Gemini 2.5 Flash is Googles stabiele hybride redeneerprofiel voor veelzijdig multimodaal werk en toolgebruik door agents. Het biedt antwoorden met en zonder denken voor grootschalige multimodale taken die verschillende redeneerniveaus vereisen. Tekst, afbeeldingen, audio en video dragen bij aan een tekstantwoord. Documentinvoer wordt ook beschreven in Googles modelspecifieke cloudprofiel. Een bruikbaar resultaat kan een documentvergelijking, een geïnterpreteerde grafiek, een transcript, code of een gestructureerd record zijn.
De redeneersturing van deze editie gebruikt thinkingBudget. Dynamisch denken is de standaard; met de instelling -1 kan het model zijn redeneren aanpassen aan de complexiteit van de taak. Een expliciet budget kan variëren van nul tot 24.576 tokens; nul schakelt het denken uit. Kies een budget dat bij het werkelijke probleem past, in plaats van dezelfde inspanning toe te wijzen aan een eenvoudige categorisering en een analyse met meerdere voorwaarden. De gids behandelt het budget als richtlijn; de native kaart merkt op dat het niet altijd exact wordt gevolgd.
Definieer bij een document- of datataak de vraag, de vereiste velden en de onderbouwing die het resultaat moet begeleiden. Vergelijk voor een eisenvergelijking twee specificaties en geef de gewijzigde eis, de bronpassage en het effect op een beschreven workflow terug. Gestructureerde uitvoer is nuttig wanneer elke bevinding dezelfde recordvorm nodig heeft. Behoud de onzekerheid als de bron meerdere mogelijke waarden noemt of een veld openlaat, in plaats van één aannemelijk antwoord af te dwingen. Vergelijk teruggegeven waarden met de aangeleverde pagina's of gegevens.
Benoem bij beeld- of audiomateriaal het relevante object, label, de gebeurtenis of passage in de opname. Vraag om het benodigde soort tekst: zichtbare waarden uit een grafiek, een gebeurtenisbeschrijving, een transcript of een samenvatting. Dit zijn verschillende resultaten; de instructie moet aangeven welk resultaat moet worden geproduceerd. De gedeelde native kaart bevat Flash Image en Flash Audio als afzonderlijk benoemde mogelijkheden; hun gegenereerde beelden en spraakuitvoer behoren niet tot dit stabiele tekstprofiel.
Googles specifieke cloudprofiel documenteert PDF- en plattetekstinvoer met interfacegebonden limieten: 50 MB per via de API geïmporteerde PDF en maximaal 3.000 pagina's per bestand, met een bestandslimiet van 7 MB voor platte tekst. Dat profiel beschrijft ook ongeveer 45 minuten video met audio of één uur zonder audio, en ongeveer 8,4 uur audio binnen het invoerbudget van een miljoen tokens. Dit zijn de vermelde beperkingen van de cloudinterface, los van het algemene tokenvenster van het model. Bereid het relevante gedeelte en bronformaat voor, in plaats van aan te nemen dat elk bestandstype of uploadpad dezelfde limiet heeft.
De modelspecifieke Gemini API-tabel vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer de rol en parameterstructuur van elke functie en ga verder op basis van het werkelijk teruggegeven resultaat. Een model kan een bewerking aanvragen, terwijl de aangesloten toepassing die uitvoert. Behoud de noodzakelijke thought-signature-context wanneer je een redeneertaak in de interface zonder status voortzet. Een gestructureerd antwoord of functievoorstel bewijst op zichzelf niet dat een externe bewerking is geslaagd.
De native modelkaart vermeldt 1M context en 64K tekstuitvoer, terwijl de modelspecifieke API-tabel 1.048.576 invoertokens en 65.536 uitvoertokens specificeert. Een antwoordlimiet omvat denktokens; een te kleine limiet kan het eindantwoord afbreken of leeg laten. Vraag om een resultaat dat binnen de uitvoerruimte past en gebruik het redeneerbudget om de inspanning te sturen. Caching, batch, Flex en Priority-verwerking zijn voor dit makerprofiel gedocumenteerd. Behoud itemidentifiers bij het voorbereiden van meerdere onafhankelijke records.
