Source: https://ailoot.ai/models/nb/gemini-2-5-flash-preview-09-2025/ Canonical: https://ailoot.ai/models/nb/gemini-2-5-flash-preview-09-2025/ Language: nb # gemini-2.5-flash-preview-09-2025 [Markdown](https://ailoot.ai/models/nb/gemini-2-5-flash-preview-09-2025/index.md) · [JSON](https://ailoot.ai/models/nb/gemini-2-5-flash-preview-09-2025/facts.json) ## [gemini-2.5-flash-preview-09-2025](https://ailoot.ai/models/nb/gemini-2-5-flash-preview-09-2025/) Gemini 2.5 Flash Preview 09-2025 er Googles septemberutgave for multimodal analyse og arbeid med verktøy i flere steg. Den kombinerer forståelse av tekst, bilder, video og lyd med tenking, strukturerte svar og en inndatagrense på 1,048,576 tokener, med særskilte forbedringer i agentbasert verktøybruk. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `gemini-2.5-flash-preview-09-2025`](https://ailoot.ai/models/nb/gemini-2-5-flash-preview-09-2025/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `gemini-2.5-flash-preview-09-2025`](https://ailoot.ai/models/nb/gemini-2-5-flash-preview-09-2025/#method-1) Om modellen Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden. Gemini 2.5 Flash Preview 09-2025 er forhåndsutgaven fra september av Googles hybride resonneringsmodell. De dokumenterte inndataene er tekst, bilder, video og lyd; utdataene er tekst. Modellen kan kombinere spørsmålet med visuelt eller muntlig materiale og deretter produsere en forklaring, et dokument, kode eller et strukturert svar. Denne eksakte daterte utgaven er forskjellig fra stabile Gemini 2.5 Flash og fra et skiftende latest-alias. Formålet er multimodal forståelse og verktøystøttet arbeid med et skriftlig resultat. Google beskriver to konkrete forbedringer i denne utgivelsen: bedre agentbasert verktøybruk og mer økonomisk svargenerering når tenking er aktivert. Den første gjelder oppgaver som krever flere sammenhengende handlinger, som å hente informasjon, sammenligne den med forespørselen og velge neste steg. Den andre gjelder å produsere nyttige svar med færre genererte tokener samtidig som kvaliteten beholdes. For en utviklingsassistent bør du oppgi observert virkemåte, relevant kode og kriteriet for en vellykket endring. For en undersøkelsesassistent bør du definere spørsmålet, materialet som skal undersøkes og underlaget som trengs for konklusjonen. Tenking og direkte svar er del av den hybride utformingen. En tenkeoppgave kan analysere avhengigheter, matematiske betingelser eller en plan med flere steg før sluttsvaret utarbeides. En enkel uthenting eller kort forklaring kan ha et enklere svarmål. Oppgi hvilke begrensninger som er obligatoriske, hva modellen kan forutsette og hva sluttleveransen må inneholde. Produsentens familiekort bemerker at tenkebudsjetter kan følges ujevnt, så et forespurt budsjett er ikke bevis på en streng øvre grense for resonnering. Denne beskrivelsen tilskriver ikke tenkenivåene eller standardinnstillingene til en nyere modell til septemberutgaven. Den konkrete modelltabellen for september angir opptil 1,048,576 inndatatokener og 65,536 utdatatokener. Den store inndataprofilen kan romme instruksjoner, eksempler, referansetekst og multimediekontekst i én oppgave. For å sammenligne krav med en foreslått løsning bør du merke de to kildene og oppgi et felles sett med kriterier. For å drøfte et skjermbilde bør du angi den relevante tilstanden eller komponenten; for en lyd- eller videooppgave bør du navngi spørsmålet eller hendelsen fremfor å be om en beskrivelse uten retning. Resultatet er fortsatt tekst: innebygd bildegenerering, stemmegenerering og muntlig dialog i sanntid tilhører andre modellprofiler. Google dokumenterer funksjonskall, kodekjøring, søkeforankring, URL-kontekst og filsøk for denne konkrete forhåndsversjonen. Funksjonskall velger en deklarert