Gemini 2.5 Flash Preview 09-2025 adalah edisi pratinjau September dari model penalaran hibrida Google. Masukan yang didokumentasikan meliputi teks, gambar, video, dan audio; keluarannya berupa teks. Model dapat menggabungkan pertanyaan dengan materi visual atau lisan, lalu menghasilkan penjelasan, dokumen, kode, atau respons terstruktur. Edisi dengan penanggalan khusus ini berbeda dari Gemini 2.5 Flash stabil dan dari alias latest yang terus berubah. Tujuannya adalah pemahaman multimodal serta pekerjaan berbantuan alat dengan hasil tertulis.
Google menjelaskan dua peningkatan khusus untuk rilis ini: penggunaan alat oleh agen yang lebih baik dan pembuatan jawaban yang lebih hemat saat mode berpikir diaktifkan. Peningkatan pertama menyangkut tugas yang memerlukan beberapa tindakan saling terhubung, seperti memperoleh informasi, membandingkannya dengan permintaan, dan memilih langkah berikutnya. Peningkatan kedua menyangkut pembuatan jawaban yang berguna dengan lebih sedikit token keluaran sambil mempertahankan kualitas. Untuk asisten pengembangan, berikan perilaku yang diamati, kode yang relevan, dan kriteria keberhasilan perubahan. Untuk asisten riset, tentukan pertanyaan, materi yang harus diperiksa, dan bukti yang diperlukan untuk kesimpulan.
Mode berpikir dan respons langsung merupakan bagian dari rancangan hibrida. Tugas dengan mode berpikir dapat menganalisis dependensi, kondisi matematis, atau rencana beberapa langkah sebelum menyiapkan jawaban akhir. Ekstraksi sederhana atau penjelasan singkat dapat memiliki tujuan respons yang lebih sederhana. Nyatakan batasan mana yang wajib, apa yang boleh diasumsikan model, dan apa yang harus terkandung dalam artefak akhir. Kartu keluarga model dari pembuatnya mencatat bahwa kepatuhan terhadap anggaran berpikir dapat tidak konsisten, sehingga anggaran yang diminta bukan bukti adanya batas penalaran yang ketat. Deskripsi ini tidak menerapkan tingkat atau setelan bawaan mode berpikir dari model yang lebih baru pada edisi September.
Tabel model September yang spesifik menetapkan hingga 1,048,576 token masukan dan 65,536 token keluaran. Profil masukan besarnya dapat menampung instruksi, contoh, teks referensi, dan konteks multimedia dalam satu tugas. Untuk membandingkan persyaratan dengan solusi yang diusulkan, beri label pada kedua sumber dan berikan satu rangkaian kriteria yang sama. Untuk membahas tangkapan layar, tunjukkan keadaan atau komponen yang relevan; untuk tugas audio atau video, sebutkan pertanyaan atau peristiwanya, alih-alih meminta deskripsi tanpa arah. Hasilnya tetap berupa teks: pembuatan gambar secara native, pembuatan suara, dan dialog lisan secara waktu nyata merupakan bagian dari profil model lain.
Google mendokumentasikan pemanggilan fungsi, eksekusi kode, grounding berbasis pencarian, konteks URL, dan pencarian file untuk pratinjau yang spesifik ini. Pemanggilan fungsi memilih fungsi yang telah dideklarasikan dan menyiapkan argumen; aplikasi yang terhubung menjalankan operasi dan mengembalikan hasilnya. Eksekusi kode menggunakan Python yang dihasilkan untuk perhitungan atau pemrosesan teks. Grounding berbasis pencarian menyediakan materi web untuk jawaban berbasis sumber, sedangkan konteks URL bekerja dengan isi halaman tertentu yang dapat diakses. Pencarian file menyediakan kemampuan lain untuk mengambil sumber. Beri agen tujuan yang jelas untuk setiap alat dan tentukan informasi yang diharapkan dari setiap langkah agar alur kerja dapat dilanjutkan dari hasil yang benar-benar dikembalikan.
