Gemini 2.5 Pro adalah profil thinking stabil Google untuk pemrograman tingkat lanjut, matematika, STEM, dan analisis konteks panjang. Model ini dapat memahami teks, audio, gambar, video, dan seluruh repositori kode, dan profil Gemini API-nya juga menerima masukan PDF. Keluarannya berupa teks, termasuk kode, analisis tertulis, atau rekaman terstruktur. Penugasan yang berguna menyediakan bukti dan meminta hasil yang dapat diperiksa, seperti solusi dengan penjelasan, temuan basis kode, atau perbandingan beberapa dokumen.
Untuk pemrograman, berikan berkas yang relevan, perilaku yang diamati, serta perubahan atau pertanyaan yang penting. Konteks panjang dapat membantu model menghubungkan modul, bukan bernalar dari satu cuplikan terpisah. Untuk investigasi jalur kode, minta model menelusuri pengenal dari formulir masukan melalui pemrosesan dan penyimpanan, mengidentifikasi lokasi perubahan kontrak, dan mengusulkan koreksi terarah. Pertahankan batasan dan minta referensi pendukung. Revisi yang diusulkan perlu dibandingkan dengan kode sebenarnya dan validasi apa pun yang dilakukan melalui alat yang terhubung.
Untuk matematika atau analisis ilmiah, nyatakan masalah, asumsi, satuan, dan bentuk jawaban yang diwajibkan. Berikan data atau gambar yang menjadi landasan perhitungan. Minta hasil yang didukung dan pemeriksaan yang membuatnya dapat dinilai, seperti kasus batas atau perbandingan dengan nilai asli. Kemampuan penalaran model tidak menghilangkan ambiguitas dalam rumusan masalah. Jaga agar besaran yang tidak diketahui atau asumsi tanpa dukungan tetap terlihat, alih-alih menggantinya dengan nilai yang memudahkan.
Thinking dinamis adalah bawaan yang didokumentasikan. Panduan GenerateContent Gemini 2.5 mendukung anggaran penalaran eksplisit dari 128 hingga 32,768 token untuk Pro, atau -1 untuk thinking adaptif. Edisi ini tidak dapat sepenuhnya menonaktifkan thinking. Kontrol tersebut berbeda dari opsi anggaran nol pada Flash dan dari pengaturan tingkat thinking Gemini 3. Anggaran thinking memandu penalaran, bukan menjamin jumlah token internal yang persis, dan batas respons juga perlu menyisakan ruang untuk artefak akhir.
Untuk pekerjaan dokumen multimodal, identifikasi halaman, grafik, wilayah gambar, atau peristiwa rekaman yang harus mendukung jawaban. Tugas sintesis praktis dapat meminta klaim yang saling bersaing dari beberapa dokumen sumber, kutipan pendukungnya, dan perbedaan yang penting bagi satu keputusan. Minta model membedakan fakta yang dinyatakan dari inferensi. Untuk video atau audio, definisikan apakah hasil harus berupa deskripsi, transkrip, ringkasan, atau perbandingan. Gambar dan suara merupakan bukti untuk hasil teks dalam profil ini.
Halaman API khususnya mendokumentasikan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Definisikan tujuan fungsi dan bidang parameter, lalu pertahankan hasil nyata dalam giliran berikutnya. Untuk rekaman yang dibatasi skema, tentukan bidang wajib dan cara merepresentasikan informasi yang hilang. Arsitektur aslinya adalah transformer multimodal sparse mixture-of-experts; desain model tersebut sendiri tidak menyediakan eksekusi alat eksternal atau aplikasi selesai di luar teks maupun kode yang dikembalikan.
Kartu asli mencantumkan konteks masukan 1M dan keluaran teks 64K; tabel API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan riwayat yang dipertahankan berkontribusi pada persiapan masukan. Alokasi respons maksimum mencakup token penalaran, sehingga batas yang terlalu kecil dapat menghentikan jawaban akhir. Caching dan pemrosesan batch didokumentasikan, bersama opsi Flex dan Priority. Pertahankan setiap pengenal sumber dan bentuk akhir yang diminta ketika menyiapkan tugas konteks panjang yang independen.
Pengenal stabil ini berbeda dari edisi Experimental dan Preview yang dibahas secara terpisah dalam kartu model Pro bersama. Jangan mengatribusikan hasil spesifik versinya ke profil ini hanya karena memiliki nama Pro yang sama. Kartu tersebut mengidentifikasi kemungkinan halusinasi serta keterbatasan dalam pemahaman kausal, deduksi kompleks, dan penalaran kontrafaktual, dengan batas pengetahuan Januari 2025. Berikan bukti terkini ketika diperlukan dan tinjau referensi sumber, perhitungan, serta modifikasi yang diusulkan. Keluaran yang berguna adalah artefak teks atau kode yang didukung dan diminta oleh tugas.
