Gemini 2.5 Flash è il profilo stabile di Google a ragionamento ibrido per un lavoro multimodale versatile e uso agentico degli strumenti. Offre risposte con e senza thinking per compiti multimodali su larga scala che necessitano di diversi livelli di ragionamento. Testo, immagini, audio e video contribuiscono a una risposta testuale. L'input documentale è descritto anche nel profilo cloud di Google specifico del modello. Un risultato utile può essere un confronto di documenti, l'interpretazione di un grafico, una trascrizione, codice o un record strutturato.
Il controllo del ragionamento dell'edizione usa thinkingBudget. Il thinking dinamico è il predefinito; un'impostazione di -1 consente al modello di adattare il ragionamento alla complessità del compito. Un budget esplicito può variare da zero a 24,576 token, e zero disattiva il thinking. Scegli un budget appropriato al problema effettivo, anziché assegnare lo stesso impegno a una semplice categorizzazione e a un'analisi con più condizioni. La guida tratta il budget come indicazione, e la scheda nativa osserva che l'aderenza potrebbe non essere esatta.
Per un compito documentale o sui dati, definisci la domanda, i campi richiesti e le prove che dovrebbero accompagnare il risultato. Per un confronto di requisiti, confronta due specifiche e restituisci il requisito modificato, il brano sorgente e l'effetto su un flusso di lavoro dichiarato. L'output strutturato è utile quando ciascun rilievo necessita della stessa forma di record. Se la fonte fornisce più valori possibili o lascia aperto un campo, conserva tale incertezza anziché forzare un'unica risposta plausibile. Controlla i valori restituiti rispetto alle pagine o ai dati forniti.
Per materiale visivo o audio, identifica l'oggetto, l'etichetta, l'evento o il brano della registrazione pertinente. Chiedi il tipo di testo necessario: valori visibili da un grafico, descrizione di un evento, trascrizione o riepilogo. Questi artefatti sono diversi e l'istruzione dovrebbe indicare quale produrre. La scheda nativa condivisa include Flash Image e Flash Audio come capacità denominate separatamente; i loro output di immagini e parlato generati non fanno parte di questo profilo testuale stabile.
L'esatto profilo cloud di Google documenta input PDF e testo semplice con limiti specifici dell'interfaccia: 50 MB per PDF importato tramite API e fino a 3,000 pagine per file, con un limite di 7 MB per file di testo semplice. Quel profilo descrive anche circa 45 minuti di video con audio o un'ora senza audio, e circa 8.4 ore di audio entro la capacità di input di un milione di token. Sono i vincoli dichiarati dell'interfaccia cloud, separati dalla finestra generale di token del modello. Prepara la sezione pertinente e il formato sorgente, anziché presumere che ogni tipo di file o percorso di caricamento abbia lo stesso limite.
La tabella dell'esatta Gemini API elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Definisci il ruolo e la struttura dei parametri di ciascuna funzione e prosegui dal risultato reale restituito. Un modello può richiedere un'operazione, mentre l'applicazione collegata la esegue. Conserva il contesto necessario delle thought signatures quando prosegui un compito di ragionamento nell'interfaccia stateless. Una risposta strutturata o un suggerimento di funzione non dimostrano indipendentemente la riuscita di un'operazione esterna.
La scheda nativa del modello indica un contesto di 1M e output testuale di 64K, mentre la tabella dell'esatta API specifica 1,048,576 token di input e 65,536 token di output. Un limite di risposta include i token di thinking, quindi un limite eccessivamente piccolo può lasciare la risposta finale troncata o vuota. Richiedi un artefatto dimensionato per la capacità di output e usa il budget di ragionamento per guidare l'impegno. Per questo profilo del produttore sono documentati caching, batch, Flex ed elaborazione Priority. Conserva gli identificativi degli elementi quando prepari più record indipendenti.
L'edizione stabile rimane distinta dalle varianti Flash Preview e dai successivi modelli Gemini 3. La sua scheda elenca possibili allucinazioni, limiti nella comprensione causale e nel ragionamento logico complesso o controfattuale, e un limite temporale delle conoscenze a gennaio 2025. Fornisci prove aggiornate quando un compito dipende da informazioni più recenti. Controlla calcoli, valori estratti, trascrizioni e codice proposto rispetto alla fonte o al risultato di esecuzione effettivi. Il thinking ibrido è utile quando sostiene quel risultato concreto, anziché diventare un sostituto della sua verifica.