Dukungan keluaran terstruktur membuat artefak akhir dapat digunakan sebagai sekumpulan kolom yang telah ditentukan. Untuk perbandingan, mintalah kriteria, bagian sumber yang sesuai, perbedaan yang diamati, dan pertanyaan yang masih perlu diperjelas. Untuk tugas kode, pisahkan perubahan yang diusulkan dari penjelasannya dan pemeriksaan yang masih diperlukan. Profil model Google yang spesifik ini juga mencantumkan dukungan caching konteks dan pemrosesan batch. Materi sumber berulang dapat dijaga konsisten di antara tugas terkait; caching sendiri tidak membuktikan bahwa permintaan tertentu menggunakan kembali token yang tersimpan dalam cache. Nama kemampuan tersebut tidak menyiratkan kombinasi skema yang lebih baru, ambang cache, atau mode alat yang berjalan bersamaan.
Kartu keluarga model menjelaskan transformer dengan arsitektur sparse mixture-of-experts dengan pemahaman teks, visual, dan audio secara native. Pelatihan menggabungkan teks web, kode, gambar, audio, dan video; pelatihan lanjutan mencakup pasangan instruksi dan respons multimodal, preferensi manusia, serta data penggunaan alat. Persiapan data menerapkan deduplikasi serta penyaringan keamanan dan kualitas. Halaman model dengan penanggalan spesifik menyebut Januari 2025 sebagai batas pengetahuannya. Pertanyaan yang membutuhkan informasi lebih baru harus menyebutkan materi sumber atau langkah pengambilan informasi yang sesuai, alih-alih memperlakukan pengetahuan hasil pelatihan model sebagai umpan informasi langsung.
Keterbatasan substansial mencakup kemungkinan mengarang fakta serta kesulitan dalam pemahaman sebab-akibat, deduksi logis yang rumit, dan penalaran kontrafaktual. Kartu keluarga model juga mencatat bahwa respons terkadang dapat bernada menggurui secara berlebihan. Untuk hasil yang berguna, minta model membedakan fakta sumber, asumsi, dan tindakan yang diusulkan, lalu periksa bagian yang menentukan keputusan. Artefak agen yang lengkap dapat memuat temuan, langkah berikutnya yang beralasan, informasi yang diperoleh dari alat, dan pertanyaan yang belum terjawab. Penekanan rilis September pada penggunaan alat membantu menentukan alur kerja tersebut, sementara masukan yang disiapkan dan kriteria penyelesaian yang eksplisit menjaganya tetap terkait dengan tugas pengguna.
", "aboutText": "Gemini 2.5 Flash Preview 09-2025 adalah edisi pratinjau September dari model penalaran hibrida Google. Masukan yang didokumentasikan meliputi teks, gambar, video, dan audio; keluarannya berupa teks. Model dapat menggabungkan pertanyaan dengan materi visual atau lisan, lalu menghasilkan penjelasan, dokumen, kode, atau respons terstruktur. Edisi dengan penanggalan khusus ini berbeda dari Gemini 2.5 Flash stabil dan dari alias latest yang terus berubah. Tujuannya adalah pemahaman multimodal serta pekerjaan berbantuan alat dengan hasil tertulis.\n\nGoogle menjelaskan dua peningkatan khusus untuk rilis ini: penggunaan alat oleh agen yang lebih baik dan pembuatan jawaban yang lebih hemat saat mode berpikir diaktifkan. Peningkatan pertama menyangkut tugas yang memerlukan beberapa tindakan saling terhubung, seperti memperoleh informasi, membandingkannya dengan permintaan, dan memilih langkah berikutnya. Peningkatan kedua menyangkut pembuatan jawaban yang berguna dengan lebih sedikit token keluaran sambil mempertahankan kualitas. Untuk asisten pengembangan, berikan perilaku yang diamati, kode yang relevan, dan kriteria keberhasilan perubahan. Untuk asisten riset, tentukan pertanyaan, materi yang harus diperiksa, dan bukti yang diperlukan untuk kesimpulan.