Gemini 2.5 Flash Preview 09-2025는 Google의 하이브리드 추론 모델의 9월 프리뷰 에디션입니다. 문서에 명시된 입력은 텍스트, 이미지, 동영상, 오디오이며 출력은 텍스트입니다. 모델은 질문에 시각 자료나 음성 자료를 결합한 다음 설명, 문서, 코드 또는 구조화된 응답을 생성할 수 있습니다. 날짜가 명시된 이 에디션은 안정 버전 Gemini 2.5 Flash 및 대상 버전이 바뀌는 latest 별칭과 구분됩니다. 목적은 멀티모달 이해와 서면 결과를 만드는 도구 지원 작업입니다.
Google은 이 릴리스의 구체적인 개선점으로 에이전트의 도구 사용 향상과 사고 기능을 켰을 때의 더 경제적인 답변 생성을 설명합니다. 첫 번째는 정보 확보, 요청과의 비교, 다음 단계 선택처럼 서로 연결된 여러 행동이 필요한 작업에 관한 것입니다. 두 번째는 품질을 유지하면서 더 적은 생성 토큰으로 유용한 답변을 만드는 것입니다. 개발 도우미에는 관찰된 동작, 관련 코드, 변경 성공 기준을 제공하세요. 조사 도우미에는 질문, 검토할 자료, 결론에 필요한 근거를 정의하세요.
사고와 직접 응답은 모두 하이브리드 설계에 포함됩니다. 사고가 필요한 작업에서는 최종 답변을 준비하기 전에 의존 관계, 수학적 조건 또는 여러 단계의 계획을 분석할 수 있습니다. 단순 추출이나 짧은 설명에는 더 단순한 응답 목표를 설정할 수 있습니다. 어떤 제약이 필수인지, 모델이 무엇을 가정해도 되는지, 최종 산출물에 무엇이 포함되어야 하는지 명시하세요. 제조사의 제품군 카드에는 사고 예산 준수가 일관되지 않을 수 있다고 적혀 있으므로 요청한 예산이 엄격한 추론 상한을 입증하지는 않습니다. 이 설명은 더 최신 모델의 사고 수준이나 기본값을 9월 에디션에 적용하지 않습니다.
정확한 9월 모델 표에는 입력 최대 1,048,576토큰, 출력 최대 65,536토큰이 명시되어 있습니다. 큰 입력 용량을 통해 지침, 예시, 참조 텍스트, 멀티미디어 컨텍스트를 하나의 작업에 담을 수 있습니다. 요구 사항과 제안된 해결책을 비교하려면 두 출처를 구분해 표시하고 공통 기준을 제공하세요. 스크린샷을 논의할 때는 관련 상태나 구성 요소를 지정하세요. 오디오 또는 동영상 작업에서는 방향 없는 설명을 요청하기보다 질문이나 사건을 명시하세요. 결과는 여전히 텍스트입니다. 네이티브 이미지 생성, 음성 생성, 실시간 음성 대화는 다른 모델 프로필의 역할입니다.
Google은 이 정확한 프리뷰에 대해 함수 호출, 코드 실행, 검색 그라운딩, URL 컨텍스트, 파일 검색을 문서화했습니다. 함수 호출은 선언된 함수를 선택하고 인수를 준비하며, 연결된 애플리케이션이 작업을 수행하고 결과를 반환합니다. 코드 실행은 생성된 Python을 계산이나 텍스트 처리에 사용합니다. 검색 그라운딩은 출처에 근거한 답변을 위한 웹 자료를 제공하고, URL 컨텍스트는 지정된 접근 가능한 페이지의 내용을 처리합니다. 파일 검색은 또 다른 출처 검색 기능입니다. 에이전트에게 각 도구의 명확한 목적과 단계별로 기대하는 정보를 지정해 실제 반환된 결과를 바탕으로 작업을 이어가게 하세요.
구조화된 출력 지원을 통해 최종 산출물을 정의된 필드의 집합으로 사용할 수 있습니다. 비교 작업에는 기준, 해당 출처 구절, 관찰된 차이, 여전히 확인이 필요한 질문을 요청하세요. 코드 작업에서는 제안된 변경, 설명, 아직 필요한 검증을 구분하세요. Google의 정확한 모델 프로필에는 컨텍스트 캐싱과 배치 처리 지원도 명시되어 있습니다. 반복되는 원본 자료는 관련 작업 전반에서 일관되게 유지할 수 있지만, 캐싱 기능 자체가 특정 요청에서 캐시된 토큰을 재사용했음을 입증하지는 않습니다. 이러한 기능 이름이 더 최신의 스키마 조합, 캐시 임계값 또는 동시 도구 모드를 의미하지는 않습니다.
