Gemini 2.5 Pro는 고급 코딩, 수학, STEM, 긴 컨텍스트 분석을 위한 Google의 안정 버전 thinking 프로필입니다. 텍스트, 오디오, 이미지, 비디오, 전체 코드 저장소를 이해할 수 있고 Gemini API 프로필은 PDF 입력도 받습니다. 출력은 코드, 서면 분석, 구조화된 기록을 포함한 텍스트입니다. 유용한 과제는 증거를 제공하고 풀이를 설명한 해답, 코드베이스에서 발견한 사항, 여러 문서 간 비교처럼 확인 가능한 결과를 요청합니다.
코딩에는 관련 파일, 관찰한 동작, 중요한 변경이나 질문을 제공하세요. 긴 컨텍스트는 모델이 고립된 코드 조각 하나에서 추론하는 대신 모듈 간 관계를 파악하는 데 도움이 될 수 있습니다. 코드 경로 조사에서는 입력 폼에서 처리와 저장에 이르는 식별자의 흐름을 추적하고 계약이 바뀌는 위치를 찾아 집중적인 수정을 제안하도록 요청하세요. 제약을 보존하고 뒷받침하는 참조를 요청하세요. 수정 제안은 실제 코드 및 연결된 도구로 수행한 검증과 비교해야 합니다.
수학이나 과학 분석에는 문제, 가정, 단위, 필요한 답변 형식을 밝히세요. 계산에 필요한 데이터나 도표를 제공하세요. 근거 있는 결과와 함께 경계 사례나 원래 값과의 비교처럼 평가 가능하게 해 주는 검증을 요청하세요. 모델의 추론 능력이 문제 진술의 모호성을 없애지는 않습니다. 미지의 양이나 근거 없는 가정을 편리한 값으로 대체하지 말고 드러난 상태로 유지하세요.
동적 thinking이 문서화된 기본값입니다. Gemini 2.5 GenerateContent 가이드는 Pro에 대해 128부터 32,768 토큰까지의 명시적 추론 예산 또는 적응형 thinking을 위한 -1을 지원합니다. 이 에디션은 thinking을 완전히 비활성화할 수 없습니다. 이런 제어는 Flash의 0 예산 옵션 및 Gemini 3의 thinking 수준 설정과 다릅니다. thinking 예산은 정확한 내부 토큰 수를 보장하는 것이 아니라 추론을 안내하며, 응답 상한도 최종 결과물을 위한 공간을 남겨야 합니다.
멀티모달 문서 작업에서는 답변을 뒷받침해야 할 페이지, 차트, 이미지 영역, 녹음·영상 사건을 식별하세요. 실용적인 종합 과제는 여러 원문 문서의 상충하는 주장, 이를 뒷받침하는 구절, 특정 결정에 중요한 차이점을 요청할 수 있습니다. 명시된 사실과 추론을 구별하도록 요청하세요. 비디오나 오디오에는 결과가 설명, 전사문, 요약, 비교 중 무엇이어야 하는지 정의하세요. 이 프로필에서 이미지와 소리는 텍스트 결과의 증거입니다.
정확한 API 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 문서화되어 있습니다. 함수 목적과 매개변수 필드를 정의하고 후속 턴에 실제 결과를 보존하세요. 스키마 제약 기록에는 필수 필드와 누락 정보의 표현 방식을 지정하세요. 고유 아키텍처는 멀티모달 희소 전문가 혼합 트랜스포머입니다. 그 모델 설계 자체가 반환된 텍스트나 코드를 넘어 외부 도구 실행이나 완성된 애플리케이션을 제공하지는 않습니다.
고유 모델 카드는 1M 입력 컨텍스트와 64K 텍스트 출력을 기재하고 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 이력은 입력 준비에 포함됩니다. 최대 응답 허용량에는 추론 토큰이 포함되므로 상한이 지나치게 작으면 최종 답변이 중단될 수 있습니다. 캐싱과 배치 처리, Flex 및 Priority 옵션이 문서화되어 있습니다. 독립적인 긴 컨텍스트 과제를 준비할 때 각 출처 식별자와 요청한 최종 형식을 유지하세요.
안정 버전 식별자는 공통 Pro 모델 카드에서 별도로 다루는 Experimental 및 Preview 에디션과 구별됩니다. Pro 이름을 공유한다는 이유만으로 해당 버전 전용 결과를 이 프로필에 부여하지 마세요. 카드는 환각 가능성, 인과적 이해, 복잡한 연역, 반사실적 추론의 한계와 2025년 1월 지식 기준일을 명시합니다. 중요할 때는 최신 증거를 제공하고 출처 참조, 계산, 수정 제안을 검토하세요. 유용한 출력은 과제에서 요청한 근거 있는 텍스트 또는 코드 결과물입니다.