funksjon og klargjør argumenter; den tilkoblede applikasjonen utfører operasjonen og returnerer resultatet. Kodekjøring bruker generert Python til beregninger eller tekstbehandling. Søkeforankring tilfører nettmateriale for et kildeinformert svar, mens URL-kontekst arbeider med innholdet på angitte tilgjengelige sider. Filsøk gir en annen mulighet til å hente kildemateriale. Gi en agent et tydelig formål for hvert verktøy og angi forventet informasjon fra hvert steg, slik at arbeidsflyten kan fortsette fra det faktiske returnerte resultatet. Støtte for strukturerte utdata gjør sluttleveransen anvendelig som et sett med definerte felt. For en sammenligning kan du be om et kriterium, det tilhørende kildeavsnittet, den observerte forskjellen og spørsmålet som fortsatt må avklares. For en kodeoppgave bør du skille den foreslåtte endringen fra forklaringen og kontrollene som fortsatt kreves. Googles konkrete modellprofil oppgir også støtte for kontekstbufring og satsvis behandling. Gjentatt kildemateriale kan holdes konsekvent på tvers av relaterte oppgaver; hurtigbufring fastslår ikke i seg selv at en bestemt forespørsel gjenbrukte bufrede tokener. Disse egenskapsnavnene innebærer ingen nyere skjemakombinasjoner, terskler for hurtigbufring eller samtidige verktøymoduser. Familiens modellkort beskriver en transformermodell med en sparsom blanding av eksperter og innebygd forståelse av tekst, visuelt materiale og lyd. Treningen kombinerer netttekst, kode, bilder, lyd og video; ettertreningen omfatter parede multimodale instruksjoner og svar, menneskelige preferanser og data om verktøybruk. Dataklargjøringen bruker deduplisering samt sikkerhets- og kvalitetsfiltrering. Den konkrete daterte modellsiden oppgir januar 2025 som kunnskapsgrense. Spørsmål som krever nyere informasjon, bør angi kildematerialet eller et passende innhentingssteg i stedet for å behandle modellens treningskunnskap som en informasjonsstrøm i sanntid. Vesentlige begrensninger omfatter mulig oppdikting av fakta og vansker med årsaksforståelse, kompleks logisk deduksjon og kontrafaktisk resonnering. Familiekortet bemerker også at svar av og til kan ha en unødvendig belærende tone. For å få et nyttig resultat bør du kreve at modellen skiller kildefakta, forutsetninger og foreslåtte handlinger og deretter undersøke delene som avgjør beslutningen. En fullstendig agentleveranse kan inneholde funnene, et begrunnet neste steg, informasjon hentet fra verktøy og eventuelle uavklarte spørsmål. Septemberutgavens vekt på verktøybruk bidrar til å definere denne arbeidsflyten, mens klargjorte inndata og uttrykkelige fullføringskriterier holder den knyttet til brukerens oppgave. Praktisk oppgave ### Praktisk oppgave Teknisk eksempel på engelsk ``` Review a proposed retention design Assess this design against the requirement. Requirement R: delete inactive guest records after 30 days; paid accounts are excluded. Design D: a nightly job deletes every account whose last_login is older than 30 days. List mismatches with R/D references, propose a corrected selection rule in plain English, and give boundary cases to test. ``` #### Forventet resultat ``` A concise requirements review, a corrected guest-only rule and tests for day 30, day 31 and an inactive paid account. ``` #### Kontroller resultatet ``` The proposal excludes paid accounts and explicitly resolves what after 30 days means at the boundary. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `gemini-2.5-flash-preview-09-2025` [`gemini-2.5-flash-preview-09-2025`](https://ailoot.ai/models/nb/#m=gemini-2.5-flash-preview-09-2025&route=Ultra&caller=gemini-2.5-flash-preview-09-2025&fmt=chat) Google /`gemini-2.5-flash-preview-09-2025` ### Start Gemini 2.5 Flash Preview 09-2025 er Googles septemberutgave for multimodal analyse og arbeid med verktøy i flere steg. Den kombinerer forståelse av tekst, bilder, video og lyd med tenking, strukturerte svar og en inndatagrense på 1,048,576 tokener, med særskilte forbedringer i agentbasert verktøybruk. Godkjente inndata Tekst Resultater Tekst ### Tilgjengelig i Ailoot · inndata & metoder **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Inndatatyper `text` Utdatatyper `text` Utdataformat json eller SSE | Felt | Type | Krav | Verdier & grenser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrevd | Verdier & grenser gemini-2.5-flash-preview-09-2025 | Standard— | | Felt`messages` | Type`message[]` | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— | | Felt`messages[].role` | Type`string` | KravPåkrevd | Verdier & grenser Eksempler: system, user, assistant, tool, function Vilkår: Disse rollene representeres eksplisitt av kompatibilitetstyper i kildekoden; det eksakte rollesettet for modellen er fortsatt modellspesifikt. Avhenger av modellen | Standard— | | Felt`messages[].content` | Type`string\|content_part[]\|null` | KravValgfritt | Verdier & grenser | Standard— | | Felt`messages[].tool_calls` | Type`tool_call[]` | KravValgfritt | Verdier & grenser | Standard— | | Felt`messages[].tool_call_id` | Type`string` | KravValgfritt | Verdier & grenser Gjelder når: role=tool; bruk faktisk returnert ID | Standard— | | Felt`messages[].name` | Type`string` | KravValgfritt | Verdier & grenser | Standard— | | Felt`messages[].reasoning_content` | Type`string` | KravValgfritt | Verdier & grenser Gjelder når: Send den faktisk returnerte resonneringen tilbake der denne modellen bruker den | Standard— | | Felt`messages[].reasoning_details` | Type`object\|array` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`max_tokens` | Type`integer` | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— | | Felt`max_completion_tokens` | Type`integer` | KravValgfritt | Verdier & grenser Minimum: 1 Avhenger av modellen | Standard— | | Felt`stream` | Type`boolean` | KravValgfritt | Verdier & grenser | Standardfalse | | Felt`stream_options.include_usage` | Type`boolean` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`temperature` | Type`number` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`top_p` | Type`number` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`stop` | Type`string\|string[]` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`tools` | Type`function_tool[]` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`tools[].type` | Type`string` | KravValgfritt | Verdier & grenser function Avhenger av modellen | Standard— | | Felt`tools[].function.name` | Type`string` | KravPåkrevd | Verdier & grenser Gjelder når: funksjonsverktøy oppgitt | Standard— | | Felt`tools[].function.description` | Type`string` | KravValgfritt | Verdier & grenser | Standard— | | Felt`tools[].function.parameters` | Type`JSON_schema` | KravValgfritt | Verdier & grenser | Standard— | | Felt`tool_choice` | Type`string\|object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`parallel_tool_calls` | Type`boolean` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`response_format` | Type`object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`reasoning_effort` | Type`string` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`reasoning` | Type`object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`service_tier` | Type`string` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`instructions` | Type`string` | KravValgfritt | Verdier & grenser Kompatibilitetsfelt | Standard— | | Felt`functions` | Type`function[]` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`function_call` | Type`string\|object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`prompt_cache_options` | Type`object` | KravValgfritt | Verdier & grenser Avhenger av modellen | Standard— | | Felt`modalities` | Type`string[]` | KravValgfritt | Verdier & grenser text | Standard— | | Felt`provider` | Type`object` | KravValgfritt | Verdier & grenser Vilkår: provider.options avvises på denne Ultra-tekstruten | Standard— | | Felt`cache_control.ttl` | Type`string` | KravValgfritt | Verdier & grenser Vilkår: 1h avvises på faktiske steder for mellomlagring av ledetekster | Standard— | Kombinasjoner av inngående materialer **Tekst** · UTF8-tekst `messages[].content` Metodeparametere og livssyklus | Parameter | Avtale | | --- | --- | | Parameter`content_type` | Avtaleapplication/json | | Parameter`required` | Avtalemodel, messages | | Parameter`material_types` | Avtaletext | | Parameter`messages` | Avtalemeldingstabell med role/content-struktur | | Parameter`file_material` | Avtalefaktisk UTF-8-dokument satt inn som bokstavelig tekst; ingen fil-ID utledes | | Parameter`optional_controls` | Avtalestream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parameter`control_scope` | Avtalemodellspesifikt; brukerens funksjonsverktøy skiller seg fra driftede verktøy | | Parameter`output_modalities` | Avtaletext | | Parameter`hosted_operations` | Avtalefalse | | Parameter`multimodal_input_binding` | Avtalenull | Livssyklus: `synchronous_or_streamed` Send eksakt modell-ID sammen med messages. Kontekstlengde er ikke en outputgrense. En tekstfil kan levere bokstavelig tekst; bilde-, lyd- og filobjektinput trenger eksakt binding. ### Priser Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden. Hurtigmodus Ikke angitt Når hurtigmodus er valgt Flex-modus Ikke angitt Når flex-modus er valgt Maksimal resonneringsinnsats Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats Priser for eksplisitt mellomlagring Ikke aktivert Når eksplisitt mellomlagring forespørres #### Ailoot-satser #### Priser etter konfigurasjon | Konfigurasjon | Prisplan | Kostnad | | --- | --- | --- | | KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener **$0.0006** / 1K tokener Utdata · Utgående tokener **$0.005** / 1K tokener Inndata · Lesing fra hurtigbuffer **$0** / 1K tokener Inndata · Skriving til hurtigbuffer **$0** / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time **—** / 1K tokener | Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. [Slik fungerer reservasjon og oppgjør →](https://ailoot.ai/docs/nb/billing/reserve/) ### Eksempelforespørsler #### Ailoot Ultra · OpenAI Chat curlPython SDKPython-strømming ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "gemini-2.5-flash-preview-09-2025", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='gemini-2.5-flash-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='gemini-2.5-flash-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Motta og lagre resultater #### Ailoot Ultra · OpenAI Chat json eller SSE ##### Behold alle ferdige resultater Behold alle fullstendige returnerte svar, filer og innholdsdeler. Behold hvert svaralternativ med innhold, verktøykall og resonnering. Sett sammen endringer i SSE etter svaralternativets/verktøyets indeks, og behold endelig avslutningsgrunn og bruksdata. ##### Hvis det opprinnelige svaret må kontrolleres Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis. Svarfelter | Felt | Type | | --- | --- | | Felt`choices[].index` | Typeinteger | | Felt`choices[].message.content` | Typestring\|null | | Felt`choices[].message.tool_calls` | Typetool\_call\[\] | | Felt`choices[].message.reasoning_content` | Typestring | | Felt`choices[].message.reasoning_details` | Typeobject\|array | | Felt`choices[].finish_reason` | Typestring\|null | | Felt`usage` | Typeobject | Feil og neste trinn | Svar | Vilkår | Neste trinn | | --- | --- | --- | | Svar400 · `invalid_request_error` | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. | ### Aliaser #### Modellaliaser **Ailoot Ultra** [`gemini-2.5-flash-preview-09-2025`](https://ailoot.ai/models/nb/#m=gemini-2.5-flash-preview-09-2025&route=Ultra&caller=gemini-2.5-flash-preview-09-2025&fmt=chat) #### Aliaser for metodestier Bruk metodestiene som vises ovenfor. #### Tilknyttede anroper-ID-er [`gemini-2.5-flash-preview-09-2025`](https://ailoot.ai/models/nb/#m=gemini-2.5-flash-preview-09-2025&route=Ultra&caller=gemini-2.5-flash-preview-09-2025&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `gemini-2.5-flash-preview-09-2025` [`gemini-2.5-flash-preview-09-2025`](https://ailoot.ai/models/nb/#m=gemini-2.5-flash-preview-09-2025&route=Ultra&caller=gemini-2.5-flash-preview-09-2025&fmt=messages) Google /`gemini-2.5-flash-preview-09-2025` ### Start Gemini 2.5 Flash Preview 09-2025 er Googles septemberutgave for multimodal analyse og arbeid med verktøy i flere steg. Den kombinerer forståelse av tekst, bilder, video og lyd med tenking, strukturerte svar og en inndatagrense på 1,048,576 tokener, med særskilte forbedringer i agentbasert verktøybruk. Godkjente inndata Tekst Resultater json · sse ### Tilgjengelig i Ailoot · inndata & metoder **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Inndatatyper `text` Utdatatyper `json`, `sse` Utdataformat JSON eller SSE | Felt | Type | Krav | Verdier & grenser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrevd | Verdier & grenser gemini-2.5-flash-preview-09-2025 | Standard— | | Felt`messages` | Type`message[]` | KravPåkrevd | Verdier & grenser | Standard— | | Felt`messages[].role` | Type`string` | KravPåkrevd | Verdier & grenser user, assistant | Standard— | | Felt`messages[].content` | Type`string` | KravPåkrevd | Verdier & grenser | Standard— | | Felt`max_tokens` | Type`integer` | KravPåkrevd | Verdier & grenser | Standard— | | Felt`stream` | Type`boolean` | KravValgfritt | Verdier & grenser | Standardfalse | Kombinasjoner av inngående materialer **Tekst** · UTF-8-tekst `messages[].content-streng` Metodeparametere og livssyklus | Parameter | Avtale | | --- | --- | | Parameter`content_type` | Avtaleapplication/json | | Parameter`required` | Avtalemodel, messages, max\_tokens | | Parameter`optional_controls` | Avtalestream | | Parameter`material_types` | Avtaletext | | Parameter`text_file_material` | AvtaleLes det faktiske UTF-8-dokumentet og legg teksten i den angitte input- eller meldingsinnholdsstrengen. | Livssyklus: `synchronous_or_streamed` ### Priser Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden. Hurtigmodus Ikke angitt Når hurtigmodus er valgt Flex-modus Ikke angitt Når flex-modus er valgt Maksimal resonneringsinnsats Ikke angitt Når justeringen «default» brukes for maksimal resonneringsinnsats Priser for eksplisitt mellomlagring Ikke aktivert Når eksplisitt mellomlagring forespørres #### Ailoot-satser #### Priser etter konfigurasjon | Konfigurasjon | Prisplan | Kostnad | | --- | --- | --- | | KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Kostnad Inndata · Inngående tokener **$0.0006** / 1K tokener Utdata · Utgående tokener **$0.005** / 1K tokener Inndata · Lesing fra hurtigbuffer **$0** / 1K tokener Inndata · Skriving til hurtigbuffer **$0** / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time **—** / 1K tokener | Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. [Slik fungerer reservasjon og oppgjør →](https://ailoot.ai/docs/nb/billing/reserve/) ### Eksempelforespørsler #### Ailoot Ultra · Anthropic Messages Komplett, minimal JSON-kroppcurl · bruk UTF-8-dokumentet dittPython · lagre hele resultatet ```json { "model": "gemini-2.5-flash-preview-09-2025", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'gemini-2.5-flash-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'gemini-2.5-flash-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### Motta