Gemini 2.5 Pro ialah profil pemikiran stabil Google untuk pengekodan lanjutan, matematik, STEM dan analisis konteks panjang. Ia boleh memahami teks, audio, imej, video dan seluruh repositori kod, dan profil Gemini APInya turut menerima input PDF. Output ialah teks, termasuk kod, analisis bertulis atau rekod berstruktur. Tugasan berguna memberikan bukti dan meminta hasil yang boleh disemak, seperti penyelesaian yang diterangkan, dapatan pangkalan kod atau perbandingan merentas beberapa dokumen.
Untuk pengekodan, bekalkan fail berkaitan, tingkah laku diperhatikan dan perubahan atau soalan yang penting. Konteks panjang boleh membantu model menghubungkan modul daripada menaakul berdasarkan satu petikan terpencil. Untuk penyiasatan laluan kod, minta ia menjejaki pengecam daripada borang input melalui pemprosesan dan penyimpanan, mengenal pasti tempat kontrak berubah serta mencadangkan pembetulan berfokus. Kekalkan kekangan dan minta rujukan sokongan. Pindaan cadangan perlu dibandingkan dengan kod sebenar dan sebarang pengesahan yang dilakukan melalui alat disambungkan.
Untuk analisis matematik atau saintifik, nyatakan masalah, andaian, unit dan bentuk jawapan wajib. Bekalkan data atau angka yang menjadi asas pengiraan. Minta hasil disokong dan semakan yang membolehkannya dinilai, seperti kes sempadan atau perbandingan dengan nilai asal. Keupayaan penaakulan model tidak menghapuskan kekaburan pernyataan masalah. Pastikan kuantiti tidak diketahui atau andaian tidak disokong kelihatan, daripada menggantikannya dengan nilai yang memudahkan.
Pemikiran dinamik ialah lalai yang didokumenkan. Panduan GenerateContent Gemini 2.5 menyokong belanjawan penaakulan jelas daripada 128 hingga 32,768 token untuk Pro, atau -1 untuk pemikiran adaptif. Edisi ini tidak boleh menyahaktifkan pemikiran sepenuhnya. Kawalan itu berbeza daripada pilihan belanjawan sifar Flash dan tetapan aras pemikiran Gemini 3. Belanjawan pemikiran membimbing penaakulan, bukannya menjamin bilangan token dalaman tepat, dan had respons juga perlu meninggalkan ruang untuk artifak akhir.
Untuk kerja dokumen multimodal, kenal pasti halaman, carta, rantau imej atau peristiwa rakaman yang perlu menyokong jawapan. Tugas sintesis praktikal boleh meminta dakwaan bersaing daripada beberapa dokumen sumber, petikan sokongannya dan perbezaan yang penting untuk satu keputusan. Minta model membezakan fakta dinyatakan daripada inferens. Untuk video atau audio, tetapkan sama ada hasil perlu berupa huraian, transkrip, ringkasan atau perbandingan. Imej dan bunyi ialah bukti bagi hasil teks dalam profil ini.
Halaman API khusus mendokumenkan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Takrifkan tujuan fungsi serta medan parameter dan kekalkan hasil sebenar dalam giliran kemudian. Untuk rekod terkekang skema, tetapkan medan wajib dan cara mewakili maklumat tiada. Seni bina asal ialah transformer multimodal campuran pakar jarang; reka bentuk model itu tidak dengan sendirinya menyediakan pelaksanaan alat luar atau aplikasi lengkap melampaui teks atau kod yang dikembalikan.
Kad asal menyenaraikan konteks input 1M dan output teks 64K; jadual API menetapkan 1,048,576 token input dan 65,536 token output. Arahan, kandungan sumber dan sejarah dikekalkan menyumbang kepada penyediaan input. Peruntukan respons maksimum merangkumi token penaakulan, jadi had terlalu kecil boleh mengganggu jawapan akhir. Cache dan pemprosesan kelompok didokumenkan bersama pilihan Flex serta Priority. Simpan setiap pengecam sumber dan bentuk akhir diminta semasa menyediakan tugas konteks panjang bebas.
