Gemini 2.5 Flash ialah profil penaakulan hibrid stabil Google untuk kerja multimodal menyeluruh dan penggunaan alat berejen. Ia menawarkan respons dengan dan tanpa pemikiran untuk tugas multimodal berskala besar yang memerlukan aras penaakulan berbeza. Teks, imej, audio dan video menyumbang kepada jawapan teks. Input dokumen turut diterangkan dalam profil awan khusus model Google. Hasil berguna boleh berupa perbandingan dokumen, carta ditafsir, transkrip, kod atau rekod berstruktur.
Kawalan penaakulan edisi menggunakan thinkingBudget. Pemikiran dinamik ialah lalai; tetapan -1 membolehkan model menyesuaikan penaakulannya dengan kerumitan tugas. Belanjawan jelas boleh berjulat daripada sifar hingga 24,576 token, dan sifar menyahaktifkan pemikiran. Pilih belanjawan sesuai dengan masalah sebenar daripada memberikan usaha sama kepada pengkategorian mudah dan analisis berbilang syarat. Panduan menganggap belanjawan sebagai bimbingan, dan kad asal menyatakan pematuhan mungkin tidak tepat.
Untuk tugas dokumen atau data, tetapkan soalan, medan wajib dan bukti yang perlu mengiringi hasil. Untuk perbandingan keperluan, bandingkan dua spesifikasi dan kembalikan keperluan berubah, petikan sumbernya serta kesan pada aliran kerja dinyatakan. Output berstruktur berguna apabila setiap dapatan memerlukan bentuk rekod sama. Jika sumber memberikan beberapa nilai mungkin atau membiarkan medan terbuka, kekalkan ketidakpastian itu daripada memaksa satu jawapan munasabah. Semak nilai dikembalikan terhadap halaman atau data dibekalkan.
Untuk bahan visual atau audio, kenal pasti objek, label, peristiwa atau petikan rakaman berkaitan. Minta jenis teks diperlukan: nilai terlihat daripada carta, huraian peristiwa, transkrip atau ringkasan. Artifak ini berbeza, dan arahan perlu menyatakan yang mana perlu dihasilkan. Kad asal dikongsi merangkumi Flash Image dan Flash Audio sebagai keupayaan bernama berasingan; output imej serta pertuturan terjananya bukan sebahagian profil teks stabil ini.
Profil awan khusus Google mendokumenkan input PDF dan teks biasa dengan had khusus antara muka: 50 MB bagi setiap PDF yang diimport melalui API dan sehingga 3,000 halaman bagi setiap fail, dengan had fail teks biasa 7 MB. Profil itu turut menerangkan kira-kira 45 minit video dengan audio atau satu jam tanpa audio, serta kira-kira 8.4 jam audio dalam peruntukan input sejuta token. Ini ialah kekangan antara muka awan yang dinyatakan, berasingan daripada tetingkap token model umum. Sediakan bahagian berkaitan dan format sumber, daripada mengandaikan setiap jenis fail atau laluan muat naik mempunyai had sama.
Jadual Gemini API khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Takrifkan peranan setiap fungsi dan bentuk parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Model boleh meminta operasi, manakala aplikasi disambungkan melaksanakannya. Kekalkan konteks tandatangan pemikiran yang diperlukan semasa menyambung tugas penaakulan dalam antara muka tanpa keadaan. Jawapan berstruktur atau cadangan fungsi tidak secara bebas membuktikan operasi luar berjaya.
Kad model asal memberikan konteks 1M dan output teks 64K, manakala jadual API khusus menetapkan 1,048,576 token input dan 65,536 token output. Had respons merangkumi token pemikiran, jadi had terlalu kecil boleh menyebabkan jawapan akhir terpotong atau kosong. Minta artifak bersaiz sesuai bagi peruntukan output dan gunakan belanjawan penaakulan untuk membimbing usaha. Pemprosesan cache, kelompok, Flex dan Priority didokumenkan bagi profil pengeluar ini. Simpan pengecam item semasa menyediakan beberapa rekod bebas.
Edisi stabil kekal berbeza daripada varian Flash Preview dan model Gemini 3 kemudian. Kadnya menyenaraikan kemungkinan halusinasi, batasan pemahaman sebab akibat serta penaakulan logik kompleks atau kontrafaktual, dan tarikh akhir pengetahuan Januari 2025. Berikan bukti baharu apabila tugas bergantung pada maklumat lebih terkini. Semak pengiraan, nilai diekstrak, transkrip dan kod dicadangkan terhadap sumber sebenar atau hasil pelaksanaan. Pemikiran hibrid berguna apabila menyokong hasil konkrit itu, daripada menjadi pengganti semakannya.