", "aboutText": "Gemini 2.5 Pro adalah profil thinking stabil Google untuk pemrograman tingkat lanjut, matematika, STEM, dan analisis konteks panjang. Model ini dapat memahami teks, audio, gambar, video, dan seluruh repositori kode, dan profil Gemini API-nya juga menerima masukan PDF. Keluarannya berupa teks, termasuk kode, analisis tertulis, atau rekaman terstruktur. Penugasan yang berguna menyediakan bukti dan meminta hasil yang dapat diperiksa, seperti solusi dengan penjelasan, temuan basis kode, atau perbandingan beberapa dokumen.\n\nUntuk pemrograman, berikan berkas yang relevan, perilaku yang diamati, serta perubahan atau pertanyaan yang penting. Konteks panjang dapat membantu model menghubungkan modul, bukan bernalar dari satu cuplikan terpisah. Untuk investigasi jalur kode, minta model menelusuri pengenal dari formulir masukan melalui pemrosesan dan penyimpanan, mengidentifikasi lokasi perubahan kontrak, dan mengusulkan koreksi terarah. Pertahankan batasan dan minta referensi pendukung. Revisi yang diusulkan perlu dibandingkan dengan kode sebenarnya dan validasi apa pun yang dilakukan melalui alat yang terhubung.\n\nUntuk matematika atau analisis ilmiah, nyatakan masalah, asumsi, satuan, dan bentuk jawaban yang diwajibkan. Berikan data atau gambar yang menjadi landasan perhitungan. Minta hasil yang didukung dan pemeriksaan yang membuatnya dapat dinilai, seperti kasus batas atau perbandingan dengan nilai asli. Kemampuan penalaran model tidak menghilangkan ambiguitas dalam rumusan masalah. Jaga agar besaran yang tidak diketahui atau asumsi tanpa dukungan tetap terlihat, alih-alih menggantinya dengan nilai yang memudahkan.\n\nThinking dinamis adalah bawaan yang didokumentasikan. Panduan GenerateContent Gemini 2.5 mendukung anggaran penalaran eksplisit dari 128 hingga 32,768 token untuk Pro, atau -1 untuk thinking adaptif. Edisi ini tidak dapat sepenuhnya menonaktifkan thinking. Kontrol tersebut berbeda dari opsi anggaran nol pada Flash dan dari pengaturan tingkat thinking Gemini 3. Anggaran thinking memandu penalaran, bukan menjamin jumlah token internal yang persis, dan batas respons juga perlu menyisakan ruang untuk artefak akhir.\n\nUntuk pekerjaan dokumen multimodal, identifikasi halaman, grafik, wilayah gambar, atau peristiwa rekaman yang harus mendukung jawaban. Tugas sintesis praktis dapat meminta klaim yang saling bersaing dari beberapa dokumen sumber, kutipan pendukungnya, dan perbedaan yang penting bagi satu keputusan. Minta model membedakan fakta yang dinyatakan dari inferensi. Untuk video atau audio, definisikan apakah hasil harus berupa deskripsi, transkrip, ringkasan, atau perbandingan. Gambar dan suara merupakan bukti untuk hasil teks dalam profil ini.\n\nHalaman API khususnya mendokumentasikan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Definisikan tujuan fungsi dan bidang parameter, lalu pertahankan hasil nyata dalam giliran berikutnya. Untuk rekaman yang dibatasi skema, tentukan bidang wajib dan cara merepresentasikan informasi yang hilang. Arsitektur aslinya adalah transformer multimodal sparse mixture-of-experts; desain model tersebut sendiri tidak menyediakan eksekusi alat eksternal atau aplikasi selesai di luar teks maupun kode yang dikembalikan.\n\nKartu asli mencantumkan konteks masukan 1M dan keluaran teks 64K; tabel API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan riwayat yang dipertahankan berkontribusi pada persiapan masukan. Alokasi respons maksimum mencakup token penalaran, sehingga batas yang terlalu kecil dapat menghentikan jawaban akhir. Caching dan pemrosesan batch didokumentasikan, bersama opsi Flex dan Priority. Pertahankan setiap pengenal sumber dan bentuk akhir yang diminta ketika menyiapkan tugas konteks panjang yang independen.\n\nPengenal stabil ini berbeda dari edisi Experimental dan Preview yang dibahas secara terpisah dalam kartu model Pro bersama. Jangan mengatribusikan hasil spesifik versinya ke profil ini hanya karena memiliki nama Pro yang sama. Kartu tersebut mengidentifikasi kemungkinan halusinasi serta keterbatasan dalam pemahaman kausal, deduksi kompleks, dan penalaran kontrafaktual, dengan batas pengetahuan Januari 2025. Berikan bukti terkini ketika diperlukan dan tinjau referensi sumber, perhitungan, serta modifikasi yang diusulkan. Keluaran yang berguna adalah artefak teks atau kode yang didukung dan diminta oleh tugas.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Trace an identifier through storage\n\nTrace this identifier through three excerpts: form sends {customer_id:'0017'}; service computes id=Number(body.customer_id); repository stores String(id). Requirement: preserve leading zeros. Identify where the contract changes, propose a minimal consistent correction and give tests for '0017', '17' and a missing ID. Do not claim the tests were executed.A source-path explanation, a proposed patch and a three-case regression-test plan.Check that the proposed path preserves distinct strings 0017 and 17 while specifying missing-ID behavior.gemini-2.5-proGemini 2.5 Pro adalah model thinking stabil Google untuk kode kompleks, matematika, STEM, dan analisis konteks panjang. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks, dengan alat dan keluaran terstruktur. Anggaran penalaran dinamisnya mendukung 128–32,768 token dan tidak dapat sepenuhnya dinonaktifkan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 2.5 Pro adalah profil thinking stabil Google untuk pemrograman tingkat lanjut, matematika, STEM, dan analisis konteks panjang. Model ini dapat memahami teks, audio, gambar, video, dan seluruh repositori kode, dan profil Gemini API-nya juga menerima masukan PDF. Keluarannya berupa teks, termasuk kode, analisis tertulis, atau rekaman terstruktur. Penugasan yang berguna menyediakan bukti dan meminta hasil yang dapat diperiksa, seperti solusi dengan penjelasan, temuan basis kode, atau perbandingan beberapa dokumen.
Untuk pemrograman, berikan berkas yang relevan, perilaku yang diamati, serta perubahan atau pertanyaan yang penting. Konteks panjang dapat membantu model menghubungkan modul, bukan bernalar dari satu cuplikan terpisah. Untuk investigasi jalur kode, minta model menelusuri pengenal dari formulir masukan melalui pemrosesan dan penyimpanan, mengidentifikasi lokasi perubahan kontrak, dan mengusulkan koreksi terarah. Pertahankan batasan dan minta referensi pendukung. Revisi yang diusulkan perlu dibandingkan dengan kode sebenarnya dan validasi apa pun yang dilakukan melalui alat yang terhubung.
Untuk matematika atau analisis ilmiah, nyatakan masalah, asumsi, satuan, dan bentuk jawaban yang diwajibkan. Berikan data atau gambar yang menjadi landasan perhitungan. Minta hasil yang didukung dan pemeriksaan yang membuatnya dapat dinilai, seperti kasus batas atau perbandingan dengan nilai asli. Kemampuan penalaran model tidak menghilangkan ambiguitas dalam rumusan masalah. Jaga agar besaran yang tidak diketahui atau asumsi tanpa dukungan tetap terlihat, alih-alih menggantinya dengan nilai yang memudahkan.