\n\nMode berpikir dan respons langsung merupakan bagian dari rancangan hibrida. Tugas dengan mode berpikir dapat menganalisis dependensi, kondisi matematis, atau rencana beberapa langkah sebelum menyiapkan jawaban akhir. Ekstraksi sederhana atau penjelasan singkat dapat memiliki tujuan respons yang lebih sederhana. Nyatakan batasan mana yang wajib, apa yang boleh diasumsikan model, dan apa yang harus terkandung dalam artefak akhir. Kartu keluarga model dari pembuatnya mencatat bahwa kepatuhan terhadap anggaran berpikir dapat tidak konsisten, sehingga anggaran yang diminta bukan bukti adanya batas penalaran yang ketat. Deskripsi ini tidak menerapkan tingkat atau setelan bawaan mode berpikir dari model yang lebih baru pada edisi September.\n\nTabel model September yang spesifik menetapkan hingga 1,048,576 token masukan dan 65,536 token keluaran. Profil masukan besarnya dapat menampung instruksi, contoh, teks referensi, dan konteks multimedia dalam satu tugas. Untuk membandingkan persyaratan dengan solusi yang diusulkan, beri label pada kedua sumber dan berikan satu rangkaian kriteria yang sama. Untuk membahas tangkapan layar, tunjukkan keadaan atau komponen yang relevan; untuk tugas audio atau video, sebutkan pertanyaan atau peristiwanya, alih-alih meminta deskripsi tanpa arah. Hasilnya tetap berupa teks: pembuatan gambar secara native, pembuatan suara, dan dialog lisan secara waktu nyata merupakan bagian dari profil model lain.\n\nGoogle mendokumentasikan pemanggilan fungsi, eksekusi kode, grounding berbasis pencarian, konteks URL, dan pencarian file untuk pratinjau yang spesifik ini. Pemanggilan fungsi memilih fungsi yang telah dideklarasikan dan menyiapkan argumen; aplikasi yang terhubung menjalankan operasi dan mengembalikan hasilnya. Eksekusi kode menggunakan Python yang dihasilkan untuk perhitungan atau pemrosesan teks. Grounding berbasis pencarian menyediakan materi web untuk jawaban berbasis sumber, sedangkan konteks URL bekerja dengan isi halaman tertentu yang dapat diakses. Pencarian file menyediakan kemampuan lain untuk mengambil sumber. Beri agen tujuan yang jelas untuk setiap alat dan tentukan informasi yang diharapkan dari setiap langkah agar alur kerja dapat dilanjutkan dari hasil yang benar-benar dikembalikan.\n\nDukungan keluaran terstruktur membuat artefak akhir dapat digunakan sebagai sekumpulan kolom yang telah ditentukan. Untuk perbandingan, mintalah kriteria, bagian sumber yang sesuai, perbedaan yang diamati, dan pertanyaan yang masih perlu diperjelas. Untuk tugas kode, pisahkan perubahan yang diusulkan dari penjelasannya dan pemeriksaan yang masih diperlukan. Profil model Google yang spesifik ini juga mencantumkan dukungan caching konteks dan pemrosesan batch. Materi sumber berulang dapat dijaga konsisten di antara tugas terkait; caching sendiri tidak membuktikan bahwa permintaan tertentu menggunakan kembali token yang tersimpan dalam cache. Nama kemampuan tersebut tidak menyiratkan kombinasi skema yang lebih baru, ambang cache, atau mode alat yang berjalan bersamaan.\n\nKartu keluarga model menjelaskan transformer dengan arsitektur sparse mixture-of-experts dengan pemahaman teks, visual, dan audio secara native. Pelatihan menggabungkan teks web, kode, gambar, audio, dan video; pelatihan lanjutan mencakup pasangan instruksi dan respons multimodal, preferensi manusia, serta data penggunaan alat. Persiapan data menerapkan deduplikasi serta penyaringan keamanan dan kualitas. Halaman model dengan penanggalan spesifik menyebut Januari 2025 sebagai batas pengetahuannya. Pertanyaan yang membutuhkan informasi lebih baru harus menyebutkan materi sumber atau langkah pengambilan informasi yang sesuai, alih-alih memperlakukan pengetahuan hasil pelatihan model sebagai umpan informasi langsung.