Gemini 2.5 Flash er Googles stabile hybride resonneringsprofil for allsidig multimodalt arbeid og agentbasert verktøybruk. Den tilbyr svar med og uten tenking for multimodale oppgaver i stor skala som trenger ulike nivåer av resonnering. Tekst, bilder, lyd og video bidrar til et tekstsvar. Dokumentinndata beskrives også i Googles modellspesifikke skyprofil. Et nyttig resultat kan være en dokumentsammenligning, en tolket graf, en transkripsjon, kode eller en strukturert oppføring.
Resonneringskontrollen i denne utgaven bruker thinkingBudget. Dynamisk tenking er standarden; innstillingen -1 lar modellen tilpasse resonneringen til oppgavens kompleksitet. Et eksplisitt budsjett kan gå fra null til 24,576 tokener, og null slår tenking av. Velg et budsjett som passer til det faktiske problemet i stedet for å gi samme innsats til enkel kategorisering og en analyse med flere betingelser. Veiledningen behandler budsjettet som veiledende, og det underliggende modellkortet bemerker at det ikke nødvendigvis følges nøyaktig.
Ved en dokument- eller dataoppgave bør du definere spørsmålet, obligatoriske felt og underlaget som skal følge resultatet. Ved en kravsammenligning kan du sammenligne to spesifikasjoner og returnere det endrede kravet, kildeavsnittet og virkningen på en angitt arbeidsflyt. Strukturerte utdata er nyttige når hvert funn skal ha samme oppføringsstruktur. Hvis kilden gir flere mulige verdier eller lar et felt stå åpent, bør du bevare denne usikkerheten i stedet for å tvinge frem ett plausibelt svar. Kontroller returnerte verdier mot de innsendte sidene eller dataene.
For visuelt materiale eller lyd bør du angi den relevante gjenstanden, etiketten, hendelsen eller passasjen i opptaket. Be om den typen tekst som trengs: synlige verdier fra en graf, en hendelsesbeskrivelse, en transkripsjon eller en oppsummering. Dette er forskjellige leveranser, og instruksjonen bør si hvilken som skal produseres. Det felles underliggende modellkortet omfatter Flash Image og Flash Audio som særskilt navngitte egenskaper; deres genererte bilde- og taleutdata er ikke del av denne stabile tekstprofilen.
Googles konkrete skyprofil dokumenterer PDF- og rentekstinndata med grensesnittspesifikke grenser: 50 MB per PDF importert gjennom API-et og opptil 3,000 sider per fil, med en filgrense på 7 MB for ren tekst. Profilen beskriver også omtrent 45 minutter video med lyd eller én time uten lyd, og omtrent 8.4 timer lyd innenfor inndatarammen på én million tokener. Dette er de oppgitte begrensningene i skygrensesnittet, atskilt fra modellens generelle tokenvindu. Klargjør den relevante delen og kildeformatet i stedet for å anta at alle filtyper eller opplastingsmåter har samme grense.
Den konkrete Gemini API-tabellen oppgir funksjonskall, kodekjøring, filsøk, søkeforankring, Maps-forankring, URL-kontekst og strukturerte utdata. Definer rollen og parameterstrukturen til hver funksjon, og fortsett fra det faktiske returnerte resultatet. Modellen kan be om en operasjon, mens den tilkoblede applikasjonen utfører den. Bevar nødvendig kontekst for tankesignaturer når du fortsetter en resonneringsoppgave i grensesnittet uten tilstand. Et strukturert svar eller et funksjonsforslag fastslår ikke i seg selv at en ekstern operasjon lyktes.
Det underliggende modellkortet oppgir en kontekst på 1M og tekstutdata på 64K, mens den konkrete API-tabellen angir 1,048,576 inndatatokener og 65,536 utdatatokener. En svargrense inkluderer tenketokener, så en for liten grense kan føre til et avkortet eller tomt sluttsvar. Be om en leveranse som passer innenfor utdatarammen, og bruk resonneringsbudsjettet til å styre innsatsen. Hurtigbufring samt behandling med batch, Flex og Priority er dokumentert for denne produsentprofilen. Bevar elementidentifikatorer når du klargjør flere uavhengige oppføringer.
