Gemini 2.5 Pro Preview 06-05 est la préversion de juin du modèle de raisonnement Gemini 2.5 Pro de Google. Elle s’appuie sur la préversion précédente et met l’accent sur les tâches de programmation, de mathématiques, de sciences, de connaissances et de raisonnement. Google signale également une amélioration du style et de la structure des réponses, notamment des réponses plus créatives et mieux mises en forme. Il est important de conserver 06-05 lorsqu’une tâche concerne cette préversion précise plutôt qu’un modèle stable ultérieur ou portant une autre date.
Le résultat du travail est du texte : une proposition de code, une explication, une conclusion analytique ou un document préparé. La famille Pro documentée utilise du texte, des images, de l’audio et des PDF comme sources. Une tâche écrite peut relier les informations de ces entrées à une question précise. Pour un document technique, indiquez les définitions, le tableau ou le schéma pertinents et expliquez ce que la réponse doit établir. Pour un enregistrement, distinguez la transcription, le résumé et l’interprétation demandés au lieu de les traiter comme une seule opération.
Le raisonnement est au cœur de la vocation de la gamme Pro. L’annonce de juin ajoute des budgets de réflexion pour donner aux développeurs davantage de contrôle sur l’ampleur de l’analyse, et les notes de version officielles mentionnent explicitement une prise en charge élargie de la réflexion pour gemini-2.5-pro-preview-06-05. Choisissez la profondeur nécessaire au problème réel et précisez un résultat final vérifiable. Un budget de raisonnement et une longueur de réponse demandée constituent deux réglages différents ; une réponse finale courte peut tout de même nécessiter une analyse importante avant sa production.
Pour la programmation, incluez les fichiers ou la fonction concernés, le langage, le comportement attendu et une entrée concrète qui illustre le problème. Nommez les interfaces et les comportements environnants à conserver. Un livrable final utile est une implémentation proposée, accompagnée d’une explication de la condition choisie et d’exemples montrant ce qu’il faut vérifier. Si vous comparez des approches, fournissez à chacune les mêmes cas d’entrée et les mêmes critères de décision afin que la réponse traite le compromis réel plutôt qu’une discussion générale sur les algorithmes.
Pour des contenus mathématiques ou scientifiques, fournissez l’énoncé complet, les définitions, les hypothèses autorisées et le résultat à établir. Conservez la notation numérique et les unités. Demandez au modèle d’expliquer pourquoi les transformations choisies découlent des conditions fournies et de séparer le résultat final des autres pistes envisagées. Lorsque vous examinez une solution proposée, fournissez à la fois le problème initial et l’étape contestée. Vérifiez le calcul ou l’affirmation obtenu à l’aide des éléments réels de la source au lieu de vous fier à l’assurance de la formulation.
Le fabricant destine la famille Pro à l’analyse de longs contextes contenant des jeux de données, des bases de code et des documents. Préparez ce contexte avec des libellés de sources, des extraits pertinents et une règle de priorité claire en cas de contradiction entre documents. Définissez le critère d’achèvement de la tâche : une comparaison des exigences, une réponse fondée sur les sources, une fonction révisée ou une explication pour un public particulier. Laissez de la place à la réponse au lieu de remplir toute la requête avec un historique sans rapport. Conservez la même version d’entrée et le nom exact de la préversion lorsque vous revenez sur un cas, afin de pouvoir interpréter utilement un changement de résultat.
La documentation de la famille Gemini 2.5 Pro comprend les sorties structurées, l’appel de fonctions, l’exécution de code, l’ancrage dans la recherche et la mise en cache. Ce sont des capacités de la famille du fabricant, et non un ensemble d’actions automatiquement disponibles dans toute application qui l’intègre. Fournissez un schéma lorsqu’une sortie lisible par machine est nécessaire, validez ses champs et distinguez les faits fournis par un outil d’une opération proposée. Une application définit et exécute les outils personnalisés, puis renvoie leurs résultats pour l’étape suivante du modèle. Un extrait de code généré ou une demande d’appel de fonction ne prouve pas que l’exécution a réussi.
L’amélioration du style et de la structure apportée par la version de juin est utile lorsqu’une explication devient un rapport ou un brouillon éditorial. Précisez le public, la terminologie, les titres et la longueur, et indiquez ce qui doit être conservé de l’original. Demandez que les informations incertaines ou manquantes soient signalées plutôt que complétées par des détails inventés. Confrontez les affirmations factuelles au contenu fourni, validez les enregistrements structurés et testez le code dans l’environnement prévu. Le résultat utile est un livrable textuel révisé conservant son contexte source et son identité 06-05 ; les noms de modèles ultérieurs, les réglages de service et les capacités de génération de médias restent des choix distincts.