Thinking dinamis adalah bawaan yang didokumentasikan. Panduan GenerateContent Gemini 2.5 mendukung anggaran penalaran eksplisit dari 128 hingga 32,768 token untuk Pro, atau -1 untuk thinking adaptif. Edisi ini tidak dapat sepenuhnya menonaktifkan thinking. Kontrol tersebut berbeda dari opsi anggaran nol pada Flash dan dari pengaturan tingkat thinking Gemini 3. Anggaran thinking memandu penalaran, bukan menjamin jumlah token internal yang persis, dan batas respons juga perlu menyisakan ruang untuk artefak akhir.
Untuk pekerjaan dokumen multimodal, identifikasi halaman, grafik, wilayah gambar, atau peristiwa rekaman yang harus mendukung jawaban. Tugas sintesis praktis dapat meminta klaim yang saling bersaing dari beberapa dokumen sumber, kutipan pendukungnya, dan perbedaan yang penting bagi satu keputusan. Minta model membedakan fakta yang dinyatakan dari inferensi. Untuk video atau audio, definisikan apakah hasil harus berupa deskripsi, transkrip, ringkasan, atau perbandingan. Gambar dan suara merupakan bukti untuk hasil teks dalam profil ini.
Halaman API khususnya mendokumentasikan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Definisikan tujuan fungsi dan bidang parameter, lalu pertahankan hasil nyata dalam giliran berikutnya. Untuk rekaman yang dibatasi skema, tentukan bidang wajib dan cara merepresentasikan informasi yang hilang. Arsitektur aslinya adalah transformer multimodal sparse mixture-of-experts; desain model tersebut sendiri tidak menyediakan eksekusi alat eksternal atau aplikasi selesai di luar teks maupun kode yang dikembalikan.
Kartu asli mencantumkan konteks masukan 1M dan keluaran teks 64K; tabel API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan riwayat yang dipertahankan berkontribusi pada persiapan masukan. Alokasi respons maksimum mencakup token penalaran, sehingga batas yang terlalu kecil dapat menghentikan jawaban akhir. Caching dan pemrosesan batch didokumentasikan, bersama opsi Flex dan Priority. Pertahankan setiap pengenal sumber dan bentuk akhir yang diminta ketika menyiapkan tugas konteks panjang yang independen.
Pengenal stabil ini berbeda dari edisi Experimental dan Preview yang dibahas secara terpisah dalam kartu model Pro bersama. Jangan mengatribusikan hasil spesifik versinya ke profil ini hanya karena memiliki nama Pro yang sama. Kartu tersebut mengidentifikasi kemungkinan halusinasi serta keterbatasan dalam pemahaman kausal, deduksi kompleks, dan penalaran kontrafaktual, dengan batas pengetahuan Januari 2025. Berikan bukti terkini ketika diperlukan dan tinjau referensi sumber, perhitungan, serta modifikasi yang diusulkan. Keluaran yang berguna adalah artefak teks atau kode yang didukung dan diminta oleh tugas.
POST /v1/messagestext, imagetext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-2.5-pro | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring|content_block[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomsystem | Jenisstring|content_block[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan Minimum: 1 Batas berlaku untuk: batas maksimum yang tepat untuk model/kartu yang dipilih | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop_sequences | Jenisstring[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenistool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: alat disediakan | Bawaan— |
Kolomtools[].description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].input_schema | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomthinking.type | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomthinking.budget_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomoutput_config.effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommetadata | Jenisobject | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomcache_control | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Teks · Teks UTF8
messages[].content atau blok type=text
Teks + gambar
{type:image,source:{type:base64,media_type,data}} atau sumber dengan type=url
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkonten UTF-8 aktual dimasukkan sebagai teks; ID file atau alamat URL (URLs) memerlukan dukungan yang tepat dan terpisah |
Siklus hidup: exact retained published method
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
POST /v1/messages| Ukuran permintaan, dalam token | Masukan | Keluaran | Pembacaan cache | Penulisan cache | Cache 5 menit | Cache 1 jam |
|---|---|---|---|---|---|---|
| Ukuran permintaan, dalam token(0; 200.000] | MasukanUS$0,00125 | KeluaranUS$0,01 | Pembacaan cacheUS$0,000125 | Penulisan cacheTarif dasar: — | Cache 5 menitTarif dasar: — | Cache 1 jamTarif dasar: — |
| Ukuran permintaan, dalam token(200.000; ∞) | MasukanUS$0,0025 | KeluaranUS$0,015 | Pembacaan cacheUS$0,00025 | Penulisan cacheTarif dasar: — | Cache 5 menitTarif dasar: — | Cache 1 jamTarif dasar: — |
Tarif dalam USD per 1K token. Jika tidak ada tarif yang ditetapkan, tarif dasar metode ini diwarisi; «—» berarti tidak ada tarif dasar yang ditetapkan.
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 →
Jadwal referensi tingkat model tidak mengubah pemilihan metode, estimasi harga, atau biaya. Biaya aktif menggunakan tarif metode Ailoot yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Tarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token Keluaran · Token penalaran keluaran $0.02 / 1K token |
| KonfigurasiOpenAI Chat · Tingkat 1 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasuk200.000 | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tingkat 2 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari200.000 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.005 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0.0005 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token Keluaran · Token penalaran keluaran $0.02 / 1K token |
| KonfigurasiAnthropic Messages · Tingkat 1 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasuk200.000 | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tingkat 2 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari200.000 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.005 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0.0005 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${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-pro", "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-pro", "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-pro",\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-pro",\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-pro',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 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 gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
gemini-2.5-proGemini 2.5 Pro adalah model thinking stabil Google untuk kode kompleks, matematika, STEM, dan analisis konteks panjang. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks, dengan alat dan keluaran terstruktur. Anggaran penalaran dinamisnya mendukung 128–32,768 token dan tidak dapat sepenuhnya dinonaktifkan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 2.5 Pro adalah profil thinking stabil Google untuk pemrograman tingkat lanjut, matematika, STEM, dan analisis konteks panjang. Model ini dapat memahami teks, audio, gambar, video, dan seluruh repositori kode, dan profil Gemini API-nya juga menerima masukan PDF. Keluarannya berupa teks, termasuk kode, analisis tertulis, atau rekaman terstruktur. Penugasan yang berguna menyediakan bukti dan meminta hasil yang dapat diperiksa, seperti solusi dengan penjelasan, temuan basis kode, atau perbandingan beberapa dokumen.