Den stabile utgaven holdes atskilt fra Flash Preview-varianter og senere Gemini 3-modeller. Kortet oppgir mulige hallusinasjoner, begrensninger i årsaksforståelse og kompleks logisk eller kontrafaktisk resonnering, samt en kunnskapsgrense i januar 2025. Tilfør ferske kilder når en oppgave avhenger av nyere informasjon. Kontroller beregninger, uthentede verdier, transkripsjoner og kodeforslag mot den faktiske kilden eller kjøreresultatet. Hybrid tenking er nyttig når den støtter dette konkrete resultatet, fremfor å bli en erstatning for gjennomgang.
", "aboutText": "Gemini 2.5 Flash er Googles stabile hybride resonneringsprofil for allsidig multimodalt arbeid og agentbasert verktøybruk. Den tilbyr svar med og uten tenking for multimodale oppgaver i stor skala som trenger ulike nivåer av resonnering. Tekst, bilder, lyd og video bidrar til et tekstsvar. Dokumentinndata beskrives også i Googles modellspesifikke skyprofil. Et nyttig resultat kan være en dokumentsammenligning, en tolket graf, en transkripsjon, kode eller en strukturert oppføring.\n\nResonneringskontrollen i denne utgaven bruker thinkingBudget. Dynamisk tenking er standarden; innstillingen -1 lar modellen tilpasse resonneringen til oppgavens kompleksitet. Et eksplisitt budsjett kan gå fra null til 24,576 tokener, og null slår tenking av. Velg et budsjett som passer til det faktiske problemet i stedet for å gi samme innsats til enkel kategorisering og en analyse med flere betingelser. Veiledningen behandler budsjettet som veiledende, og det underliggende modellkortet bemerker at det ikke nødvendigvis følges nøyaktig.\n\nVed en dokument- eller dataoppgave bør du definere spørsmålet, obligatoriske felt og underlaget som skal følge resultatet. Ved en kravsammenligning kan du sammenligne to spesifikasjoner og returnere det endrede kravet, kildeavsnittet og virkningen på en angitt arbeidsflyt. Strukturerte utdata er nyttige når hvert funn skal ha samme oppføringsstruktur. Hvis kilden gir flere mulige verdier eller lar et felt stå åpent, bør du bevare denne usikkerheten i stedet for å tvinge frem ett plausibelt svar. Kontroller returnerte verdier mot de innsendte sidene eller dataene.\n\nFor visuelt materiale eller lyd bør du angi den relevante gjenstanden, etiketten, hendelsen eller passasjen i opptaket. Be om den typen tekst som trengs: synlige verdier fra en graf, en hendelsesbeskrivelse, en transkripsjon eller en oppsummering. Dette er forskjellige leveranser, og instruksjonen bør si hvilken som skal produseres. Det felles underliggende modellkortet omfatter Flash Image og Flash Audio som særskilt navngitte egenskaper; deres genererte bilde- og taleutdata er ikke del av denne stabile tekstprofilen.\n\nGoogles konkrete skyprofil dokumenterer PDF- og rentekstinndata med grensesnittspesifikke grenser: 50 MB per PDF importert gjennom API-et og opptil 3,000 sider per fil, med en filgrense på 7 MB for ren tekst. Profilen beskriver også omtrent 45 minutter video med lyd eller én time uten lyd, og omtrent 8.4 timer lyd innenfor inndatarammen på én million tokener. Dette er de oppgitte begrensningene i skygrensesnittet, atskilt fra modellens generelle tokenvindu. Klargjør den relevante delen og kildeformatet i stedet for å anta at alle filtyper eller opplastingsmåter har samme grense.