", "aboutText": "Gemini 2.5 Pro는 고급 코딩, 수학, STEM, 긴 컨텍스트 분석을 위한 Google의 안정 버전 thinking 프로필입니다. 텍스트, 오디오, 이미지, 비디오, 전체 코드 저장소를 이해할 수 있고 Gemini API 프로필은 PDF 입력도 받습니다. 출력은 코드, 서면 분석, 구조화된 기록을 포함한 텍스트입니다. 유용한 과제는 증거를 제공하고 풀이를 설명한 해답, 코드베이스에서 발견한 사항, 여러 문서 간 비교처럼 확인 가능한 결과를 요청합니다.\n\n코딩에는 관련 파일, 관찰한 동작, 중요한 변경이나 질문을 제공하세요. 긴 컨텍스트는 모델이 고립된 코드 조각 하나에서 추론하는 대신 모듈 간 관계를 파악하는 데 도움이 될 수 있습니다. 코드 경로 조사에서는 입력 폼에서 처리와 저장에 이르는 식별자의 흐름을 추적하고 계약이 바뀌는 위치를 찾아 집중적인 수정을 제안하도록 요청하세요. 제약을 보존하고 뒷받침하는 참조를 요청하세요. 수정 제안은 실제 코드 및 연결된 도구로 수행한 검증과 비교해야 합니다.\n\n수학이나 과학 분석에는 문제, 가정, 단위, 필요한 답변 형식을 밝히세요. 계산에 필요한 데이터나 도표를 제공하세요. 근거 있는 결과와 함께 경계 사례나 원래 값과의 비교처럼 평가 가능하게 해 주는 검증을 요청하세요. 모델의 추론 능력이 문제 진술의 모호성을 없애지는 않습니다. 미지의 양이나 근거 없는 가정을 편리한 값으로 대체하지 말고 드러난 상태로 유지하세요.\n\n동적 thinking이 문서화된 기본값입니다. Gemini 2.5 GenerateContent 가이드는 Pro에 대해 128부터 32,768 토큰까지의 명시적 추론 예산 또는 적응형 thinking을 위한 -1을 지원합니다. 이 에디션은 thinking을 완전히 비활성화할 수 없습니다. 이런 제어는 Flash의 0 예산 옵션 및 Gemini 3의 thinking 수준 설정과 다릅니다. thinking 예산은 정확한 내부 토큰 수를 보장하는 것이 아니라 추론을 안내하며, 응답 상한도 최종 결과물을 위한 공간을 남겨야 합니다.\n\n멀티모달 문서 작업에서는 답변을 뒷받침해야 할 페이지, 차트, 이미지 영역, 녹음·영상 사건을 식별하세요. 실용적인 종합 과제는 여러 원문 문서의 상충하는 주장, 이를 뒷받침하는 구절, 특정 결정에 중요한 차이점을 요청할 수 있습니다. 명시된 사실과 추론을 구별하도록 요청하세요. 비디오나 오디오에는 결과가 설명, 전사문, 요약, 비교 중 무엇이어야 하는지 정의하세요. 이 프로필에서 이미지와 소리는 텍스트 결과의 증거입니다.\n\n정확한 API 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 문서화되어 있습니다. 함수 목적과 매개변수 필드를 정의하고 후속 턴에 실제 결과를 보존하세요. 스키마 제약 기록에는 필수 필드와 누락 정보의 표현 방식을 지정하세요. 고유 아키텍처는 멀티모달 희소 전문가 혼합 트랜스포머입니다. 그 모델 설계 자체가 반환된 텍스트나 코드를 넘어 외부 도구 실행이나 완성된 애플리케이션을 제공하지는 않습니다.\n\n고유 모델 카드는 1M 입력 컨텍스트와 64K 텍스트 출력을 기재하고 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 이력은 입력 준비에 포함됩니다. 최대 응답 허용량에는 추론 토큰이 포함되므로 상한이 지나치게 작으면 최종 답변이 중단될 수 있습니다. 캐싱과 배치 처리, Flex 및 Priority 옵션이 문서화되어 있습니다. 독립적인 긴 컨텍스트 과제를 준비할 때 각 출처 식별자와 요청한 최종 형식을 유지하세요.\n\n안정 버전 식별자는 공통 Pro 모델 카드에서 별도로 다루는 Experimental 및 Preview 에디션과 구별됩니다. Pro 이름을 공유한다는 이유만으로 해당 버전 전용 결과를 이 프로필에 부여하지 마세요. 카드는 환각 가능성, 인과적 이해, 복잡한 연역, 반사실적 추론의 한계와 2025년 1월 지식 기준일을 명시합니다. 중요할 때는 최신 증거를 제공하고 출처 참조, 계산, 수정 제안을 검토하세요. 유용한 출력은 과제에서 요청한 근거 있는 텍스트 또는 코드 결과물입니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Trace an identifier through storage\n\nTrace this identifier through three excerpts: form sends {customer_id:'0017'}; service computes id=Number(body.customer_id); repository stores String(id). Requirement: preserve leading zeros. Identify where the contract changes, propose a minimal consistent correction and give tests for '0017', '17' and a missing ID. Do not claim the tests were executed.A source-path explanation, a proposed patch and a three-case regression-test plan.Check that the proposed path preserves distinct strings 0017 and 17 while specifying missing-ID behavior.gemini-2.5-proGemini 2.5 Pro는 복잡한 코드, 수학, STEM, 긴 컨텍스트 분석을 위한 Google의 안정 버전 thinking 모델입니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환하며 도구와 구조화된 출력을 제공합니다. 동적 추론 예산은 128–32,768 토큰을 지원하며 완전히 비활성화할 수 없습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 2.5 Pro는 고급 코딩, 수학, STEM, 긴 컨텍스트 분석을 위한 Google의 안정 버전 thinking 프로필입니다. 텍스트, 오디오, 이미지, 비디오, 전체 코드 저장소를 이해할 수 있고 Gemini API 프로필은 PDF 입력도 받습니다. 출력은 코드, 서면 분석, 구조화된 기록을 포함한 텍스트입니다. 유용한 과제는 증거를 제공하고 풀이를 설명한 해답, 코드베이스에서 발견한 사항, 여러 문서 간 비교처럼 확인 가능한 결과를 요청합니다.
코딩에는 관련 파일, 관찰한 동작, 중요한 변경이나 질문을 제공하세요. 긴 컨텍스트는 모델이 고립된 코드 조각 하나에서 추론하는 대신 모듈 간 관계를 파악하는 데 도움이 될 수 있습니다. 코드 경로 조사에서는 입력 폼에서 처리와 저장에 이르는 식별자의 흐름을 추적하고 계약이 바뀌는 위치를 찾아 집중적인 수정을 제안하도록 요청하세요. 제약을 보존하고 뒷받침하는 참조를 요청하세요. 수정 제안은 실제 코드 및 연결된 도구로 수행한 검증과 비교해야 합니다.