", "aboutText": "Gemini 2.5 Pro Preview 06-05 est la préversion de juin du modèle de raisonnement Gemini 2.5 Pro de Google. Elle s’appuie sur la préversion précédente et met l’accent sur les tâches de programmation, de mathématiques, de sciences, de connaissances et de raisonnement. Google signale également une amélioration du style et de la structure des réponses, notamment des réponses plus créatives et mieux mises en forme. Il est important de conserver 06-05 lorsqu’une tâche concerne cette préversion précise plutôt qu’un modèle stable ultérieur ou portant une autre date.\n\nLe résultat du travail est du texte : une proposition de code, une explication, une conclusion analytique ou un document préparé. La famille Pro documentée utilise du texte, des images, de l’audio et des PDF comme sources. Une tâche écrite peut relier les informations de ces entrées à une question précise. Pour un document technique, indiquez les définitions, le tableau ou le schéma pertinents et expliquez ce que la réponse doit établir. Pour un enregistrement, distinguez la transcription, le résumé et l’interprétation demandés au lieu de les traiter comme une seule opération.\n\nLe raisonnement est au cœur de la vocation de la gamme Pro. L’annonce de juin ajoute des budgets de réflexion pour donner aux développeurs davantage de contrôle sur l’ampleur de l’analyse, et les notes de version officielles mentionnent explicitement une prise en charge élargie de la réflexion pour gemini-2.5-pro-preview-06-05. Choisissez la profondeur nécessaire au problème réel et précisez un résultat final vérifiable. Un budget de raisonnement et une longueur de réponse demandée constituent deux réglages différents ; une réponse finale courte peut tout de même nécessiter une analyse importante avant sa production.\n\nPour la programmation, incluez les fichiers ou la fonction concernés, le langage, le comportement attendu et une entrée concrète qui illustre le problème. Nommez les interfaces et les comportements environnants à conserver. Un livrable final utile est une implémentation proposée, accompagnée d’une explication de la condition choisie et d’exemples montrant ce qu’il faut vérifier. Si vous comparez des approches, fournissez à chacune les mêmes cas d’entrée et les mêmes critères de décision afin que la réponse traite le compromis réel plutôt qu’une discussion générale sur les algorithmes.\n\nPour des contenus mathématiques ou scientifiques, fournissez l’énoncé complet, les définitions, les hypothèses autorisées et le résultat à établir. Conservez la notation numérique et les unités. Demandez au modèle d’expliquer pourquoi les transformations choisies découlent des conditions fournies et de séparer le résultat final des autres pistes envisagées. Lorsque vous examinez une solution proposée, fournissez à la fois le problème initial et l’étape contestée. Vérifiez le calcul ou l’affirmation obtenu à l’aide des éléments réels de la source au lieu de vous fier à l’assurance de la formulation.\n\nLe fabricant destine la famille Pro à l’analyse de longs contextes contenant des jeux de données, des bases de code et des documents. Préparez ce contexte avec des libellés de sources, des extraits pertinents et une règle de priorité claire en cas de contradiction entre documents. Définissez le critère d’achèvement de la tâche : une comparaison des exigences, une réponse fondée sur les sources, une fonction révisée ou une explication pour un public particulier. Laissez de la place à la réponse au lieu de remplir toute la requête avec un historique sans rapport. Conservez la même version d’entrée et le nom exact de la préversion lorsque vous revenez sur un cas, afin de pouvoir interpréter utilement un changement de résultat.\n\nLa documentation de la famille Gemini 2.5 Pro comprend les sorties structurées, l’appel de fonctions, l’exécution de code, l’ancrage dans la recherche et la mise en cache. Ce sont des capacités de la famille du fabricant, et non un ensemble d’actions automatiquement disponibles dans toute application qui l’intègre. Fournissez un schéma lorsqu’une sortie lisible par machine est nécessaire, validez ses champs et distinguez les faits fournis par un outil d’une opération proposée. Une application définit et exécute les outils personnalisés, puis renvoie leurs résultats pour l’étape suivante du modèle. Un extrait de code généré ou une demande d’appel de fonction ne prouve pas que l’exécution a réussi.\n\nL’amélioration du style et de la structure apportée par la version de juin est utile lorsqu’une explication devient un rapport ou un brouillon éditorial. Précisez le public, la terminologie, les titres et la longueur, et indiquez ce qui doit être conservé de l’original. Demandez que les informations incertaines ou manquantes soient signalées plutôt que complétées par des détails inventés. Confrontez les affirmations factuelles au contenu fourni, validez les enregistrements structurés et testez le code dans l’environnement prévu. Le résultat utile est un livrable textuel révisé conservant son contexte source et son identité 06-05 ; les noms de modèles ultérieurs, les réglages de service et les capacités de génération de médias restent des choix distincts.