", "aboutText": "Gemini 2.5 Flash ialah profil penaakulan hibrid stabil Google untuk kerja multimodal menyeluruh dan penggunaan alat berejen. Ia menawarkan respons dengan dan tanpa pemikiran untuk tugas multimodal berskala besar yang memerlukan aras penaakulan berbeza. Teks, imej, audio dan video menyumbang kepada jawapan teks. Input dokumen turut diterangkan dalam profil awan khusus model Google. Hasil berguna boleh berupa perbandingan dokumen, carta ditafsir, transkrip, kod atau rekod berstruktur.\n\nKawalan penaakulan edisi menggunakan thinkingBudget. Pemikiran dinamik ialah lalai; tetapan -1 membolehkan model menyesuaikan penaakulannya dengan kerumitan tugas. Belanjawan jelas boleh berjulat daripada sifar hingga 24,576 token, dan sifar menyahaktifkan pemikiran. Pilih belanjawan sesuai dengan masalah sebenar daripada memberikan usaha sama kepada pengkategorian mudah dan analisis berbilang syarat. Panduan menganggap belanjawan sebagai bimbingan, dan kad asal menyatakan pematuhan mungkin tidak tepat.\n\nUntuk tugas dokumen atau data, tetapkan soalan, medan wajib dan bukti yang perlu mengiringi hasil. Untuk perbandingan keperluan, bandingkan dua spesifikasi dan kembalikan keperluan berubah, petikan sumbernya serta kesan pada aliran kerja dinyatakan. Output berstruktur berguna apabila setiap dapatan memerlukan bentuk rekod sama. Jika sumber memberikan beberapa nilai mungkin atau membiarkan medan terbuka, kekalkan ketidakpastian itu daripada memaksa satu jawapan munasabah. Semak nilai dikembalikan terhadap halaman atau data dibekalkan.\n\nUntuk bahan visual atau audio, kenal pasti objek, label, peristiwa atau petikan rakaman berkaitan. Minta jenis teks diperlukan: nilai terlihat daripada carta, huraian peristiwa, transkrip atau ringkasan. Artifak ini berbeza, dan arahan perlu menyatakan yang mana perlu dihasilkan. Kad asal dikongsi merangkumi Flash Image dan Flash Audio sebagai keupayaan bernama berasingan; output imej serta pertuturan terjananya bukan sebahagian profil teks stabil ini.\n\nProfil awan khusus Google mendokumenkan input PDF dan teks biasa dengan had khusus antara muka: 50 MB bagi setiap PDF yang diimport melalui API dan sehingga 3,000 halaman bagi setiap fail, dengan had fail teks biasa 7 MB. Profil itu turut menerangkan kira-kira 45 minit video dengan audio atau satu jam tanpa audio, serta kira-kira 8.4 jam audio dalam peruntukan input sejuta token. Ini ialah kekangan antara muka awan yang dinyatakan, berasingan daripada tetingkap token model umum. Sediakan bahagian berkaitan dan format sumber, daripada mengandaikan setiap jenis fail atau laluan muat naik mempunyai had sama.\n\nJadual Gemini API khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Takrifkan peranan setiap fungsi dan bentuk parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Model boleh meminta operasi, manakala aplikasi disambungkan melaksanakannya. Kekalkan konteks tandatangan pemikiran yang diperlukan semasa menyambung tugas penaakulan dalam antara muka tanpa keadaan. Jawapan berstruktur atau cadangan fungsi tidak secara bebas membuktikan operasi luar berjaya.\n\nKad model asal memberikan konteks 1M dan output teks 64K, manakala jadual API khusus menetapkan 1,048,576 token input dan 65,536 token output. Had respons merangkumi token pemikiran, jadi had terlalu kecil boleh menyebabkan jawapan akhir terpotong atau kosong. Minta artifak bersaiz sesuai bagi peruntukan output dan gunakan belanjawan penaakulan untuk membimbing usaha. Pemprosesan cache, kelompok, Flex dan Priority didokumenkan bagi profil pengeluar ini. Simpan pengecam item semasa menyediakan beberapa rekod bebas.\n\nEdisi stabil kekal berbeza daripada varian Flash Preview dan model Gemini 3 kemudian. Kadnya menyenaraikan kemungkinan halusinasi, batasan pemahaman sebab akibat serta penaakulan logik kompleks atau kontrafaktual, dan tarikh akhir pengetahuan Januari 2025. Berikan bukti baharu apabila tugas bergantung pada maklumat lebih terkini. Semak pengiraan, nilai diekstrak, transkrip dan kod dicadangkan terhadap sumber sebenar atau hasil pelaksanaan. Pemikiran hibrid berguna apabila menyokong hasil konkrit itu, daripada menjadi pengganti semakannya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Extract changes in an approval rule\n\nCompare these rules for a purchase request. [OLD] Any manager may approve expenses up to 500 units. [NEW] A team manager may approve up to 300 units; above that, finance approval is required. Return the changed requirement, source wording and effect on a 450-unit request. Mark any ambiguity about the currency.A structured comparison and a source-backed explanation of the 450-unit case, with the currency gap retained.Check that the example uses the new threshold and does not invent the unit's currency.gemini-2.5-flashGemini 2.5 Flash ialah model penaakulan hibrid stabil Google untuk analisis multimodal dan tugas ejen. Belanjawan pemikiran dinamiknya boleh ditetapkan daripada 0 hingga 24,576 token, termasuk mod nyahaktif. Teks, imej, audio, video dan dokumen menjadi teks atau hasil berstruktur, dengan had input 1,048,576 token yang didokumenkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 2.5 Flash ialah profil penaakulan hibrid stabil Google untuk kerja multimodal menyeluruh dan penggunaan alat berejen. Ia menawarkan respons dengan dan tanpa pemikiran untuk tugas multimodal berskala besar yang memerlukan aras penaakulan berbeza. Teks, imej, audio dan video menyumbang kepada jawapan teks. Input dokumen turut diterangkan dalam profil awan khusus model Google. Hasil berguna boleh berupa perbandingan dokumen, carta ditafsir, transkrip, kod atau rekod berstruktur.
