voix générées ne font pas partie de ce profil textuel stable.
Le profil cloud de Google pour ce modèle précis documente les entrées PDF et texte brut avec des limites propres à l’interface : 50 MB par PDF importé via l’API et jusqu’à 3 000 pages par fichier, avec une limite de 7 MB pour un fichier texte brut. Ce profil décrit également environ 45 minutes de vidéo avec audio ou une heure sans audio, et environ 8,4 heures d’audio dans l’enveloppe d’entrée d’un million de tokens. Il s’agit des contraintes indiquées pour l’interface cloud, distinctes de la fenêtre générale de tokens du modèle. Préparez la section pertinente et le format source au lieu de supposer que chaque type de fichier ou méthode d’importation possède la même limite.
Le tableau de l’API Gemini pour ce modèle précis répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Définissez le rôle et la structure des paramètres de chaque fonction, puis poursuivez à partir du résultat réel renvoyé. Un modèle peut demander une opération, tandis que l’application connectée l’exécute. Préservez le contexte de signature de pensée nécessaire lorsque vous poursuivez une tâche de raisonnement dans l’interface sans état. Une réponse structurée ou une suggestion de fonction ne prouve pas, à elle seule, qu’une opération externe a réussi.
La fiche native du modèle indique un contexte de 1M et une sortie textuelle de 64K, tandis que le tableau de cette API précise indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Une limite de réponse inclut les tokens de réflexion ; une limite trop faible peut donc laisser une réponse finale tronquée ou vide. Demandez un livrable dimensionné pour l’enveloppe de sortie et utilisez le budget de raisonnement pour orienter l’effort. La mise en cache et les traitements par lots, Flex et Priority sont documentés pour ce profil du concepteur. Conservez les identifiants des éléments lorsque vous préparez plusieurs fiches indépendantes.
L’édition stable reste distincte des variantes Flash Preview et des modèles Gemini 3 ultérieurs. Sa fiche signale de possibles hallucinations, des limites dans la compréhension causale et le raisonnement logique complexe ou contrefactuel, ainsi qu’une date limite de connaissances en janvier 2025. Fournissez des éléments récents lorsqu’une tâche dépend d’informations plus nouvelles. Vérifiez les calculs, les valeurs extraites, les transcriptions et le code proposé par rapport à la source réelle ou au résultat d’exécution. La réflexion hybride est utile lorsqu’elle soutient ce résultat concret, plutôt que de se substituer à son examen.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-2.5-flash | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— |
Champmessages[].content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Alias de méthode : /chat/completions
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
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 $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 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 incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-2.5-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-2.5-flash", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash est le modèle stable de Google à raisonnement hybride pour l’analyse multimodale et les tâches d’agents. Son budget de réflexion dynamique peut être réglé de 0 à 24 576 tokens, avec un mode désactivé. Le texte, les images, l’audio, la vidéo et les documents deviennent du texte ou des résultats structurés, avec une limite d’entrée documentée de 1 048 576 tokens.
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 Flash est le profil stable de Google à raisonnement hybride pour un travail multimodal polyvalent et l’utilisation d’outils par des agents. Il propose des réponses avec ou sans réflexion pour les tâches multimodales à grande échelle qui nécessitent différents niveaux de raisonnement. Le texte, les images, l’audio et la vidéo contribuent à une réponse textuelle. L’entrée de documents est également décrite dans le profil cloud de Google propre à ce modèle. Un résultat utile peut être une comparaison de documents, l’interprétation d’un graphique, une transcription, du code ou une fiche structurée.
Le contrôle du raisonnement de cette édition utilise thinkingBudget. La réflexion dynamique est le mode par défaut ; un réglage de -1 laisse le modèle adapter son raisonnement à la complexité de la tâche. Un budget explicite peut aller de zéro à 24 576 tokens, et zéro désactive la réflexion. Choisissez un budget adapté au problème réel plutôt que d’attribuer le même effort à une simple catégorisation et à une analyse soumise à plusieurs conditions. Le guide présente le budget comme une indication, et la fiche native précise que son respect peut ne pas être exact.
Pour une tâche documentaire ou portant sur des données, définissez la question, les champs requis et les éléments probants qui doivent accompagner le résultat. Pour une comparaison d’exigences, comparez deux spécifications et renvoyez l’exigence modifiée, le passage source correspondant et son effet sur un processus défini. Une sortie structurée est utile lorsque chaque constat doit suivre le même format de fiche. Si la source donne plusieurs valeurs possibles ou laisse un champ ouvert, préservez cette incertitude au lieu d’imposer une seule réponse plausible. Vérifiez les valeurs renvoyées dans les pages ou les données fournies.