", "aboutText": "Gemini 2.5 Flash è il profilo stabile di Google a ragionamento ibrido per un lavoro multimodale versatile e uso agentico degli strumenti. Offre risposte con e senza thinking per compiti multimodali su larga scala che necessitano di diversi livelli di ragionamento. Testo, immagini, audio e video contribuiscono a una risposta testuale. L'input documentale è descritto anche nel profilo cloud di Google specifico del modello. Un risultato utile può essere un confronto di documenti, l'interpretazione di un grafico, una trascrizione, codice o un record strutturato.\n\nIl controllo del ragionamento dell'edizione usa thinkingBudget. Il thinking dinamico è il predefinito; un'impostazione di -1 consente al modello di adattare il ragionamento alla complessità del compito. Un budget esplicito può variare da zero a 24,576 token, e zero disattiva il thinking. Scegli un budget appropriato al problema effettivo, anziché assegnare lo stesso impegno a una semplice categorizzazione e a un'analisi con più condizioni. La guida tratta il budget come indicazione, e la scheda nativa osserva che l'aderenza potrebbe non essere esatta.\n\nPer un compito documentale o sui dati, definisci la domanda, i campi richiesti e le prove che dovrebbero accompagnare il risultato. Per un confronto di requisiti, confronta due specifiche e restituisci il requisito modificato, il brano sorgente e l'effetto su un flusso di lavoro dichiarato. L'output strutturato è utile quando ciascun rilievo necessita della stessa forma di record. Se la fonte fornisce più valori possibili o lascia aperto un campo, conserva tale incertezza anziché forzare un'unica risposta plausibile. Controlla i valori restituiti rispetto alle pagine o ai dati forniti.\n\nPer materiale visivo o audio, identifica l'oggetto, l'etichetta, l'evento o il brano della registrazione pertinente. Chiedi il tipo di testo necessario: valori visibili da un grafico, descrizione di un evento, trascrizione o riepilogo. Questi artefatti sono diversi e l'istruzione dovrebbe indicare quale produrre. La scheda nativa condivisa include Flash Image e Flash Audio come capacità denominate separatamente; i loro output di immagini e parlato generati non fanno parte di questo profilo testuale stabile.\n\nL'esatto profilo cloud di Google documenta input PDF e testo semplice con limiti specifici dell'interfaccia: 50 MB per PDF importato tramite API e fino a 3,000 pagine per file, con un limite di 7 MB per file di testo semplice. Quel profilo descrive anche circa 45 minuti di video con audio o un'ora senza audio, e circa 8.4 ore di audio entro la capacità di input di un milione di token. Sono i vincoli dichiarati dell'interfaccia cloud, separati dalla finestra generale di token del modello. Prepara la sezione pertinente e il formato sorgente, anziché presumere che ogni tipo di file o percorso di caricamento abbia lo stesso limite.\n\nLa tabella dell'esatta Gemini API elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Definisci il ruolo e la struttura dei parametri di ciascuna funzione e prosegui dal risultato reale restituito. Un modello può richiedere un'operazione, mentre l'applicazione collegata la esegue. Conserva il contesto necessario delle thought signatures quando prosegui un compito di ragionamento nell'interfaccia stateless. Una risposta strutturata o un suggerimento di funzione non dimostrano indipendentemente la riuscita di un'operazione esterna.\n\nLa scheda nativa del modello indica un contesto di 1M e output testuale di 64K, mentre la tabella dell'esatta API specifica 1,048,576 token di input e 65,536 token di output. Un limite di risposta include i token di thinking, quindi un limite eccessivamente piccolo può lasciare la risposta finale troncata o vuota. Richiedi un artefatto dimensionato per la capacità di output e usa il budget di ragionamento per guidare l'impegno. Per questo profilo del produttore sono documentati caching, batch, Flex ed elaborazione Priority. Conserva gli identificativi degli elementi quando prepari più record indipendenti.\n\nL'edizione stabile rimane distinta dalle varianti Flash Preview e dai successivi modelli Gemini 3. La sua scheda elenca possibili allucinazioni, limiti nella comprensione causale e nel ragionamento logico complesso o controfattuale, e un limite temporale delle conoscenze a gennaio 2025. Fornisci prove aggiornate quando un compito dipende da informazioni più recenti. Controlla calcoli, valori estratti, trascrizioni e codice proposto rispetto alla fonte o al risultato di esecuzione effettivi. Il thinking ibrido è utile quando sostiene quel risultato concreto, anziché diventare un sostituto della sua verifica.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Extract changes in an approval rule\n\nCompare these rules for a purchase request. [OLD] Any manager may approve expenses up to 500 units. [NEW] A team manager may approve up to 300 units; above that, finance approval is required. Return the changed requirement, source wording and effect on a 450-unit request. Mark any ambiguity about the currency.A structured comparison and a source-backed explanation of the 450-unit case, with the currency gap retained.Check that the example uses the new threshold and does not invent the unit's currency.gemini-2.5-flashGemini 2.5 Flash è il modello stabile di Google a ragionamento ibrido per analisi multimodale e compiti agentici. Il suo budget dinamico di thinking può essere impostato da 0 a 24,576 token, inclusa una modalità disattivata. Testo, immagini, audio, video e documenti diventano testo o risultati strutturati, con un limite di input documentato di 1,048,576 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 2.5 Flash è il profilo stabile di Google a ragionamento ibrido per un lavoro multimodale versatile e uso agentico degli strumenti. Offre risposte con e senza thinking per compiti multimodali su larga scala che necessitano di diversi livelli di ragionamento. Testo, immagini, audio e video contribuiscono a una risposta testuale. L'input documentale è descritto anche nel profilo cloud di Google specifico del modello. Un risultato utile può essere un confronto di documenti, l'interpretazione di un grafico, una trascrizione, codice o un record strutturato.
