Gemini 2.5 Flash Preview 09-2025 は、Google のハイブリッド推論モデルの 9 月プレビュー版です。文書化されている入力はテキスト、画像、動画、音声で、出力はテキストです。質問と視覚資料や発話資料を組み合わせ、説明、文書、コード、構造化された回答を生成できます。この日付付きの特定の版は、安定版の Gemini 2.5 Flash や、更新に追従する latest エイリアスとは区別されます。用途は、マルチモーダルの理解と、文章による結果を返すツール支援作業です。
Google は、このリリースについて 2 つの具体的な改善を説明しています。エージェントとしてのツール利用の向上と、思考を有効にした場合の回答生成の効率化です。前者は、情報を取得し、依頼内容と照合し、次の手順を選ぶなど、互いにつながる複数の操作が必要なタスクに関わります。後者は、品質を維持しながら、生成トークン数を抑えて有用な回答を作ることに関わります。開発アシスタントには、観測した挙動、関連コード、変更が成功したと判断する基準を提供してください。調査アシスタントには、質問、確認対象の資料、結論に必要な根拠を指定します。
思考と直接回答は、このハイブリッド設計の構成要素です。思考を使うタスクでは、最終回答を準備する前に、依存関係、数学的条件、複数段階の計画を分析できます。単純な抽出や短い説明では、より単純な回答目標を設定できます。必須の制約、モデルが仮定してよい内容、最終成果物に含めるべき内容を指定してください。メーカーのファミリーカードは、思考予算の順守が一貫しない場合があると記しているため、予算を指定しただけでは、推論量が厳密に制限される証明にはなりません。この説明では、より新しいモデルの思考レベルや既定値を 9 月版に適用していません。
この 9 月版の正確なモデル表には、最大 1,048,576 入力トークンと 65,536 出力トークンが記載されています。大きな入力枠により、1 つのタスクに指示、例、参照テキスト、マルチメディアの文脈を収められます。要件と提案された解決策を比較する場合は、両方の参照元にラベルを付け、共通の基準を示してください。スクリーンショットについて尋ねる場合は、対象の状態やコンポーネントを特定します。音声や動画のタスクでは、漠然とした描写を求めず、問いや対象の出来事を指定してください。結果はあくまでテキストです。モデル自体による画像作成、音声生成、リアルタイムの音声対話は、別のモデルプロファイルに属します。
Google は、この特定のプレビューについて、関数呼び出し、コード実行、検索グラウンディング、URL コンテキスト、ファイル検索を文書化しています。関数呼び出しでは、宣言された関数を選び、引数を準備します。接続されたアプリケーションが操作を実行し、その結果を返します。コード実行では、生成した Python を使って計算やテキスト処理を行います。検索グラウンディングは、参照元に基づく回答のためにウェブ資料を提供し、URL コンテキストは、指定されたアクセス可能なページの内容を扱います。ファイル検索も、参照資料を取得する機能です。エージェントには、各ツールの明確な目的と、各段階で期待する情報を指定し、実際に返された結果から処理を続けられるようにしてください。
構造化出力への対応により、最終成果物を定義済みフィールドの集合として利用できます。比較では、基準、対応する参照箇所、確認された相違点、引き続き明確化が必要な問いを求めてください。コードタスクでは、提案する変更と、その説明、まだ必要な確認を分けます。Google のこのモデルの正確なプロファイルには、コンテキストキャッシュとバッチ処理への対応も記載されています。関連タスク間で、繰り返し使う参照資料を統一できます。ただし、キャッシュ機能があること自体は、特定のリクエストでキャッシュ済みトークンが再利用された証拠にはなりません。これらの機能名から、より新しいスキーマの組み合わせ、キャッシュの閾値、ツールの同時利用モードを読み取ることはできません。
ファミリーモデルカードは、テキスト、視覚、音声をネイティブに理解する、疎な Mixture-of-Experts トランスフォーマーと説明しています。学習にはウェブテキスト、コード、画像、音声、動画が組み合わされ、事後学習にはマルチモーダルの指示と回答のペア、人間の選好、ツール利用データが含まれます。データ準備では、重複排除、安全性フィルタリング、品質フィルタリングを適用します。この日付付きモデルの正確なページでは、知識のカットオフを 2025 年 1 月としています。より新しい情報を必要とする質問では、モデルの学習知識をリアルタイムの情報源として扱わず、参照資料や適切な取得手順を指定してください。
主な制約には、事実の捏造の可能性、因果関係の理解、複雑な論理的演繹、反実仮想の推論の難しさがあります。ファミリーカードは、回答が不必要に説教調になる場合もあると記しています。有用な結果を得るには、参照元の事実、仮定、提案する行動を区別するよう求め、判断を左右する部分を確認してください。エージェントによる完成した成果物には、知見、根拠のある次の手順、ツールで得た情報、未解決の問いなどを含められます。9 月リリースが重視するツール利用は、その作業の流れを定める助けとなり、準備した入力と明示的な完了基準によって、ユーザーのタスクに沿った結果を保てます。