제품군 모델 카드는 네이티브 텍스트·시각·오디오 이해 기능을 갖춘 희소 혼합 전문가 트랜스포머를 설명합니다. 학습에는 웹 텍스트, 코드, 이미지, 오디오, 동영상이 결합되며, 사후 학습에는 멀티모달 지침과 응답 쌍, 사람의 선호도, 도구 사용 데이터가 포함됩니다. 데이터 준비에는 중복 제거와 안전성·품질 필터링이 적용됩니다. 날짜가 명시된 정확한 모델 페이지에는 지식 기준일이 2025년 1월로 표시되어 있습니다. 더 새로운 정보가 필요한 질문에서는 모델의 학습 지식을 실시간 정보 공급원으로 취급하지 말고 원본 자료나 적절한 검색 단계를 지정해야 합니다.
주요 한계에는 사실을 지어낼 가능성과 인과관계 이해, 복잡한 논리적 추론, 반사실적 추론의 어려움이 포함됩니다. 제품군 카드에는 답변이 때때로 불필요하게 훈계하는 어조를 띨 수 있다고도 적혀 있습니다. 유용한 결과를 얻으려면 출처에 있는 사실, 가정, 제안된 행동을 구분하도록 요구하고 의사결정을 좌우하는 부분을 검토하세요. 완전한 에이전트 산출물에는 조사 결과, 근거가 있는 다음 단계, 도구로 얻은 정보, 해결되지 않은 질문이 포함될 수 있습니다. 9월 릴리스가 강조하는 도구 사용은 이러한 작업 흐름을 정의하는 데 도움이 되며, 준비된 입력과 명확한 완료 기준은 작업을 사용자의 목적에 맞게 유지합니다.
", "aboutText": "Gemini 2.5 Flash Preview 09-2025는 Google의 하이브리드 추론 모델의 9월 프리뷰 에디션입니다. 문서에 명시된 입력은 텍스트, 이미지, 동영상, 오디오이며 출력은 텍스트입니다. 모델은 질문에 시각 자료나 음성 자료를 결합한 다음 설명, 문서, 코드 또는 구조화된 응답을 생성할 수 있습니다. 날짜가 명시된 이 에디션은 안정 버전 Gemini 2.5 Flash 및 대상 버전이 바뀌는 latest 별칭과 구분됩니다. 목적은 멀티모달 이해와 서면 결과를 만드는 도구 지원 작업입니다.\n\nGoogle은 이 릴리스의 구체적인 개선점으로 에이전트의 도구 사용 향상과 사고 기능을 켰을 때의 더 경제적인 답변 생성을 설명합니다. 첫 번째는 정보 확보, 요청과의 비교, 다음 단계 선택처럼 서로 연결된 여러 행동이 필요한 작업에 관한 것입니다. 두 번째는 품질을 유지하면서 더 적은 생성 토큰으로 유용한 답변을 만드는 것입니다. 개발 도우미에는 관찰된 동작, 관련 코드, 변경 성공 기준을 제공하세요. 조사 도우미에는 질문, 검토할 자료, 결론에 필요한 근거를 정의하세요.\n\n사고와 직접 응답은 모두 하이브리드 설계에 포함됩니다. 사고가 필요한 작업에서는 최종 답변을 준비하기 전에 의존 관계, 수학적 조건 또는 여러 단계의 계획을 분석할 수 있습니다. 단순 추출이나 짧은 설명에는 더 단순한 응답 목표를 설정할 수 있습니다. 어떤 제약이 필수인지, 모델이 무엇을 가정해도 되는지, 최종 산출물에 무엇이 포함되어야 하는지 명시하세요. 제조사의 제품군 카드에는 사고 예산 준수가 일관되지 않을 수 있다고 적혀 있으므로 요청한 예산이 엄격한 추론 상한을 입증하지는 않습니다. 이 설명은 더 최신 모델의 사고 수준이나 기본값을 9월 에디션에 적용하지 않습니다.\n\n정확한 9월 모델 표에는 입력 최대 1,048,576토큰, 출력 최대 65,536토큰이 명시되어 있습니다. 큰 입력 용량을 통해 지침, 예시, 참조 텍스트, 멀티미디어 컨텍스트를 하나의 작업에 담을 수 있습니다. 요구 사항과 제안된 해결책을 비교하려면 두 출처를 구분해 표시하고 공통 기준을 제공하세요. 스크린샷을 논의할 때는 관련 상태나 구성 요소를 지정하세요. 오디오 또는 동영상 작업에서는 방향 없는 설명을 요청하기보다 질문이나 사건을 명시하세요. 결과는 여전히 텍스트입니다. 네이티브 이미지 생성, 음성 생성, 실시간 음성 대화는 다른 모델 프로필의 역할입니다.