\n\nKeterbatasan substansial mencakup kemungkinan mengarang fakta serta kesulitan dalam pemahaman sebab-akibat, deduksi logis yang rumit, dan penalaran kontrafaktual. Kartu keluarga model juga mencatat bahwa respons terkadang dapat bernada menggurui secara berlebihan. Untuk hasil yang berguna, minta model membedakan fakta sumber, asumsi, dan tindakan yang diusulkan, lalu periksa bagian yang menentukan keputusan. Artefak agen yang lengkap dapat memuat temuan, langkah berikutnya yang beralasan, informasi yang diperoleh dari alat, dan pertanyaan yang belum terjawab. Penekanan rilis September pada penggunaan alat membantu menentukan alur kerja tersebut, sementara masukan yang disiapkan dan kriteria penyelesaian yang eksplisit menjaganya tetap terkait dengan tugas pengguna.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Review a proposed retention design\n\nAssess this design against the requirement. Requirement R: delete inactive guest records after 30 days; paid accounts are excluded. Design D: a nightly job deletes every account whose last_login is older than 30 days. List mismatches with R/D references, propose a corrected selection rule in plain English, and give boundary cases to test.A concise requirements review, a corrected guest-only rule and tests for day 30, day 31 and an inactive paid account.The proposal excludes paid accounts and explicitly resolves what after 30 days means at the boundary.gemini-2.5-flash-preview-09-2025Gemini 2.5 Flash Preview 09-2025 adalah edisi September dari Google untuk analisis multimodal dan pekerjaan beberapa langkah dengan alat. Model ini menggabungkan pemahaman teks, gambar, video, dan audio dengan mode berpikir, respons terstruktur, serta batas masukan 1,048,576 token, disertai peningkatan khusus dalam penggunaan alat oleh agen.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 2.5 Flash Preview 09-2025 adalah edisi pratinjau September dari model penalaran hibrida Google. Masukan yang didokumentasikan meliputi teks, gambar, video, dan audio; keluarannya berupa teks. Model dapat menggabungkan pertanyaan dengan materi visual atau lisan, lalu menghasilkan penjelasan, dokumen, kode, atau respons terstruktur. Edisi dengan penanggalan khusus ini berbeda dari Gemini 2.5 Flash stabil dan dari alias latest yang terus berubah. Tujuannya adalah pemahaman multimodal serta pekerjaan berbantuan alat dengan hasil tertulis.
Google menjelaskan dua peningkatan khusus untuk rilis ini: penggunaan alat oleh agen yang lebih baik dan pembuatan jawaban yang lebih hemat saat mode berpikir diaktifkan. Peningkatan pertama menyangkut tugas yang memerlukan beberapa tindakan saling terhubung, seperti memperoleh informasi, membandingkannya dengan permintaan, dan memilih langkah berikutnya. Peningkatan kedua menyangkut pembuatan jawaban yang berguna dengan lebih sedikit token keluaran sambil mempertahankan kualitas. Untuk asisten pengembangan, berikan perilaku yang diamati, kode yang relevan, dan kriteria keberhasilan perubahan. Untuk asisten riset, tentukan pertanyaan, materi yang harus diperiksa, dan bukti yang diperlukan untuk kesimpulan.
Mode berpikir dan respons langsung merupakan bagian dari rancangan hibrida. Tugas dengan mode berpikir dapat menganalisis dependensi, kondisi matematis, atau rencana beberapa langkah sebelum menyiapkan jawaban akhir. Ekstraksi sederhana atau penjelasan singkat dapat memiliki tujuan respons yang lebih sederhana. Nyatakan batasan mana yang wajib, apa yang boleh diasumsikan model, dan apa yang harus terkandung dalam artefak akhir. Kartu keluarga model dari pembuatnya mencatat bahwa kepatuhan terhadap anggaran berpikir dapat tidak konsisten, sehingga anggaran yang diminta bukan bukti adanya batas penalaran yang ketat. Deskripsi ini tidak menerapkan tingkat atau setelan bawaan mode berpikir dari model yang lebih baru pada edisi September.