De stabiele editie blijft onderscheiden van Flash Preview-varianten en latere Gemini 3-modellen. De kaart noemt mogelijke hallucinaties, beperkingen in causaal begrip en complex logisch of contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing als een taak van nieuwere informatie afhangt. Controleer berekeningen, geëxtraheerde waarden, transcripten en voorgestelde code aan de hand van de werkelijke bron of het uitvoeringsresultaat. Hybride denken is nuttig wanneer het dat concrete resultaat ondersteunt en de beoordeling ervan niet vervangt.
", "aboutText": "Gemini 2.5 Flash is Googles stabiele hybride redeneerprofiel voor veelzijdig multimodaal werk en toolgebruik door agents. Het biedt antwoorden met en zonder denken voor grootschalige multimodale taken die verschillende redeneerniveaus vereisen. Tekst, afbeeldingen, audio en video dragen bij aan een tekstantwoord. Documentinvoer wordt ook beschreven in Googles modelspecifieke cloudprofiel. Een bruikbaar resultaat kan een documentvergelijking, een geïnterpreteerde grafiek, een transcript, code of een gestructureerd record zijn.\n\nDe redeneersturing van deze editie gebruikt thinkingBudget. Dynamisch denken is de standaard; met de instelling -1 kan het model zijn redeneren aanpassen aan de complexiteit van de taak. Een expliciet budget kan variëren van nul tot 24.576 tokens; nul schakelt het denken uit. Kies een budget dat bij het werkelijke probleem past, in plaats van dezelfde inspanning toe te wijzen aan een eenvoudige categorisering en een analyse met meerdere voorwaarden. De gids behandelt het budget als richtlijn; de native kaart merkt op dat het niet altijd exact wordt gevolgd.\n\nDefinieer bij een document- of datataak de vraag, de vereiste velden en de onderbouwing die het resultaat moet begeleiden. Vergelijk voor een eisenvergelijking twee specificaties en geef de gewijzigde eis, de bronpassage en het effect op een beschreven workflow terug. Gestructureerde uitvoer is nuttig wanneer elke bevinding dezelfde recordvorm nodig heeft. Behoud de onzekerheid als de bron meerdere mogelijke waarden noemt of een veld openlaat, in plaats van één aannemelijk antwoord af te dwingen. Vergelijk teruggegeven waarden met de aangeleverde pagina's of gegevens.\n\nBenoem bij beeld- of audiomateriaal het relevante object, label, de gebeurtenis of passage in de opname. Vraag om het benodigde soort tekst: zichtbare waarden uit een grafiek, een gebeurtenisbeschrijving, een transcript of een samenvatting. Dit zijn verschillende resultaten; de instructie moet aangeven welk resultaat moet worden geproduceerd. De gedeelde native kaart bevat Flash Image en Flash Audio als afzonderlijk benoemde mogelijkheden; hun gegenereerde beelden en spraakuitvoer behoren niet tot dit stabiele tekstprofiel.\n\nGoogles specifieke cloudprofiel documenteert PDF- en plattetekstinvoer met interfacegebonden limieten: 50 MB per via de API geïmporteerde PDF en maximaal 3.000 pagina's per bestand, met een bestandslimiet van 7 MB voor platte tekst. Dat profiel beschrijft ook ongeveer 45 minuten video met audio of één uur zonder audio, en ongeveer 8,4 uur audio binnen het invoerbudget van een miljoen tokens. Dit zijn de vermelde beperkingen van de cloudinterface, los van het algemene tokenvenster van het model. Bereid het relevante gedeelte en bronformaat voor, in plaats van aan te nemen dat elk bestandstype of uploadpad dezelfde limiet heeft.