Pengecam stabil berbeza daripada edisi Experimental dan Preview yang dibincangkan secara berasingan dalam kad model Pro dikongsi. Jangan kaitkan hasil khusus versinya kepada profil ini semata-mata kerana berkongsi nama Pro. Kad mengenal pasti kemungkinan halusinasi dan batasan pemahaman sebab akibat, deduksi kompleks serta penaakulan kontrafaktual, dengan tarikh akhir pengetahuan Januari 2025. Bekalkan bukti semasa apabila penting dan semak rujukan sumber, pengiraan serta pengubahsuaian dicadangkan. Output berguna ialah artifak teks atau kod disokong yang diminta tugas.
", "aboutText": "Gemini 2.5 Pro ialah profil pemikiran stabil Google untuk pengekodan lanjutan, matematik, STEM dan analisis konteks panjang. Ia boleh memahami teks, audio, imej, video dan seluruh repositori kod, dan profil Gemini APInya turut menerima input PDF. Output ialah teks, termasuk kod, analisis bertulis atau rekod berstruktur. Tugasan berguna memberikan bukti dan meminta hasil yang boleh disemak, seperti penyelesaian yang diterangkan, dapatan pangkalan kod atau perbandingan merentas beberapa dokumen.\n\nUntuk pengekodan, bekalkan fail berkaitan, tingkah laku diperhatikan dan perubahan atau soalan yang penting. Konteks panjang boleh membantu model menghubungkan modul daripada menaakul berdasarkan satu petikan terpencil. Untuk penyiasatan laluan kod, minta ia menjejaki pengecam daripada borang input melalui pemprosesan dan penyimpanan, mengenal pasti tempat kontrak berubah serta mencadangkan pembetulan berfokus. Kekalkan kekangan dan minta rujukan sokongan. Pindaan cadangan perlu dibandingkan dengan kod sebenar dan sebarang pengesahan yang dilakukan melalui alat disambungkan.\n\nUntuk analisis matematik atau saintifik, nyatakan masalah, andaian, unit dan bentuk jawapan wajib. Bekalkan data atau angka yang menjadi asas pengiraan. Minta hasil disokong dan semakan yang membolehkannya dinilai, seperti kes sempadan atau perbandingan dengan nilai asal. Keupayaan penaakulan model tidak menghapuskan kekaburan pernyataan masalah. Pastikan kuantiti tidak diketahui atau andaian tidak disokong kelihatan, daripada menggantikannya dengan nilai yang memudahkan.\n\nPemikiran dinamik ialah lalai yang didokumenkan. Panduan GenerateContent Gemini 2.5 menyokong belanjawan penaakulan jelas daripada 128 hingga 32,768 token untuk Pro, atau -1 untuk pemikiran adaptif. Edisi ini tidak boleh menyahaktifkan pemikiran sepenuhnya. Kawalan itu berbeza daripada pilihan belanjawan sifar Flash dan tetapan aras pemikiran Gemini 3. Belanjawan pemikiran membimbing penaakulan, bukannya menjamin bilangan token dalaman tepat, dan had respons juga perlu meninggalkan ruang untuk artifak akhir.\n\nUntuk kerja dokumen multimodal, kenal pasti halaman, carta, rantau imej atau peristiwa rakaman yang perlu menyokong jawapan. Tugas sintesis praktikal boleh meminta dakwaan bersaing daripada beberapa dokumen sumber, petikan sokongannya dan perbezaan yang penting untuk satu keputusan. Minta model membezakan fakta dinyatakan daripada inferens. Untuk video atau audio, tetapkan sama ada hasil perlu berupa huraian, transkrip, ringkasan atau perbandingan. Imej dan bunyi ialah bukti bagi hasil teks dalam profil ini.\n\nHalaman API khusus mendokumenkan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Takrifkan tujuan fungsi serta medan parameter dan kekalkan hasil sebenar dalam giliran kemudian. Untuk rekod terkekang skema, tetapkan medan wajib dan cara mewakili maklumat tiada. Seni bina asal ialah transformer multimodal campuran pakar jarang; reka bentuk model itu tidak dengan sendirinya menyediakan pelaksanaan alat luar atau aplikasi lengkap melampaui teks atau kod yang dikembalikan.