", "aboutText": "Gemini 2.5 Flash Preview 09-2025 は、Google のハイブリッド推論モデルの 9 月プレビュー版です。文書化されている入力はテキスト、画像、動画、音声で、出力はテキストです。質問と視覚資料や発話資料を組み合わせ、説明、文書、コード、構造化された回答を生成できます。この日付付きの特定の版は、安定版の Gemini 2.5 Flash や、更新に追従する latest エイリアスとは区別されます。用途は、マルチモーダルの理解と、文章による結果を返すツール支援作業です。\n\nGoogle は、このリリースについて 2 つの具体的な改善を説明しています。エージェントとしてのツール利用の向上と、思考を有効にした場合の回答生成の効率化です。前者は、情報を取得し、依頼内容と照合し、次の手順を選ぶなど、互いにつながる複数の操作が必要なタスクに関わります。後者は、品質を維持しながら、生成トークン数を抑えて有用な回答を作ることに関わります。開発アシスタントには、観測した挙動、関連コード、変更が成功したと判断する基準を提供してください。調査アシスタントには、質問、確認対象の資料、結論に必要な根拠を指定します。\n\n思考と直接回答は、このハイブリッド設計の構成要素です。思考を使うタスクでは、最終回答を準備する前に、依存関係、数学的条件、複数段階の計画を分析できます。単純な抽出や短い説明では、より単純な回答目標を設定できます。必須の制約、モデルが仮定してよい内容、最終成果物に含めるべき内容を指定してください。メーカーのファミリーカードは、思考予算の順守が一貫しない場合があると記しているため、予算を指定しただけでは、推論量が厳密に制限される証明にはなりません。この説明では、より新しいモデルの思考レベルや既定値を 9 月版に適用していません。\n\nこの 9 月版の正確なモデル表には、最大 1,048,576 入力トークンと 65,536 出力トークンが記載されています。大きな入力枠により、1 つのタスクに指示、例、参照テキスト、マルチメディアの文脈を収められます。要件と提案された解決策を比較する場合は、両方の参照元にラベルを付け、共通の基準を示してください。スクリーンショットについて尋ねる場合は、対象の状態やコンポーネントを特定します。音声や動画のタスクでは、漠然とした描写を求めず、問いや対象の出来事を指定してください。結果はあくまでテキストです。モデル自体による画像作成、音声生成、リアルタイムの音声対話は、別のモデルプロファイルに属します。\n\nGoogle は、この特定のプレビューについて、関数呼び出し、コード実行、検索グラウンディング、URL コンテキスト、ファイル検索を文書化しています。関数呼び出しでは、宣言された関数を選び、引数を準備します。接続されたアプリケーションが操作を実行し、その結果を返します。コード実行では、生成した Python を使って計算やテキスト処理を行います。検索グラウンディングは、参照元に基づく回答のためにウェブ資料を提供し、URL コンテキストは、指定されたアクセス可能なページの内容を扱います。ファイル検索も、参照資料を取得する機能です。エージェントには、各ツールの明確な目的と、各段階で期待する情報を指定し、実際に返された結果から処理を続けられるようにしてください。\n\n構造化出力への対応により、最終成果物を定義済みフィールドの集合として利用できます。比較では、基準、対応する参照箇所、確認された相違点、引き続き明確化が必要な問いを求めてください。コードタスクでは、提案する変更と、その説明、まだ必要な確認を分けます。Google のこのモデルの正確なプロファイルには、コンテキストキャッシュとバッチ処理への対応も記載されています。関連タスク間で、繰り返し使う参照資料を統一できます。ただし、キャッシュ機能があること自体は、特定のリクエストでキャッシュ済みトークンが再利用された証拠にはなりません。これらの機能名から、より新しいスキーマの組み合わせ、キャッシュの閾値、ツールの同時利用モードを読み取ることはできません。\n\nファミリーモデルカードは、テキスト、視覚、音声をネイティブに理解する、疎な Mixture-of-Experts トランスフォーマーと説明しています。学習にはウェブテキスト、コード、画像、音声、動画が組み合わされ、事後学習にはマルチモーダルの指示と回答のペア、人間の選好、ツール利用データが含まれます。データ準備では、重複排除、安全性フィルタリング、品質フィルタリングを適用します。この日付付きモデルの正確なページでは、知識のカットオフを 2025 年 1 月としています。より新しい情報を必要とする質問では、モデルの学習知識をリアルタイムの情報源として扱わず、参照資料や適切な取得手順を指定してください。\n\n主な制約には、事実の捏造の可能性、因果関係の理解、複雑な論理的演繹、反実仮想の推論の難しさがあります。ファミリーカードは、回答が不必要に説教調になる場合もあると記しています。有用な結果を得るには、参照元の事実、仮定、提案する行動を区別するよう求め、判断を左右する部分を確認してください。エージェントによる完成した成果物には、知見、根拠のある次の手順、ツールで得た情報、未解決の問いなどを含められます。9 月リリースが重視するツール利用は、その作業の流れを定める助けとなり、準備した入力と明示的な完了基準によって、ユーザーのタスクに沿った結果を保てます。", "editorialOverlay": { "copy_fields": { "practical_html": "英語の技術例