Tabel model September yang spesifik menetapkan hingga 1,048,576 token masukan dan 65,536 token keluaran. Profil masukan besarnya dapat menampung instruksi, contoh, teks referensi, dan konteks multimedia dalam satu tugas. Untuk membandingkan persyaratan dengan solusi yang diusulkan, beri label pada kedua sumber dan berikan satu rangkaian kriteria yang sama. Untuk membahas tangkapan layar, tunjukkan keadaan atau komponen yang relevan; untuk tugas audio atau video, sebutkan pertanyaan atau peristiwanya, alih-alih meminta deskripsi tanpa arah. Hasilnya tetap berupa teks: pembuatan gambar secara native, pembuatan suara, dan dialog lisan secara waktu nyata merupakan bagian dari profil model lain.
Google mendokumentasikan pemanggilan fungsi, eksekusi kode, grounding berbasis pencarian, konteks URL, dan pencarian file untuk pratinjau yang spesifik ini. Pemanggilan fungsi memilih fungsi yang telah dideklarasikan dan menyiapkan argumen; aplikasi yang terhubung menjalankan operasi dan mengembalikan hasilnya. Eksekusi kode menggunakan Python yang dihasilkan untuk perhitungan atau pemrosesan teks. Grounding berbasis pencarian menyediakan materi web untuk jawaban berbasis sumber, sedangkan konteks URL bekerja dengan isi halaman tertentu yang dapat diakses. Pencarian file menyediakan kemampuan lain untuk mengambil sumber. Beri agen tujuan yang jelas untuk setiap alat dan tentukan informasi yang diharapkan dari setiap langkah agar alur kerja dapat dilanjutkan dari hasil yang benar-benar dikembalikan.
Dukungan keluaran terstruktur membuat artefak akhir dapat digunakan sebagai sekumpulan kolom yang telah ditentukan. Untuk perbandingan, mintalah kriteria, bagian sumber yang sesuai, perbedaan yang diamati, dan pertanyaan yang masih perlu diperjelas. Untuk tugas kode, pisahkan perubahan yang diusulkan dari penjelasannya dan pemeriksaan yang masih diperlukan. Profil model Google yang spesifik ini juga mencantumkan dukungan caching konteks dan pemrosesan batch. Materi sumber berulang dapat dijaga konsisten di antara tugas terkait; caching sendiri tidak membuktikan bahwa permintaan tertentu menggunakan kembali token yang tersimpan dalam cache. Nama kemampuan tersebut tidak menyiratkan kombinasi skema yang lebih baru, ambang cache, atau mode alat yang berjalan bersamaan.
Kartu keluarga model menjelaskan transformer dengan arsitektur sparse mixture-of-experts dengan pemahaman teks, visual, dan audio secara native. Pelatihan menggabungkan teks web, kode, gambar, audio, dan video; pelatihan lanjutan mencakup pasangan instruksi dan respons multimodal, preferensi manusia, serta data penggunaan alat. Persiapan data menerapkan deduplikasi serta penyaringan keamanan dan kualitas. Halaman model dengan penanggalan spesifik menyebut Januari 2025 sebagai batas pengetahuannya. Pertanyaan yang membutuhkan informasi lebih baru harus menyebutkan materi sumber atau langkah pengambilan informasi yang sesuai, alih-alih memperlakukan pengetahuan hasil pelatihan model sebagai umpan informasi langsung.
Keterbatasan substansial mencakup kemungkinan mengarang fakta serta kesulitan dalam pemahaman sebab-akibat, deduksi logis yang rumit, dan penalaran kontrafaktual. Kartu keluarga model juga mencatat bahwa respons terkadang dapat bernada menggurui secara berlebihan. Untuk hasil yang berguna, minta model membedakan fakta sumber, asumsi, dan tindakan yang diusulkan, lalu periksa bagian yang menentukan keputusan. Artefak agen yang lengkap dapat memuat temuan, langkah berikutnya yang beralasan, informasi yang diperoleh dari alat, dan pertanyaan yang belum terjawab. Penekanan rilis September pada penggunaan alat membantu menentukan alur kerja tersebut, sementara masukan yang disiapkan dan kriteria penyelesaian yang eksplisit menjaganya tetap terkait dengan tugas pengguna.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-2.5-flash-preview-09-2025 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.0006 / 1K token Keluaran · Token keluaran $0.005 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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-preview-09-2025", "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='gemini-2.5-flash-preview-09-2025',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='gemini-2.5-flash-preview-09-2025',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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gemini-2.5-flash-preview-09-2025
Gunakan jalur metode yang ditampilkan di atas.