\n\nGoogle은 이 정확한 프리뷰에 대해 함수 호출, 코드 실행, 검색 그라운딩, URL 컨텍스트, 파일 검색을 문서화했습니다. 함수 호출은 선언된 함수를 선택하고 인수를 준비하며, 연결된 애플리케이션이 작업을 수행하고 결과를 반환합니다. 코드 실행은 생성된 Python을 계산이나 텍스트 처리에 사용합니다. 검색 그라운딩은 출처에 근거한 답변을 위한 웹 자료를 제공하고, URL 컨텍스트는 지정된 접근 가능한 페이지의 내용을 처리합니다. 파일 검색은 또 다른 출처 검색 기능입니다. 에이전트에게 각 도구의 명확한 목적과 단계별로 기대하는 정보를 지정해 실제 반환된 결과를 바탕으로 작업을 이어가게 하세요.\n\n구조화된 출력 지원을 통해 최종 산출물을 정의된 필드의 집합으로 사용할 수 있습니다. 비교 작업에는 기준, 해당 출처 구절, 관찰된 차이, 여전히 확인이 필요한 질문을 요청하세요. 코드 작업에서는 제안된 변경, 설명, 아직 필요한 검증을 구분하세요. Google의 정확한 모델 프로필에는 컨텍스트 캐싱과 배치 처리 지원도 명시되어 있습니다. 반복되는 원본 자료는 관련 작업 전반에서 일관되게 유지할 수 있지만, 캐싱 기능 자체가 특정 요청에서 캐시된 토큰을 재사용했음을 입증하지는 않습니다. 이러한 기능 이름이 더 최신의 스키마 조합, 캐시 임계값 또는 동시 도구 모드를 의미하지는 않습니다.\n\n제품군 모델 카드는 네이티브 텍스트·시각·오디오 이해 기능을 갖춘 희소 혼합 전문가 트랜스포머를 설명합니다. 학습에는 웹 텍스트, 코드, 이미지, 오디오, 동영상이 결합되며, 사후 학습에는 멀티모달 지침과 응답 쌍, 사람의 선호도, 도구 사용 데이터가 포함됩니다. 데이터 준비에는 중복 제거와 안전성·품질 필터링이 적용됩니다. 날짜가 명시된 정확한 모델 페이지에는 지식 기준일이 2025년 1월로 표시되어 있습니다. 더 새로운 정보가 필요한 질문에서는 모델의 학습 지식을 실시간 정보 공급원으로 취급하지 말고 원본 자료나 적절한 검색 단계를 지정해야 합니다.\n\n주요 한계에는 사실을 지어낼 가능성과 인과관계 이해, 복잡한 논리적 추론, 반사실적 추론의 어려움이 포함됩니다. 제품군 카드에는 답변이 때때로 불필요하게 훈계하는 어조를 띨 수 있다고도 적혀 있습니다. 유용한 결과를 얻으려면 출처에 있는 사실, 가정, 제안된 행동을 구분하도록 요구하고 의사결정을 좌우하는 부분을 검토하세요. 완전한 에이전트 산출물에는 조사 결과, 근거가 있는 다음 단계, 도구로 얻은 정보, 해결되지 않은 질문이 포함될 수 있습니다. 9월 릴리스가 강조하는 도구 사용은 이러한 작업 흐름을 정의하는 데 도움이 되며, 준비된 입력과 명확한 완료 기준은 작업을 사용자의 목적에 맞게 유지합니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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 09-2025는 멀티모달 분석과 도구를 활용한 여러 단계의 작업을 위한 Google의 9월 에디션입니다. 텍스트, 이미지, 동영상, 오디오 이해에 사고 기능, 구조화된 응답, 1,048,576토큰의 입력 한도를 결합하며, 에이전트의 도구 사용을 구체적으로 개선했습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 2.5 Flash Preview 09-2025는 Google의 하이브리드 추론 모델의 9월 프리뷰 에디션입니다. 문서에 명시된 입력은 텍스트, 이미지, 동영상, 오디오이며 출력은 텍스트입니다. 모델은 질문에 시각 자료나 음성 자료를 결합한 다음 설명, 문서, 코드 또는 구조화된 응답을 생성할 수 있습니다. 날짜가 명시된 이 에디션은 안정 버전 Gemini 2.5 Flash 및 대상 버전이 바뀌는 latest 별칭과 구분됩니다. 목적은 멀티모달 이해와 서면 결과를 만드는 도구 지원 작업입니다.