Review a proposed retention design\n\nAssess this design against the requirement. Requirement R: delete inactive guest records after 30 days; paid accounts are excluded. Design D: a nightly job deletes every account whose last_login is older than 30 days. List mismatches with R/D references, propose a corrected selection rule in plain English, and give boundary cases to test.A concise requirements review, a corrected guest-only rule and tests for day 30, day 31 and an inactive paid account.The proposal excludes paid accounts and explicitly resolves what after 30 days means at the boundary.gemini-2.5-flash-preview-09-2025Gemini 2.5 Flash Preview 09-2025 は、マルチモーダル分析と、ツールを使った複数段階の作業に向けた Google の 9 月版です。テキスト、画像、動画、音声の理解に、思考、構造化された回答、1,048,576 トークンの入力上限を組み合わせ、エージェントとしてのツール利用に具体的な改善が加えられています。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Gemini 2.5 Flash Preview 09-2025 は、Google のハイブリッド推論モデルの 9 月プレビュー版です。文書化されている入力はテキスト、画像、動画、音声で、出力はテキストです。質問と視覚資料や発話資料を組み合わせ、説明、文書、コード、構造化された回答を生成できます。この日付付きの特定の版は、安定版の Gemini 2.5 Flash や、更新に追従する latest エイリアスとは区別されます。用途は、マルチモーダルの理解と、文章による結果を返すツール支援作業です。
Google は、このリリースについて 2 つの具体的な改善を説明しています。エージェントとしてのツール利用の向上と、思考を有効にした場合の回答生成の効率化です。前者は、情報を取得し、依頼内容と照合し、次の手順を選ぶなど、互いにつながる複数の操作が必要なタスクに関わります。後者は、品質を維持しながら、生成トークン数を抑えて有用な回答を作ることに関わります。開発アシスタントには、観測した挙動、関連コード、変更が成功したと判断する基準を提供してください。調査アシスタントには、質問、確認対象の資料、結論に必要な根拠を指定します。
思考と直接回答は、このハイブリッド設計の構成要素です。思考を使うタスクでは、最終回答を準備する前に、依存関係、数学的条件、複数段階の計画を分析できます。単純な抽出や短い説明では、より単純な回答目標を設定できます。必須の制約、モデルが仮定してよい内容、最終成果物に含めるべき内容を指定してください。メーカーのファミリーカードは、思考予算の順守が一貫しない場合があると記しているため、予算を指定しただけでは、推論量が厳密に制限される証明にはなりません。この説明では、より新しいモデルの思考レベルや既定値を 9 月版に適用していません。
この 9 月版の正確なモデル表には、最大 1,048,576 入力トークンと 65,536 出力トークンが記載されています。大きな入力枠により、1 つのタスクに指示、例、参照テキスト、マルチメディアの文脈を収められます。要件と提案された解決策を比較する場合は、両方の参照元にラベルを付け、共通の基準を示してください。スクリーンショットについて尋ねる場合は、対象の状態やコンポーネントを特定します。音声や動画のタスクでは、漠然とした描写を求めず、問いや対象の出来事を指定してください。結果はあくまでテキストです。モデル自体による画像作成、音声生成、リアルタイムの音声対話は、別のモデルプロファイルに属します。
Google は、この特定のプレビューについて、関数呼び出し、コード実行、検索グラウンディング、URL コンテキスト、ファイル検索を文書化しています。関数呼び出しでは、宣言された関数を選び、引数を準備します。接続されたアプリケーションが操作を実行し、その結果を返します。コード実行では、生成した Python を使って計算やテキスト処理を行います。検索グラウンディングは、参照元に基づく回答のためにウェブ資料を提供し、URL コンテキストは、指定されたアクセス可能なページの内容を扱います。ファイル検索も、参照資料を取得する機能です。エージェントには、各ツールの明確な目的と、各段階で期待する情報を指定し、実際に返された結果から処理を続けられるようにしてください。
構造化出力への対応により、最終成果物を定義済みフィールドの集合として利用できます。比較では、基準、対応する参照箇所、確認された相違点、引き続き明確化が必要な問いを求めてください。コードタスクでは、提案する変更と、その説明、まだ必要な確認を分けます。Google のこのモデルの正確なプロファイルには、コンテキストキャッシュとバッチ処理への対応も記載されています。関連タスク間で、繰り返し使う参照資料を統一できます。ただし、キャッシュ機能があること自体は、特定のリクエストでキャッシュ済みトークンが再利用された証拠にはなりません。これらの機能名から、より新しいスキーマの組み合わせ、キャッシュの閾値、ツールの同時利用モードを読み取ることはできません。