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Check a unit-sensitive calculation\n\nA pump transfers 18 litres per minute into an empty tank. The tank holds 2.7 cubic metres. Ignore losses and assume a constant rate. Calculate the fill time in minutes and hours, show the unit conversion and explain how the result changes if the actual rate is 15 litres per minute.A unit conversion, both fill-time calculations and a concise comparison.Check that cubic metres are converted to litres before dividing and that a lower flow rate produces a longer fill time.google/gemini-2.5-pro-previewGemini 2.5 Pro Preview 06-05 est la préversion de juin pour les tâches de code, de mathématiques, de sciences et de traitement documentaire exigeant un raisonnement approfondi. La version de Google met en avant un contrôle élargi de la réflexion et une amélioration du style et de la structure des réponses, tout en conservant l’identité distincte de l’édition 06-05.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 2.5 Pro Preview 06-05 est la préversion de juin du modèle de raisonnement Gemini 2.5 Pro de Google. Elle s’appuie sur la préversion précédente et met l’accent sur les tâches de programmation, de mathématiques, de sciences, de connaissances et de raisonnement. Google signale également une amélioration du style et de la structure des réponses, notamment des réponses plus créatives et mieux mises en forme. Il est important de conserver 06-05 lorsqu’une tâche concerne cette préversion précise plutôt qu’un modèle stable ultérieur ou portant une autre date.
Le résultat du travail est du texte : une proposition de code, une explication, une conclusion analytique ou un document préparé. La famille Pro documentée utilise du texte, des images, de l’audio et des PDF comme sources. Une tâche écrite peut relier les informations de ces entrées à une question précise. Pour un document technique, indiquez les définitions, le tableau ou le schéma pertinents et expliquez ce que la réponse doit établir. Pour un enregistrement, distinguez la transcription, le résumé et l’interprétation demandés au lieu de les traiter comme une seule opération.
Le raisonnement est au cœur de la vocation de la gamme Pro. L’annonce de juin ajoute des budgets de réflexion pour donner aux développeurs davantage de contrôle sur l’ampleur de l’analyse, et les notes de version officielles mentionnent explicitement une prise en charge élargie de la réflexion pour gemini-2.5-pro-preview-06-05. Choisissez la profondeur nécessaire au problème réel et précisez un résultat final vérifiable. Un budget de raisonnement et une longueur de réponse demandée constituent deux réglages différents ; une réponse finale courte peut tout de même nécessiter une analyse importante avant sa production.
Pour la programmation, incluez les fichiers ou la fonction concernés, le langage, le comportement attendu et une entrée concrète qui illustre le problème. Nommez les interfaces et les comportements environnants à conserver. Un livrable final utile est une implémentation proposée, accompagnée d’une explication de la condition choisie et d’exemples montrant ce qu’il faut vérifier. Si vous comparez des approches, fournissez à chacune les mêmes cas d’entrée et les mêmes critères de décision afin que la réponse traite le compromis réel plutôt qu’une discussion générale sur les algorithmes.
Pour des contenus mathématiques ou scientifiques, fournissez l’énoncé complet, les définitions, les hypothèses autorisées et le résultat à établir. Conservez la notation numérique et les unités. Demandez au modèle d’expliquer pourquoi les transformations choisies découlent des conditions fournies et de séparer le résultat final des autres pistes envisagées. Lorsque vous examinez une solution proposée, fournissez à la fois le problème initial et l’étape contestée. Vérifiez le calcul ou l’affirmation obtenu à l’aide des éléments réels de la source au lieu de vous fier à l’assurance de la formulation.
Le fabricant destine la famille Pro à l’analyse de longs contextes contenant des jeux de données, des bases de code et des documents. Préparez ce contexte avec des libellés de sources, des extraits pertinents et une règle de priorité claire en cas de contradiction entre documents. Définissez le critère d’achèvement de la tâche : une comparaison des exigences, une réponse fondée sur les sources, une fonction révisée ou une explication pour un public particulier. Laissez de la place à la réponse au lieu de remplir toute la requête avec un historique sans rapport. Conservez la même version d’entrée et le nom exact de la préversion lorsque vous revenez sur un cas, afin de pouvoir interpréter utilement un changement de résultat.