gemini-2.5-flash-preview-09-2025Gemini 2.5 Flash Preview 09-2025 adalah edisi September dari Google untuk analisis multimodal dan pekerjaan beberapa langkah dengan alat. Model ini menggabungkan pemahaman teks, gambar, video, dan audio dengan mode berpikir, respons terstruktur, serta batas masukan 1,048,576 token, disertai peningkatan khusus dalam penggunaan alat oleh agen.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 2.5 Flash Preview 09-2025 adalah edisi pratinjau September dari model penalaran hibrida Google. Masukan yang didokumentasikan meliputi teks, gambar, video, dan audio; keluarannya berupa teks. Model dapat menggabungkan pertanyaan dengan materi visual atau lisan, lalu menghasilkan penjelasan, dokumen, kode, atau respons terstruktur. Edisi dengan penanggalan khusus ini berbeda dari Gemini 2.5 Flash stabil dan dari alias latest yang terus berubah. Tujuannya adalah pemahaman multimodal serta pekerjaan berbantuan alat dengan hasil tertulis.
Google menjelaskan dua peningkatan khusus untuk rilis ini: penggunaan alat oleh agen yang lebih baik dan pembuatan jawaban yang lebih hemat saat mode berpikir diaktifkan. Peningkatan pertama menyangkut tugas yang memerlukan beberapa tindakan saling terhubung, seperti memperoleh informasi, membandingkannya dengan permintaan, dan memilih langkah berikutnya. Peningkatan kedua menyangkut pembuatan jawaban yang berguna dengan lebih sedikit token keluaran sambil mempertahankan kualitas. Untuk asisten pengembangan, berikan perilaku yang diamati, kode yang relevan, dan kriteria keberhasilan perubahan. Untuk asisten riset, tentukan pertanyaan, materi yang harus diperiksa, dan bukti yang diperlukan untuk kesimpulan.
Mode berpikir dan respons langsung merupakan bagian dari rancangan hibrida. Tugas dengan mode berpikir dapat menganalisis dependensi, kondisi matematis, atau rencana beberapa langkah sebelum menyiapkan jawaban akhir. Ekstraksi sederhana atau penjelasan singkat dapat memiliki tujuan respons yang lebih sederhana. Nyatakan batasan mana yang wajib, apa yang boleh diasumsikan model, dan apa yang harus terkandung dalam artefak akhir. Kartu keluarga model dari pembuatnya mencatat bahwa kepatuhan terhadap anggaran berpikir dapat tidak konsisten, sehingga anggaran yang diminta bukan bukti adanya batas penalaran yang ketat. Deskripsi ini tidak menerapkan tingkat atau setelan bawaan mode berpikir dari model yang lebih baru pada edisi September.
Tabel model September yang spesifik menetapkan hingga 1,048,576 token masukan dan 65,536 token keluaran. Profil masukan besarnya dapat menampung instruksi, contoh, teks referensi, dan konteks multimedia dalam satu tugas. Untuk membandingkan persyaratan dengan solusi yang diusulkan, beri label pada kedua sumber dan berikan satu rangkaian kriteria yang sama. Untuk membahas tangkapan layar, tunjukkan keadaan atau komponen yang relevan; untuk tugas audio atau video, sebutkan pertanyaan atau peristiwanya, alih-alih meminta deskripsi tanpa arah. Hasilnya tetap berupa teks: pembuatan gambar secara native, pembuatan suara, dan dialog lisan secara waktu nyata merupakan bagian dari profil model lain.