Kawalan penaakulan edisi menggunakan thinkingBudget. Pemikiran dinamik ialah lalai; tetapan -1 membolehkan model menyesuaikan penaakulannya dengan kerumitan tugas. Belanjawan jelas boleh berjulat daripada sifar hingga 24,576 token, dan sifar menyahaktifkan pemikiran. Pilih belanjawan sesuai dengan masalah sebenar daripada memberikan usaha sama kepada pengkategorian mudah dan analisis berbilang syarat. Panduan menganggap belanjawan sebagai bimbingan, dan kad asal menyatakan pematuhan mungkin tidak tepat.
Untuk tugas dokumen atau data, tetapkan soalan, medan wajib dan bukti yang perlu mengiringi hasil. Untuk perbandingan keperluan, bandingkan dua spesifikasi dan kembalikan keperluan berubah, petikan sumbernya serta kesan pada aliran kerja dinyatakan. Output berstruktur berguna apabila setiap dapatan memerlukan bentuk rekod sama. Jika sumber memberikan beberapa nilai mungkin atau membiarkan medan terbuka, kekalkan ketidakpastian itu daripada memaksa satu jawapan munasabah. Semak nilai dikembalikan terhadap halaman atau data dibekalkan.
Untuk bahan visual atau audio, kenal pasti objek, label, peristiwa atau petikan rakaman berkaitan. Minta jenis teks diperlukan: nilai terlihat daripada carta, huraian peristiwa, transkrip atau ringkasan. Artifak ini berbeza, dan arahan perlu menyatakan yang mana perlu dihasilkan. Kad asal dikongsi merangkumi Flash Image dan Flash Audio sebagai keupayaan bernama berasingan; output imej serta pertuturan terjananya bukan sebahagian profil teks stabil ini.
Profil awan khusus Google mendokumenkan input PDF dan teks biasa dengan had khusus antara muka: 50 MB bagi setiap PDF yang diimport melalui API dan sehingga 3,000 halaman bagi setiap fail, dengan had fail teks biasa 7 MB. Profil itu turut menerangkan kira-kira 45 minit video dengan audio atau satu jam tanpa audio, serta kira-kira 8.4 jam audio dalam peruntukan input sejuta token. Ini ialah kekangan antara muka awan yang dinyatakan, berasingan daripada tetingkap token model umum. Sediakan bahagian berkaitan dan format sumber, daripada mengandaikan setiap jenis fail atau laluan muat naik mempunyai had sama.
Jadual Gemini API khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Takrifkan peranan setiap fungsi dan bentuk parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Model boleh meminta operasi, manakala aplikasi disambungkan melaksanakannya. Kekalkan konteks tandatangan pemikiran yang diperlukan semasa menyambung tugas penaakulan dalam antara muka tanpa keadaan. Jawapan berstruktur atau cadangan fungsi tidak secara bebas membuktikan operasi luar berjaya.
Kad model asal memberikan konteks 1M dan output teks 64K, manakala jadual API khusus menetapkan 1,048,576 token input dan 65,536 token output. Had respons merangkumi token pemikiran, jadi had terlalu kecil boleh menyebabkan jawapan akhir terpotong atau kosong. Minta artifak bersaiz sesuai bagi peruntukan output dan gunakan belanjawan penaakulan untuk membimbing usaha. Pemprosesan cache, kelompok, Flex dan Priority didokumenkan bagi profil pengeluar ini. Simpan pengecam item semasa menyediakan beberapa rekod bebas.
Edisi stabil kekal berbeza daripada varian Flash Preview dan model Gemini 3 kemudian. Kadnya menyenaraikan kemungkinan halusinasi, batasan pemahaman sebab akibat serta penaakulan logik kompleks atau kontrafaktual, dan tarikh akhir pengetahuan Januari 2025. Berikan bukti baharu apabila tugas bergantung pada maklumat lebih terkini. Semak pengiraan, nilai diekstrak, transkrip dan kod dicadangkan terhadap sumber sebenar atau hasil pelaksanaan. Pemikiran hibrid berguna apabila menyokong hasil konkrit itu, daripada menjadi pengganti semakannya.
POST /v1/messagestext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-2.5-flash | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring|content_block[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medansystem | Jenisstring|content_block[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had Minimum: 1 Had terpakai pada: had maksimum tepat bagi model/kad yang dipilih | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop_sequences | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenistool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].name | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: alat dibekalkan | Lalai— |
Medantools[].description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].input_schema | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.type | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanthinking.budget_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanoutput_config.effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmetadata | Jenisobject | KeperluanPilihan | Nilai & had | Lalai— |
Medancache_control | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Teks · Teks UTF8
messages[].content atau blok type=text
Teks + imej
{type:image,source:{type:base64,media_type,data}} atau sumber dengan type=url
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1/messagesAiloot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-flash",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-flash",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-2.5-flash',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash ialah model penaakulan hibrid stabil Google untuk analisis multimodal dan tugas ejen. Belanjawan pemikiran dinamiknya boleh ditetapkan daripada 0 hingga 24,576 token, termasuk mod nyahaktif. Teks, imej, audio, video dan dokumen menjadi teks atau hasil berstruktur, dengan had input 1,048,576 token yang didokumenkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 2.5 Flash ialah profil penaakulan hibrid stabil Google untuk kerja multimodal menyeluruh dan penggunaan alat berejen. Ia menawarkan respons dengan dan tanpa pemikiran untuk tugas multimodal berskala besar yang memerlukan aras penaakulan berbeza. Teks, imej, audio dan video menyumbang kepada jawapan teks. Input dokumen turut diterangkan dalam profil awan khusus model Google. Hasil berguna boleh berupa perbandingan dokumen, carta ditafsir, transkrip, kod atau rekod berstruktur.