Il controllo del ragionamento dell'edizione usa thinkingBudget. Il thinking dinamico è il predefinito; un'impostazione di -1 consente al modello di adattare il ragionamento alla complessità del compito. Un budget esplicito può variare da zero a 24,576 token, e zero disattiva il thinking. Scegli un budget appropriato al problema effettivo, anziché assegnare lo stesso impegno a una semplice categorizzazione e a un'analisi con più condizioni. La guida tratta il budget come indicazione, e la scheda nativa osserva che l'aderenza potrebbe non essere esatta.
Per un compito documentale o sui dati, definisci la domanda, i campi richiesti e le prove che dovrebbero accompagnare il risultato. Per un confronto di requisiti, confronta due specifiche e restituisci il requisito modificato, il brano sorgente e l'effetto su un flusso di lavoro dichiarato. L'output strutturato è utile quando ciascun rilievo necessita della stessa forma di record. Se la fonte fornisce più valori possibili o lascia aperto un campo, conserva tale incertezza anziché forzare un'unica risposta plausibile. Controlla i valori restituiti rispetto alle pagine o ai dati forniti.
Per materiale visivo o audio, identifica l'oggetto, l'etichetta, l'evento o il brano della registrazione pertinente. Chiedi il tipo di testo necessario: valori visibili da un grafico, descrizione di un evento, trascrizione o riepilogo. Questi artefatti sono diversi e l'istruzione dovrebbe indicare quale produrre. La scheda nativa condivisa include Flash Image e Flash Audio come capacità denominate separatamente; i loro output di immagini e parlato generati non fanno parte di questo profilo testuale stabile.
L'esatto profilo cloud di Google documenta input PDF e testo semplice con limiti specifici dell'interfaccia: 50 MB per PDF importato tramite API e fino a 3,000 pagine per file, con un limite di 7 MB per file di testo semplice. Quel profilo descrive anche circa 45 minuti di video con audio o un'ora senza audio, e circa 8.4 ore di audio entro la capacità di input di un milione di token. Sono i vincoli dichiarati dell'interfaccia cloud, separati dalla finestra generale di token del modello. Prepara la sezione pertinente e il formato sorgente, anziché presumere che ogni tipo di file o percorso di caricamento abbia lo stesso limite.
La tabella dell'esatta Gemini API elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Definisci il ruolo e la struttura dei parametri di ciascuna funzione e prosegui dal risultato reale restituito. Un modello può richiedere un'operazione, mentre l'applicazione collegata la esegue. Conserva il contesto necessario delle thought signatures quando prosegui un compito di ragionamento nell'interfaccia stateless. Una risposta strutturata o un suggerimento di funzione non dimostrano indipendentemente la riuscita di un'operazione esterna.
La scheda nativa del modello indica un contesto di 1M e output testuale di 64K, mentre la tabella dell'esatta API specifica 1,048,576 token di input e 65,536 token di output. Un limite di risposta include i token di thinking, quindi un limite eccessivamente piccolo può lasciare la risposta finale troncata o vuota. Richiedi un artefatto dimensionato per la capacità di output e usa il budget di ragionamento per guidare l'impegno. Per questo profilo del produttore sono documentati caching, batch, Flex ed elaborazione Priority. Conserva gli identificativi degli elementi quando prepari più record indipendenti.
L'edizione stabile rimane distinta dalle varianti Flash Preview e dai successivi modelli Gemini 3. La sua scheda elenca possibili allucinazioni, limiti nella comprensione causale e nel ragionamento logico complesso o controfattuale, e un limite temporale delle conoscenze a gennaio 2025. Fornisci prove aggiornate quando un compito dipende da informazioni più recenti. Controlla calcoli, valori estratti, trascrizioni e codice proposto rispetto alla fonte o al risultato di esecuzione effettivi. Il thinking ibrido è utile quando sostiene quel risultato concreto, anziché diventare un sostituto della sua verifica.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-2.5-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring|content_block[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Camposystem | Tipostring|content_block[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti Minimo: 1 Il limite si applica a: Limite esatto del modello o della scheda selezionati | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop_sequences | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].name | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Strumento fornito | Predefinito— |
Campotools[].description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].input_schema | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.type | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.budget_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campooutput_config.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campometadata | Tipoobject | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campocache_control | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
messages[].content o blocco type=text
Testo + immagine
{type:image,source:{type:base64,media_type,data}} o origine type=url
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/messagesAiloot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${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-flash", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-flash",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-flash",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-2.5-flash',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash è il modello stabile di Google a ragionamento ibrido per analisi multimodale e compiti agentici. Il suo budget dinamico di thinking può essere impostato da 0 a 24,576 token, inclusa una modalità disattivata. Testo, immagini, audio, video e documenti diventano testo o risultati strutturati, con un limite di input documentato di 1,048,576 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 2.5 Flash è il profilo stabile di Google a ragionamento ibrido per un lavoro multimodale versatile e uso agentico degli strumenti. Offre risposte con e senza thinking per compiti multimodali su larga scala che necessitano di diversi livelli di ragionamento. Testo, immagini, audio e video contribuiscono a una risposta testuale. L'input documentale è descritto anche nel profilo cloud di Google specifico del modello. Un risultato utile può essere un confronto di documenti, l'interpretazione di un grafico, una trascrizione, codice o un record strutturato.