\n\nDe modelspecifieke Gemini API-tabel vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer de rol en parameterstructuur van elke functie en ga verder op basis van het werkelijk teruggegeven resultaat. Een model kan een bewerking aanvragen, terwijl de aangesloten toepassing die uitvoert. Behoud de noodzakelijke thought-signature-context wanneer je een redeneertaak in de interface zonder status voortzet. Een gestructureerd antwoord of functievoorstel bewijst op zichzelf niet dat een externe bewerking is geslaagd.\n\nDe native modelkaart vermeldt 1M context en 64K tekstuitvoer, terwijl de modelspecifieke API-tabel 1.048.576 invoertokens en 65.536 uitvoertokens specificeert. Een antwoordlimiet omvat denktokens; een te kleine limiet kan het eindantwoord afbreken of leeg laten. Vraag om een resultaat dat binnen de uitvoerruimte past en gebruik het redeneerbudget om de inspanning te sturen. Caching, batch, Flex en Priority-verwerking zijn voor dit makerprofiel gedocumenteerd. Behoud itemidentifiers bij het voorbereiden van meerdere onafhankelijke records.\n\nDe stabiele editie blijft onderscheiden van Flash Preview-varianten en latere Gemini 3-modellen. De kaart noemt mogelijke hallucinaties, beperkingen in causaal begrip en complex logisch of contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing als een taak van nieuwere informatie afhangt. Controleer berekeningen, geëxtraheerde waarden, transcripten en voorgestelde code aan de hand van de werkelijke bron of het uitvoeringsresultaat. Hybride denken is nuttig wanneer het dat concrete resultaat ondersteunt en de beoordeling ervan niet vervangt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
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 is Googles stabiele hybride redeneermodel voor multimodale analyse en agenttaken. Het dynamische denkbudget kan worden ingesteld van 0 tot 24.576 tokens, inclusief uitschakeling. Tekst, afbeeldingen, audio, video en documenten worden tekst of gestructureerde resultaten, met een gedocumenteerde invoerlimiet van 1.048.576 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 2.5 Flash is Googles stabiele hybride redeneerprofiel voor veelzijdig multimodaal werk en toolgebruik door agents. Het biedt antwoorden met en zonder denken voor grootschalige multimodale taken die verschillende redeneerniveaus vereisen. Tekst, afbeeldingen, audio en video dragen bij aan een tekstantwoord. Documentinvoer wordt ook beschreven in Googles modelspecifieke cloudprofiel. Een bruikbaar resultaat kan een documentvergelijking, een geïnterpreteerde grafiek, een transcript, code of een gestructureerd record zijn.
De redeneersturing van deze editie gebruikt thinkingBudget. Dynamisch denken is de standaard; met de instelling -1 kan het model zijn redeneren aanpassen aan de complexiteit van de taak. Een expliciet budget kan variëren van nul tot 24.576 tokens; nul schakelt het denken uit. Kies een budget dat bij het werkelijke probleem past, in plaats van dezelfde inspanning toe te wijzen aan een eenvoudige categorisering en een analyse met meerdere voorwaarden. De gids behandelt het budget als richtlijn; de native kaart merkt op dat het niet altijd exact wordt gevolgd.
Definieer bij een document- of datataak de vraag, de vereiste velden en de onderbouwing die het resultaat moet begeleiden. Vergelijk voor een eisenvergelijking twee specificaties en geef de gewijzigde eis, de bronpassage en het effect op een beschreven workflow terug. Gestructureerde uitvoer is nuttig wanneer elke bevinding dezelfde recordvorm nodig heeft. Behoud de onzekerheid als de bron meerdere mogelijke waarden noemt of een veld openlaat, in plaats van één aannemelijk antwoord af te dwingen. Vergelijk teruggegeven waarden met de aangeleverde pagina's of gegevens.