Kawalan penaakulan edisi menggunakan thinkingBudget. Pemikiran dinamik ialah lalai; tetapan -1 membolehkan model menyesuaikan penaakulannya dengan kerumitan tugas. Belanjawan jelas boleh berjulat daripada sifar hingga 24,576 token, dan sifar menyahaktifkan pemikiran. Pilih belanjawan sesuai dengan masalah sebenar daripada memberikan usaha sama kepada pengkategorian mudah dan analisis berbilang syarat. Panduan menganggap belanjawan sebagai bimbingan, dan kad asal menyatakan pematuhan mungkin tidak tepat.
Untuk tugas dokumen atau data, tetapkan soalan, medan wajib dan bukti yang perlu mengiringi hasil. Untuk perbandingan keperluan, bandingkan dua spesifikasi dan kembalikan keperluan berubah, petikan sumbernya serta kesan pada aliran kerja dinyatakan. Output berstruktur berguna apabila setiap dapatan memerlukan bentuk rekod sama. Jika sumber memberikan beberapa nilai mungkin atau membiarkan medan terbuka, kekalkan ketidakpastian itu daripada memaksa satu jawapan munasabah. Semak nilai dikembalikan terhadap halaman atau data dibekalkan.
Untuk bahan visual atau audio, kenal pasti objek, label, peristiwa atau petikan rakaman berkaitan. Minta jenis teks diperlukan: nilai terlihat daripada carta, huraian peristiwa, transkrip atau ringkasan. Artifak ini berbeza, dan arahan perlu menyatakan yang mana perlu dihasilkan. Kad asal dikongsi merangkumi Flash Image dan Flash Audio sebagai keupayaan bernama berasingan; output imej serta pertuturan terjananya bukan sebahagian profil teks stabil ini.
Profil awan khusus Google mendokumenkan input PDF dan teks biasa dengan had khusus antara muka: 50 MB bagi setiap PDF yang diimport melalui API dan sehingga 3,000 halaman bagi setiap fail, dengan had fail teks biasa 7 MB. Profil itu turut menerangkan kira-kira 45 minit video dengan audio atau satu jam tanpa audio, serta kira-kira 8.4 jam audio dalam peruntukan input sejuta token. Ini ialah kekangan antara muka awan yang dinyatakan, berasingan daripada tetingkap token model umum. Sediakan bahagian berkaitan dan format sumber, daripada mengandaikan setiap jenis fail atau laluan muat naik mempunyai had sama.
Jadual Gemini API khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Takrifkan peranan setiap fungsi dan bentuk parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Model boleh meminta operasi, manakala aplikasi disambungkan melaksanakannya. Kekalkan konteks tandatangan pemikiran yang diperlukan semasa menyambung tugas penaakulan dalam antara muka tanpa keadaan. Jawapan berstruktur atau cadangan fungsi tidak secara bebas membuktikan operasi luar berjaya.
Kad model asal memberikan konteks 1M dan output teks 64K, manakala jadual API khusus menetapkan 1,048,576 token input dan 65,536 token output. Had respons merangkumi token pemikiran, jadi had terlalu kecil boleh menyebabkan jawapan akhir terpotong atau kosong. Minta artifak bersaiz sesuai bagi peruntukan output dan gunakan belanjawan penaakulan untuk membimbing usaha. Pemprosesan cache, kelompok, Flex dan Priority didokumenkan bagi profil pengeluar ini. Simpan pengecam item semasa menyediakan beberapa rekod bebas.
Edisi stabil kekal berbeza daripada varian Flash Preview dan model Gemini 3 kemudian. Kadnya menyenaraikan kemungkinan halusinasi, batasan pemahaman sebab akibat serta penaakulan logik kompleks atau kontrafaktual, dan tarikh akhir pengetahuan Januari 2025. Berikan bukti baharu apabila tugas bergantung pada maklumat lebih terkini. Semak pengiraan, nilai diekstrak, transkrip dan kod dicadangkan terhadap sumber sebenar atau hasil pelaksanaan. Pemikiran hibrid berguna apabila menyokong hasil konkrit itu, daripada menjadi pengganti semakannya.
POST /v1beta/models/{model}:generateContenttext, imagetext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanpath.model | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-2.5-flash | Lalai— |
Medancontents | Jeniscontent[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medancontents[].role | Jenisstring | KeperluanPilihan | Nilai & had user, model | Lalai— |
Medancontents[].parts | Jenispart[] | KeperluanDiperlukan | Nilai & had | Lalai— |
MedansystemInstruction | Jeniscontent | KeperluanPilihan | Nilai & had | Lalai— |
MedangenerationConfig.maxOutputTokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
MedangenerationConfig.temperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedangenerationConfig.topP | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedangenerationConfig.topK | Jenisinteger | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedangenerationConfig.stopSequences | Jenisstring[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedangenerationConfig.thinkingConfig.includeThoughts | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedangenerationConfig.thinkingConfig.thinkingBudget | Jenisinteger | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].functionDeclarations | Jenisfunction_declaration[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedantoolConfig.functionCallingConfig.mode | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedansafetySettings | Jenisobject[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
MedansessionId | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Teks · Teks UTF8
contents[].parts[].text
Teks + imej
parts[].inlineData={mimeType,data}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakcontents |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkandungan UTF-8 sebenar dimasukkan sebagai teks; ID fail atau alamat URL (URLs) memerlukan sokongan tepat yang berasingan |
Kitar hayat: exact retained published method
Struktur kaedah dan ID adalah tepat; keupayaan pembekal berasingan daripada penerimaan permintaan.