Untuk pemrograman, berikan berkas yang relevan, perilaku yang diamati, serta perubahan atau pertanyaan yang penting. Konteks panjang dapat membantu model menghubungkan modul, bukan bernalar dari satu cuplikan terpisah. Untuk investigasi jalur kode, minta model menelusuri pengenal dari formulir masukan melalui pemrosesan dan penyimpanan, mengidentifikasi lokasi perubahan kontrak, dan mengusulkan koreksi terarah. Pertahankan batasan dan minta referensi pendukung. Revisi yang diusulkan perlu dibandingkan dengan kode sebenarnya dan validasi apa pun yang dilakukan melalui alat yang terhubung.
Untuk matematika atau analisis ilmiah, nyatakan masalah, asumsi, satuan, dan bentuk jawaban yang diwajibkan. Berikan data atau gambar yang menjadi landasan perhitungan. Minta hasil yang didukung dan pemeriksaan yang membuatnya dapat dinilai, seperti kasus batas atau perbandingan dengan nilai asli. Kemampuan penalaran model tidak menghilangkan ambiguitas dalam rumusan masalah. Jaga agar besaran yang tidak diketahui atau asumsi tanpa dukungan tetap terlihat, alih-alih menggantinya dengan nilai yang memudahkan.
Thinking dinamis adalah bawaan yang didokumentasikan. Panduan GenerateContent Gemini 2.5 mendukung anggaran penalaran eksplisit dari 128 hingga 32,768 token untuk Pro, atau -1 untuk thinking adaptif. Edisi ini tidak dapat sepenuhnya menonaktifkan thinking. Kontrol tersebut berbeda dari opsi anggaran nol pada Flash dan dari pengaturan tingkat thinking Gemini 3. Anggaran thinking memandu penalaran, bukan menjamin jumlah token internal yang persis, dan batas respons juga perlu menyisakan ruang untuk artefak akhir.
Untuk pekerjaan dokumen multimodal, identifikasi halaman, grafik, wilayah gambar, atau peristiwa rekaman yang harus mendukung jawaban. Tugas sintesis praktis dapat meminta klaim yang saling bersaing dari beberapa dokumen sumber, kutipan pendukungnya, dan perbedaan yang penting bagi satu keputusan. Minta model membedakan fakta yang dinyatakan dari inferensi. Untuk video atau audio, definisikan apakah hasil harus berupa deskripsi, transkrip, ringkasan, atau perbandingan. Gambar dan suara merupakan bukti untuk hasil teks dalam profil ini.
Halaman API khususnya mendokumentasikan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Definisikan tujuan fungsi dan bidang parameter, lalu pertahankan hasil nyata dalam giliran berikutnya. Untuk rekaman yang dibatasi skema, tentukan bidang wajib dan cara merepresentasikan informasi yang hilang. Arsitektur aslinya adalah transformer multimodal sparse mixture-of-experts; desain model tersebut sendiri tidak menyediakan eksekusi alat eksternal atau aplikasi selesai di luar teks maupun kode yang dikembalikan.
Kartu asli mencantumkan konteks masukan 1M dan keluaran teks 64K; tabel API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan riwayat yang dipertahankan berkontribusi pada persiapan masukan. Alokasi respons maksimum mencakup token penalaran, sehingga batas yang terlalu kecil dapat menghentikan jawaban akhir. Caching dan pemrosesan batch didokumentasikan, bersama opsi Flex dan Priority. Pertahankan setiap pengenal sumber dan bentuk akhir yang diminta ketika menyiapkan tugas konteks panjang yang independen.
Pengenal stabil ini berbeda dari edisi Experimental dan Preview yang dibahas secara terpisah dalam kartu model Pro bersama. Jangan mengatribusikan hasil spesifik versinya ke profil ini hanya karena memiliki nama Pro yang sama. Kartu tersebut mengidentifikasi kemungkinan halusinasi serta keterbatasan dalam pemahaman kausal, deduksi kompleks, dan penalaran kontrafaktual, dengan batas pengetahuan Januari 2025. Berikan bukti terkini ketika diperlukan dan tinjau referensi sumber, perhitungan, serta modifikasi yang diusulkan. Keluaran yang berguna adalah artefak teks atau kode yang didukung dan diminta oleh tugas.
POST /v1beta/models/{model}:generateContenttext, imagetext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolompath.model | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-2.5-pro | Bawaan— |
Kolomcontents | Jeniscontent[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolomcontents[].role | Jenisstring | PersyaratanOpsional | Nilai & batasan user, model | Bawaan— |
Kolomcontents[].parts | Jenispart[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
KolomsystemInstruction | Jeniscontent | PersyaratanOpsional | Nilai & batasan | Bawaan— |
KolomgenerationConfig.maxOutputTokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
KolomgenerationConfig.temperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomgenerationConfig.topP | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomgenerationConfig.topK | Jenisinteger | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomgenerationConfig.stopSequences | Jenisstring[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomgenerationConfig.thinkingConfig.includeThoughts | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomgenerationConfig.thinkingConfig.thinkingBudget | Jenisinteger | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].functionDeclarations | Jenisfunction_declaration[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomtoolConfig.functionCallingConfig.mode | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomsafetySettings | Jenisobject[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomsessionId | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Teks · Teks UTF8
contents[].parts[].text
Teks + gambar
parts[].inlineData={mimeType,data}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakcontents |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkonten UTF-8 aktual dimasukkan sebagai teks; ID file atau alamat URL (URLs) memerlukan dukungan yang tepat dan terpisah |
Siklus hidup: exact retained published method
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
POST /v1beta/models/{model}:generateContent| Ukuran permintaan, dalam token | Masukan | Keluaran | Pembacaan cache | Penulisan cache | Cache 5 menit | Cache 1 jam |
|---|---|---|---|---|---|---|
| Ukuran permintaan, dalam token(0; 200.000] | MasukanUS$0,00125 | KeluaranUS$0,01 | Pembacaan cacheUS$0,000125 | Penulisan cacheTarif dasar: — | Cache 5 menitTarif dasar: — | Cache 1 jamTarif dasar: — |
| Ukuran permintaan, dalam token(200.000; ∞) | MasukanUS$0,0025 | KeluaranUS$0,015 | Pembacaan cacheUS$0,00025 | Penulisan cacheTarif dasar: — | Cache 5 menitTarif dasar: — | Cache 1 jamTarif dasar: — |
Tarif dalam USD per 1K token. Jika tidak ada tarif yang ditetapkan, tarif dasar metode ini diwarisi; «—» berarti tidak ada tarif dasar yang ditetapkan.