\n\nKad asal menyenaraikan konteks input 1M dan output teks 64K; jadual API menetapkan 1,048,576 token input dan 65,536 token output. Arahan, kandungan sumber dan sejarah dikekalkan menyumbang kepada penyediaan input. Peruntukan respons maksimum merangkumi token penaakulan, jadi had terlalu kecil boleh mengganggu jawapan akhir. Cache dan pemprosesan kelompok didokumenkan bersama pilihan Flex serta Priority. Simpan setiap pengecam sumber dan bentuk akhir diminta semasa menyediakan tugas konteks panjang bebas.\n\nPengecam stabil berbeza daripada edisi Experimental dan Preview yang dibincangkan secara berasingan dalam kad model Pro dikongsi. Jangan kaitkan hasil khusus versinya kepada profil ini semata-mata kerana berkongsi nama Pro. Kad mengenal pasti kemungkinan halusinasi dan batasan pemahaman sebab akibat, deduksi kompleks serta penaakulan kontrafaktual, dengan tarikh akhir pengetahuan Januari 2025. Bekalkan bukti semasa apabila penting dan semak rujukan sumber, pengiraan serta pengubahsuaian dicadangkan. Output berguna ialah artifak teks atau kod disokong yang diminta tugas.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9879504621921ce20af09ee5cc84ee6d21a31bb52b7083acc83e6be96e9c635b", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "google/gemini-2.5-pro:batchGemini 2.5 Pro ialah model pemikiran stabil Google untuk kod kompleks, matematik, STEM dan analisis konteks panjang. Ia menerima teks, imej, audio, video dan PDF serta mengembalikan teks, dengan alat dan output berstruktur. Belanjawan penaakulan dinamiknya menyokong 128–32,768 token dan tidak boleh dinyahaktifkan sepenuhnya.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 2.5 Pro ialah profil pemikiran stabil Google untuk pengekodan lanjutan, matematik, STEM dan analisis konteks panjang. Ia boleh memahami teks, audio, imej, video dan seluruh repositori kod, dan profil Gemini APInya turut menerima input PDF. Output ialah teks, termasuk kod, analisis bertulis atau rekod berstruktur. Tugasan berguna memberikan bukti dan meminta hasil yang boleh disemak, seperti penyelesaian yang diterangkan, dapatan pangkalan kod atau perbandingan merentas beberapa dokumen.
Untuk pengekodan, bekalkan fail berkaitan, tingkah laku diperhatikan dan perubahan atau soalan yang penting. Konteks panjang boleh membantu model menghubungkan modul daripada menaakul berdasarkan satu petikan terpencil. Untuk penyiasatan laluan kod, minta ia menjejaki pengecam daripada borang input melalui pemprosesan dan penyimpanan, mengenal pasti tempat kontrak berubah serta mencadangkan pembetulan berfokus. Kekalkan kekangan dan minta rujukan sokongan. Pindaan cadangan perlu dibandingkan dengan kod sebenar dan sebarang pengesahan yang dilakukan melalui alat disambungkan.
Untuk analisis matematik atau saintifik, nyatakan masalah, andaian, unit dan bentuk jawapan wajib. Bekalkan data atau angka yang menjadi asas pengiraan. Minta hasil disokong dan semakan yang membolehkannya dinilai, seperti kes sempadan atau perbandingan dengan nilai asal. Keupayaan penaakulan model tidak menghapuskan kekaburan pernyataan masalah. Pastikan kuantiti tidak diketahui atau andaian tidak disokong kelihatan, daripada menggantikannya dengan nilai yang memudahkan.
Pemikiran dinamik ialah lalai yang didokumenkan. Panduan GenerateContent Gemini 2.5 menyokong belanjawan penaakulan jelas daripada 128 hingga 32,768 token untuk Pro, atau -1 untuk pemikiran adaptif. Edisi ini tidak boleh menyahaktifkan pemikiran sepenuhnya. Kawalan itu berbeza daripada pilihan belanjawan sifar Flash dan tetapan aras pemikiran Gemini 3. Belanjawan pemikiran membimbing penaakulan, bukannya menjamin bilangan token dalaman tepat, dan had respons juga perlu meninggalkan ruang untuk artifak akhir.