Benoem bij beeld- of audiomateriaal het relevante object, label, de gebeurtenis of passage in de opname. Vraag om het benodigde soort tekst: zichtbare waarden uit een grafiek, een gebeurtenisbeschrijving, een transcript of een samenvatting. Dit zijn verschillende resultaten; de instructie moet aangeven welk resultaat moet worden geproduceerd. De gedeelde native kaart bevat Flash Image en Flash Audio als afzonderlijk benoemde mogelijkheden; hun gegenereerde beelden en spraakuitvoer behoren niet tot dit stabiele tekstprofiel.
Googles specifieke cloudprofiel documenteert PDF- en plattetekstinvoer met interfacegebonden limieten: 50 MB per via de API geïmporteerde PDF en maximaal 3.000 pagina's per bestand, met een bestandslimiet van 7 MB voor platte tekst. Dat profiel beschrijft ook ongeveer 45 minuten video met audio of één uur zonder audio, en ongeveer 8,4 uur audio binnen het invoerbudget van een miljoen tokens. Dit zijn de vermelde beperkingen van de cloudinterface, los van het algemene tokenvenster van het model. Bereid het relevante gedeelte en bronformaat voor, in plaats van aan te nemen dat elk bestandstype of uploadpad dezelfde limiet heeft.
De modelspecifieke Gemini API-tabel vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer de rol en parameterstructuur van elke functie en ga verder op basis van het werkelijk teruggegeven resultaat. Een model kan een bewerking aanvragen, terwijl de aangesloten toepassing die uitvoert. Behoud de noodzakelijke thought-signature-context wanneer je een redeneertaak in de interface zonder status voortzet. Een gestructureerd antwoord of functievoorstel bewijst op zichzelf niet dat een externe bewerking is geslaagd.
De native modelkaart vermeldt 1M context en 64K tekstuitvoer, terwijl de modelspecifieke API-tabel 1.048.576 invoertokens en 65.536 uitvoertokens specificeert. Een antwoordlimiet omvat denktokens; een te kleine limiet kan het eindantwoord afbreken of leeg laten. Vraag om een resultaat dat binnen de uitvoerruimte past en gebruik het redeneerbudget om de inspanning te sturen. Caching, batch, Flex en Priority-verwerking zijn voor dit makerprofiel gedocumenteerd. Behoud itemidentifiers bij het voorbereiden van meerdere onafhankelijke records.
De stabiele editie blijft onderscheiden van Flash Preview-varianten en latere Gemini 3-modellen. De kaart noemt mogelijke hallucinaties, beperkingen in causaal begrip en complex logisch of contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing als een taak van nieuwere informatie afhangt. Controleer berekeningen, geëxtraheerde waarden, transcripten en voorgestelde code aan de hand van de werkelijke bron of het uitvoeringsresultaat. Hybride denken is nuttig wanneer het dat concrete resultaat ondersteunt en de beoordeling ervan niet vervangt.
POST /v1/messagestext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring|content_block[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldsystem | Typestring|content_block[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten Minimum: 1 Limiet geldt voor: exacte bovengrens van het gekozen model/de gekozen modelkaart | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop_sequences | Typestring[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typetool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].name | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: tool opgegeven | Standaard— |
Veldtools[].description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].input_schema | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldthinking.type | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldthinking.budget_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldoutput_config.effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmetadata | Typeobject | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldcache_control | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Tekst · UTF8-tekst
messages[].content of een blok met type=text
Tekst + afbeelding
{type:image,source:{type:base64,media_type,data}} of bron met type=url
| Parameter | Contract |
|---|---|
Parametermaterial_types | Contracttext, image |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractnull |
Parametercontent_type | Contractapplication/json |
Parametertext_file_material | Contractwerkelijke UTF-8-inhoud ingevoegd als tekst; bestands-ID’s/URLs vereisen afzonderlijke exacte ondersteuning |
Levenscyclus: exact retained published method
De methodestructuren en ID’s zijn exact; de mogelijkheden van de leverancier staan los van toelating.