POST /v1beta/models/{model}:generateContentAiloot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
Jadual rujukan peringkat model tidak mengubah pemilihan kaedah, sebut harga atau caj. Caj aktif menggunakan kadar kaedah Ailoot yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Kadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tahap 1 berdasarkan panjang permintaan | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-flash", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-flash", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-flash',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson atau penstriman yang disokong
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua calon dan bahagian, termasuk panggilan fungsi, tandatangan pemikiran dan data penggunaan; gabungkan cebisan strim mengikut urutan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
MedanresponseId | Jenisstring |
MedanmodelVersion | Jenisstring |
Medancandidates[].content.parts[] | Jenistext|inlineData|functionCall|other part |
Medancandidates[].finishReason | Jenisstring |
MedanusageMetadata | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash ialah model penaakulan hibrid stabil Google untuk analisis multimodal dan tugas ejen. Belanjawan pemikiran dinamiknya boleh ditetapkan daripada 0 hingga 24,576 token, termasuk mod nyahaktif. Teks, imej, audio, video dan dokumen menjadi teks atau hasil berstruktur, dengan had input 1,048,576 token yang didokumenkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 2.5 Flash ialah profil penaakulan hibrid stabil Google untuk kerja multimodal menyeluruh dan penggunaan alat berejen. Ia menawarkan respons dengan dan tanpa pemikiran untuk tugas multimodal berskala besar yang memerlukan aras penaakulan berbeza. Teks, imej, audio dan video menyumbang kepada jawapan teks. Input dokumen turut diterangkan dalam profil awan khusus model Google. Hasil berguna boleh berupa perbandingan dokumen, carta ditafsir, transkrip, kod atau rekod berstruktur.
Kawalan penaakulan edisi menggunakan thinkingBudget. Pemikiran dinamik ialah lalai; tetapan -1 membolehkan model menyesuaikan penaakulannya dengan kerumitan tugas. Belanjawan jelas boleh berjulat daripada sifar hingga 24,576 token, dan sifar menyahaktifkan pemikiran. Pilih belanjawan sesuai dengan masalah sebenar daripada memberikan usaha sama kepada pengkategorian mudah dan analisis berbilang syarat. Panduan menganggap belanjawan sebagai bimbingan, dan kad asal menyatakan pematuhan mungkin tidak tepat.
Untuk tugas dokumen atau data, tetapkan soalan, medan wajib dan bukti yang perlu mengiringi hasil. Untuk perbandingan keperluan, bandingkan dua spesifikasi dan kembalikan keperluan berubah, petikan sumbernya serta kesan pada aliran kerja dinyatakan. Output berstruktur berguna apabila setiap dapatan memerlukan bentuk rekod sama. Jika sumber memberikan beberapa nilai mungkin atau membiarkan medan terbuka, kekalkan ketidakpastian itu daripada memaksa satu jawapan munasabah. Semak nilai dikembalikan terhadap halaman atau data dibekalkan.
Untuk bahan visual atau audio, kenal pasti objek, label, peristiwa atau petikan rakaman berkaitan. Minta jenis teks diperlukan: nilai terlihat daripada carta, huraian peristiwa, transkrip atau ringkasan. Artifak ini berbeza, dan arahan perlu menyatakan yang mana perlu dihasilkan. Kad asal dikongsi merangkumi Flash Image dan Flash Audio sebagai keupayaan bernama berasingan; output imej serta pertuturan terjananya bukan sebahagian profil teks stabil ini.
Profil awan khusus Google mendokumenkan input PDF dan teks biasa dengan had khusus antara muka: 50 MB bagi setiap PDF yang diimport melalui API dan sehingga 3,000 halaman bagi setiap fail, dengan had fail teks biasa 7 MB. Profil itu turut menerangkan kira-kira 45 minit video dengan audio atau satu jam tanpa audio, serta kira-kira 8.4 jam audio dalam peruntukan input sejuta token. Ini ialah kekangan antara muka awan yang dinyatakan, berasingan daripada tetingkap token model umum. Sediakan bahagian berkaitan dan format sumber, daripada mengandaikan setiap jenis fail atau laluan muat naik mempunyai had sama.
Jadual Gemini API khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Takrifkan peranan setiap fungsi dan bentuk parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Model boleh meminta operasi, manakala aplikasi disambungkan melaksanakannya. Kekalkan konteks tandatangan pemikiran yang diperlukan semasa menyambung tugas penaakulan dalam antara muka tanpa keadaan. Jawapan berstruktur atau cadangan fungsi tidak secara bebas membuktikan operasi luar berjaya.
Kad model asal memberikan konteks 1M dan output teks 64K, manakala jadual API khusus menetapkan 1,048,576 token input dan 65,536 token output. Had respons merangkumi token pemikiran, jadi had terlalu kecil boleh menyebabkan jawapan akhir terpotong atau kosong. Minta artifak bersaiz sesuai bagi peruntukan output dan gunakan belanjawan penaakulan untuk membimbing usaha. Pemprosesan cache, kelompok, Flex dan Priority didokumenkan bagi profil pengeluar ini. Simpan pengecam item semasa menyediakan beberapa rekod bebas.