Google은 이 릴리스의 구체적인 개선점으로 에이전트의 도구 사용 향상과 사고 기능을 켰을 때의 더 경제적인 답변 생성을 설명합니다. 첫 번째는 정보 확보, 요청과의 비교, 다음 단계 선택처럼 서로 연결된 여러 행동이 필요한 작업에 관한 것입니다. 두 번째는 품질을 유지하면서 더 적은 생성 토큰으로 유용한 답변을 만드는 것입니다. 개발 도우미에는 관찰된 동작, 관련 코드, 변경 성공 기준을 제공하세요. 조사 도우미에는 질문, 검토할 자료, 결론에 필요한 근거를 정의하세요.
사고와 직접 응답은 모두 하이브리드 설계에 포함됩니다. 사고가 필요한 작업에서는 최종 답변을 준비하기 전에 의존 관계, 수학적 조건 또는 여러 단계의 계획을 분석할 수 있습니다. 단순 추출이나 짧은 설명에는 더 단순한 응답 목표를 설정할 수 있습니다. 어떤 제약이 필수인지, 모델이 무엇을 가정해도 되는지, 최종 산출물에 무엇이 포함되어야 하는지 명시하세요. 제조사의 제품군 카드에는 사고 예산 준수가 일관되지 않을 수 있다고 적혀 있으므로 요청한 예산이 엄격한 추론 상한을 입증하지는 않습니다. 이 설명은 더 최신 모델의 사고 수준이나 기본값을 9월 에디션에 적용하지 않습니다.
정확한 9월 모델 표에는 입력 최대 1,048,576토큰, 출력 최대 65,536토큰이 명시되어 있습니다. 큰 입력 용량을 통해 지침, 예시, 참조 텍스트, 멀티미디어 컨텍스트를 하나의 작업에 담을 수 있습니다. 요구 사항과 제안된 해결책을 비교하려면 두 출처를 구분해 표시하고 공통 기준을 제공하세요. 스크린샷을 논의할 때는 관련 상태나 구성 요소를 지정하세요. 오디오 또는 동영상 작업에서는 방향 없는 설명을 요청하기보다 질문이나 사건을 명시하세요. 결과는 여전히 텍스트입니다. 네이티브 이미지 생성, 음성 생성, 실시간 음성 대화는 다른 모델 프로필의 역할입니다.
Google은 이 정확한 프리뷰에 대해 함수 호출, 코드 실행, 검색 그라운딩, URL 컨텍스트, 파일 검색을 문서화했습니다. 함수 호출은 선언된 함수를 선택하고 인수를 준비하며, 연결된 애플리케이션이 작업을 수행하고 결과를 반환합니다. 코드 실행은 생성된 Python을 계산이나 텍스트 처리에 사용합니다. 검색 그라운딩은 출처에 근거한 답변을 위한 웹 자료를 제공하고, URL 컨텍스트는 지정된 접근 가능한 페이지의 내용을 처리합니다. 파일 검색은 또 다른 출처 검색 기능입니다. 에이전트에게 각 도구의 명확한 목적과 단계별로 기대하는 정보를 지정해 실제 반환된 결과를 바탕으로 작업을 이어가게 하세요.
구조화된 출력 지원을 통해 최종 산출물을 정의된 필드의 집합으로 사용할 수 있습니다. 비교 작업에는 기준, 해당 출처 구절, 관찰된 차이, 여전히 확인이 필요한 질문을 요청하세요. 코드 작업에서는 제안된 변경, 설명, 아직 필요한 검증을 구분하세요. Google의 정확한 모델 프로필에는 컨텍스트 캐싱과 배치 처리 지원도 명시되어 있습니다. 반복되는 원본 자료는 관련 작업 전반에서 일관되게 유지할 수 있지만, 캐싱 기능 자체가 특정 요청에서 캐시된 토큰을 재사용했음을 입증하지는 않습니다. 이러한 기능 이름이 더 최신의 스키마 조합, 캐시 임계값 또는 동시 도구 모드를 의미하지는 않습니다.