Untuk kerja dokumen multimodal, kenal pasti halaman, carta, rantau imej atau peristiwa rakaman yang perlu menyokong jawapan. Tugas sintesis praktikal boleh meminta dakwaan bersaing daripada beberapa dokumen sumber, petikan sokongannya dan perbezaan yang penting untuk satu keputusan. Minta model membezakan fakta dinyatakan daripada inferens. Untuk video atau audio, tetapkan sama ada hasil perlu berupa huraian, transkrip, ringkasan atau perbandingan. Imej dan bunyi ialah bukti bagi hasil teks dalam profil ini.
Halaman API khusus mendokumenkan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Takrifkan tujuan fungsi serta medan parameter dan kekalkan hasil sebenar dalam giliran kemudian. Untuk rekod terkekang skema, tetapkan medan wajib dan cara mewakili maklumat tiada. Seni bina asal ialah transformer multimodal campuran pakar jarang; reka bentuk model itu tidak dengan sendirinya menyediakan pelaksanaan alat luar atau aplikasi lengkap melampaui teks atau kod yang dikembalikan.
Kad asal menyenaraikan konteks input 1M dan output teks 64K; jadual API menetapkan 1,048,576 token input dan 65,536 token output. Arahan, kandungan sumber dan sejarah dikekalkan menyumbang kepada penyediaan input. Peruntukan respons maksimum merangkumi token penaakulan, jadi had terlalu kecil boleh mengganggu jawapan akhir. Cache dan pemprosesan kelompok didokumenkan bersama pilihan Flex serta Priority. Simpan setiap pengecam sumber dan bentuk akhir diminta semasa menyediakan tugas konteks panjang bebas.
Pengecam stabil berbeza daripada edisi Experimental dan Preview yang dibincangkan secara berasingan dalam kad model Pro dikongsi. Jangan kaitkan hasil khusus versinya kepada profil ini semata-mata kerana berkongsi nama Pro. Kad mengenal pasti kemungkinan halusinasi dan batasan pemahaman sebab akibat, deduksi kompleks serta penaakulan kontrafaktual, dengan tarikh akhir pengetahuan Januari 2025. Bekalkan bukti semasa apabila penting dan semak rujukan sumber, pengiraan serta pengubahsuaian dicadangkan. Output berguna ialah artifak teks atau kod disokong yang diminta tugas.
POST /v1/batchestexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanendpoint | Jenisstring | KeperluanDiperlukan | Nilai & had /v1/chat/completions | Lalai— |
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had google/gemini-2.5-pro:batch | Lalai— |
Medanrequests | Jenisbatch_item[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanrequests[].custom_id | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanrequests[].body.messages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medancompletion_window | Jenisstring | KeperluanPilihan | Nilai & had 24h | Lalai— |
Medanprovider | Jenisobject|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanrequests[].body.model | Jenisstring | KeperluanPilihan | Nilai & had google/gemini-2.5-pro:batch, google/gemini-2.5-pro | Lalai— |
Medanprovider.only | Jenisstring[] | KeperluanPilihan | Nilai & had google-vertex/global | Lalai— |
Medanprovider.allow_fallbacks | Jenisboolean|null | KeperluanPilihan | Nilai & had false, null | Lalai— |
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakendpoint, model, requests |
Parametermaterial_types | Kontraktext |
Parameterrepresentation | Kontrakrequests[] sebaris; setiap item mempunyai custom_id dan body |
Parameterrequest_endpoint_profile | Kontrak/v1/chat/completions |
Parameterfile_material | KontrakPemanggil boleh membaca JSONL UTF-8 sebenar secara setempat ke dalam requests[]. Tiada tujuan muat naik, input_file_id atau rujukan fail digunakan. Bahan pelanggan yang tiada atau kosong menghentikan persediaan sebelum POST. |
Parameterserialization_order | Kontrakendpoint, model, provider (jika dibekalkan), completion_window (jika dibekalkan), requests di akhir |
Parameteroptional_controls | Kontrakprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | KontrakBadan permintaan Chat Completions teks dalam pembungkus Batch sebaris yang didokumenkan. |