La documentation de la famille Gemini 2.5 Pro comprend les sorties structurées, l’appel de fonctions, l’exécution de code, l’ancrage dans la recherche et la mise en cache. Ce sont des capacités de la famille du fabricant, et non un ensemble d’actions automatiquement disponibles dans toute application qui l’intègre. Fournissez un schéma lorsqu’une sortie lisible par machine est nécessaire, validez ses champs et distinguez les faits fournis par un outil d’une opération proposée. Une application définit et exécute les outils personnalisés, puis renvoie leurs résultats pour l’étape suivante du modèle. Un extrait de code généré ou une demande d’appel de fonction ne prouve pas que l’exécution a réussi.
L’amélioration du style et de la structure apportée par la version de juin est utile lorsqu’une explication devient un rapport ou un brouillon éditorial. Précisez le public, la terminologie, les titres et la longueur, et indiquez ce qui doit être conservé de l’original. Demandez que les informations incertaines ou manquantes soient signalées plutôt que complétées par des détails inventés. Confrontez les affirmations factuelles au contenu fourni, validez les enregistrements structurés et testez le code dans l’environnement prévu. Le résultat utile est un livrable textuel révisé conservant son contexte source et son identité 06-05 ; les noms de modèles ultérieurs, les réglages de service et les capacités de génération de médias restent des choix distincts.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemini-2.5-pro-preview | 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 $0.0025 / 1K tokens Sortie · Tokens en sortie $0.02 / 1K tokens Entrée · Lecture du cache $0.00025 / 1K tokens Entrée · Écriture dans le cache $0.00075 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens Sortie · Jetons de raisonnement en sortie $0.02 / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse200 000 | Coût Entrée · Tokens en entrée $0.0025 / 1K tokens Sortie · Tokens en sortie $0.02 / 1K tokens Entrée · Lecture du cache $0.00025 / 1K tokens Entrée · Écriture dans le cache $0.00075 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de200 000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.005 / 1K tokens Sortie · Tokens en sortie $0.03 / 1K tokens Entrée · Lecture du cache $0.0005 / 1K tokens Entrée · Écriture dans le cache $0.00075 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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-pro-preview", "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-pro-preview',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-pro-preview',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 Ultra google/gemini-2.5-pro-preview
Utilisez les chemins de méthode indiqués ci-dessus.
google/gemini-2.5-pro-previewGemini 2.5 Pro Preview 06-05 est la préversion de juin pour les tâches de code, de mathématiques, de sciences et de traitement documentaire exigeant un raisonnement approfondi. La version de Google met en avant un contrôle élargi de la réflexion et une amélioration du style et de la structure des réponses, tout en conservant l’identité distincte de l’édition 06-05.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 2.5 Pro Preview 06-05 est la préversion de juin du modèle de raisonnement Gemini 2.5 Pro de Google. Elle s’appuie sur la préversion précédente et met l’accent sur les tâches de programmation, de mathématiques, de sciences, de connaissances et de raisonnement. Google signale également une amélioration du style et de la structure des réponses, notamment des réponses plus créatives et mieux mises en forme. Il est important de conserver 06-05 lorsqu’une tâche concerne cette préversion précise plutôt qu’un modèle stable ultérieur ou portant une autre date.
Le résultat du travail est du texte : une proposition de code, une explication, une conclusion analytique ou un document préparé. La famille Pro documentée utilise du texte, des images, de l’audio et des PDF comme sources. Une tâche écrite peut relier les informations de ces entrées à une question précise. Pour un document technique, indiquez les définitions, le tableau ou le schéma pertinents et expliquez ce que la réponse doit établir. Pour un enregistrement, distinguez la transcription, le résumé et l’interprétation demandés au lieu de les traiter comme une seule opération.
Le raisonnement est au cœur de la vocation de la gamme Pro. L’annonce de juin ajoute des budgets de réflexion pour donner aux développeurs davantage de contrôle sur l’ampleur de l’analyse, et les notes de version officielles mentionnent explicitement une prise en charge élargie de la réflexion pour gemini-2.5-pro-preview-06-05. Choisissez la profondeur nécessaire au problème réel et précisez un résultat final vérifiable. Un budget de raisonnement et une longueur de réponse demandée constituent deux réglages différents ; une réponse finale courte peut tout de même nécessiter une analyse importante avant sa production.