Il controllo del ragionamento dell'edizione usa thinkingBudget. Il thinking dinamico è il predefinito; un'impostazione di -1 consente al modello di adattare il ragionamento alla complessità del compito. Un budget esplicito può variare da zero a 24,576 token, e zero disattiva il thinking. Scegli un budget appropriato al problema effettivo, anziché assegnare lo stesso impegno a una semplice categorizzazione e a un'analisi con più condizioni. La guida tratta il budget come indicazione, e la scheda nativa osserva che l'aderenza potrebbe non essere esatta.
Per un compito documentale o sui dati, definisci la domanda, i campi richiesti e le prove che dovrebbero accompagnare il risultato. Per un confronto di requisiti, confronta due specifiche e restituisci il requisito modificato, il brano sorgente e l'effetto su un flusso di lavoro dichiarato. L'output strutturato è utile quando ciascun rilievo necessita della stessa forma di record. Se la fonte fornisce più valori possibili o lascia aperto un campo, conserva tale incertezza anziché forzare un'unica risposta plausibile. Controlla i valori restituiti rispetto alle pagine o ai dati forniti.
Per materiale visivo o audio, identifica l'oggetto, l'etichetta, l'evento o il brano della registrazione pertinente. Chiedi il tipo di testo necessario: valori visibili da un grafico, descrizione di un evento, trascrizione o riepilogo. Questi artefatti sono diversi e l'istruzione dovrebbe indicare quale produrre. La scheda nativa condivisa include Flash Image e Flash Audio come capacità denominate separatamente; i loro output di immagini e parlato generati non fanno parte di questo profilo testuale stabile.
L'esatto profilo cloud di Google documenta input PDF e testo semplice con limiti specifici dell'interfaccia: 50 MB per PDF importato tramite API e fino a 3,000 pagine per file, con un limite di 7 MB per file di testo semplice. Quel profilo descrive anche circa 45 minuti di video con audio o un'ora senza audio, e circa 8.4 ore di audio entro la capacità di input di un milione di token. Sono i vincoli dichiarati dell'interfaccia cloud, separati dalla finestra generale di token del modello. Prepara la sezione pertinente e il formato sorgente, anziché presumere che ogni tipo di file o percorso di caricamento abbia lo stesso limite.
La tabella dell'esatta Gemini API elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Definisci il ruolo e la struttura dei parametri di ciascuna funzione e prosegui dal risultato reale restituito. Un modello può richiedere un'operazione, mentre l'applicazione collegata la esegue. Conserva il contesto necessario delle thought signatures quando prosegui un compito di ragionamento nell'interfaccia stateless. Una risposta strutturata o un suggerimento di funzione non dimostrano indipendentemente la riuscita di un'operazione esterna.
La scheda nativa del modello indica un contesto di 1M e output testuale di 64K, mentre la tabella dell'esatta API specifica 1,048,576 token di input e 65,536 token di output. Un limite di risposta include i token di thinking, quindi un limite eccessivamente piccolo può lasciare la risposta finale troncata o vuota. Richiedi un artefatto dimensionato per la capacità di output e usa il budget di ragionamento per guidare l'impegno. Per questo profilo del produttore sono documentati caching, batch, Flex ed elaborazione Priority. Conserva gli identificativi degli elementi quando prepari più record indipendenti.
L'edizione stabile rimane distinta dalle varianti Flash Preview e dai successivi modelli Gemini 3. La sua scheda elenca possibili allucinazioni, limiti nella comprensione causale e nel ragionamento logico complesso o controfattuale, e un limite temporale delle conoscenze a gennaio 2025. Fornisci prove aggiornate quando un compito dipende da informazioni più recenti. Controlla calcoli, valori estratti, trascrizioni e codice proposto rispetto alla fonte o al risultato di esecuzione effettivi. Il thinking ibrido è utile quando sostiene quel risultato concreto, anziché diventare un sostituto della sua verifica.