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 →
Jadwal referensi tingkat model tidak mengubah pemilihan metode, estimasi harga, atau biaya. Biaya aktif menggunakan tarif metode Ailoot yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Tarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token Keluaran · Token penalaran keluaran $0.02 / 1K token |
| KonfigurasiOpenAI Chat · Tingkat 1 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasuk200.000 | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tingkat 2 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari200.000 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.005 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0.0005 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token Keluaran · Token penalaran keluaran $0.02 / 1K token |
| KonfigurasiAnthropic Messages · Tingkat 1 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasuk200.000 | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tingkat 2 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari200.000 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.005 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0.0005 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${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-pro: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-pro: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-pro", 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-pro", 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-pro',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 atau streaming yang didukung
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua kandidat dan bagian, termasuk panggilan fungsi, tanda tangan pemikiran, dan data penggunaan; gabungkan potongan stream secara berurutan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
KolomresponseId | Jenisstring |
KolommodelVersion | Jenisstring |
Kolomcandidates[].content.parts[] | Jenistext|inlineData|functionCall|other part |
Kolomcandidates[].finishReason | Jenisstring |
KolomusageMetadata | 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 gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
gemini-2.5-proGemini 2.5 Pro adalah model thinking stabil Google untuk kode kompleks, matematika, STEM, dan analisis konteks panjang. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks, dengan alat dan keluaran terstruktur. Anggaran penalaran dinamisnya mendukung 128–32,768 token dan tidak dapat sepenuhnya dinonaktifkan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 2.5 Pro adalah profil thinking stabil Google untuk pemrograman tingkat lanjut, matematika, STEM, dan analisis konteks panjang. Model ini dapat memahami teks, audio, gambar, video, dan seluruh repositori kode, dan profil Gemini API-nya juga menerima masukan PDF. Keluarannya berupa teks, termasuk kode, analisis tertulis, atau rekaman terstruktur. Penugasan yang berguna menyediakan bukti dan meminta hasil yang dapat diperiksa, seperti solusi dengan penjelasan, temuan basis kode, atau perbandingan beberapa dokumen.
Untuk pemrograman, berikan berkas yang relevan, perilaku yang diamati, serta perubahan atau pertanyaan yang penting. Konteks panjang dapat membantu model menghubungkan modul, bukan bernalar dari satu cuplikan terpisah. Untuk investigasi jalur kode, minta model menelusuri pengenal dari formulir masukan melalui pemrosesan dan penyimpanan, mengidentifikasi lokasi perubahan kontrak, dan mengusulkan koreksi terarah. Pertahankan batasan dan minta referensi pendukung. Revisi yang diusulkan perlu dibandingkan dengan kode sebenarnya dan validasi apa pun yang dilakukan melalui alat yang terhubung.
Untuk matematika atau analisis ilmiah, nyatakan masalah, asumsi, satuan, dan bentuk jawaban yang diwajibkan. Berikan data atau gambar yang menjadi landasan perhitungan. Minta hasil yang didukung dan pemeriksaan yang membuatnya dapat dinilai, seperti kasus batas atau perbandingan dengan nilai asli. Kemampuan penalaran model tidak menghilangkan ambiguitas dalam rumusan masalah. Jaga agar besaran yang tidak diketahui atau asumsi tanpa dukungan tetap terlihat, alih-alih menggantinya dengan nilai yang memudahkan.
Thinking dinamis adalah bawaan yang didokumentasikan. Panduan GenerateContent Gemini 2.5 mendukung anggaran penalaran eksplisit dari 128 hingga 32,768 token untuk Pro, atau -1 untuk thinking adaptif. Edisi ini tidak dapat sepenuhnya menonaktifkan thinking. Kontrol tersebut berbeda dari opsi anggaran nol pada Flash dan dari pengaturan tingkat thinking Gemini 3. Anggaran thinking memandu penalaran, bukan menjamin jumlah token internal yang persis, dan batas respons juga perlu menyisakan ruang untuk artefak akhir.
Untuk pekerjaan dokumen multimodal, identifikasi halaman, grafik, wilayah gambar, atau peristiwa rekaman yang harus mendukung jawaban. Tugas sintesis praktis dapat meminta klaim yang saling bersaing dari beberapa dokumen sumber, kutipan pendukungnya, dan perbedaan yang penting bagi satu keputusan. Minta model membedakan fakta yang dinyatakan dari inferensi. Untuk video atau audio, definisikan apakah hasil harus berupa deskripsi, transkrip, ringkasan, atau perbandingan. Gambar dan suara merupakan bukti untuk hasil teks dalam profil ini.
Halaman API khususnya mendokumentasikan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Definisikan tujuan fungsi dan bidang parameter, lalu pertahankan hasil nyata dalam giliran berikutnya. Untuk rekaman yang dibatasi skema, tentukan bidang wajib dan cara merepresentasikan informasi yang hilang. Arsitektur aslinya adalah transformer multimodal sparse mixture-of-experts; desain model tersebut sendiri tidak menyediakan eksekusi alat eksternal atau aplikasi selesai di luar teks maupun kode yang dikembalikan.