POST /v1/messagesAiloot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
Referentiestaffels op modelniveau veranderen de methodeselectie, kostenramingen of afschrijvingen niet. Voor de actieve kostenberekening gelden de tarieven van de geselecteerde Ailoot-methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieOpenAI Chat · Basistarieven per token | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieOpenAI Chat · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Basistarieven per token | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
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 is Googles stabiele hybride redeneermodel voor multimodale analyse en agenttaken. Het dynamische denkbudget kan worden ingesteld van 0 tot 24.576 tokens, inclusief uitschakeling. Tekst, afbeeldingen, audio, video en documenten worden tekst of gestructureerde resultaten, met een gedocumenteerde invoerlimiet van 1.048.576 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 2.5 Flash is Googles stabiele hybride redeneerprofiel voor veelzijdig multimodaal werk en toolgebruik door agents. Het biedt antwoorden met en zonder denken voor grootschalige multimodale taken die verschillende redeneerniveaus vereisen. Tekst, afbeeldingen, audio en video dragen bij aan een tekstantwoord. Documentinvoer wordt ook beschreven in Googles modelspecifieke cloudprofiel. Een bruikbaar resultaat kan een documentvergelijking, een geïnterpreteerde grafiek, een transcript, code of een gestructureerd record zijn.
De redeneersturing van deze editie gebruikt thinkingBudget. Dynamisch denken is de standaard; met de instelling -1 kan het model zijn redeneren aanpassen aan de complexiteit van de taak. Een expliciet budget kan variëren van nul tot 24.576 tokens; nul schakelt het denken uit. Kies een budget dat bij het werkelijke probleem past, in plaats van dezelfde inspanning toe te wijzen aan een eenvoudige categorisering en een analyse met meerdere voorwaarden. De gids behandelt het budget als richtlijn; de native kaart merkt op dat het niet altijd exact wordt gevolgd.
Definieer bij een document- of datataak de vraag, de vereiste velden en de onderbouwing die het resultaat moet begeleiden. Vergelijk voor een eisenvergelijking twee specificaties en geef de gewijzigde eis, de bronpassage en het effect op een beschreven workflow terug. Gestructureerde uitvoer is nuttig wanneer elke bevinding dezelfde recordvorm nodig heeft. Behoud de onzekerheid als de bron meerdere mogelijke waarden noemt of een veld openlaat, in plaats van één aannemelijk antwoord af te dwingen. Vergelijk teruggegeven waarden met de aangeleverde pagina's of gegevens.
Benoem bij beeld- of audiomateriaal het relevante object, label, de gebeurtenis of passage in de opname. Vraag om het benodigde soort tekst: zichtbare waarden uit een grafiek, een gebeurtenisbeschrijving, een transcript of een samenvatting. Dit zijn verschillende resultaten; de instructie moet aangeven welk resultaat moet worden geproduceerd. De gedeelde native kaart bevat Flash Image en Flash Audio als afzonderlijk benoemde mogelijkheden; hun gegenereerde beelden en spraakuitvoer behoren niet tot dit stabiele tekstprofiel.
Googles specifieke cloudprofiel documenteert PDF- en plattetekstinvoer met interfacegebonden limieten: 50 MB per via de API geïmporteerde PDF en maximaal 3.000 pagina's per bestand, met een bestandslimiet van 7 MB voor platte tekst. Dat profiel beschrijft ook ongeveer 45 minuten video met audio of één uur zonder audio, en ongeveer 8,4 uur audio binnen het invoerbudget van een miljoen tokens. Dit zijn de vermelde beperkingen van de cloudinterface, los van het algemene tokenvenster van het model. Bereid het relevante gedeelte en bronformaat voor, in plaats van aan te nemen dat elk bestandstype of uploadpad dezelfde limiet heeft.