POST /v1beta/models/{model}:generateContenttext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campopath.model | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-2.5-flash | Predefinito— |
Campocontents | Tipocontent[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campocontents[].role | Tipostring | RequisitoFacoltativo | Valori e limiti user, model | Predefinito— |
Campocontents[].parts | Tipopart[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
CamposystemInstruction | Tipocontent | RequisitoFacoltativo | Valori e limiti | Predefinito— |
CampogenerationConfig.maxOutputTokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
CampogenerationConfig.temperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.topP | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.topK | Tipointeger | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.stopSequences | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.thinkingConfig.includeThoughts | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.thinkingConfig.thinkingBudget | Tipointeger | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].functionDeclarations | Tipofunction_declaration[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampotoolConfig.functionCallingConfig.mode | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CamposafetySettings | Tipoobject[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CamposessionId | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Testo · Testo UTF8
contents[].parts[].text
Testo + immagine
parts[].inlineData={mimeType,data}
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattocontents |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1beta/models/{model}:generateContentAiloot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${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-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-flash", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-flash", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-flash',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson o streaming supportato
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i candidati e le parti, comprese le chiamate a funzione, le firme di ragionamento e i dati di utilizzo; assembla i frammenti del flusso nell’ordine.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
CamporesponseId | Tipostring |
CampomodelVersion | Tipostring |
Campocandidates[].content.parts[] | Tipotext|inlineData|functionCall|other part |
Campocandidates[].finishReason | Tipostring |
CampousageMetadata | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash è il modello stabile di Google a ragionamento ibrido per analisi multimodale e compiti agentici. Il suo budget dinamico di thinking può essere impostato da 0 a 24,576 token, inclusa una modalità disattivata. Testo, immagini, audio, video e documenti diventano testo o risultati strutturati, con un limite di input documentato di 1,048,576 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 2.5 Flash è il profilo stabile di Google a ragionamento ibrido per un lavoro multimodale versatile e uso agentico degli strumenti. Offre risposte con e senza thinking per compiti multimodali su larga scala che necessitano di diversi livelli di ragionamento. Testo, immagini, audio e video contribuiscono a una risposta testuale. L'input documentale è descritto anche nel profilo cloud di Google specifico del modello. Un risultato utile può essere un confronto di documenti, l'interpretazione di un grafico, una trascrizione, codice o un record strutturato.
Il controllo del ragionamento dell'edizione usa thinkingBudget. Il thinking dinamico è il predefinito; un'impostazione di -1 consente al modello di adattare il ragionamento alla complessità del compito. Un budget esplicito può variare da zero a 24,576 token, e zero disattiva il thinking. Scegli un budget appropriato al problema effettivo, anziché assegnare lo stesso impegno a una semplice categorizzazione e a un'analisi con più condizioni. La guida tratta il budget come indicazione, e la scheda nativa osserva che l'aderenza potrebbe non essere esatta.
Per un compito documentale o sui dati, definisci la domanda, i campi richiesti e le prove che dovrebbero accompagnare il risultato. Per un confronto di requisiti, confronta due specifiche e restituisci il requisito modificato, il brano sorgente e l'effetto su un flusso di lavoro dichiarato. L'output strutturato è utile quando ciascun rilievo necessita della stessa forma di record. Se la fonte fornisce più valori possibili o lascia aperto un campo, conserva tale incertezza anziché forzare un'unica risposta plausibile. Controlla i valori restituiti rispetto alle pagine o ai dati forniti.
Per materiale visivo o audio, identifica l'oggetto, l'etichetta, l'evento o il brano della registrazione pertinente. Chiedi il tipo di testo necessario: valori visibili da un grafico, descrizione di un evento, trascrizione o riepilogo. Questi artefatti sono diversi e l'istruzione dovrebbe indicare quale produrre. La scheda nativa condivisa include Flash Image e Flash Audio come capacità denominate separatamente; i loro output di immagini e parlato generati non fanno parte di questo profilo testuale stabile.
L'esatto profilo cloud di Google documenta input PDF e testo semplice con limiti specifici dell'interfaccia: 50 MB per PDF importato tramite API e fino a 3,000 pagine per file, con un limite di 7 MB per file di testo semplice. Quel profilo descrive anche circa 45 minuti di video con audio o un'ora senza audio, e circa 8.4 ore di audio entro la capacità di input di un milione di token. Sono i vincoli dichiarati dell'interfaccia cloud, separati dalla finestra generale di token del modello. Prepara la sezione pertinente e il formato sorgente, anziché presumere che ogni tipo di file o percorso di caricamento abbia lo stesso limite.
La tabella dell'esatta Gemini API elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Definisci il ruolo e la struttura dei parametri di ciascuna funzione e prosegui dal risultato reale restituito. Un modello può richiedere un'operazione, mentre l'applicazione collegata la esegue. Conserva il contesto necessario delle thought signatures quando prosegui un compito di ragionamento nell'interfaccia stateless. Una risposta strutturata o un suggerimento di funzione non dimostrano indipendentemente la riuscita di un'operazione esterna.
La scheda nativa del modello indica un contesto di 1M e output testuale di 64K, mentre la tabella dell'esatta API specifica 1,048,576 token di input e 65,536 token di output. Un limite di risposta include i token di thinking, quindi un limite eccessivamente piccolo può lasciare la risposta finale troncata o vuota. Richiedi un artefatto dimensionato per la capacità di output e usa il budget di ragionamento per guidare l'impegno. Per questo profilo del produttore sono documentati caching, batch, Flex ed elaborazione Priority. Conserva gli identificativi degli elementi quando prepari più record indipendenti.