ファミリーモデルカードは、テキスト、視覚、音声をネイティブに理解する、疎な Mixture-of-Experts トランスフォーマーと説明しています。学習にはウェブテキスト、コード、画像、音声、動画が組み合わされ、事後学習にはマルチモーダルの指示と回答のペア、人間の選好、ツール利用データが含まれます。データ準備では、重複排除、安全性フィルタリング、品質フィルタリングを適用します。この日付付きモデルの正確なページでは、知識のカットオフを 2025 年 1 月としています。より新しい情報を必要とする質問では、モデルの学習知識をリアルタイムの情報源として扱わず、参照資料や適切な取得手順を指定してください。
主な制約には、事実の捏造の可能性、因果関係の理解、複雑な論理的演繹、反実仮想の推論の難しさがあります。ファミリーカードは、回答が不必要に説教調になる場合もあると記しています。有用な結果を得るには、参照元の事実、仮定、提案する行動を区別するよう求め、判断を左右する部分を確認してください。エージェントによる完成した成果物には、知見、根拠のある次の手順、ツールで得た情報、未解決の問いなどを含められます。9 月リリースが重視するツール利用は、その作業の流れを定める助けとなり、準備した入力と明示的な完了基準によって、ユーザーのタスクに沿った結果を保てます。
POST /v1/chat/completionstexttext| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 gemini-2.5-flash-preview-09-2025 | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 最小項目数: 1 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 例：system, user, assistant, tool, function 条件: これらのロールはソースコードの互換型で明示されています。正確なロールの集合はモデルごとに異なります。 モデルによる | デフォルト— |
フィールドmessages[].content | 種類string|content_part[]|null | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_calls | 種類tool_call[] | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].tool_call_id | 種類string | 要件任意 | 値と制限 適用条件: role=tool。実際に返されたIDを使ってください | デフォルト— |
フィールドmessages[].name | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドmessages[].reasoning_content | 種類string | 要件任意 | 値と制限 適用条件: このモデルが使用する場合は、実際に返された推論をそのまま次のリクエストへ戻してください | デフォルト— |
フィールドmessages[].reasoning_details | 種類object|array | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmax_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドmax_completion_tokens | 種類integer | 要件任意 | 値と制限 最小値: 1 モデルによる | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
フィールドstream_options.include_usage | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtemperature | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtop_p | 種類number | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドstop | 種類string|string[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools | 種類function_tool[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドtools[].type | 種類string | 要件任意 | 値と制限 function モデルによる | デフォルト— |
フィールドtools[].function.name | 種類string | 要件必須 | 値と制限 適用条件: 関数ツールの指定あり | デフォルト— |
フィールドtools[].function.description | 種類string | 要件任意 | 値と制限 | デフォルト— |
フィールドtools[].function.parameters | 種類JSON_schema | 要件任意 | 値と制限 | デフォルト— |