수학이나 과학 분석에는 문제, 가정, 단위, 필요한 답변 형식을 밝히세요. 계산에 필요한 데이터나 도표를 제공하세요. 근거 있는 결과와 함께 경계 사례나 원래 값과의 비교처럼 평가 가능하게 해 주는 검증을 요청하세요. 모델의 추론 능력이 문제 진술의 모호성을 없애지는 않습니다. 미지의 양이나 근거 없는 가정을 편리한 값으로 대체하지 말고 드러난 상태로 유지하세요.
동적 thinking이 문서화된 기본값입니다. Gemini 2.5 GenerateContent 가이드는 Pro에 대해 128부터 32,768 토큰까지의 명시적 추론 예산 또는 적응형 thinking을 위한 -1을 지원합니다. 이 에디션은 thinking을 완전히 비활성화할 수 없습니다. 이런 제어는 Flash의 0 예산 옵션 및 Gemini 3의 thinking 수준 설정과 다릅니다. thinking 예산은 정확한 내부 토큰 수를 보장하는 것이 아니라 추론을 안내하며, 응답 상한도 최종 결과물을 위한 공간을 남겨야 합니다.
멀티모달 문서 작업에서는 답변을 뒷받침해야 할 페이지, 차트, 이미지 영역, 녹음·영상 사건을 식별하세요. 실용적인 종합 과제는 여러 원문 문서의 상충하는 주장, 이를 뒷받침하는 구절, 특정 결정에 중요한 차이점을 요청할 수 있습니다. 명시된 사실과 추론을 구별하도록 요청하세요. 비디오나 오디오에는 결과가 설명, 전사문, 요약, 비교 중 무엇이어야 하는지 정의하세요. 이 프로필에서 이미지와 소리는 텍스트 결과의 증거입니다.
정확한 API 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 문서화되어 있습니다. 함수 목적과 매개변수 필드를 정의하고 후속 턴에 실제 결과를 보존하세요. 스키마 제약 기록에는 필수 필드와 누락 정보의 표현 방식을 지정하세요. 고유 아키텍처는 멀티모달 희소 전문가 혼합 트랜스포머입니다. 그 모델 설계 자체가 반환된 텍스트나 코드를 넘어 외부 도구 실행이나 완성된 애플리케이션을 제공하지는 않습니다.
고유 모델 카드는 1M 입력 컨텍스트와 64K 텍스트 출력을 기재하고 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 이력은 입력 준비에 포함됩니다. 최대 응답 허용량에는 추론 토큰이 포함되므로 상한이 지나치게 작으면 최종 답변이 중단될 수 있습니다. 캐싱과 배치 처리, Flex 및 Priority 옵션이 문서화되어 있습니다. 독립적인 긴 컨텍스트 과제를 준비할 때 각 출처 식별자와 요청한 최종 형식을 유지하세요.
안정 버전 식별자는 공통 Pro 모델 카드에서 별도로 다루는 Experimental 및 Preview 에디션과 구별됩니다. Pro 이름을 공유한다는 이유만으로 해당 버전 전용 결과를 이 프로필에 부여하지 마세요. 카드는 환각 가능성, 인과적 이해, 복잡한 연역, 반사실적 추론의 한계와 2025년 1월 지식 기준일을 명시합니다. 중요할 때는 최신 증거를 제공하고 출처 참조, 계산, 수정 제안을 검토하세요. 유용한 출력은 과제에서 요청한 근거 있는 텍스트 또는 코드 결과물입니다.
POST /v1/messagestext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-2.5-pro | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string|content_block[] | 요건필수 | 값과 한도 | 기본값— |
필드system | 유형string|content_block[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 최솟값: 1 한도 적용 대상: 선택한 모델/카드의 정확한 상한 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop_sequences | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].name | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 도구 지정됨 | 기본값— |
필드tools[].description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].input_schema | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.type | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.budget_tokens | 유형integer | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드output_config.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드metadata | 유형object | 요건선택 사항 | 값과 한도 | 기본값— |
필드cache_control | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content 또는 type=text 블록
텍스트 + 이미지
{type:image,source:{type:base64,media_type,data}} 또는 type=url인 소스
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/messages| 요청 크기 (토큰) | 입력 | 출력 | 캐시 읽기 | 캐시 쓰기 | 5분 캐시 | 1시간 캐시 |
|---|---|---|---|---|---|---|
| 요청 크기 (토큰)(0; 200,000] | 입력US$0.00125 | 출력US$0.01 | 캐시 읽기US$0.000125 | 캐시 쓰기기본 요율: — | 5분 캐시기본 요율: — | 1시간 캐시기본 요율: — |
| 요청 크기 (토큰)(200,000; ∞) | 입력US$0.0025 | 출력US$0.015 | 캐시 읽기US$0.00025 | 캐시 쓰기기본 요율: — | 5분 캐시기본 요율: — | 1시간 캐시기본 요율: — |
요금 단위는 1K 토큰당 USD입니다. 요금이 설정되지 않으면 이 메서드의 기본 요금을 상속합니다. «—»는 기본 요금이 설정되지 않았음을 뜻합니다.
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 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 출력 · 추론 출력 토큰 $0.02 / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준200,000 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준200,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.005 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 출력 · 추론 출력 토큰 $0.02 / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준200,000 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준200,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.005 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-pro", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-pro", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-pro",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-pro",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-2.5-pro',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
gemini-2.5-proGemini 2.5 Pro는 복잡한 코드, 수학, STEM, 긴 컨텍스트 분석을 위한 Google의 안정 버전 thinking 모델입니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환하며 도구와 구조화된 출력을 제공합니다. 동적 추론 예산은 128–32,768 토큰을 지원하며 완전히 비활성화할 수 없습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 2.5 Pro는 고급 코딩, 수학, STEM, 긴 컨텍스트 분석을 위한 Google의 안정 버전 thinking 프로필입니다. 텍스트, 오디오, 이미지, 비디오, 전체 코드 저장소를 이해할 수 있고 Gemini API 프로필은 PDF 입력도 받습니다. 출력은 코드, 서면 분석, 구조화된 기록을 포함한 텍스트입니다. 유용한 과제는 증거를 제공하고 풀이를 설명한 해답, 코드베이스에서 발견한 사항, 여러 문서 간 비교처럼 확인 가능한 결과를 요청합니다.