Kartu asli mencantumkan konteks masukan 1M dan keluaran teks 64K; tabel API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan riwayat yang dipertahankan berkontribusi pada persiapan masukan. Alokasi respons maksimum mencakup token penalaran, sehingga batas yang terlalu kecil dapat menghentikan jawaban akhir. Caching dan pemrosesan batch didokumentasikan, bersama opsi Flex dan Priority. Pertahankan setiap pengenal sumber dan bentuk akhir yang diminta ketika menyiapkan tugas konteks panjang yang independen.
Pengenal stabil ini berbeda dari edisi Experimental dan Preview yang dibahas secara terpisah dalam kartu model Pro bersama. Jangan mengatribusikan hasil spesifik versinya ke profil ini hanya karena memiliki nama Pro yang sama. Kartu tersebut mengidentifikasi kemungkinan halusinasi serta keterbatasan dalam pemahaman kausal, deduksi kompleks, dan penalaran kontrafaktual, dengan batas pengetahuan Januari 2025. Berikan bukti terkini ketika diperlukan dan tinjau referensi sumber, perhitungan, serta modifikasi yang diusulkan. Keluaran yang berguna adalah artefak teks atau kode yang didukung dan diminta oleh tugas.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-2.5-pro | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Percakapan teks | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
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 |
Parametercontrol_scope | KontrakPercakapan teks; stream adalah nilai boolean dengan false sebagai bawaan. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias metode: /chat/completions
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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token Keluaran · Token penalaran keluaran $0.02 / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasuk200.000 | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 2 | Jadwal tarif— | Token konteks, lebih dari200.000 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.005 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0.0005 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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-pro","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-pro", 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 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 gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
gemini-2.5-proGemini 2.5 Pro adalah model thinking stabil Google untuk kode kompleks, matematika, STEM, dan analisis konteks panjang. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks, dengan alat dan keluaran terstruktur. Anggaran penalaran dinamisnya mendukung 128–32,768 token dan tidak dapat sepenuhnya dinonaktifkan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 2.5 Pro adalah profil thinking stabil Google untuk pemrograman tingkat lanjut, matematika, STEM, dan analisis konteks panjang. Model ini dapat memahami teks, audio, gambar, video, dan seluruh repositori kode, dan profil Gemini API-nya juga menerima masukan PDF. Keluarannya berupa teks, termasuk kode, analisis tertulis, atau rekaman terstruktur. Penugasan yang berguna menyediakan bukti dan meminta hasil yang dapat diperiksa, seperti solusi dengan penjelasan, temuan basis kode, atau perbandingan beberapa dokumen.
Untuk pemrograman, berikan berkas yang relevan, perilaku yang diamati, serta perubahan atau pertanyaan yang penting. Konteks panjang dapat membantu model menghubungkan modul, bukan bernalar dari satu cuplikan terpisah. Untuk investigasi jalur kode, minta model menelusuri pengenal dari formulir masukan melalui pemrosesan dan penyimpanan, mengidentifikasi lokasi perubahan kontrak, dan mengusulkan koreksi terarah. Pertahankan batasan dan minta referensi pendukung. Revisi yang diusulkan perlu dibandingkan dengan kode sebenarnya dan validasi apa pun yang dilakukan melalui alat yang terhubung.
Untuk matematika atau analisis ilmiah, nyatakan masalah, asumsi, satuan, dan bentuk jawaban yang diwajibkan. Berikan data atau gambar yang menjadi landasan perhitungan. Minta hasil yang didukung dan pemeriksaan yang membuatnya dapat dinilai, seperti kasus batas atau perbandingan dengan nilai asli. Kemampuan penalaran model tidak menghilangkan ambiguitas dalam rumusan masalah. Jaga agar besaran yang tidak diketahui atau asumsi tanpa dukungan tetap terlihat, alih-alih menggantinya dengan nilai yang memudahkan.
Thinking dinamis adalah bawaan yang didokumentasikan. Panduan GenerateContent Gemini 2.5 mendukung anggaran penalaran eksplisit dari 128 hingga 32,768 token untuk Pro, atau -1 untuk thinking adaptif. Edisi ini tidak dapat sepenuhnya menonaktifkan thinking. Kontrol tersebut berbeda dari opsi anggaran nol pada Flash dan dari pengaturan tingkat thinking Gemini 3. Anggaran thinking memandu penalaran, bukan menjamin jumlah token internal yang persis, dan batas respons juga perlu menyisakan ruang untuk artefak akhir.
Untuk pekerjaan dokumen multimodal, identifikasi halaman, grafik, wilayah gambar, atau peristiwa rekaman yang harus mendukung jawaban. Tugas sintesis praktis dapat meminta klaim yang saling bersaing dari beberapa dokumen sumber, kutipan pendukungnya, dan perbedaan yang penting bagi satu keputusan. Minta model membedakan fakta yang dinyatakan dari inferensi. Untuk video atau audio, definisikan apakah hasil harus berupa deskripsi, transkrip, ringkasan, atau perbandingan. Gambar dan suara merupakan bukti untuk hasil teks dalam profil ini.
Halaman API khususnya mendokumentasikan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Definisikan tujuan fungsi dan bidang parameter, lalu pertahankan hasil nyata dalam giliran berikutnya. Untuk rekaman yang dibatasi skema, tentukan bidang wajib dan cara merepresentasikan informasi yang hilang. Arsitektur aslinya adalah transformer multimodal sparse mixture-of-experts; desain model tersebut sendiri tidak menyediakan eksekusi alat eksternal atau aplikasi selesai di luar teks maupun kode yang dikembalikan.
Kartu asli mencantumkan konteks masukan 1M dan keluaran teks 64K; tabel API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan riwayat yang dipertahankan berkontribusi pada persiapan masukan. Alokasi respons maksimum mencakup token penalaran, sehingga batas yang terlalu kecil dapat menghentikan jawaban akhir. Caching dan pemrosesan batch didokumentasikan, bersama opsi Flex dan Priority. Pertahankan setiap pengenal sumber dan bentuk akhir yang diminta ketika menyiapkan tugas konteks panjang yang independen.