제품군 모델 카드는 네이티브 텍스트·시각·오디오 이해 기능을 갖춘 희소 혼합 전문가 트랜스포머를 설명합니다. 학습에는 웹 텍스트, 코드, 이미지, 오디오, 동영상이 결합되며, 사후 학습에는 멀티모달 지침과 응답 쌍, 사람의 선호도, 도구 사용 데이터가 포함됩니다. 데이터 준비에는 중복 제거와 안전성·품질 필터링이 적용됩니다. 날짜가 명시된 정확한 모델 페이지에는 지식 기준일이 2025년 1월로 표시되어 있습니다. 더 새로운 정보가 필요한 질문에서는 모델의 학습 지식을 실시간 정보 공급원으로 취급하지 말고 원본 자료나 적절한 검색 단계를 지정해야 합니다.
주요 한계에는 사실을 지어낼 가능성과 인과관계 이해, 복잡한 논리적 추론, 반사실적 추론의 어려움이 포함됩니다. 제품군 카드에는 답변이 때때로 불필요하게 훈계하는 어조를 띨 수 있다고도 적혀 있습니다. 유용한 결과를 얻으려면 출처에 있는 사실, 가정, 제안된 행동을 구분하도록 요구하고 의사결정을 좌우하는 부분을 검토하세요. 완전한 에이전트 산출물에는 조사 결과, 근거가 있는 다음 단계, 도구로 얻은 정보, 해결되지 않은 질문이 포함될 수 있습니다. 9월 릴리스가 강조하는 도구 사용은 이러한 작업 흐름을 정의하는 데 도움이 되며, 준비된 입력과 명확한 완료 기준은 작업을 사용자의 목적에 맞게 유지합니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-2.5-flash-preview-09-2025 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra gemini-2.5-flash-preview-09-2025
위에 표시된 메서드 경로를 사용하세요.
gemini-2.5-flash-preview-09-2025Gemini 2.5 Flash Preview 09-2025는 멀티모달 분석과 도구를 활용한 여러 단계의 작업을 위한 Google의 9월 에디션입니다. 텍스트, 이미지, 동영상, 오디오 이해에 사고 기능, 구조화된 응답, 1,048,576토큰의 입력 한도를 결합하며, 에이전트의 도구 사용을 구체적으로 개선했습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 2.5 Flash Preview 09-2025는 Google의 하이브리드 추론 모델의 9월 프리뷰 에디션입니다. 문서에 명시된 입력은 텍스트, 이미지, 동영상, 오디오이며 출력은 텍스트입니다. 모델은 질문에 시각 자료나 음성 자료를 결합한 다음 설명, 문서, 코드 또는 구조화된 응답을 생성할 수 있습니다. 날짜가 명시된 이 에디션은 안정 버전 Gemini 2.5 Flash 및 대상 버전이 바뀌는 latest 별칭과 구분됩니다. 목적은 멀티모달 이해와 서면 결과를 만드는 도구 지원 작업입니다.
Google은 이 릴리스의 구체적인 개선점으로 에이전트의 도구 사용 향상과 사고 기능을 켰을 때의 더 경제적인 답변 생성을 설명합니다. 첫 번째는 정보 확보, 요청과의 비교, 다음 단계 선택처럼 서로 연결된 여러 행동이 필요한 작업에 관한 것입니다. 두 번째는 품질을 유지하면서 더 적은 생성 토큰으로 유용한 답변을 만드는 것입니다. 개발 도우미에는 관찰된 동작, 관련 코드, 변경 성공 기준을 제공하세요. 조사 도우미에는 질문, 검토할 자료, 결론에 필요한 근거를 정의하세요.
사고와 직접 응답은 모두 하이브리드 설계에 포함됩니다. 사고가 필요한 작업에서는 최종 답변을 준비하기 전에 의존 관계, 수학적 조건 또는 여러 단계의 계획을 분석할 수 있습니다. 단순 추출이나 짧은 설명에는 더 단순한 응답 목표를 설정할 수 있습니다. 어떤 제약이 필수인지, 모델이 무엇을 가정해도 되는지, 최종 산출물에 무엇이 포함되어야 하는지 명시하세요. 제조사의 제품군 카드에는 사고 예산 준수가 일관되지 않을 수 있다고 적혀 있으므로 요청한 예산이 엄격한 추론 상한을 입증하지는 않습니다. 이 설명은 더 최신 모델의 사고 수준이나 기본값을 9월 에디션에 적용하지 않습니다.