코딩에는 관련 파일, 관찰한 동작, 중요한 변경이나 질문을 제공하세요. 긴 컨텍스트는 모델이 고립된 코드 조각 하나에서 추론하는 대신 모듈 간 관계를 파악하는 데 도움이 될 수 있습니다. 코드 경로 조사에서는 입력 폼에서 처리와 저장에 이르는 식별자의 흐름을 추적하고 계약이 바뀌는 위치를 찾아 집중적인 수정을 제안하도록 요청하세요. 제약을 보존하고 뒷받침하는 참조를 요청하세요. 수정 제안은 실제 코드 및 연결된 도구로 수행한 검증과 비교해야 합니다.
수학이나 과학 분석에는 문제, 가정, 단위, 필요한 답변 형식을 밝히세요. 계산에 필요한 데이터나 도표를 제공하세요. 근거 있는 결과와 함께 경계 사례나 원래 값과의 비교처럼 평가 가능하게 해 주는 검증을 요청하세요. 모델의 추론 능력이 문제 진술의 모호성을 없애지는 않습니다. 미지의 양이나 근거 없는 가정을 편리한 값으로 대체하지 말고 드러난 상태로 유지하세요.
동적 thinking이 문서화된 기본값입니다. Gemini 2.5 GenerateContent 가이드는 Pro에 대해 128부터 32,768 토큰까지의 명시적 추론 예산 또는 적응형 thinking을 위한 -1을 지원합니다. 이 에디션은 thinking을 완전히 비활성화할 수 없습니다. 이런 제어는 Flash의 0 예산 옵션 및 Gemini 3의 thinking 수준 설정과 다릅니다. thinking 예산은 정확한 내부 토큰 수를 보장하는 것이 아니라 추론을 안내하며, 응답 상한도 최종 결과물을 위한 공간을 남겨야 합니다.
멀티모달 문서 작업에서는 답변을 뒷받침해야 할 페이지, 차트, 이미지 영역, 녹음·영상 사건을 식별하세요. 실용적인 종합 과제는 여러 원문 문서의 상충하는 주장, 이를 뒷받침하는 구절, 특정 결정에 중요한 차이점을 요청할 수 있습니다. 명시된 사실과 추론을 구별하도록 요청하세요. 비디오나 오디오에는 결과가 설명, 전사문, 요약, 비교 중 무엇이어야 하는지 정의하세요. 이 프로필에서 이미지와 소리는 텍스트 결과의 증거입니다.
정확한 API 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 문서화되어 있습니다. 함수 목적과 매개변수 필드를 정의하고 후속 턴에 실제 결과를 보존하세요. 스키마 제약 기록에는 필수 필드와 누락 정보의 표현 방식을 지정하세요. 고유 아키텍처는 멀티모달 희소 전문가 혼합 트랜스포머입니다. 그 모델 설계 자체가 반환된 텍스트나 코드를 넘어 외부 도구 실행이나 완성된 애플리케이션을 제공하지는 않습니다.
고유 모델 카드는 1M 입력 컨텍스트와 64K 텍스트 출력을 기재하고 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 이력은 입력 준비에 포함됩니다. 최대 응답 허용량에는 추론 토큰이 포함되므로 상한이 지나치게 작으면 최종 답변이 중단될 수 있습니다. 캐싱과 배치 처리, Flex 및 Priority 옵션이 문서화되어 있습니다. 독립적인 긴 컨텍스트 과제를 준비할 때 각 출처 식별자와 요청한 최종 형식을 유지하세요.
안정 버전 식별자는 공통 Pro 모델 카드에서 별도로 다루는 Experimental 및 Preview 에디션과 구별됩니다. Pro 이름을 공유한다는 이유만으로 해당 버전 전용 결과를 이 프로필에 부여하지 마세요. 카드는 환각 가능성, 인과적 이해, 복잡한 연역, 반사실적 추론의 한계와 2025년 1월 지식 기준일을 명시합니다. 중요할 때는 최신 증거를 제공하고 출처 참조, 계산, 수정 제안을 검토하세요. 유용한 출력은 과제에서 요청한 근거 있는 텍스트 또는 코드 결과물입니다.
POST /v1beta/models/{model}:generateContenttext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드path.model | 유형string | 요건필수 | 값과 한도 gemini-2.5-pro | 기본값— |
필드contents | 유형content[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드contents[].role | 유형string | 요건선택 사항 | 값과 한도 user, model | 기본값— |
필드contents[].parts | 유형part[] | 요건필수 | 값과 한도 | 기본값— |
필드systemInstruction | 유형content | 요건선택 사항 | 값과 한도 | 기본값— |
필드generationConfig.maxOutputTokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드generationConfig.temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드generationConfig.topP | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드generationConfig.topK | 유형integer | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드generationConfig.stopSequences | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드generationConfig.thinkingConfig.includeThoughts | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드generationConfig.thinkingConfig.thinkingBudget | 유형integer | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].functionDeclarations | 유형function_declaration[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드toolConfig.functionCallingConfig.mode | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드safetySettings | 유형object[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드sessionId | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
텍스트 · UTF8 텍스트
contents[].parts[].text
텍스트 + 이미지
parts[].inlineData={mimeType,data}
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세contents |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1beta/models/{model}:generateContent| 요청 크기 (토큰) | 입력 | 출력 | 캐시 읽기 | 캐시 쓰기 | 5분 캐시 | 1시간 캐시 |
|---|---|---|---|---|---|---|
| 요청 크기 (토큰)(0; 200,000] | 입력US$0.00125 | 출력US$0.01 | 캐시 읽기US$0.000125 | 캐시 쓰기기본 요율: — | 5분 캐시기본 요율: — | 1시간 캐시기본 요율: — |
| 요청 크기 (토큰)(200,000; ∞) | 입력US$0.0025 | 출력US$0.015 | 캐시 읽기US$0.00025 | 캐시 쓰기기본 요율: — | 5분 캐시기본 요율: — | 1시간 캐시기본 요율: — |
요금 단위는 1K 토큰당 USD입니다. 요금이 설정되지 않으면 이 메서드의 기본 요금을 상속합니다. «—»는 기본 요금이 설정되지 않았음을 뜻합니다.