Kitar hayat: asynchronous
GET /v1/batches/{operation_id} · response.id sebenar daripada respons penciptaan asal; pengguna/kunci/kumpulan yang sama
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 $0.00125 / 1K token Output · Token output $0.01 / 1K token Input · Bacaan cache $0.00025 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasuk200,000 | Caj Input · Token input $0.00125 / 1K token Output · Token output $0.01 / 1K token Input · Bacaan cache $0.00025 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 2 | Jadual kadar— | Token konteks, melebihi200,000 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0025 / 1K token Output · Token output $0.015 / 1K token Input · Bacaan cache $0.0005 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-2.5-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-2.5-pro:batch', 'google/gemini-2.5-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-2.5-pro:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON results[].response.body sebaris
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nSimpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Simpan keseluruhan JSON status asal, setiap hasil/custom_id serta badan respons atau ralat yang lengkap. Simpan results[] yang telah selesai sebagai JSONL tanpa penapisan.
Simpan ID operasi asal. 503 result_pending_check mempunyai X-Should-Retry:false; jangan sekali-kali hantar semula kelompok asal yang hasilnya tidak diketahui.
| Medan | Jenis |
|---|---|
Medanresults[].custom_id | Jenisstring |
Medanresults[].response.body.choices[].message.content | Jenisstring|null |
Medanresults[].error | Jenisobject|null |
Medanusage | Jenisobject|null |
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medanendpoint | Jenisstring |
Medanstatus | Jenisstring |
Medanrequest_counts | Jenisobject |
Medanresults[].id | Jenisstring |
Medanresults[].response.status_code | Jenisinteger |
Medanresults[].response.request_id | Jenisstring |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratPembungkus sebaris yang didokumenkan tidak sah, kunci berulang, identiti item atau keupayaan model yang dikonfigurasikan bercanggah. | Langkah seterusnyaBetulkan medan yang dinyatakan sebelum sebarang penghantaran baharu. |
Respons401 · authentication_error | SyaratKunci API tidak sah. | Langkah seterusnyaGunakan kunci Ailoot yang dibenarkan. |
Respons403 · permission_error | SyaratKumpulan kelompok tidak tersedia. | Langkah seterusnyaSemak hak akses kunci/kumpulan. |
Respons422 · invalid_request_error | SyaratKelompok menggunakan pengebilan baki; penciptaan melalui langganan ditolak. | Langkah seterusnyaGunakan kumpulan yang dibenarkan untuk pengebilan melalui baki. |
Respons422 · price_unavailable | SyaratSebut harga tidak dapat diberikan untuk input kelompok. | Langkah seterusnyaSimpan respons; gunakan input keluarga API yang didokumenkan. |
Respons402 · billing_error | SyaratRizab kelompok tidak tersedia. | Langkah seterusnyaSelesaikan isu penerimaan permintaan sebelum menghantar permintaan baharu. |
Respons503 · price_unavailable | SyaratHarga kaedah kelompok/kadar natif tidak tersedia. | Langkah seterusnyaSimpan respons; jangan gantikan harga. |
Respons503 · api_error | SyaratLaluan pembekal yang tepat tidak tersedia. | Langkah seterusnyaSimpan respons untuk pembaikan laluan. |
Respons503 · result_pending_check | SyaratHasil asal memerlukan semakan; X-Should-Retry:false. | Langkah seterusnyaSimpan operation_id/id asal dan baca statusnya; jangan sekali-kali ulang POST asal. |
Respons404 · not_found | SyaratOperasi status kelompok tiada atau dimiliki oleh identiti lain. | Langkah seterusnyaGunakan id asal yang tepat serta pengguna/kunci/kumpulan yang sama. |
Ailoot Ultra google/gemini-2.5-pro:batch
Gunakan laluan kaedah yang dipaparkan di atas.