Google mendokumentasikan pemanggilan fungsi, eksekusi kode, grounding berbasis pencarian, konteks URL, dan pencarian file untuk pratinjau yang spesifik ini. Pemanggilan fungsi memilih fungsi yang telah dideklarasikan dan menyiapkan argumen; aplikasi yang terhubung menjalankan operasi dan mengembalikan hasilnya. Eksekusi kode menggunakan Python yang dihasilkan untuk perhitungan atau pemrosesan teks. Grounding berbasis pencarian menyediakan materi web untuk jawaban berbasis sumber, sedangkan konteks URL bekerja dengan isi halaman tertentu yang dapat diakses. Pencarian file menyediakan kemampuan lain untuk mengambil sumber. Beri agen tujuan yang jelas untuk setiap alat dan tentukan informasi yang diharapkan dari setiap langkah agar alur kerja dapat dilanjutkan dari hasil yang benar-benar dikembalikan.
Dukungan keluaran terstruktur membuat artefak akhir dapat digunakan sebagai sekumpulan kolom yang telah ditentukan. Untuk perbandingan, mintalah kriteria, bagian sumber yang sesuai, perbedaan yang diamati, dan pertanyaan yang masih perlu diperjelas. Untuk tugas kode, pisahkan perubahan yang diusulkan dari penjelasannya dan pemeriksaan yang masih diperlukan. Profil model Google yang spesifik ini juga mencantumkan dukungan caching konteks dan pemrosesan batch. Materi sumber berulang dapat dijaga konsisten di antara tugas terkait; caching sendiri tidak membuktikan bahwa permintaan tertentu menggunakan kembali token yang tersimpan dalam cache. Nama kemampuan tersebut tidak menyiratkan kombinasi skema yang lebih baru, ambang cache, atau mode alat yang berjalan bersamaan.
Kartu keluarga model menjelaskan transformer dengan arsitektur sparse mixture-of-experts dengan pemahaman teks, visual, dan audio secara native. Pelatihan menggabungkan teks web, kode, gambar, audio, dan video; pelatihan lanjutan mencakup pasangan instruksi dan respons multimodal, preferensi manusia, serta data penggunaan alat. Persiapan data menerapkan deduplikasi serta penyaringan keamanan dan kualitas. Halaman model dengan penanggalan spesifik menyebut Januari 2025 sebagai batas pengetahuannya. Pertanyaan yang membutuhkan informasi lebih baru harus menyebutkan materi sumber atau langkah pengambilan informasi yang sesuai, alih-alih memperlakukan pengetahuan hasil pelatihan model sebagai umpan informasi langsung.
Keterbatasan substansial mencakup kemungkinan mengarang fakta serta kesulitan dalam pemahaman sebab-akibat, deduksi logis yang rumit, dan penalaran kontrafaktual. Kartu keluarga model juga mencatat bahwa respons terkadang dapat bernada menggurui secara berlebihan. Untuk hasil yang berguna, minta model membedakan fakta sumber, asumsi, dan tindakan yang diusulkan, lalu periksa bagian yang menentukan keputusan. Artefak agen yang lengkap dapat memuat temuan, langkah berikutnya yang beralasan, informasi yang diperoleh dari alat, dan pertanyaan yang belum terjawab. Penekanan rilis September pada penggunaan alat membantu menentukan alur kerja tersebut, sementara masukan yang disiapkan dan kriteria penyelesaian yang eksplisit menjaganya tetap terkait dengan tugas pengguna.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-2.5-flash-preview-09-2025 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.0006 / 1K token Keluaran · Token keluaran $0.005 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "gemini-2.5-flash-preview-09-2025",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-preview-09-2025', '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-preview-09-2025', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gemini-2.5-flash-preview-09-2025
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Review a proposed retention design\n\nAssess this design against the requirement. Requirement R: delete inactive guest records after 30 days; paid accounts are excluded. Design D: a nightly job deletes every account whose last_login is older than 30 days. List mismatches with R/D references, propose a corrected selection rule in plain English, and give boundary cases to test.A concise requirements review, a corrected guest-only rule and tests for day 30, day 31 and an inactive paid account.The proposal excludes paid accounts and explicitly resolves what after 30 days means at the boundary.