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 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 출력 · 추론 출력 토큰 $0.02 / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준200,000 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준200,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.005 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 출력 · 추론 출력 토큰 $0.02 / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준200,000 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준200,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.005 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-pro:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-pro:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-pro", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-pro", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-pro',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson 또는 지원되는 스트리밍
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
함수 호출, 사고 서명, 사용량을 포함한 모든 후보와 파트를 보존하세요. 스트림 청크를 순서대로 조합하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드responseId | 유형string |
필드modelVersion | 유형string |
필드candidates[].content.parts[] | 유형text|inlineData|functionCall|other part |
필드candidates[].finishReason | 유형string |
필드usageMetadata | 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 gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
gemini-2.5-proGemini 2.5 Pro는 복잡한 코드, 수학, STEM, 긴 컨텍스트 분석을 위한 Google의 안정 버전 thinking 모델입니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환하며 도구와 구조화된 출력을 제공합니다. 동적 추론 예산은 128–32,768 토큰을 지원하며 완전히 비활성화할 수 없습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 2.5 Pro는 고급 코딩, 수학, STEM, 긴 컨텍스트 분석을 위한 Google의 안정 버전 thinking 프로필입니다. 텍스트, 오디오, 이미지, 비디오, 전체 코드 저장소를 이해할 수 있고 Gemini API 프로필은 PDF 입력도 받습니다. 출력은 코드, 서면 분석, 구조화된 기록을 포함한 텍스트입니다. 유용한 과제는 증거를 제공하고 풀이를 설명한 해답, 코드베이스에서 발견한 사항, 여러 문서 간 비교처럼 확인 가능한 결과를 요청합니다.
코딩에는 관련 파일, 관찰한 동작, 중요한 변경이나 질문을 제공하세요. 긴 컨텍스트는 모델이 고립된 코드 조각 하나에서 추론하는 대신 모듈 간 관계를 파악하는 데 도움이 될 수 있습니다. 코드 경로 조사에서는 입력 폼에서 처리와 저장에 이르는 식별자의 흐름을 추적하고 계약이 바뀌는 위치를 찾아 집중적인 수정을 제안하도록 요청하세요. 제약을 보존하고 뒷받침하는 참조를 요청하세요. 수정 제안은 실제 코드 및 연결된 도구로 수행한 검증과 비교해야 합니다.
수학이나 과학 분석에는 문제, 가정, 단위, 필요한 답변 형식을 밝히세요. 계산에 필요한 데이터나 도표를 제공하세요. 근거 있는 결과와 함께 경계 사례나 원래 값과의 비교처럼 평가 가능하게 해 주는 검증을 요청하세요. 모델의 추론 능력이 문제 진술의 모호성을 없애지는 않습니다. 미지의 양이나 근거 없는 가정을 편리한 값으로 대체하지 말고 드러난 상태로 유지하세요.
동적 thinking이 문서화된 기본값입니다. Gemini 2.5 GenerateContent 가이드는 Pro에 대해 128부터 32,768 토큰까지의 명시적 추론 예산 또는 적응형 thinking을 위한 -1을 지원합니다. 이 에디션은 thinking을 완전히 비활성화할 수 없습니다. 이런 제어는 Flash의 0 예산 옵션 및 Gemini 3의 thinking 수준 설정과 다릅니다. thinking 예산은 정확한 내부 토큰 수를 보장하는 것이 아니라 추론을 안내하며, 응답 상한도 최종 결과물을 위한 공간을 남겨야 합니다.
멀티모달 문서 작업에서는 답변을 뒷받침해야 할 페이지, 차트, 이미지 영역, 녹음·영상 사건을 식별하세요. 실용적인 종합 과제는 여러 원문 문서의 상충하는 주장, 이를 뒷받침하는 구절, 특정 결정에 중요한 차이점을 요청할 수 있습니다. 명시된 사실과 추론을 구별하도록 요청하세요. 비디오나 오디오에는 결과가 설명, 전사문, 요약, 비교 중 무엇이어야 하는지 정의하세요. 이 프로필에서 이미지와 소리는 텍스트 결과의 증거입니다.
정확한 API 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 문서화되어 있습니다. 함수 목적과 매개변수 필드를 정의하고 후속 턴에 실제 결과를 보존하세요. 스키마 제약 기록에는 필수 필드와 누락 정보의 표현 방식을 지정하세요. 고유 아키텍처는 멀티모달 희소 전문가 혼합 트랜스포머입니다. 그 모델 설계 자체가 반환된 텍스트나 코드를 넘어 외부 도구 실행이나 완성된 애플리케이션을 제공하지는 않습니다.
고유 모델 카드는 1M 입력 컨텍스트와 64K 텍스트 출력을 기재하고 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 이력은 입력 준비에 포함됩니다. 최대 응답 허용량에는 추론 토큰이 포함되므로 상한이 지나치게 작으면 최종 답변이 중단될 수 있습니다. 캐싱과 배치 처리, Flex 및 Priority 옵션이 문서화되어 있습니다. 독립적인 긴 컨텍스트 과제를 준비할 때 각 출처 식별자와 요청한 최종 형식을 유지하세요.