\n\nDen konkrete Gemini API-tabellen oppgir funksjonskall, kodekjøring, filsøk, søkeforankring, Maps-forankring, URL-kontekst og strukturerte utdata. Definer rollen og parameterstrukturen til hver funksjon, og fortsett fra det faktiske returnerte resultatet. Modellen kan be om en operasjon, mens den tilkoblede applikasjonen utfører den. Bevar nødvendig kontekst for tankesignaturer når du fortsetter en resonneringsoppgave i grensesnittet uten tilstand. Et strukturert svar eller et funksjonsforslag fastslår ikke i seg selv at en ekstern operasjon lyktes.\n\nDet underliggende modellkortet oppgir en kontekst på 1M og tekstutdata på 64K, mens den konkrete API-tabellen angir 1,048,576 inndatatokener og 65,536 utdatatokener. En svargrense inkluderer tenketokener, så en for liten grense kan føre til et avkortet eller tomt sluttsvar. Be om en leveranse som passer innenfor utdatarammen, og bruk resonneringsbudsjettet til å styre innsatsen. Hurtigbufring samt behandling med batch, Flex og Priority er dokumentert for denne produsentprofilen. Bevar elementidentifikatorer når du klargjør flere uavhengige oppføringer.\n\nDen stabile utgaven holdes atskilt fra Flash Preview-varianter og senere Gemini 3-modeller. Kortet oppgir mulige hallusinasjoner, begrensninger i årsaksforståelse og kompleks logisk eller kontrafaktisk resonnering, samt en kunnskapsgrense i januar 2025. Tilfør ferske kilder når en oppgave avhenger av nyere informasjon. Kontroller beregninger, uthentede verdier, transkripsjoner og kodeforslag mot den faktiske kilden eller kjøreresultatet. Hybrid tenking er nyttig når den støtter dette konkrete resultatet, fremfor å bli en erstatning for gjennomgang.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "5be7317036be311a15836370b1d6cfef0b582996f7663c69118f368e29c98e03", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nb", "methods": [ { "html": "google/gemini-2.5-flash:batchGemini 2.5 Flash er Googles stabile hybride resonneringsmodell for multimodal analyse og agentoppgaver. Det dynamiske tenkebudsjettet kan settes fra 0 til 24,576 tokener og inkluderer en avslått modus. Tekst, bilder, lyd, video og dokumenter blir til tekst eller strukturerte resultater, med en dokumentert inndatagrense på 1,048,576 tokener.
Denne beskrivelsen dekker modellens funksjoner. Tilgjengelige inndata, utdata og alternativer i Ailoot er oppført nedenfor for den valgte metoden.
Gemini 2.5 Flash er Googles stabile hybride resonneringsprofil for allsidig multimodalt arbeid og agentbasert verktøybruk. Den tilbyr svar med og uten tenking for multimodale oppgaver i stor skala som trenger ulike nivåer av resonnering. Tekst, bilder, lyd og video bidrar til et tekstsvar. Dokumentinndata beskrives også i Googles modellspesifikke skyprofil. Et nyttig resultat kan være en dokumentsammenligning, en tolket graf, en transkripsjon, kode eller en strukturert oppføring.
Resonneringskontrollen i denne utgaven bruker thinkingBudget. Dynamisk tenking er standarden; innstillingen -1 lar modellen tilpasse resonneringen til oppgavens kompleksitet. Et eksplisitt budsjett kan gå fra null til 24,576 tokener, og null slår tenking av. Velg et budsjett som passer til det faktiske problemet i stedet for å gi samme innsats til enkel kategorisering og en analyse med flere betingelser. Veiledningen behandler budsjettet som veiledende, og det underliggende modellkortet bemerker at det ikke nødvendigvis følges nøyaktig.