Pengenal stabil ini berbeda dari edisi Experimental dan Preview yang dibahas secara terpisah dalam kartu model Pro bersama. Jangan mengatribusikan hasil spesifik versinya ke profil ini hanya karena memiliki nama Pro yang sama. Kartu tersebut mengidentifikasi kemungkinan halusinasi serta keterbatasan dalam pemahaman kausal, deduksi kompleks, dan penalaran kontrafaktual, dengan batas pengetahuan Januari 2025. Berikan bukti terkini ketika diperlukan dan tinjau referensi sumber, perhitungan, serta modifikasi yang diusulkan. Keluaran yang berguna adalah artefak teks atau kode yang didukung dan diminta oleh tugas.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-2.5-pro | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token Keluaran · Token penalaran keluaran $0.02 / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasuk200.000 | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 2 | Jadwal tarif— | Token konteks, lebih dari200.000 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.005 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0.0005 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "gemini-2.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro', '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-pro', '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 gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
google/gemini-2.5-proGemini 2.5 Pro adalah model thinking stabil Google untuk kode kompleks, matematika, STEM, dan analisis konteks panjang. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks, dengan alat dan keluaran terstruktur. Anggaran penalaran dinamisnya mendukung 128–32,768 token dan tidak dapat sepenuhnya dinonaktifkan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 2.5 Pro adalah profil thinking stabil Google untuk pemrograman tingkat lanjut, matematika, STEM, dan analisis konteks panjang. Model ini dapat memahami teks, audio, gambar, video, dan seluruh repositori kode, dan profil Gemini API-nya juga menerima masukan PDF. Keluarannya berupa teks, termasuk kode, analisis tertulis, atau rekaman terstruktur. Penugasan yang berguna menyediakan bukti dan meminta hasil yang dapat diperiksa, seperti solusi dengan penjelasan, temuan basis kode, atau perbandingan beberapa dokumen.
Untuk pemrograman, berikan berkas yang relevan, perilaku yang diamati, serta perubahan atau pertanyaan yang penting. Konteks panjang dapat membantu model menghubungkan modul, bukan bernalar dari satu cuplikan terpisah. Untuk investigasi jalur kode, minta model menelusuri pengenal dari formulir masukan melalui pemrosesan dan penyimpanan, mengidentifikasi lokasi perubahan kontrak, dan mengusulkan koreksi terarah. Pertahankan batasan dan minta referensi pendukung. Revisi yang diusulkan perlu dibandingkan dengan kode sebenarnya dan validasi apa pun yang dilakukan melalui alat yang terhubung.
Untuk matematika atau analisis ilmiah, nyatakan masalah, asumsi, satuan, dan bentuk jawaban yang diwajibkan. Berikan data atau gambar yang menjadi landasan perhitungan. Minta hasil yang didukung dan pemeriksaan yang membuatnya dapat dinilai, seperti kasus batas atau perbandingan dengan nilai asli. Kemampuan penalaran model tidak menghilangkan ambiguitas dalam rumusan masalah. Jaga agar besaran yang tidak diketahui atau asumsi tanpa dukungan tetap terlihat, alih-alih menggantinya dengan nilai yang memudahkan.
Thinking dinamis adalah bawaan yang didokumentasikan. Panduan GenerateContent Gemini 2.5 mendukung anggaran penalaran eksplisit dari 128 hingga 32,768 token untuk Pro, atau -1 untuk thinking adaptif. Edisi ini tidak dapat sepenuhnya menonaktifkan thinking. Kontrol tersebut berbeda dari opsi anggaran nol pada Flash dan dari pengaturan tingkat thinking Gemini 3. Anggaran thinking memandu penalaran, bukan menjamin jumlah token internal yang persis, dan batas respons juga perlu menyisakan ruang untuk artefak akhir.
Untuk pekerjaan dokumen multimodal, identifikasi halaman, grafik, wilayah gambar, atau peristiwa rekaman yang harus mendukung jawaban. Tugas sintesis praktis dapat meminta klaim yang saling bersaing dari beberapa dokumen sumber, kutipan pendukungnya, dan perbedaan yang penting bagi satu keputusan. Minta model membedakan fakta yang dinyatakan dari inferensi. Untuk video atau audio, definisikan apakah hasil harus berupa deskripsi, transkrip, ringkasan, atau perbandingan. Gambar dan suara merupakan bukti untuk hasil teks dalam profil ini.
Halaman API khususnya mendokumentasikan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Definisikan tujuan fungsi dan bidang parameter, lalu pertahankan hasil nyata dalam giliran berikutnya. Untuk rekaman yang dibatasi skema, tentukan bidang wajib dan cara merepresentasikan informasi yang hilang. Arsitektur aslinya adalah transformer multimodal sparse mixture-of-experts; desain model tersebut sendiri tidak menyediakan eksekusi alat eksternal atau aplikasi selesai di luar teks maupun kode yang dikembalikan.
Kartu asli mencantumkan konteks masukan 1M dan keluaran teks 64K; tabel API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan riwayat yang dipertahankan berkontribusi pada persiapan masukan. Alokasi respons maksimum mencakup token penalaran, sehingga batas yang terlalu kecil dapat menghentikan jawaban akhir. Caching dan pemrosesan batch didokumentasikan, bersama opsi Flex dan Priority. Pertahankan setiap pengenal sumber dan bentuk akhir yang diminta ketika menyiapkan tugas konteks panjang yang independen.
Pengenal stabil ini berbeda dari edisi Experimental dan Preview yang dibahas secara terpisah dalam kartu model Pro bersama. Jangan mengatribusikan hasil spesifik versinya ke profil ini hanya karena memiliki nama Pro yang sama. Kartu tersebut mengidentifikasi kemungkinan halusinasi serta keterbatasan dalam pemahaman kausal, deduksi kompleks, dan penalaran kontrafaktual, dengan batas pengetahuan Januari 2025. Berikan bukti terkini ketika diperlukan dan tinjau referensi sumber, perhitungan, serta modifikasi yang diusulkan. Keluaran yang berguna adalah artefak teks atau kode yang didukung dan diminta oleh tugas.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemini-2.5-pro | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token Keluaran · Token penalaran keluaran $0.02 / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasuk200.000 | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 2 | Jadwal tarif— | Token konteks, lebih dari200.000 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.005 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0.0005 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-pro", "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',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',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 gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
google/gemini-2.5-proGemini 2.5 Pro adalah model thinking stabil Google untuk kode kompleks, matematika, STEM, dan analisis konteks panjang. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks, dengan alat dan keluaran terstruktur. Anggaran penalaran dinamisnya mendukung 128–32,768 token dan tidak dapat sepenuhnya dinonaktifkan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 2.5 Pro adalah profil thinking stabil Google untuk pemrograman tingkat lanjut, matematika, STEM, dan analisis konteks panjang. Model ini dapat memahami teks, audio, gambar, video, dan seluruh repositori kode, dan profil Gemini API-nya juga menerima masukan PDF. Keluarannya berupa teks, termasuk kode, analisis tertulis, atau rekaman terstruktur. Penugasan yang berguna menyediakan bukti dan meminta hasil yang dapat diperiksa, seperti solusi dengan penjelasan, temuan basis kode, atau perbandingan beberapa dokumen.