フィールドtool_choice | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドparallel_tool_calls | 種類boolean | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドresponse_format | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning_effort | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドreasoning | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドservice_tier | 種類string | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドinstructions | 種類string | 要件任意 | 値と制限 互換性用のフィールド | デフォルト— |
フィールドfunctions | 種類function[] | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドfunction_call | 種類string|object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドprompt_cache_options | 種類object | 要件任意 | 値と制限 モデルによる | デフォルト— |
フィールドmodalities | 種類string[] | 要件任意 | 値と制限 text | デフォルト— |
フィールドprovider | 種類object | 要件任意 | 値と制限 条件: このUltraテキストルートではprovider.optionsは拒否されます | デフォルト— |
フィールドcache_control.ttl | 種類string | 要件任意 | 値と制限 条件: 実際のプロンプトキャッシュの指定箇所では1hは拒否されます | デフォルト— |
テキスト · UTF8テキスト
messages[].content
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages |
パラメータmaterial_types | 仕様text |
パラメータmessages | 仕様role/content形式のメッセージ配列 |
パラメータfile_material | 仕様実際のUTF-8文書をテキストとしてそのまま挿入します。ファイルIDは推定しません |
パラメータoptional_controls | 仕様stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
パラメータcontrol_scope | 仕様モデル固有。ユーザーの関数ツールとホスト側のツールは異なります |
パラメータoutput_modalities | 仕様text |
パラメータhosted_operations | 仕様false |
パラメータmultimodal_input_binding | 仕様null |
ライフサイクル: synchronous_or_streamed
正確なモデルIDをmessagesとともに送ってください。
コンテキスト長は出力上限ではありません。
テキストファイルはテキストをそのまま提供できます。画像／音声／ファイルオブジェクトの入力には正確なバインディングが必要です。
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.0006 / 1K トークン 出力 · 出力トークン $0.005 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-preview-09-2025", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gemini-2.5-flash-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gemini-2.5-flash-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njsonまたはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべての選択肢と、その内容・ツール呼び出し・推論を保持してください。SSEでは選択肢／ツールのインデックスごとに差分を組み立て、最終的な終了理由と使用量を残します。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドchoices[].index | 種類integer |
フィールドchoices[].message.content | 種類string|null |
フィールドchoices[].message.tool_calls | 種類tool_call[] |
フィールドchoices[].message.reasoning_content | 種類string |
フィールドchoices[].message.reasoning_details | 種類object|array |
フィールドchoices[].finish_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra gemini-2.5-flash-preview-09-2025
上記に表示されたメソッドパスを使用してください。
gemini-2.5-flash-preview-09-2025Gemini 2.5 Flash Preview 09-2025 は、マルチモーダル分析と、ツールを使った複数段階の作業に向けた Google の 9 月版です。テキスト、画像、動画、音声の理解に、思考、構造化された回答、1,048,576 トークンの入力上限を組み合わせ、エージェントとしてのツール利用に具体的な改善が加えられています。