안정 버전 식별자는 공통 Pro 모델 카드에서 별도로 다루는 Experimental 및 Preview 에디션과 구별됩니다. Pro 이름을 공유한다는 이유만으로 해당 버전 전용 결과를 이 프로필에 부여하지 마세요. 카드는 환각 가능성, 인과적 이해, 복잡한 연역, 반사실적 추론의 한계와 2025년 1월 지식 기준일을 명시합니다. 중요할 때는 최신 증거를 제공하고 출처 참조, 계산, 수정 제안을 검토하세요. 유용한 출력은 과제에서 요청한 근거 있는 텍스트 또는 코드 결과물입니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-2.5-pro | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 텍스트 대화 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
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 |
매개변수control_scope | 명세텍스트 대화. stream은 불리언이며 기본값은 false입니다. |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
메서드 별칭: /chat/completions
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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 출력 · 추론 출력 토큰 $0.02 / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준200,000 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준200,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.005 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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-pro","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-2.5-pro", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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 gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
gemini-2.5-proGemini 2.5 Pro는 복잡한 코드, 수학, STEM, 긴 컨텍스트 분석을 위한 Google의 안정 버전 thinking 모델입니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환하며 도구와 구조화된 출력을 제공합니다. 동적 추론 예산은 128–32,768 토큰을 지원하며 완전히 비활성화할 수 없습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 2.5 Pro는 고급 코딩, 수학, STEM, 긴 컨텍스트 분석을 위한 Google의 안정 버전 thinking 프로필입니다. 텍스트, 오디오, 이미지, 비디오, 전체 코드 저장소를 이해할 수 있고 Gemini API 프로필은 PDF 입력도 받습니다. 출력은 코드, 서면 분석, 구조화된 기록을 포함한 텍스트입니다. 유용한 과제는 증거를 제공하고 풀이를 설명한 해답, 코드베이스에서 발견한 사항, 여러 문서 간 비교처럼 확인 가능한 결과를 요청합니다.
코딩에는 관련 파일, 관찰한 동작, 중요한 변경이나 질문을 제공하세요. 긴 컨텍스트는 모델이 고립된 코드 조각 하나에서 추론하는 대신 모듈 간 관계를 파악하는 데 도움이 될 수 있습니다. 코드 경로 조사에서는 입력 폼에서 처리와 저장에 이르는 식별자의 흐름을 추적하고 계약이 바뀌는 위치를 찾아 집중적인 수정을 제안하도록 요청하세요. 제약을 보존하고 뒷받침하는 참조를 요청하세요. 수정 제안은 실제 코드 및 연결된 도구로 수행한 검증과 비교해야 합니다.
수학이나 과학 분석에는 문제, 가정, 단위, 필요한 답변 형식을 밝히세요. 계산에 필요한 데이터나 도표를 제공하세요. 근거 있는 결과와 함께 경계 사례나 원래 값과의 비교처럼 평가 가능하게 해 주는 검증을 요청하세요. 모델의 추론 능력이 문제 진술의 모호성을 없애지는 않습니다. 미지의 양이나 근거 없는 가정을 편리한 값으로 대체하지 말고 드러난 상태로 유지하세요.
동적 thinking이 문서화된 기본값입니다. Gemini 2.5 GenerateContent 가이드는 Pro에 대해 128부터 32,768 토큰까지의 명시적 추론 예산 또는 적응형 thinking을 위한 -1을 지원합니다. 이 에디션은 thinking을 완전히 비활성화할 수 없습니다. 이런 제어는 Flash의 0 예산 옵션 및 Gemini 3의 thinking 수준 설정과 다릅니다. thinking 예산은 정확한 내부 토큰 수를 보장하는 것이 아니라 추론을 안내하며, 응답 상한도 최종 결과물을 위한 공간을 남겨야 합니다.
멀티모달 문서 작업에서는 답변을 뒷받침해야 할 페이지, 차트, 이미지 영역, 녹음·영상 사건을 식별하세요. 실용적인 종합 과제는 여러 원문 문서의 상충하는 주장, 이를 뒷받침하는 구절, 특정 결정에 중요한 차이점을 요청할 수 있습니다. 명시된 사실과 추론을 구별하도록 요청하세요. 비디오나 오디오에는 결과가 설명, 전사문, 요약, 비교 중 무엇이어야 하는지 정의하세요. 이 프로필에서 이미지와 소리는 텍스트 결과의 증거입니다.
정확한 API 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 문서화되어 있습니다. 함수 목적과 매개변수 필드를 정의하고 후속 턴에 실제 결과를 보존하세요. 스키마 제약 기록에는 필수 필드와 누락 정보의 표현 방식을 지정하세요. 고유 아키텍처는 멀티모달 희소 전문가 혼합 트랜스포머입니다. 그 모델 설계 자체가 반환된 텍스트나 코드를 넘어 외부 도구 실행이나 완성된 애플리케이션을 제공하지는 않습니다.
고유 모델 카드는 1M 입력 컨텍스트와 64K 텍스트 출력을 기재하고 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 이력은 입력 준비에 포함됩니다. 최대 응답 허용량에는 추론 토큰이 포함되므로 상한이 지나치게 작으면 최종 답변이 중단될 수 있습니다. 캐싱과 배치 처리, Flex 및 Priority 옵션이 문서화되어 있습니다. 독립적인 긴 컨텍스트 과제를 준비할 때 각 출처 식별자와 요청한 최종 형식을 유지하세요.