Ved en dokument- eller dataoppgave bør du definere spørsmålet, obligatoriske felt og underlaget som skal følge resultatet. Ved en kravsammenligning kan du sammenligne to spesifikasjoner og returnere det endrede kravet, kildeavsnittet og virkningen på en angitt arbeidsflyt. Strukturerte utdata er nyttige når hvert funn skal ha samme oppføringsstruktur. Hvis kilden gir flere mulige verdier eller lar et felt stå åpent, bør du bevare denne usikkerheten i stedet for å tvinge frem ett plausibelt svar. Kontroller returnerte verdier mot de innsendte sidene eller dataene.
For visuelt materiale eller lyd bør du angi den relevante gjenstanden, etiketten, hendelsen eller passasjen i opptaket. Be om den typen tekst som trengs: synlige verdier fra en graf, en hendelsesbeskrivelse, en transkripsjon eller en oppsummering. Dette er forskjellige leveranser, og instruksjonen bør si hvilken som skal produseres. Det felles underliggende modellkortet omfatter Flash Image og Flash Audio som særskilt navngitte egenskaper; deres genererte bilde- og taleutdata er ikke del av denne stabile tekstprofilen.
Googles konkrete skyprofil dokumenterer PDF- og rentekstinndata med grensesnittspesifikke grenser: 50 MB per PDF importert gjennom API-et og opptil 3,000 sider per fil, med en filgrense på 7 MB for ren tekst. Profilen beskriver også omtrent 45 minutter video med lyd eller én time uten lyd, og omtrent 8.4 timer lyd innenfor inndatarammen på én million tokener. Dette er de oppgitte begrensningene i skygrensesnittet, atskilt fra modellens generelle tokenvindu. Klargjør den relevante delen og kildeformatet i stedet for å anta at alle filtyper eller opplastingsmåter har samme grense.
Den konkrete Gemini API-tabellen oppgir funksjonskall, kodekjøring, filsøk, søkeforankring, Maps-forankring, URL-kontekst og strukturerte utdata. Definer rollen og parameterstrukturen til hver funksjon, og fortsett fra det faktiske returnerte resultatet. Modellen kan be om en operasjon, mens den tilkoblede applikasjonen utfører den. Bevar nødvendig kontekst for tankesignaturer når du fortsetter en resonneringsoppgave i grensesnittet uten tilstand. Et strukturert svar eller et funksjonsforslag fastslår ikke i seg selv at en ekstern operasjon lyktes.
Det underliggende modellkortet oppgir en kontekst på 1M og tekstutdata på 64K, mens den konkrete API-tabellen angir 1,048,576 inndatatokener og 65,536 utdatatokener. En svargrense inkluderer tenketokener, så en for liten grense kan føre til et avkortet eller tomt sluttsvar. Be om en leveranse som passer innenfor utdatarammen, og bruk resonneringsbudsjettet til å styre innsatsen. Hurtigbufring samt behandling med batch, Flex og Priority er dokumentert for denne produsentprofilen. Bevar elementidentifikatorer når du klargjør flere uavhengige oppføringer.
Den stabile utgaven holdes atskilt fra Flash Preview-varianter og senere Gemini 3-modeller. Kortet oppgir mulige hallusinasjoner, begrensninger i årsaksforståelse og kompleks logisk eller kontrafaktisk resonnering, samt en kunnskapsgrense i januar 2025. Tilfør ferske kilder når en oppgave avhenger av nyere informasjon. Kontroller beregninger, uthentede verdier, transkripsjoner og kodeforslag mot den faktiske kilden eller kjøreresultatet. Hybrid tenking er nyttig når den støtter dette konkrete resultatet, fremfor å bli en erstatning for gjennomgang.