Pour les contenus visuels ou audio, identifiez l’objet, le libellé, l’événement ou le passage de l’enregistrement pertinent. Demandez le type de texte nécessaire : les valeurs visibles d’un graphique, la description d’un événement, une transcription ou un résumé. Ces livrables sont différents, et l’instruction doit préciser lequel produire. La fiche native commune présente Flash Image et Flash Audio comme des capacités nommées séparément ; leurs sorties d’images et de voix générées ne font pas partie de ce profil textuel stable.
Le profil cloud de Google pour ce modèle précis documente les entrées PDF et texte brut avec des limites propres à l’interface : 50 MB par PDF importé via l’API et jusqu’à 3 000 pages par fichier, avec une limite de 7 MB pour un fichier texte brut. Ce profil décrit également environ 45 minutes de vidéo avec audio ou une heure sans audio, et environ 8,4 heures d’audio dans l’enveloppe d’entrée d’un million de tokens. Il s’agit des contraintes indiquées pour l’interface cloud, distinctes de la fenêtre générale de tokens du modèle. Préparez la section pertinente et le format source au lieu de supposer que chaque type de fichier ou méthode d’importation possède la même limite.
Le tableau de l’API Gemini pour ce modèle précis répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Définissez le rôle et la structure des paramètres de chaque fonction, puis poursuivez à partir du résultat réel renvoyé. Un modèle peut demander une opération, tandis que l’application connectée l’exécute. Préservez le contexte de signature de pensée nécessaire lorsque vous poursuivez une tâche de raisonnement dans l’interface sans état. Une réponse structurée ou une suggestion de fonction ne prouve pas, à elle seule, qu’une opération externe a réussi.
La fiche native du modèle indique un contexte de 1M et une sortie textuelle de 64K, tandis que le tableau de cette API précise indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Une limite de réponse inclut les tokens de réflexion ; une limite trop faible peut donc laisser une réponse finale tronquée ou vide. Demandez un livrable dimensionné pour l’enveloppe de sortie et utilisez le budget de raisonnement pour orienter l’effort. La mise en cache et les traitements par lots, Flex et Priority sont documentés pour ce profil du concepteur. Conservez les identifiants des éléments lorsque vous préparez plusieurs fiches indépendantes.
L’édition stable reste distincte des variantes Flash Preview et des modèles Gemini 3 ultérieurs. Sa fiche signale de possibles hallucinations, des limites dans la compréhension causale et le raisonnement logique complexe ou contrefactuel, ainsi qu’une date limite de connaissances en janvier 2025. Fournissez des éléments récents lorsqu’une tâche dépend d’informations plus nouvelles. Vérifiez les calculs, les valeurs extraites, les transcriptions et le code proposé par rapport à la source réelle ou au résultat d’exécution. La réflexion hybride est utile lorsqu’elle soutient ce résultat concret, plutôt que de se substituer à son examen.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-2.5-flash | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
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 $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 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 incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "gemini-2.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
google/gemini-2.5-flashGemini 2.5 Flash est le modèle stable de Google à raisonnement hybride pour l’analyse multimodale et les tâches d’agents. Son budget de réflexion dynamique peut être réglé de 0 à 24 576 tokens, avec un mode désactivé. Le texte, les images, l’audio, la vidéo et les documents deviennent du texte ou des résultats structurés, avec une limite d’entrée documentée de 1 048 576 tokens.
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 Flash est le profil stable de Google à raisonnement hybride pour un travail multimodal polyvalent et l’utilisation d’outils par des agents. Il propose des réponses avec ou sans réflexion pour les tâches multimodales à grande échelle qui nécessitent différents niveaux de raisonnement. Le texte, les images, l’audio et la vidéo contribuent à une réponse textuelle. L’entrée de documents est également décrite dans le profil cloud de Google propre à ce modèle. Un résultat utile peut être une comparaison de documents, l’interprétation d’un graphique, une transcription, du code ou une fiche structurée.
Le contrôle du raisonnement de cette édition utilise thinkingBudget. La réflexion dynamique est le mode par défaut ; un réglage de -1 laisse le modèle adapter son raisonnement à la complexité de la tâche. Un budget explicite peut aller de zéro à 24 576 tokens, et zéro désactive la réflexion. Choisissez un budget adapté au problème réel plutôt que d’attribuer le même effort à une simple catégorisation et à une analyse soumise à plusieurs conditions. Le guide présente le budget comme une indication, et la fiche native précise que son respect peut ne pas être exact.