この説明はモデルの機能を紹介するものです。Ailootで利用できる入力、出力、オプションは、選択したメソッドごとに以下に記載されています。
Gemini 2.5 Flash Preview 09-2025 は、Google のハイブリッド推論モデルの 9 月プレビュー版です。文書化されている入力はテキスト、画像、動画、音声で、出力はテキストです。質問と視覚資料や発話資料を組み合わせ、説明、文書、コード、構造化された回答を生成できます。この日付付きの特定の版は、安定版の Gemini 2.5 Flash や、更新に追従する latest エイリアスとは区別されます。用途は、マルチモーダルの理解と、文章による結果を返すツール支援作業です。
Google は、このリリースについて 2 つの具体的な改善を説明しています。エージェントとしてのツール利用の向上と、思考を有効にした場合の回答生成の効率化です。前者は、情報を取得し、依頼内容と照合し、次の手順を選ぶなど、互いにつながる複数の操作が必要なタスクに関わります。後者は、品質を維持しながら、生成トークン数を抑えて有用な回答を作ることに関わります。開発アシスタントには、観測した挙動、関連コード、変更が成功したと判断する基準を提供してください。調査アシスタントには、質問、確認対象の資料、結論に必要な根拠を指定します。
思考と直接回答は、このハイブリッド設計の構成要素です。思考を使うタスクでは、最終回答を準備する前に、依存関係、数学的条件、複数段階の計画を分析できます。単純な抽出や短い説明では、より単純な回答目標を設定できます。必須の制約、モデルが仮定してよい内容、最終成果物に含めるべき内容を指定してください。メーカーのファミリーカードは、思考予算の順守が一貫しない場合があると記しているため、予算を指定しただけでは、推論量が厳密に制限される証明にはなりません。この説明では、より新しいモデルの思考レベルや既定値を 9 月版に適用していません。
この 9 月版の正確なモデル表には、最大 1,048,576 入力トークンと 65,536 出力トークンが記載されています。大きな入力枠により、1 つのタスクに指示、例、参照テキスト、マルチメディアの文脈を収められます。要件と提案された解決策を比較する場合は、両方の参照元にラベルを付け、共通の基準を示してください。スクリーンショットについて尋ねる場合は、対象の状態やコンポーネントを特定します。音声や動画のタスクでは、漠然とした描写を求めず、問いや対象の出来事を指定してください。結果はあくまでテキストです。モデル自体による画像作成、音声生成、リアルタイムの音声対話は、別のモデルプロファイルに属します。
Google は、この特定のプレビューについて、関数呼び出し、コード実行、検索グラウンディング、URL コンテキスト、ファイル検索を文書化しています。関数呼び出しでは、宣言された関数を選び、引数を準備します。接続されたアプリケーションが操作を実行し、その結果を返します。コード実行では、生成した Python を使って計算やテキスト処理を行います。検索グラウンディングは、参照元に基づく回答のためにウェブ資料を提供し、URL コンテキストは、指定されたアクセス可能なページの内容を扱います。ファイル検索も、参照資料を取得する機能です。エージェントには、各ツールの明確な目的と、各段階で期待する情報を指定し、実際に返された結果から処理を続けられるようにしてください。
構造化出力への対応により、最終成果物を定義済みフィールドの集合として利用できます。比較では、基準、対応する参照箇所、確認された相違点、引き続き明確化が必要な問いを求めてください。コードタスクでは、提案する変更と、その説明、まだ必要な確認を分けます。Google のこのモデルの正確なプロファイルには、コンテキストキャッシュとバッチ処理への対応も記載されています。関連タスク間で、繰り返し使う参照資料を統一できます。ただし、キャッシュ機能があること自体は、特定のリクエストでキャッシュ済みトークンが再利用された証拠にはなりません。これらの機能名から、より新しいスキーマの組み合わせ、キャッシュの閾値、ツールの同時利用モードを読み取ることはできません。
ファミリーモデルカードは、テキスト、視覚、音声をネイティブに理解する、疎な Mixture-of-Experts トランスフォーマーと説明しています。学習にはウェブテキスト、コード、画像、音声、動画が組み合わされ、事後学習にはマルチモーダルの指示と回答のペア、人間の選好、ツール利用データが含まれます。データ準備では、重複排除、安全性フィルタリング、品質フィルタリングを適用します。この日付付きモデルの正確なページでは、知識のカットオフを 2025 年 1 月としています。より新しい情報を必要とする質問では、モデルの学習知識をリアルタイムの情報源として扱わず、参照資料や適切な取得手順を指定してください。
主な制約には、事実の捏造の可能性、因果関係の理解、複雑な論理的演繹、反実仮想の推論の難しさがあります。ファミリーカードは、回答が不必要に説教調になる場合もあると記しています。有用な結果を得るには、参照元の事実、仮定、提案する行動を区別するよう求め、判断を左右する部分を確認してください。エージェントによる完成した成果物には、知見、根拠のある次の手順、ツールで得た情報、未解決の問いなどを含められます。9 月リリースが重視するツール利用は、その作業の流れを定める助けとなり、準備した入力と明示的な完了基準によって、ユーザーのタスクに沿った結果を保てます。