L'edizione stabile rimane distinta dalle varianti Flash Preview e dai successivi modelli Gemini 3. La sua scheda elenca possibili allucinazioni, limiti nella comprensione causale e nel ragionamento logico complesso o controfattuale, e un limite temporale delle conoscenze a gennaio 2025. Fornisci prove aggiornate quando un compito dipende da informazioni più recenti. Controlla calcoli, valori estratti, trascrizioni e codice proposto rispetto alla fonte o al risultato di esecuzione effettivi. Il thinking ibrido è utile quando sostiene quel risultato concreto, anziché diventare un sostituto della sua verifica.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-2.5-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Conversazione testuale | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream |
Parametrocontrol_scope | ContrattoConversazione testuale; stream è un booleano e per impostazione predefinita vale false. |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Alias del metodo: /chat/completions
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-2.5-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-2.5-flash", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash è il modello stabile di Google a ragionamento ibrido per analisi multimodale e compiti agentici. Il suo budget dinamico di thinking può essere impostato da 0 a 24,576 token, inclusa una modalità disattivata. Testo, immagini, audio, video e documenti diventano testo o risultati strutturati, con un limite di input documentato di 1,048,576 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 2.5 Flash è il profilo stabile di Google a ragionamento ibrido per un lavoro multimodale versatile e uso agentico degli strumenti. Offre risposte con e senza thinking per compiti multimodali su larga scala che necessitano di diversi livelli di ragionamento. Testo, immagini, audio e video contribuiscono a una risposta testuale. L'input documentale è descritto anche nel profilo cloud di Google specifico del modello. Un risultato utile può essere un confronto di documenti, l'interpretazione di un grafico, una trascrizione, codice o un record strutturato.
Il controllo del ragionamento dell'edizione usa thinkingBudget. Il thinking dinamico è il predefinito; un'impostazione di -1 consente al modello di adattare il ragionamento alla complessità del compito. Un budget esplicito può variare da zero a 24,576 token, e zero disattiva il thinking. Scegli un budget appropriato al problema effettivo, anziché assegnare lo stesso impegno a una semplice categorizzazione e a un'analisi con più condizioni. La guida tratta il budget come indicazione, e la scheda nativa osserva che l'aderenza potrebbe non essere esatta.
Per un compito documentale o sui dati, definisci la domanda, i campi richiesti e le prove che dovrebbero accompagnare il risultato. Per un confronto di requisiti, confronta due specifiche e restituisci il requisito modificato, il brano sorgente e l'effetto su un flusso di lavoro dichiarato. L'output strutturato è utile quando ciascun rilievo necessita della stessa forma di record. Se la fonte fornisce più valori possibili o lascia aperto un campo, conserva tale incertezza anziché forzare un'unica risposta plausibile. Controlla i valori restituiti rispetto alle pagine o ai dati forniti.
Per materiale visivo o audio, identifica l'oggetto, l'etichetta, l'evento o il brano della registrazione pertinente. Chiedi il tipo di testo necessario: valori visibili da un grafico, descrizione di un evento, trascrizione o riepilogo. Questi artefatti sono diversi e l'istruzione dovrebbe indicare quale produrre. La scheda nativa condivisa include Flash Image e Flash Audio come capacità denominate separatamente; i loro output di immagini e parlato generati non fanno parte di questo profilo testuale stabile.
L'esatto profilo cloud di Google documenta input PDF e testo semplice con limiti specifici dell'interfaccia: 50 MB per PDF importato tramite API e fino a 3,000 pagine per file, con un limite di 7 MB per file di testo semplice. Quel profilo descrive anche circa 45 minuti di video con audio o un'ora senza audio, e circa 8.4 ore di audio entro la capacità di input di un milione di token. Sono i vincoli dichiarati dell'interfaccia cloud, separati dalla finestra generale di token del modello. Prepara la sezione pertinente e il formato sorgente, anziché presumere che ogni tipo di file o percorso di caricamento abbia lo stesso limite.
La tabella dell'esatta Gemini API elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Definisci il ruolo e la struttura dei parametri di ciascuna funzione e prosegui dal risultato reale restituito. Un modello può richiedere un'operazione, mentre l'applicazione collegata la esegue. Conserva il contesto necessario delle thought signatures quando prosegui un compito di ragionamento nell'interfaccia stateless. Una risposta strutturata o un suggerimento di funzione non dimostrano indipendentemente la riuscita di un'operazione esterna.
La scheda nativa del modello indica un contesto di 1M e output testuale di 64K, mentre la tabella dell'esatta API specifica 1,048,576 token di input e 65,536 token di output. Un limite di risposta include i token di thinking, quindi un limite eccessivamente piccolo può lasciare la risposta finale troncata o vuota. Richiedi un artefatto dimensionato per la capacità di output e usa il budget di ragionamento per guidare l'impegno. Per questo profilo del produttore sono documentati caching, batch, Flex ed elaborazione Priority. Conserva gli identificativi degli elementi quando prepari più record indipendenti.