Edisi stabil kekal berbeza daripada varian Flash Preview dan model Gemini 3 kemudian. Kadnya menyenaraikan kemungkinan halusinasi, batasan pemahaman sebab akibat serta penaakulan logik kompleks atau kontrafaktual, dan tarikh akhir pengetahuan Januari 2025. Berikan bukti baharu apabila tugas bergantung pada maklumat lebih terkini. Semak pengiraan, nilai diekstrak, transkrip dan kod dicadangkan terhadap sumber sebenar atau hasil pelaksanaan. Pemikiran hibrid berguna apabila menyokong hasil konkrit itu, daripada menjadi pengganti semakannya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-2.5-flash | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Perbualan teks | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream |
Parametercontrol_scope | KontrakPerbualan teks; stream ialah nilai boolean dengan false sebagai lalai. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias kaedah: /chat/completions
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-2.5-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-2.5-flash", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash ialah model penaakulan hibrid stabil Google untuk analisis multimodal dan tugas ejen. Belanjawan pemikiran dinamiknya boleh ditetapkan daripada 0 hingga 24,576 token, termasuk mod nyahaktif. Teks, imej, audio, video dan dokumen menjadi teks atau hasil berstruktur, dengan had input 1,048,576 token yang didokumenkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 2.5 Flash ialah profil penaakulan hibrid stabil Google untuk kerja multimodal menyeluruh dan penggunaan alat berejen. Ia menawarkan respons dengan dan tanpa pemikiran untuk tugas multimodal berskala besar yang memerlukan aras penaakulan berbeza. Teks, imej, audio dan video menyumbang kepada jawapan teks. Input dokumen turut diterangkan dalam profil awan khusus model Google. Hasil berguna boleh berupa perbandingan dokumen, carta ditafsir, transkrip, kod atau rekod berstruktur.
Kawalan penaakulan edisi menggunakan thinkingBudget. Pemikiran dinamik ialah lalai; tetapan -1 membolehkan model menyesuaikan penaakulannya dengan kerumitan tugas. Belanjawan jelas boleh berjulat daripada sifar hingga 24,576 token, dan sifar menyahaktifkan pemikiran. Pilih belanjawan sesuai dengan masalah sebenar daripada memberikan usaha sama kepada pengkategorian mudah dan analisis berbilang syarat. Panduan menganggap belanjawan sebagai bimbingan, dan kad asal menyatakan pematuhan mungkin tidak tepat.
Untuk tugas dokumen atau data, tetapkan soalan, medan wajib dan bukti yang perlu mengiringi hasil. Untuk perbandingan keperluan, bandingkan dua spesifikasi dan kembalikan keperluan berubah, petikan sumbernya serta kesan pada aliran kerja dinyatakan. Output berstruktur berguna apabila setiap dapatan memerlukan bentuk rekod sama. Jika sumber memberikan beberapa nilai mungkin atau membiarkan medan terbuka, kekalkan ketidakpastian itu daripada memaksa satu jawapan munasabah. Semak nilai dikembalikan terhadap halaman atau data dibekalkan.
Untuk bahan visual atau audio, kenal pasti objek, label, peristiwa atau petikan rakaman berkaitan. Minta jenis teks diperlukan: nilai terlihat daripada carta, huraian peristiwa, transkrip atau ringkasan. Artifak ini berbeza, dan arahan perlu menyatakan yang mana perlu dihasilkan. Kad asal dikongsi merangkumi Flash Image dan Flash Audio sebagai keupayaan bernama berasingan; output imej serta pertuturan terjananya bukan sebahagian profil teks stabil ini.
Profil awan khusus Google mendokumenkan input PDF dan teks biasa dengan had khusus antara muka: 50 MB bagi setiap PDF yang diimport melalui API dan sehingga 3,000 halaman bagi setiap fail, dengan had fail teks biasa 7 MB. Profil itu turut menerangkan kira-kira 45 minit video dengan audio atau satu jam tanpa audio, serta kira-kira 8.4 jam audio dalam peruntukan input sejuta token. Ini ialah kekangan antara muka awan yang dinyatakan, berasingan daripada tetingkap token model umum. Sediakan bahagian berkaitan dan format sumber, daripada mengandaikan setiap jenis fail atau laluan muat naik mempunyai had sama.
Jadual Gemini API khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Takrifkan peranan setiap fungsi dan bentuk parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Model boleh meminta operasi, manakala aplikasi disambungkan melaksanakannya. Kekalkan konteks tandatangan pemikiran yang diperlukan semasa menyambung tugas penaakulan dalam antara muka tanpa keadaan. Jawapan berstruktur atau cadangan fungsi tidak secara bebas membuktikan operasi luar berjaya.
Kad model asal memberikan konteks 1M dan output teks 64K, manakala jadual API khusus menetapkan 1,048,576 token input dan 65,536 token output. Had respons merangkumi token pemikiran, jadi had terlalu kecil boleh menyebabkan jawapan akhir terpotong atau kosong. Minta artifak bersaiz sesuai bagi peruntukan output dan gunakan belanjawan penaakulan untuk membimbing usaha. Pemprosesan cache, kelompok, Flex dan Priority didokumenkan bagi profil pengeluar ini. Simpan pengecam item semasa menyediakan beberapa rekod bebas.