POST /v1/messagestextjson, sse| フィールド | 種類 | 要件 | 値と制限 | デフォルト |
|---|---|---|---|---|
フィールドmodel | 種類string | 要件必須 | 値と制限 gemini-2.5-flash-preview-09-2025 | デフォルト— |
フィールドmessages | 種類message[] | 要件必須 | 値と制限 | デフォルト— |
フィールドmessages[].role | 種類string | 要件必須 | 値と制限 user, assistant | デフォルト— |
フィールドmessages[].content | 種類string | 要件必須 | 値と制限 | デフォルト— |
フィールドmax_tokens | 種類integer | 要件必須 | 値と制限 | デフォルト— |
フィールドstream | 種類boolean | 要件任意 | 値と制限 | デフォルトfalse |
テキスト · UTF-8テキスト
messages[].contentの文字列
| パラメータ | 仕様 |
|---|---|
パラメータcontent_type | 仕様application/json |
パラメータrequired | 仕様model, messages, max_tokens |
パラメータoptional_controls | 仕様stream |
パラメータmaterial_types | 仕様text |
パラメータtext_file_material | 仕様実際のUTF-8文書を読み、その本文を指定された入力またはメッセージ内容の文字列に入れてください。 |
ライフサイクル: synchronous_or_streamed
料金情報はリクエストの機能を追加しません。対応するパラメーターは選択したメソッドに記載されています。
| 設定 | 料金表 | 料金 |
|---|---|---|
| 設定トークンの基本単価 | 料金表基本料金 | 料金 入力 · 入力トークン $0.0006 / 1K トークン 出力 · 出力トークン $0.005 / 1K トークン 入力 · キャッシュ読み取り $0 / 1K トークン 入力 · キャッシュ書き込み $0 / 1K トークン 入力 · キャッシュ書き込み、1時間 — / 1K トークン |
Ailootはリクエスト前に見積額を確保します。結果の取得後、実測使用量に基づいて最終料金を精算します。ストリーミング時の精算には最終の使用量記録を使用します。金額の確保と精算の仕組み →
{\n "model": "gemini-2.5-flash-preview-09-2025",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSONまたはSSE
返された完全なレスポンス、ファイル、コンテンツ部分をすべて保存してください。
すべてのコンテンツブロック、思考署名、実際のツール利用IDを保持してください。SSEのすべてのブロック差分を組み立てます。最初のテキストブロックだけでは完全な出力になりません。
リクエスト／応答IDとヘッダーを保持してください。テキストジョブを取得する汎用URLは提供されません。
| フィールド | 種類 |
|---|---|
フィールドid | 種類string |
フィールドmodel | 種類string |
フィールドcontent[] | 種類text|thinking|tool_use|other content block |
フィールドstop_reason | 種類string|null |
フィールドusage | 種類object |
| レスポンス | 条件 | 次の手順 |
|---|---|---|
レスポンス400 · invalid_request_error | 条件必須フィールド、素材の表現形式、またはパラメーター値が不正です | 次の手順新しい生成リクエストを送る前に、指定されたフィールドを修正してください。 |
Ailoot Ultra gemini-2.5-flash-preview-09-2025
上記に表示されたメソッドパスを使用してください。
英語の技術例
Review a proposed retention design\n\nAssess this design against the requirement. Requirement R: delete inactive guest records after 30 days; paid accounts are excluded. Design D: a nightly job deletes every account whose last_login is older than 30 days. List mismatches with R/D references, propose a corrected selection rule in plain English, and give boundary cases to test.A concise requirements review, a corrected guest-only rule and tests for day 30, day 31 and an inactive paid account.The proposal excludes paid accounts and explicitly resolves what after 30 days means at the boundary.