정확한 9월 모델 표에는 입력 최대 1,048,576토큰, 출력 최대 65,536토큰이 명시되어 있습니다. 큰 입력 용량을 통해 지침, 예시, 참조 텍스트, 멀티미디어 컨텍스트를 하나의 작업에 담을 수 있습니다. 요구 사항과 제안된 해결책을 비교하려면 두 출처를 구분해 표시하고 공통 기준을 제공하세요. 스크린샷을 논의할 때는 관련 상태나 구성 요소를 지정하세요. 오디오 또는 동영상 작업에서는 방향 없는 설명을 요청하기보다 질문이나 사건을 명시하세요. 결과는 여전히 텍스트입니다. 네이티브 이미지 생성, 음성 생성, 실시간 음성 대화는 다른 모델 프로필의 역할입니다.
Google은 이 정확한 프리뷰에 대해 함수 호출, 코드 실행, 검색 그라운딩, URL 컨텍스트, 파일 검색을 문서화했습니다. 함수 호출은 선언된 함수를 선택하고 인수를 준비하며, 연결된 애플리케이션이 작업을 수행하고 결과를 반환합니다. 코드 실행은 생성된 Python을 계산이나 텍스트 처리에 사용합니다. 검색 그라운딩은 출처에 근거한 답변을 위한 웹 자료를 제공하고, URL 컨텍스트는 지정된 접근 가능한 페이지의 내용을 처리합니다. 파일 검색은 또 다른 출처 검색 기능입니다. 에이전트에게 각 도구의 명확한 목적과 단계별로 기대하는 정보를 지정해 실제 반환된 결과를 바탕으로 작업을 이어가게 하세요.
구조화된 출력 지원을 통해 최종 산출물을 정의된 필드의 집합으로 사용할 수 있습니다. 비교 작업에는 기준, 해당 출처 구절, 관찰된 차이, 여전히 확인이 필요한 질문을 요청하세요. 코드 작업에서는 제안된 변경, 설명, 아직 필요한 검증을 구분하세요. Google의 정확한 모델 프로필에는 컨텍스트 캐싱과 배치 처리 지원도 명시되어 있습니다. 반복되는 원본 자료는 관련 작업 전반에서 일관되게 유지할 수 있지만, 캐싱 기능 자체가 특정 요청에서 캐시된 토큰을 재사용했음을 입증하지는 않습니다. 이러한 기능 이름이 더 최신의 스키마 조합, 캐시 임계값 또는 동시 도구 모드를 의미하지는 않습니다.
제품군 모델 카드는 네이티브 텍스트·시각·오디오 이해 기능을 갖춘 희소 혼합 전문가 트랜스포머를 설명합니다. 학습에는 웹 텍스트, 코드, 이미지, 오디오, 동영상이 결합되며, 사후 학습에는 멀티모달 지침과 응답 쌍, 사람의 선호도, 도구 사용 데이터가 포함됩니다. 데이터 준비에는 중복 제거와 안전성·품질 필터링이 적용됩니다. 날짜가 명시된 정확한 모델 페이지에는 지식 기준일이 2025년 1월로 표시되어 있습니다. 더 새로운 정보가 필요한 질문에서는 모델의 학습 지식을 실시간 정보 공급원으로 취급하지 말고 원본 자료나 적절한 검색 단계를 지정해야 합니다.
주요 한계에는 사실을 지어낼 가능성과 인과관계 이해, 복잡한 논리적 추론, 반사실적 추론의 어려움이 포함됩니다. 제품군 카드에는 답변이 때때로 불필요하게 훈계하는 어조를 띨 수 있다고도 적혀 있습니다. 유용한 결과를 얻으려면 출처에 있는 사실, 가정, 제안된 행동을 구분하도록 요구하고 의사결정을 좌우하는 부분을 검토하세요. 완전한 에이전트 산출물에는 조사 결과, 근거가 있는 다음 단계, 도구로 얻은 정보, 해결되지 않은 질문이 포함될 수 있습니다. 9월 릴리스가 강조하는 도구 사용은 이러한 작업 흐름을 정의하는 데 도움이 되며, 준비된 입력과 명확한 완료 기준은 작업을 사용자의 목적에 맞게 유지합니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-2.5-flash-preview-09-2025 | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
| 설정 | 요금표 | 요금 |
|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 요금 입력 · 입력 토큰 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0 / 1K 토큰 입력 · 캐시 쓰기 $0 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "gemini-2.5-flash-preview-09-2025",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
Ailoot Ultra gemini-2.5-flash-preview-09-2025
위에 표시된 메서드 경로를 사용하세요.
영어 기술 예제
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.