og lagre resultater #### Ailoot Ultra · Anthropic Messages JSON eller SSE ##### Behold alle ferdige resultater Behold alle fullstendige returnerte svar, filer og innholdsdeler. Behold alle innholdsblokker, resonneringssignaturer og faktiske ID-er for verktøybruk. Sett sammen alle SSE-blokkendringer; den første tekstblokken er ikke hele resultatet. ##### Hvis det opprinnelige svaret må kontrolleres Behold forespørsels-/svar-ID-er og headere. Ingen generell URL for henting av tekstjobber oppgis. Svarfelter | Felt | Type | | --- | --- | | Felt`id` | Typestring | | Felt`model` | Typestring | | Felt`content[]` | Typetext\|thinking\|tool\_use\|other content block | | Felt`stop_reason` | Typestring\|null | | Felt`usage` | Typeobject | Feil og neste trinn | Svar | Vilkår | Neste trinn | | --- | --- | --- | | Svar400 · `invalid_request_error` | VilkårUgyldige påkrevde felter, materialrepresentasjon eller parameterverdi | Neste trinnKorriger de angitte feltene før en ny opprettelsesforespørsel. | ### Aliaser #### Modellaliaser **Ailoot Ultra** [`gemini-2.5-flash-preview-09-2025`](https://ailoot.ai/models/nb/#m=gemini-2.5-flash-preview-09-2025&route=Ultra&caller=gemini-2.5-flash-preview-09-2025&fmt=messages) #### Aliaser for metodestier Bruk metodestiene som vises ovenfor. #### Tilknyttede anroper-ID-er [`gemini-2.5-flash-preview-09-2025`](https://ailoot.ai/models/nb/#m=gemini-2.5-flash-preview-09-2025&route=Ultra&caller=gemini-2.5-flash-preview-09-2025&fmt=messages) FAQ · gemini-2.5-flash-preview-09-2025 Hvilke inndata og resultater er tilgjengelige? `POST /v1/chat/completions` · `gemini-2.5-flash-preview-09-2025`: `text` → `text` `POST /v1/messages` · `gemini-2.5-flash-preview-09-2025`: `text` → `json`, `sse` Hvilke felt bruker forespørselen? `POST /v1/chat/completions` · `gemini-2.5-flash-preview-09-2025`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `gemini-2.5-flash-preview-09-2025`: `model`, `messages`, `max_tokens`, `stream` Hvilke grenser gjelder? `POST /v1/chat/completions` · `gemini-2.5-flash-preview-09-2025`: `messages.min_items`: `1` Koble Ailoot til Claude Code, OpenCode, Hermes eller egen applikasjon. ## Selskapet og dets prosjektportefølje Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. ## Kjøp tokener med rabatt. Abonnementsrabatt for jevnlig bruk. Kampanjekoder gir opptil 50% på tokenkjøp. Abonnement Velg et rabattabonnement for faste forespørsler. Kampanjekode opptil 50% Oppgi kode ved kjøp. Prisen beregnes på nytt etter gjeldende kampanje. Kostnader i historikken Modell, tokener og beløp lagres for hver forespørsel. [Velg abonnement](https://ailoot.ai/docs/nb/billing/subscriptions/) · [Se modellpriser](https://ailoot.ai/models/nb/) ## Koble API-et til produktet du selger. SaaS, apper og boter etter Ailoots offentlige tilbud og lisensavtale. Be om forhandlerlisens for videresalg. Kommersiell applikasjon Bygg tekst-, bilde-, video- og lydgenerering inn i betalte funksjoner i tjenesten. Forhandlerlisens Send prosjektbeskrivelse og tilgangsopplegg. Be om skriftlige vilkår for bruk og videresalg. Dokumenter på nettstedet Offentlig tilbud, lisensavtale og retningslinjer for databehandling er tilgjengelige før tilkobling. [Be om forhandlerlisens](mailto:support@ailoot.ai) · [Offentlig tilbud og lisensavtale](https://ailoot.ai/legal/offer?lang=nb) ## Ailoot · Selskapet og dets prosjektportefølje Ailoot bygger på etablert driftserfaring, en stor kundebase, stabil tjeneste og løpende KPI-kontroll. Selskapet og dets prosjektportefølje: millioner av kunder; månedlig salg for milliarder. Ailoot bruker denne driftserfaringen til API-tilgang til AI-funksjoner i kundenes produkter, agenter, applikasjoner og automatiseringer.