안정 버전 식별자는 공통 Pro 모델 카드에서 별도로 다루는 Experimental 및 Preview 에디션과 구별됩니다. Pro 이름을 공유한다는 이유만으로 해당 버전 전용 결과를 이 프로필에 부여하지 마세요. 카드는 환각 가능성, 인과적 이해, 복잡한 연역, 반사실적 추론의 한계와 2025년 1월 지식 기준일을 명시합니다. 중요할 때는 최신 증거를 제공하고 출처 참조, 계산, 수정 제안을 검토하세요. 유용한 출력은 과제에서 요청한 근거 있는 텍스트 또는 코드 결과물입니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-2.5-pro | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 출력 · 추론 출력 토큰 $0.02 / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준200,000 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준200,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.005 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "gemini-2.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
google/gemini-2.5-proGemini 2.5 Pro는 복잡한 코드, 수학, STEM, 긴 컨텍스트 분석을 위한 Google의 안정 버전 thinking 모델입니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환하며 도구와 구조화된 출력을 제공합니다. 동적 추론 예산은 128–32,768 토큰을 지원하며 완전히 비활성화할 수 없습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 2.5 Pro는 고급 코딩, 수학, STEM, 긴 컨텍스트 분석을 위한 Google의 안정 버전 thinking 프로필입니다. 텍스트, 오디오, 이미지, 비디오, 전체 코드 저장소를 이해할 수 있고 Gemini API 프로필은 PDF 입력도 받습니다. 출력은 코드, 서면 분석, 구조화된 기록을 포함한 텍스트입니다. 유용한 과제는 증거를 제공하고 풀이를 설명한 해답, 코드베이스에서 발견한 사항, 여러 문서 간 비교처럼 확인 가능한 결과를 요청합니다.
코딩에는 관련 파일, 관찰한 동작, 중요한 변경이나 질문을 제공하세요. 긴 컨텍스트는 모델이 고립된 코드 조각 하나에서 추론하는 대신 모듈 간 관계를 파악하는 데 도움이 될 수 있습니다. 코드 경로 조사에서는 입력 폼에서 처리와 저장에 이르는 식별자의 흐름을 추적하고 계약이 바뀌는 위치를 찾아 집중적인 수정을 제안하도록 요청하세요. 제약을 보존하고 뒷받침하는 참조를 요청하세요. 수정 제안은 실제 코드 및 연결된 도구로 수행한 검증과 비교해야 합니다.
수학이나 과학 분석에는 문제, 가정, 단위, 필요한 답변 형식을 밝히세요. 계산에 필요한 데이터나 도표를 제공하세요. 근거 있는 결과와 함께 경계 사례나 원래 값과의 비교처럼 평가 가능하게 해 주는 검증을 요청하세요. 모델의 추론 능력이 문제 진술의 모호성을 없애지는 않습니다. 미지의 양이나 근거 없는 가정을 편리한 값으로 대체하지 말고 드러난 상태로 유지하세요.
동적 thinking이 문서화된 기본값입니다. Gemini 2.5 GenerateContent 가이드는 Pro에 대해 128부터 32,768 토큰까지의 명시적 추론 예산 또는 적응형 thinking을 위한 -1을 지원합니다. 이 에디션은 thinking을 완전히 비활성화할 수 없습니다. 이런 제어는 Flash의 0 예산 옵션 및 Gemini 3의 thinking 수준 설정과 다릅니다. thinking 예산은 정확한 내부 토큰 수를 보장하는 것이 아니라 추론을 안내하며, 응답 상한도 최종 결과물을 위한 공간을 남겨야 합니다.
멀티모달 문서 작업에서는 답변을 뒷받침해야 할 페이지, 차트, 이미지 영역, 녹음·영상 사건을 식별하세요. 실용적인 종합 과제는 여러 원문 문서의 상충하는 주장, 이를 뒷받침하는 구절, 특정 결정에 중요한 차이점을 요청할 수 있습니다. 명시된 사실과 추론을 구별하도록 요청하세요. 비디오나 오디오에는 결과가 설명, 전사문, 요약, 비교 중 무엇이어야 하는지 정의하세요. 이 프로필에서 이미지와 소리는 텍스트 결과의 증거입니다.
정확한 API 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 문서화되어 있습니다. 함수 목적과 매개변수 필드를 정의하고 후속 턴에 실제 결과를 보존하세요. 스키마 제약 기록에는 필수 필드와 누락 정보의 표현 방식을 지정하세요. 고유 아키텍처는 멀티모달 희소 전문가 혼합 트랜스포머입니다. 그 모델 설계 자체가 반환된 텍스트나 코드를 넘어 외부 도구 실행이나 완성된 애플리케이션을 제공하지는 않습니다.
고유 모델 카드는 1M 입력 컨텍스트와 64K 텍스트 출력을 기재하고 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 이력은 입력 준비에 포함됩니다. 최대 응답 허용량에는 추론 토큰이 포함되므로 상한이 지나치게 작으면 최종 답변이 중단될 수 있습니다. 캐싱과 배치 처리, Flex 및 Priority 옵션이 문서화되어 있습니다. 독립적인 긴 컨텍스트 과제를 준비할 때 각 출처 식별자와 요청한 최종 형식을 유지하세요.
안정 버전 식별자는 공통 Pro 모델 카드에서 별도로 다루는 Experimental 및 Preview 에디션과 구별됩니다. Pro 이름을 공유한다는 이유만으로 해당 버전 전용 결과를 이 프로필에 부여하지 마세요. 카드는 환각 가능성, 인과적 이해, 복잡한 연역, 반사실적 추론의 한계와 2025년 1월 지식 기준일을 명시합니다. 중요할 때는 최신 증거를 제공하고 출처 참조, 계산, 수정 제안을 검토하세요. 유용한 출력은 과제에서 요청한 근거 있는 텍스트 또는 코드 결과물입니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 google/gemini-2.5-pro | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 출력 · 추론 출력 토큰 $0.02 / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준200,000 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준200,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.005 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-2.5-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-2.5-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
google/gemini-2.5-proGemini 2.5 Pro는 복잡한 코드, 수학, STEM, 긴 컨텍스트 분석을 위한 Google의 안정 버전 thinking 모델입니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환하며 도구와 구조화된 출력을 제공합니다. 동적 추론 예산은 128–32,768 토큰을 지원하며 완전히 비활성화할 수 없습니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 2.5 Pro는 고급 코딩, 수학, STEM, 긴 컨텍스트 분석을 위한 Google의 안정 버전 thinking 프로필입니다. 텍스트, 오디오, 이미지, 비디오, 전체 코드 저장소를 이해할 수 있고 Gemini API 프로필은 PDF 입력도 받습니다. 출력은 코드, 서면 분석, 구조화된 기록을 포함한 텍스트입니다. 유용한 과제는 증거를 제공하고 풀이를 설명한 해답, 코드베이스에서 발견한 사항, 여러 문서 간 비교처럼 확인 가능한 결과를 요청합니다.