L'edizione stabile rimane distinta dalle varianti Flash Preview e dai successivi modelli Gemini 3. La sua scheda elenca possibili allucinazioni, limiti nella comprensione causale e nel ragionamento logico complesso o controfattuale, e un limite temporale delle conoscenze a gennaio 2025. Fornisci prove aggiornate quando un compito dipende da informazioni più recenti. Controlla calcoli, valori estratti, trascrizioni e codice proposto rispetto alla fonte o al risultato di esecuzione effettivi. Il thinking ibrido è utile quando sostiene quel risultato concreto, anziché diventare un sostituto della sua verifica.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-2.5-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "gemini-2.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
google/gemini-2.5-flashGemini 2.5 Flash è il modello stabile di Google a ragionamento ibrido per analisi multimodale e compiti agentici. Il suo budget dinamico di thinking può essere impostato da 0 a 24,576 token, inclusa una modalità disattivata. Testo, immagini, audio, video e documenti diventano testo o risultati strutturati, con un limite di input documentato di 1,048,576 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 2.5 Flash è il profilo stabile di Google a ragionamento ibrido per un lavoro multimodale versatile e uso agentico degli strumenti. Offre risposte con e senza thinking per compiti multimodali su larga scala che necessitano di diversi livelli di ragionamento. Testo, immagini, audio e video contribuiscono a una risposta testuale. L'input documentale è descritto anche nel profilo cloud di Google specifico del modello. Un risultato utile può essere un confronto di documenti, l'interpretazione di un grafico, una trascrizione, codice o un record strutturato.
Il controllo del ragionamento dell'edizione usa thinkingBudget. Il thinking dinamico è il predefinito; un'impostazione di -1 consente al modello di adattare il ragionamento alla complessità del compito. Un budget esplicito può variare da zero a 24,576 token, e zero disattiva il thinking. Scegli un budget appropriato al problema effettivo, anziché assegnare lo stesso impegno a una semplice categorizzazione e a un'analisi con più condizioni. La guida tratta il budget come indicazione, e la scheda nativa osserva che l'aderenza potrebbe non essere esatta.
Per un compito documentale o sui dati, definisci la domanda, i campi richiesti e le prove che dovrebbero accompagnare il risultato. Per un confronto di requisiti, confronta due specifiche e restituisci il requisito modificato, il brano sorgente e l'effetto su un flusso di lavoro dichiarato. L'output strutturato è utile quando ciascun rilievo necessita della stessa forma di record. Se la fonte fornisce più valori possibili o lascia aperto un campo, conserva tale incertezza anziché forzare un'unica risposta plausibile. Controlla i valori restituiti rispetto alle pagine o ai dati forniti.
Per materiale visivo o audio, identifica l'oggetto, l'etichetta, l'evento o il brano della registrazione pertinente. Chiedi il tipo di testo necessario: valori visibili da un grafico, descrizione di un evento, trascrizione o riepilogo. Questi artefatti sono diversi e l'istruzione dovrebbe indicare quale produrre. La scheda nativa condivisa include Flash Image e Flash Audio come capacità denominate separatamente; i loro output di immagini e parlato generati non fanno parte di questo profilo testuale stabile.
L'esatto profilo cloud di Google documenta input PDF e testo semplice con limiti specifici dell'interfaccia: 50 MB per PDF importato tramite API e fino a 3,000 pagine per file, con un limite di 7 MB per file di testo semplice. Quel profilo descrive anche circa 45 minuti di video con audio o un'ora senza audio, e circa 8.4 ore di audio entro la capacità di input di un milione di token. Sono i vincoli dichiarati dell'interfaccia cloud, separati dalla finestra generale di token del modello. Prepara la sezione pertinente e il formato sorgente, anziché presumere che ogni tipo di file o percorso di caricamento abbia lo stesso limite.
La tabella dell'esatta Gemini API elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Definisci il ruolo e la struttura dei parametri di ciascuna funzione e prosegui dal risultato reale restituito. Un modello può richiedere un'operazione, mentre l'applicazione collegata la esegue. Conserva il contesto necessario delle thought signatures quando prosegui un compito di ragionamento nell'interfaccia stateless. Una risposta strutturata o un suggerimento di funzione non dimostrano indipendentemente la riuscita di un'operazione esterna.
La scheda nativa del modello indica un contesto di 1M e output testuale di 64K, mentre la tabella dell'esatta API specifica 1,048,576 token di input e 65,536 token di output. Un limite di risposta include i token di thinking, quindi un limite eccessivamente piccolo può lasciare la risposta finale troncata o vuota. Richiedi un artefatto dimensionato per la capacità di output e usa il budget di ragionamento per guidare l'impegno. Per questo profilo del produttore sono documentati caching, batch, Flex ed elaborazione Priority. Conserva gli identificativi degli elementi quando prepari più record indipendenti.
L'edizione stabile rimane distinta dalle varianti Flash Preview e dai successivi modelli Gemini 3. La sua scheda elenca possibili allucinazioni, limiti nella comprensione causale e nel ragionamento logico complesso o controfattuale, e un limite temporale delle conoscenze a gennaio 2025. Fornisci prove aggiornate quando un compito dipende da informazioni più recenti. Controlla calcoli, valori estratti, trascrizioni e codice proposto rispetto alla fonte o al risultato di esecuzione effettivi. Il thinking ibrido è utile quando sostiene quel risultato concreto, anziché diventare un sostituto della sua verifica.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemini-2.5-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-2.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-2.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
google/gemini-2.5-flashGemini 2.5 Flash è il modello stabile di Google a ragionamento ibrido per analisi multimodale e compiti agentici. Il suo budget dinamico di thinking può essere impostato da 0 a 24,576 token, inclusa una modalità disattivata. Testo, immagini, audio, video e documenti diventano testo o risultati strutturati, con un limite di input documentato di 1,048,576 token.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 2.5 Flash è il profilo stabile di Google a ragionamento ibrido per un lavoro multimodale versatile e uso agentico degli strumenti. Offre risposte con e senza thinking per compiti multimodali su larga scala che necessitano di diversi livelli di ragionamento. Testo, immagini, audio e video contribuiscono a una risposta testuale. L'input documentale è descritto anche nel profilo cloud di Google specifico del modello. Un risultato utile può essere un confronto di documenti, l'interpretazione di un grafico, una trascrizione, codice o un record strutturato.