Edisi stabil kekal berbeza daripada varian Flash Preview dan model Gemini 3 kemudian. Kadnya menyenaraikan kemungkinan halusinasi, batasan pemahaman sebab akibat serta penaakulan logik kompleks atau kontrafaktual, dan tarikh akhir pengetahuan Januari 2025. Berikan bukti baharu apabila tugas bergantung pada maklumat lebih terkini. Semak pengiraan, nilai diekstrak, transkrip dan kod dicadangkan terhadap sumber sebenar atau hasil pelaksanaan. Pemikiran hibrid berguna apabila menyokong hasil konkrit itu, daripada menjadi pengganti semakannya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-2.5-flash | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gemini-2.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
google/gemini-2.5-flashGemini 2.5 Flash ialah model penaakulan hibrid stabil Google untuk analisis multimodal dan tugas ejen. Belanjawan pemikiran dinamiknya boleh ditetapkan daripada 0 hingga 24,576 token, termasuk mod nyahaktif. Teks, imej, audio, video dan dokumen menjadi teks atau hasil berstruktur, dengan had input 1,048,576 token yang didokumenkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 2.5 Flash ialah profil penaakulan hibrid stabil Google untuk kerja multimodal menyeluruh dan penggunaan alat berejen. Ia menawarkan respons dengan dan tanpa pemikiran untuk tugas multimodal berskala besar yang memerlukan aras penaakulan berbeza. Teks, imej, audio dan video menyumbang kepada jawapan teks. Input dokumen turut diterangkan dalam profil awan khusus model Google. Hasil berguna boleh berupa perbandingan dokumen, carta ditafsir, transkrip, kod atau rekod berstruktur.
Kawalan penaakulan edisi menggunakan thinkingBudget. Pemikiran dinamik ialah lalai; tetapan -1 membolehkan model menyesuaikan penaakulannya dengan kerumitan tugas. Belanjawan jelas boleh berjulat daripada sifar hingga 24,576 token, dan sifar menyahaktifkan pemikiran. Pilih belanjawan sesuai dengan masalah sebenar daripada memberikan usaha sama kepada pengkategorian mudah dan analisis berbilang syarat. Panduan menganggap belanjawan sebagai bimbingan, dan kad asal menyatakan pematuhan mungkin tidak tepat.
Untuk tugas dokumen atau data, tetapkan soalan, medan wajib dan bukti yang perlu mengiringi hasil. Untuk perbandingan keperluan, bandingkan dua spesifikasi dan kembalikan keperluan berubah, petikan sumbernya serta kesan pada aliran kerja dinyatakan. Output berstruktur berguna apabila setiap dapatan memerlukan bentuk rekod sama. Jika sumber memberikan beberapa nilai mungkin atau membiarkan medan terbuka, kekalkan ketidakpastian itu daripada memaksa satu jawapan munasabah. Semak nilai dikembalikan terhadap halaman atau data dibekalkan.
Untuk bahan visual atau audio, kenal pasti objek, label, peristiwa atau petikan rakaman berkaitan. Minta jenis teks diperlukan: nilai terlihat daripada carta, huraian peristiwa, transkrip atau ringkasan. Artifak ini berbeza, dan arahan perlu menyatakan yang mana perlu dihasilkan. Kad asal dikongsi merangkumi Flash Image dan Flash Audio sebagai keupayaan bernama berasingan; output imej serta pertuturan terjananya bukan sebahagian profil teks stabil ini.
Profil awan khusus Google mendokumenkan input PDF dan teks biasa dengan had khusus antara muka: 50 MB bagi setiap PDF yang diimport melalui API dan sehingga 3,000 halaman bagi setiap fail, dengan had fail teks biasa 7 MB. Profil itu turut menerangkan kira-kira 45 minit video dengan audio atau satu jam tanpa audio, serta kira-kira 8.4 jam audio dalam peruntukan input sejuta token. Ini ialah kekangan antara muka awan yang dinyatakan, berasingan daripada tetingkap token model umum. Sediakan bahagian berkaitan dan format sumber, daripada mengandaikan setiap jenis fail atau laluan muat naik mempunyai had sama.
Jadual Gemini API khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Takrifkan peranan setiap fungsi dan bentuk parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Model boleh meminta operasi, manakala aplikasi disambungkan melaksanakannya. Kekalkan konteks tandatangan pemikiran yang diperlukan semasa menyambung tugas penaakulan dalam antara muka tanpa keadaan. Jawapan berstruktur atau cadangan fungsi tidak secara bebas membuktikan operasi luar berjaya.
Kad model asal memberikan konteks 1M dan output teks 64K, manakala jadual API khusus menetapkan 1,048,576 token input dan 65,536 token output. Had respons merangkumi token pemikiran, jadi had terlalu kecil boleh menyebabkan jawapan akhir terpotong atau kosong. Minta artifak bersaiz sesuai bagi peruntukan output dan gunakan belanjawan penaakulan untuk membimbing usaha. Pemprosesan cache, kelompok, Flex dan Priority didokumenkan bagi profil pengeluar ini. Simpan pengecam item semasa menyediakan beberapa rekod bebas.
Edisi stabil kekal berbeza daripada varian Flash Preview dan model Gemini 3 kemudian. Kadnya menyenaraikan kemungkinan halusinasi, batasan pemahaman sebab akibat serta penaakulan logik kompleks atau kontrafaktual, dan tarikh akhir pengetahuan Januari 2025. Berikan bukti baharu apabila tugas bergantung pada maklumat lebih terkini. Semak pengiraan, nilai diekstrak, transkrip dan kod dicadangkan terhadap sumber sebenar atau hasil pelaksanaan. Pemikiran hibrid berguna apabila menyokong hasil konkrit itu, daripada menjadi pengganti semakannya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had google/gemini-2.5-flash | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-2.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-2.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
google/gemini-2.5-flashGemini 2.5 Flash ialah model penaakulan hibrid stabil Google untuk analisis multimodal dan tugas ejen. Belanjawan pemikiran dinamiknya boleh ditetapkan daripada 0 hingga 24,576 token, termasuk mod nyahaktif. Teks, imej, audio, video dan dokumen menjadi teks atau hasil berstruktur, dengan had input 1,048,576 token yang didokumenkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 2.5 Flash ialah profil penaakulan hibrid stabil Google untuk kerja multimodal menyeluruh dan penggunaan alat berejen. Ia menawarkan respons dengan dan tanpa pemikiran untuk tugas multimodal berskala besar yang memerlukan aras penaakulan berbeza. Teks, imej, audio dan video menyumbang kepada jawapan teks. Input dokumen turut diterangkan dalam profil awan khusus model Google. Hasil berguna boleh berupa perbandingan dokumen, carta ditafsir, transkrip, kod atau rekod berstruktur.