Pour une tâche documentaire ou portant sur des données, définissez la question, les champs requis et les éléments probants qui doivent accompagner le résultat. Pour une comparaison d’exigences, comparez deux spécifications et renvoyez l’exigence modifiée, le passage source correspondant et son effet sur un processus défini. Une sortie structurée est utile lorsque chaque constat doit suivre le même format de fiche. Si la source donne plusieurs valeurs possibles ou laisse un champ ouvert, préservez cette incertitude au lieu d’imposer une seule réponse plausible. Vérifiez les valeurs renvoyées dans les pages ou les données fournies.
Pour les contenus visuels ou audio, identifiez l’objet, le libellé, l’événement ou le passage de l’enregistrement pertinent. Demandez le type de texte nécessaire : les valeurs visibles d’un graphique, la description d’un événement, une transcription ou un résumé. Ces livrables sont différents, et l’instruction doit préciser lequel produire. La fiche native commune présente Flash Image et Flash Audio comme des capacités nommées séparément ; leurs sorties d’images et de voix générées ne font pas partie de ce profil textuel stable.
Le profil cloud de Google pour ce modèle précis documente les entrées PDF et texte brut avec des limites propres à l’interface : 50 MB par PDF importé via l’API et jusqu’à 3 000 pages par fichier, avec une limite de 7 MB pour un fichier texte brut. Ce profil décrit également environ 45 minutes de vidéo avec audio ou une heure sans audio, et environ 8,4 heures d’audio dans l’enveloppe d’entrée d’un million de tokens. Il s’agit des contraintes indiquées pour l’interface cloud, distinctes de la fenêtre générale de tokens du modèle. Préparez la section pertinente et le format source au lieu de supposer que chaque type de fichier ou méthode d’importation possède la même limite.
Le tableau de l’API Gemini pour ce modèle précis répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Définissez le rôle et la structure des paramètres de chaque fonction, puis poursuivez à partir du résultat réel renvoyé. Un modèle peut demander une opération, tandis que l’application connectée l’exécute. Préservez le contexte de signature de pensée nécessaire lorsque vous poursuivez une tâche de raisonnement dans l’interface sans état. Une réponse structurée ou une suggestion de fonction ne prouve pas, à elle seule, qu’une opération externe a réussi.
La fiche native du modèle indique un contexte de 1M et une sortie textuelle de 64K, tandis que le tableau de cette API précise indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Une limite de réponse inclut les tokens de réflexion ; une limite trop faible peut donc laisser une réponse finale tronquée ou vide. Demandez un livrable dimensionné pour l’enveloppe de sortie et utilisez le budget de raisonnement pour orienter l’effort. La mise en cache et les traitements par lots, Flex et Priority sont documentés pour ce profil du concepteur. Conservez les identifiants des éléments lorsque vous préparez plusieurs fiches indépendantes.
L’édition stable reste distincte des variantes Flash Preview et des modèles Gemini 3 ultérieurs. Sa fiche signale de possibles hallucinations, des limites dans la compréhension causale et le raisonnement logique complexe ou contrefactuel, ainsi qu’une date limite de connaissances en janvier 2025. Fournissez des éléments récents lorsqu’une tâche dépend d’informations plus nouvelles. Vérifiez les calculs, les valeurs extraites, les transcriptions et le code proposé par rapport à la source réelle ou au résultat d’exécution. La réflexion hybride est utile lorsqu’elle soutient ce résultat concret, plutôt que de se substituer à son examen.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemini-2.5-flash | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’identifiant réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: outil de fonction fourni | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | Contratpropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
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 $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 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 incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-2.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-2.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
google/gemini-2.5-flashGemini 2.5 Flash est le modèle stable de Google à raisonnement hybride pour l’analyse multimodale et les tâches d’agents. Son budget de réflexion dynamique peut être réglé de 0 à 24 576 tokens, avec un mode désactivé. Le texte, les images, l’audio, la vidéo et les documents deviennent du texte ou des résultats structurés, avec une limite d’entrée documentée de 1 048 576 tokens.
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 Flash est le profil stable de Google à raisonnement hybride pour un travail multimodal polyvalent et l’utilisation d’outils par des agents. Il propose des réponses avec ou sans réflexion pour les tâches multimodales à grande échelle qui nécessitent différents niveaux de raisonnement. Le texte, les images, l’audio et la vidéo contribuent à une réponse textuelle. L’entrée de documents est également décrite dans le profil cloud de Google propre à ce modèle. Un résultat utile peut être une comparaison de documents, l’interprétation d’un graphique, une transcription, du code ou une fiche structurée.