코딩에는 관련 파일, 관찰한 동작, 중요한 변경이나 질문을 제공하세요. 긴 컨텍스트는 모델이 고립된 코드 조각 하나에서 추론하는 대신 모듈 간 관계를 파악하는 데 도움이 될 수 있습니다. 코드 경로 조사에서는 입력 폼에서 처리와 저장에 이르는 식별자의 흐름을 추적하고 계약이 바뀌는 위치를 찾아 집중적인 수정을 제안하도록 요청하세요. 제약을 보존하고 뒷받침하는 참조를 요청하세요. 수정 제안은 실제 코드 및 연결된 도구로 수행한 검증과 비교해야 합니다.
수학이나 과학 분석에는 문제, 가정, 단위, 필요한 답변 형식을 밝히세요. 계산에 필요한 데이터나 도표를 제공하세요. 근거 있는 결과와 함께 경계 사례나 원래 값과의 비교처럼 평가 가능하게 해 주는 검증을 요청하세요. 모델의 추론 능력이 문제 진술의 모호성을 없애지는 않습니다. 미지의 양이나 근거 없는 가정을 편리한 값으로 대체하지 말고 드러난 상태로 유지하세요.
동적 thinking이 문서화된 기본값입니다. Gemini 2.5 GenerateContent 가이드는 Pro에 대해 128부터 32,768 토큰까지의 명시적 추론 예산 또는 적응형 thinking을 위한 -1을 지원합니다. 이 에디션은 thinking을 완전히 비활성화할 수 없습니다. 이런 제어는 Flash의 0 예산 옵션 및 Gemini 3의 thinking 수준 설정과 다릅니다. thinking 예산은 정확한 내부 토큰 수를 보장하는 것이 아니라 추론을 안내하며, 응답 상한도 최종 결과물을 위한 공간을 남겨야 합니다.
멀티모달 문서 작업에서는 답변을 뒷받침해야 할 페이지, 차트, 이미지 영역, 녹음·영상 사건을 식별하세요. 실용적인 종합 과제는 여러 원문 문서의 상충하는 주장, 이를 뒷받침하는 구절, 특정 결정에 중요한 차이점을 요청할 수 있습니다. 명시된 사실과 추론을 구별하도록 요청하세요. 비디오나 오디오에는 결과가 설명, 전사문, 요약, 비교 중 무엇이어야 하는지 정의하세요. 이 프로필에서 이미지와 소리는 텍스트 결과의 증거입니다.
정확한 API 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 문서화되어 있습니다. 함수 목적과 매개변수 필드를 정의하고 후속 턴에 실제 결과를 보존하세요. 스키마 제약 기록에는 필수 필드와 누락 정보의 표현 방식을 지정하세요. 고유 아키텍처는 멀티모달 희소 전문가 혼합 트랜스포머입니다. 그 모델 설계 자체가 반환된 텍스트나 코드를 넘어 외부 도구 실행이나 완성된 애플리케이션을 제공하지는 않습니다.
고유 모델 카드는 1M 입력 컨텍스트와 64K 텍스트 출력을 기재하고 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 이력은 입력 준비에 포함됩니다. 최대 응답 허용량에는 추론 토큰이 포함되므로 상한이 지나치게 작으면 최종 답변이 중단될 수 있습니다. 캐싱과 배치 처리, Flex 및 Priority 옵션이 문서화되어 있습니다. 독립적인 긴 컨텍스트 과제를 준비할 때 각 출처 식별자와 요청한 최종 형식을 유지하세요.
안정 버전 식별자는 공통 Pro 모델 카드에서 별도로 다루는 Experimental 및 Preview 에디션과 구별됩니다. Pro 이름을 공유한다는 이유만으로 해당 버전 전용 결과를 이 프로필에 부여하지 마세요. 카드는 환각 가능성, 인과적 이해, 복잡한 연역, 반사실적 추론의 한계와 2025년 1월 지식 기준일을 명시합니다. 중요할 때는 최신 증거를 제공하고 출처 참조, 계산, 수정 제안을 검토하세요. 유용한 출력은 과제에서 요청한 근거 있는 텍스트 또는 코드 결과물입니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 google/gemini-2.5-pro | 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.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 출력 · 추론 출력 토큰 $0.02 / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준200,000 | 요금 입력 · 입력 토큰 $0.0025 / 1K 토큰 출력 · 출력 토큰 $0.02 / 1K 토큰 입력 · 캐시 읽기 $0.00025 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 2 | 요금표— | 컨텍스트 토큰 수 초과 기준200,000 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.005 / 1K 토큰 출력 · 출력 토큰 $0.03 / 1K 토큰 입력 · 캐시 읽기 $0.0005 / 1K 토큰 입력 · 캐시 쓰기 $0.00075 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "google/gemini-2.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
영어 기술 예제
Trace an identifier through storage\n\nTrace this identifier through three excerpts: form sends {customer_id:'0017'}; service computes id=Number(body.customer_id); repository stores String(id). Requirement: preserve leading zeros. Identify where the contract changes, propose a minimal consistent correction and give tests for '0017', '17' and a missing ID. Do not claim the tests were executed.A source-path explanation, a proposed patch and a three-case regression-test plan.Check that the proposed path preserves distinct strings 0017 and 17 while specifying missing-ID behavior.