Pour la programmation, incluez les fichiers ou la fonction concernés, le langage, le comportement attendu et une entrée concrète qui illustre le problème. Nommez les interfaces et les comportements environnants à conserver. Un livrable final utile est une implémentation proposée, accompagnée d’une explication de la condition choisie et d’exemples montrant ce qu’il faut vérifier. Si vous comparez des approches, fournissez à chacune les mêmes cas d’entrée et les mêmes critères de décision afin que la réponse traite le compromis réel plutôt qu’une discussion générale sur les algorithmes.
Pour des contenus mathématiques ou scientifiques, fournissez l’énoncé complet, les définitions, les hypothèses autorisées et le résultat à établir. Conservez la notation numérique et les unités. Demandez au modèle d’expliquer pourquoi les transformations choisies découlent des conditions fournies et de séparer le résultat final des autres pistes envisagées. Lorsque vous examinez une solution proposée, fournissez à la fois le problème initial et l’étape contestée. Vérifiez le calcul ou l’affirmation obtenu à l’aide des éléments réels de la source au lieu de vous fier à l’assurance de la formulation.
Le fabricant destine la famille Pro à l’analyse de longs contextes contenant des jeux de données, des bases de code et des documents. Préparez ce contexte avec des libellés de sources, des extraits pertinents et une règle de priorité claire en cas de contradiction entre documents. Définissez le critère d’achèvement de la tâche : une comparaison des exigences, une réponse fondée sur les sources, une fonction révisée ou une explication pour un public particulier. Laissez de la place à la réponse au lieu de remplir toute la requête avec un historique sans rapport. Conservez la même version d’entrée et le nom exact de la préversion lorsque vous revenez sur un cas, afin de pouvoir interpréter utilement un changement de résultat.
La documentation de la famille Gemini 2.5 Pro comprend les sorties structurées, l’appel de fonctions, l’exécution de code, l’ancrage dans la recherche et la mise en cache. Ce sont des capacités de la famille du fabricant, et non un ensemble d’actions automatiquement disponibles dans toute application qui l’intègre. Fournissez un schéma lorsqu’une sortie lisible par machine est nécessaire, validez ses champs et distinguez les faits fournis par un outil d’une opération proposée. Une application définit et exécute les outils personnalisés, puis renvoie leurs résultats pour l’étape suivante du modèle. Un extrait de code généré ou une demande d’appel de fonction ne prouve pas que l’exécution a réussi.
L’amélioration du style et de la structure apportée par la version de juin est utile lorsqu’une explication devient un rapport ou un brouillon éditorial. Précisez le public, la terminologie, les titres et la longueur, et indiquez ce qui doit être conservé de l’original. Demandez que les informations incertaines ou manquantes soient signalées plutôt que complétées par des détails inventés. Confrontez les affirmations factuelles au contenu fourni, validez les enregistrements structurés et testez le code dans l’environnement prévu. Le résultat utile est un livrable textuel révisé conservant son contexte source et son identité 06-05 ; les noms de modèles ultérieurs, les réglages de service et les capacités de génération de médias restent des choix distincts.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemini-2.5-pro-preview | 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 $0.0025 / 1K tokens Sortie · Tokens en sortie $0.02 / 1K tokens Entrée · Lecture du cache $0.00025 / 1K tokens Entrée · Écriture dans le cache $0.00075 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens Sortie · Jetons de raisonnement en sortie $0.02 / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluse200 000 | Coût Entrée · Tokens en entrée $0.0025 / 1K tokens Sortie · Tokens en sortie $0.02 / 1K tokens Entrée · Lecture du cache $0.00025 / 1K tokens Entrée · Écriture dans le cache $0.00075 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 2 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de200 000 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.005 / 1K tokens Sortie · Tokens en sortie $0.03 / 1K tokens Entrée · Lecture du cache $0.0005 / 1K tokens Entrée · Écriture dans le cache $0.00075 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "google/gemini-2.5-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro-preview', '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-pro-preview', '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 Ultra google/gemini-2.5-pro-preview
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Check a unit-sensitive calculation\n\nA pump transfers 18 litres per minute into an empty tank. The tank holds 2.7 cubic metres. Ignore losses and assume a constant rate. Calculate the fill time in minutes and hours, show the unit conversion and explain how the result changes if the actual rate is 15 litres per minute.A unit conversion, both fill-time calculations and a concise comparison.Check that cubic metres are converted to litres before dividing and that a lower flow rate produces a longer fill time.