Untuk pemrograman, berikan berkas yang relevan, perilaku yang diamati, serta perubahan atau pertanyaan yang penting. Konteks panjang dapat membantu model menghubungkan modul, bukan bernalar dari satu cuplikan terpisah. Untuk investigasi jalur kode, minta model menelusuri pengenal dari formulir masukan melalui pemrosesan dan penyimpanan, mengidentifikasi lokasi perubahan kontrak, dan mengusulkan koreksi terarah. Pertahankan batasan dan minta referensi pendukung. Revisi yang diusulkan perlu dibandingkan dengan kode sebenarnya dan validasi apa pun yang dilakukan melalui alat yang terhubung.
Untuk matematika atau analisis ilmiah, nyatakan masalah, asumsi, satuan, dan bentuk jawaban yang diwajibkan. Berikan data atau gambar yang menjadi landasan perhitungan. Minta hasil yang didukung dan pemeriksaan yang membuatnya dapat dinilai, seperti kasus batas atau perbandingan dengan nilai asli. Kemampuan penalaran model tidak menghilangkan ambiguitas dalam rumusan masalah. Jaga agar besaran yang tidak diketahui atau asumsi tanpa dukungan tetap terlihat, alih-alih menggantinya dengan nilai yang memudahkan.
Thinking dinamis adalah bawaan yang didokumentasikan. Panduan GenerateContent Gemini 2.5 mendukung anggaran penalaran eksplisit dari 128 hingga 32,768 token untuk Pro, atau -1 untuk thinking adaptif. Edisi ini tidak dapat sepenuhnya menonaktifkan thinking. Kontrol tersebut berbeda dari opsi anggaran nol pada Flash dan dari pengaturan tingkat thinking Gemini 3. Anggaran thinking memandu penalaran, bukan menjamin jumlah token internal yang persis, dan batas respons juga perlu menyisakan ruang untuk artefak akhir.
Untuk pekerjaan dokumen multimodal, identifikasi halaman, grafik, wilayah gambar, atau peristiwa rekaman yang harus mendukung jawaban. Tugas sintesis praktis dapat meminta klaim yang saling bersaing dari beberapa dokumen sumber, kutipan pendukungnya, dan perbedaan yang penting bagi satu keputusan. Minta model membedakan fakta yang dinyatakan dari inferensi. Untuk video atau audio, definisikan apakah hasil harus berupa deskripsi, transkrip, ringkasan, atau perbandingan. Gambar dan suara merupakan bukti untuk hasil teks dalam profil ini.
Halaman API khususnya mendokumentasikan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Definisikan tujuan fungsi dan bidang parameter, lalu pertahankan hasil nyata dalam giliran berikutnya. Untuk rekaman yang dibatasi skema, tentukan bidang wajib dan cara merepresentasikan informasi yang hilang. Arsitektur aslinya adalah transformer multimodal sparse mixture-of-experts; desain model tersebut sendiri tidak menyediakan eksekusi alat eksternal atau aplikasi selesai di luar teks maupun kode yang dikembalikan.
Kartu asli mencantumkan konteks masukan 1M dan keluaran teks 64K; tabel API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan riwayat yang dipertahankan berkontribusi pada persiapan masukan. Alokasi respons maksimum mencakup token penalaran, sehingga batas yang terlalu kecil dapat menghentikan jawaban akhir. Caching dan pemrosesan batch didokumentasikan, bersama opsi Flex dan Priority. Pertahankan setiap pengenal sumber dan bentuk akhir yang diminta ketika menyiapkan tugas konteks panjang yang independen.
Pengenal stabil ini berbeda dari edisi Experimental dan Preview yang dibahas secara terpisah dalam kartu model Pro bersama. Jangan mengatribusikan hasil spesifik versinya ke profil ini hanya karena memiliki nama Pro yang sama. Kartu tersebut mengidentifikasi kemungkinan halusinasi serta keterbatasan dalam pemahaman kausal, deduksi kompleks, dan penalaran kontrafaktual, dengan batas pengetahuan Januari 2025. Berikan bukti terkini ketika diperlukan dan tinjau referensi sumber, perhitungan, serta modifikasi yang diusulkan. Keluaran yang berguna adalah artefak teks atau kode yang didukung dan diminta oleh tugas.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemini-2.5-pro | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token Keluaran · Token penalaran keluaran $0.02 / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasuk200.000 | Biaya Masukan · Token masukan $0.0025 / 1K token Keluaran · Token keluaran $0.02 / 1K token Masukan · Pembacaan cache $0.00025 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 2 | Jadwal tarif— | Token konteks, lebih dari200.000 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.005 / 1K token Keluaran · Token keluaran $0.03 / 1K token Masukan · Pembacaan cache $0.0005 / 1K token Masukan · Penulisan cache $0.00075 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "google/gemini-2.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
Contoh teknis dalam bahasa Inggris
Trace an identifier through storage\n\nTrace this identifier through three excerpts: form sends {customer_id:'0017'}; service computes id=Number(body.customer_id); repository stores String(id). Requirement: preserve leading zeros. Identify where the contract changes, propose a minimal consistent correction and give tests for '0017', '17' and a missing ID. Do not claim the tests were executed.A source-path explanation, a proposed patch and a three-case regression-test plan.Check that the proposed path preserves distinct strings 0017 and 17 while specifying missing-ID behavior.