POST /v1/batchestexttext| Felt | Type | Krav | Verdier & grenser | Standard |
|---|---|---|---|---|
Feltendpoint | Typestring | KravPåkrevd | Verdier & grenser /v1/chat/completions | Standard— |
Feltmodel | Typestring | KravPåkrevd | Verdier & grenser google/gemini-2.5-flash:batch | Standard— |
Feltrequests | Typebatch_item[] | KravPåkrevd | Verdier & grenser Minste antall elementer: 1 | Standard— |
Feltrequests[].custom_id | Typestring | KravPåkrevd | Verdier & grenser | Standard— |
Feltrequests[].body.messages | Typemessage[] | KravPåkrevd | Verdier & grenser | Standard— |
Feltcompletion_window | Typestring | KravValgfritt | Verdier & grenser 24h | Standard— |
Feltprovider | Typeobject|null | KravValgfritt | Verdier & grenser | Standard— |
| Parameter | Avtale |
|---|---|
Parametercontent_type | Avtaleapplication/json |
Parameterrequired | Avtaleendpoint, model, requests |
Parametermaterial_types | Avtaletext |
Parameterrepresentation | Avtalerequests[] direkte i forespørselen; hvert element har custom_id og body |
Parameterrequest_endpoint_profile | Avtale/v1/chat/completions |
Parameterfile_material | AvtaleKlienten kan lese det faktiske UTF-8-kodede JSONL-innholdet lokalt inn i requests[]. Feltet purpose for opplasting, input_file_id og filreferanser brukes ikke. Manglende eller tomt kundemateriale stopper klargjøringen før POST. |
Parameterserialization_order | Avtaleendpoint, model, provider (hvis angitt), completion_window (hvis angitt), requests til slutt |
Parameteroptional_controls | Avtaleprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | AvtaleForespørselsinnhold for tekstbasert Chat Completions lagt direkte inn i det dokumenterte Batch-formatet. |
Livssyklus: asynchronous
GET /v1/batches/{operation_id} · faktisk response.id fra den opprinnelige opprettelsen; samme bruker/nøkkel/gruppe
Tariffopplysninger legger ikke til forespørselsvalg. Støttede parametere står ved den valgte metoden.
Knytt hver kostnad til de viste vilkårene. Bruk én sats for hvert sett med alternative konfigurasjoner.
| Konfigurasjon | Prisplan | Konteksttokener, mer enn | Konteksttokener, opptil og med | Kostnad |
|---|---|---|---|---|
| KonfigurasjonGrunnpriser for tokener | PrisplanGrunnsats | Konteksttokener, mer enn— | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0003 / 1K tokener Utdata · Utgående tokener $0.0025 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00006 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
| KonfigurasjonNivå 1 for forespørselslengde | Prisplan— | Konteksttokener, mer enn0 | Konteksttokener, opptil og medIngen øvre grense | Kostnad Inndata · Inngående tokener $0.0003 / 1K tokener Utdata · Utgående tokener $0.0025 / 1K tokener Inndata · Lesing fra hurtigbuffer $0.00006 / 1K tokener Inndata · Skriving til hurtigbuffer — / 1K tokener Inndata · Skriving til hurtigbuffer, 1 time — / 1K tokener |
Ailoot reserverer et estimert beløp før en forespørsel. Etter resultatet gjøres det endelige beløpet opp basert på målt forbruk. Oppgjør for strømming bruker den endelige forbruksposten. Slik fungerer reservasjon og oppgjør →
set -eu\n: "${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-flash: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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-2.5-flash:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nJSON fra results[].response.body direkte i svaret
GET /v1/batches/{operation_id}set -eu\n: "${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\nBehold alle fullstendige returnerte svar, filer og innholdsdeler.
Behold hvert resultat, hele svar- eller feilkroppen, hvert svaralternativ og samlet forbruk.
Bevar den opprinnelige operasjons-ID-en. 503 result_pending_check har X-Should-Retry:false; send aldri den opprinnelige batchen på nytt når utfallet er ukjent.
| Felt | Type |
|---|---|
Feltresults[].custom_id | Typestring |
Feltresults[].response.body.choices[].message.content | Typestring|null |
Feltresults[].error | Typeobject|null |
Feltusage | Typeobject|null |
Ailoot Ultra google/gemini-2.5-flash:batch
Bruk metodestiene som vises ovenfor.