Kawalan penaakulan edisi menggunakan thinkingBudget. Pemikiran dinamik ialah lalai; tetapan -1 membolehkan model menyesuaikan penaakulannya dengan kerumitan tugas. Belanjawan jelas boleh berjulat daripada sifar hingga 24,576 token, dan sifar menyahaktifkan pemikiran. Pilih belanjawan sesuai dengan masalah sebenar daripada memberikan usaha sama kepada pengkategorian mudah dan analisis berbilang syarat. Panduan menganggap belanjawan sebagai bimbingan, dan kad asal menyatakan pematuhan mungkin tidak tepat.
Untuk tugas dokumen atau data, tetapkan soalan, medan wajib dan bukti yang perlu mengiringi hasil. Untuk perbandingan keperluan, bandingkan dua spesifikasi dan kembalikan keperluan berubah, petikan sumbernya serta kesan pada aliran kerja dinyatakan. Output berstruktur berguna apabila setiap dapatan memerlukan bentuk rekod sama. Jika sumber memberikan beberapa nilai mungkin atau membiarkan medan terbuka, kekalkan ketidakpastian itu daripada memaksa satu jawapan munasabah. Semak nilai dikembalikan terhadap halaman atau data dibekalkan.
Untuk bahan visual atau audio, kenal pasti objek, label, peristiwa atau petikan rakaman berkaitan. Minta jenis teks diperlukan: nilai terlihat daripada carta, huraian peristiwa, transkrip atau ringkasan. Artifak ini berbeza, dan arahan perlu menyatakan yang mana perlu dihasilkan. Kad asal dikongsi merangkumi Flash Image dan Flash Audio sebagai keupayaan bernama berasingan; output imej serta pertuturan terjananya bukan sebahagian profil teks stabil ini.
Profil awan khusus Google mendokumenkan input PDF dan teks biasa dengan had khusus antara muka: 50 MB bagi setiap PDF yang diimport melalui API dan sehingga 3,000 halaman bagi setiap fail, dengan had fail teks biasa 7 MB. Profil itu turut menerangkan kira-kira 45 minit video dengan audio atau satu jam tanpa audio, serta kira-kira 8.4 jam audio dalam peruntukan input sejuta token. Ini ialah kekangan antara muka awan yang dinyatakan, berasingan daripada tetingkap token model umum. Sediakan bahagian berkaitan dan format sumber, daripada mengandaikan setiap jenis fail atau laluan muat naik mempunyai had sama.
Jadual Gemini API khusus menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Takrifkan peranan setiap fungsi dan bentuk parameter serta teruskan berdasarkan hasil sebenar yang dikembalikan. Model boleh meminta operasi, manakala aplikasi disambungkan melaksanakannya. Kekalkan konteks tandatangan pemikiran yang diperlukan semasa menyambung tugas penaakulan dalam antara muka tanpa keadaan. Jawapan berstruktur atau cadangan fungsi tidak secara bebas membuktikan operasi luar berjaya.
Kad model asal memberikan konteks 1M dan output teks 64K, manakala jadual API khusus menetapkan 1,048,576 token input dan 65,536 token output. Had respons merangkumi token pemikiran, jadi had terlalu kecil boleh menyebabkan jawapan akhir terpotong atau kosong. Minta artifak bersaiz sesuai bagi peruntukan output dan gunakan belanjawan penaakulan untuk membimbing usaha. Pemprosesan cache, kelompok, Flex dan Priority didokumenkan bagi profil pengeluar ini. Simpan pengecam item semasa menyediakan beberapa rekod bebas.
Edisi stabil kekal berbeza daripada varian Flash Preview dan model Gemini 3 kemudian. Kadnya menyenaraikan kemungkinan halusinasi, batasan pemahaman sebab akibat serta penaakulan logik kompleks atau kontrafaktual, dan tarikh akhir pengetahuan Januari 2025. Berikan bukti baharu apabila tugas bergantung pada maklumat lebih terkini. Semak pengiraan, nilai diekstrak, transkrip dan kod dicadangkan terhadap sumber sebenar atau hasil pelaksanaan. Pemikiran hibrid berguna apabila menyokong hasil konkrit itu, daripada menjadi pengganti semakannya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had google/gemini-2.5-flash | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0006 / 1K token Output · Token output $0.005 / 1K token Input · Bacaan cache $0.00006 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "google/gemini-2.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
Contoh teknikal dalam bahasa Inggeris
Extract changes in an approval rule\n\nCompare these rules for a purchase request. [OLD] Any manager may approve expenses up to 500 units. [NEW] A team manager may approve up to 300 units; above that, finance approval is required. Return the changed requirement, source wording and effect on a 450-unit request. Mark any ambiguity about the currency.A structured comparison and a source-backed explanation of the 450-unit case, with the currency gap retained.Check that the example uses the new threshold and does not invent the unit's currency.