Il controllo del ragionamento dell'edizione usa thinkingBudget. Il thinking dinamico è il predefinito; un'impostazione di -1 consente al modello di adattare il ragionamento alla complessità del compito. Un budget esplicito può variare da zero a 24,576 token, e zero disattiva il thinking. Scegli un budget appropriato al problema effettivo, anziché assegnare lo stesso impegno a una semplice categorizzazione e a un'analisi con più condizioni. La guida tratta il budget come indicazione, e la scheda nativa osserva che l'aderenza potrebbe non essere esatta.
Per un compito documentale o sui dati, definisci la domanda, i campi richiesti e le prove che dovrebbero accompagnare il risultato. Per un confronto di requisiti, confronta due specifiche e restituisci il requisito modificato, il brano sorgente e l'effetto su un flusso di lavoro dichiarato. L'output strutturato è utile quando ciascun rilievo necessita della stessa forma di record. Se la fonte fornisce più valori possibili o lascia aperto un campo, conserva tale incertezza anziché forzare un'unica risposta plausibile. Controlla i valori restituiti rispetto alle pagine o ai dati forniti.
Per materiale visivo o audio, identifica l'oggetto, l'etichetta, l'evento o il brano della registrazione pertinente. Chiedi il tipo di testo necessario: valori visibili da un grafico, descrizione di un evento, trascrizione o riepilogo. Questi artefatti sono diversi e l'istruzione dovrebbe indicare quale produrre. La scheda nativa condivisa include Flash Image e Flash Audio come capacità denominate separatamente; i loro output di immagini e parlato generati non fanno parte di questo profilo testuale stabile.
L'esatto profilo cloud di Google documenta input PDF e testo semplice con limiti specifici dell'interfaccia: 50 MB per PDF importato tramite API e fino a 3,000 pagine per file, con un limite di 7 MB per file di testo semplice. Quel profilo descrive anche circa 45 minuti di video con audio o un'ora senza audio, e circa 8.4 ore di audio entro la capacità di input di un milione di token. Sono i vincoli dichiarati dell'interfaccia cloud, separati dalla finestra generale di token del modello. Prepara la sezione pertinente e il formato sorgente, anziché presumere che ogni tipo di file o percorso di caricamento abbia lo stesso limite.
La tabella dell'esatta Gemini API elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Definisci il ruolo e la struttura dei parametri di ciascuna funzione e prosegui dal risultato reale restituito. Un modello può richiedere un'operazione, mentre l'applicazione collegata la esegue. Conserva il contesto necessario delle thought signatures quando prosegui un compito di ragionamento nell'interfaccia stateless. Una risposta strutturata o un suggerimento di funzione non dimostrano indipendentemente la riuscita di un'operazione esterna.
La scheda nativa del modello indica un contesto di 1M e output testuale di 64K, mentre la tabella dell'esatta API specifica 1,048,576 token di input e 65,536 token di output. Un limite di risposta include i token di thinking, quindi un limite eccessivamente piccolo può lasciare la risposta finale troncata o vuota. Richiedi un artefatto dimensionato per la capacità di output e usa il budget di ragionamento per guidare l'impegno. Per questo profilo del produttore sono documentati caching, batch, Flex ed elaborazione Priority. Conserva gli identificativi degli elementi quando prepari più record indipendenti.
L'edizione stabile rimane distinta dalle varianti Flash Preview e dai successivi modelli Gemini 3. La sua scheda elenca possibili allucinazioni, limiti nella comprensione causale e nel ragionamento logico complesso o controfattuale, e un limite temporale delle conoscenze a gennaio 2025. Fornisci prove aggiornate quando un compito dipende da informazioni più recenti. Controlla calcoli, valori estratti, trascrizioni e codice proposto rispetto alla fonte o al risultato di esecuzione effettivi. Il thinking ibrido è utile quando sostiene quel risultato concreto, anziché diventare un sostituto della sua verifica.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemini-2.5-flash | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0006 / 1K token Output · Token in output $0.005 / 1K token Input · Lettura dalla cache $0.00006 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "google/gemini-2.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
Esempio tecnico in inglese
Extract changes in an approval rule\n\nCompare these rules for a purchase request. [OLD] Any manager may approve expenses up to 500 units. [NEW] A team manager may approve up to 300 units; above that, finance approval is required. Return the changed requirement, source wording and effect on a 450-unit request. Mark any ambiguity about the currency.A structured comparison and a source-backed explanation of the 450-unit case, with the currency gap retained.Check that the example uses the new threshold and does not invent the unit's currency.