Le contrôle du raisonnement de cette édition utilise thinkingBudget. La réflexion dynamique est le mode par défaut ; un réglage de -1 laisse le modèle adapter son raisonnement à la complexité de la tâche. Un budget explicite peut aller de zéro à 24 576 tokens, et zéro désactive la réflexion. Choisissez un budget adapté au problème réel plutôt que d’attribuer le même effort à une simple catégorisation et à une analyse soumise à plusieurs conditions. Le guide présente le budget comme une indication, et la fiche native précise que son respect peut ne pas être exact.
Pour une tâche documentaire ou portant sur des données, définissez la question, les champs requis et les éléments probants qui doivent accompagner le résultat. Pour une comparaison d’exigences, comparez deux spécifications et renvoyez l’exigence modifiée, le passage source correspondant et son effet sur un processus défini. Une sortie structurée est utile lorsque chaque constat doit suivre le même format de fiche. Si la source donne plusieurs valeurs possibles ou laisse un champ ouvert, préservez cette incertitude au lieu d’imposer une seule réponse plausible. Vérifiez les valeurs renvoyées dans les pages ou les données fournies.
Pour les contenus visuels ou audio, identifiez l’objet, le libellé, l’événement ou le passage de l’enregistrement pertinent. Demandez le type de texte nécessaire : les valeurs visibles d’un graphique, la description d’un événement, une transcription ou un résumé. Ces livrables sont différents, et l’instruction doit préciser lequel produire. La fiche native commune présente Flash Image et Flash Audio comme des capacités nommées séparément ; leurs sorties d’images et de voix générées ne font pas partie de ce profil textuel stable.
Le profil cloud de Google pour ce modèle précis documente les entrées PDF et texte brut avec des limites propres à l’interface : 50 MB par PDF importé via l’API et jusqu’à 3 000 pages par fichier, avec une limite de 7 MB pour un fichier texte brut. Ce profil décrit également environ 45 minutes de vidéo avec audio ou une heure sans audio, et environ 8,4 heures d’audio dans l’enveloppe d’entrée d’un million de tokens. Il s’agit des contraintes indiquées pour l’interface cloud, distinctes de la fenêtre générale de tokens du modèle. Préparez la section pertinente et le format source au lieu de supposer que chaque type de fichier ou méthode d’importation possède la même limite.
Le tableau de l’API Gemini pour ce modèle précis répertorie les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, le contexte d’URL et les sorties structurées. Définissez le rôle et la structure des paramètres de chaque fonction, puis poursuivez à partir du résultat réel renvoyé. Un modèle peut demander une opération, tandis que l’application connectée l’exécute. Préservez le contexte de signature de pensée nécessaire lorsque vous poursuivez une tâche de raisonnement dans l’interface sans état. Une réponse structurée ou une suggestion de fonction ne prouve pas, à elle seule, qu’une opération externe a réussi.
La fiche native du modèle indique un contexte de 1M et une sortie textuelle de 64K, tandis que le tableau de cette API précise indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Une limite de réponse inclut les tokens de réflexion ; une limite trop faible peut donc laisser une réponse finale tronquée ou vide. Demandez un livrable dimensionné pour l’enveloppe de sortie et utilisez le budget de raisonnement pour orienter l’effort. La mise en cache et les traitements par lots, Flex et Priority sont documentés pour ce profil du concepteur. Conservez les identifiants des éléments lorsque vous préparez plusieurs fiches indépendantes.
L’édition stable reste distincte des variantes Flash Preview et des modèles Gemini 3 ultérieurs. Sa fiche signale de possibles hallucinations, des limites dans la compréhension causale et le raisonnement logique complexe ou contrefactuel, ainsi qu’une date limite de connaissances en janvier 2025. Fournissez des éléments récents lorsqu’une tâche dépend d’informations plus nouvelles. Vérifiez les calculs, les valeurs extraites, les transcriptions et le code proposé par rapport à la source réelle ou au résultat d’exécution. La réflexion hybride est utile lorsqu’elle soutient ce résultat concret, plutôt que de se substituer à son examen.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemini-2.5-flash | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
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 $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 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 incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0006 / 1K tokens Sortie · Tokens en sortie $0.005 / 1K tokens Entrée · Lecture du cache $0.00006 / 1K tokens Entrée · Écriture dans le cache $0.0001666666666666666 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "google/gemini-2.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
Exemple technique en anglais
Extract changes in an approval rule\n\nCompare these rules for a purchase request. [OLD] Any manager may approve expenses up to 500 units. [NEW] A team manager may approve up to 300 units; above that, finance approval is required. Return the changed requirement, source wording and effect on a 450-unit request. Mark any ambiguity about the currency.A structured comparison and a source-backed explanation of the 450-unit case, with the currency gap retained.Check that the example uses the new threshold and does not invent the unit's currency.