De modelspecifieke Gemini API-tabel vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer de rol en parameterstructuur van elke functie en ga verder op basis van het werkelijk teruggegeven resultaat. Een model kan een bewerking aanvragen, terwijl de aangesloten toepassing die uitvoert. Behoud de noodzakelijke thought-signature-context wanneer je een redeneertaak in de interface zonder status voortzet. Een gestructureerd antwoord of functievoorstel bewijst op zichzelf niet dat een externe bewerking is geslaagd.
De native modelkaart vermeldt 1M context en 64K tekstuitvoer, terwijl de modelspecifieke API-tabel 1.048.576 invoertokens en 65.536 uitvoertokens specificeert. Een antwoordlimiet omvat denktokens; een te kleine limiet kan het eindantwoord afbreken of leeg laten. Vraag om een resultaat dat binnen de uitvoerruimte past en gebruik het redeneerbudget om de inspanning te sturen. Caching, batch, Flex en Priority-verwerking zijn voor dit makerprofiel gedocumenteerd. Behoud itemidentifiers bij het voorbereiden van meerdere onafhankelijke records.
De stabiele editie blijft onderscheiden van Flash Preview-varianten en latere Gemini 3-modellen. De kaart noemt mogelijke hallucinaties, beperkingen in causaal begrip en complex logisch of contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing als een taak van nieuwere informatie afhangt. Controleer berekeningen, geëxtraheerde waarden, transcripten en voorgestelde code aan de hand van de werkelijke bron of het uitvoeringsresultaat. Hybride denken is nuttig wanneer het dat concrete resultaat ondersteunt en de beoordeling ervan niet vervangt.
POST /v1beta/models/{model}:generateContenttext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldpath.model | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-flash | Standaard— |
Veldcontents | Typecontent[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldcontents[].role | Typestring | VereisteOptioneel | Waarden en limieten user, model | Standaard— |
Veldcontents[].parts | Typepart[] | VereisteVereist | Waarden en limieten | Standaard— |
VeldsystemInstruction | Typecontent | VereisteOptioneel | Waarden en limieten | Standaard— |
VeldgenerationConfig.maxOutputTokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
VeldgenerationConfig.temperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.topP | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.topK | Typeinteger | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.stopSequences | Typestring[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.thinkingConfig.includeThoughts | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.thinkingConfig.thinkingBudget | Typeinteger | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].functionDeclarations | Typefunction_declaration[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldtoolConfig.functionCallingConfig.mode | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldsafetySettings | Typeobject[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldsessionId | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Tekst · UTF8-tekst
contents[].parts[].text
Tekst + afbeelding
parts[].inlineData={mimeType,data}
| Parameter | Contract |
|---|---|
Parametermaterial_types | Contracttext, image |
Parameterrequired | Contractcontents |
Parameteroptional_controls | Contractnull |
Parametercontent_type | Contractapplication/json |
Parametertext_file_material | Contractwerkelijke UTF-8-inhoud ingevoegd als tekst; bestands-ID’s/URLs vereisen afzonderlijke exacte ondersteuning |
Levenscyclus: exact retained published method
De methodestructuren en ID’s zijn exact; de mogelijkheden van de leverancier staan los van toelating.
POST /v1beta/models/{model}:generateContentAiloot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
Referentiestaffels op modelniveau veranderen de methodeselectie, kostenramingen of afschrijvingen niet. Voor de actieve kostenberekening gelden de tarieven van de geselecteerde Ailoot-methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieOpenAI Chat · Basistarieven per token | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieOpenAI Chat · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Basistarieven per token | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
set -eu\n: "${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 of ondersteunde streaming
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle kandidaten en onderdelen, inclusief functieaanroepen, handtekeningen van redeneringen en verbruiksgegevens; voeg streamingfragmenten in de juiste volgorde samen.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
VeldresponseId | Typestring |
VeldmodelVersion | Typestring |
Veldcandidates[].content.parts[] | Typetext|inlineData|functionCall|other part |
Veldcandidates[].finishReason | Typestring |
VeldusageMetadata | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
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 is Googles stabiele hybride redeneermodel voor multimodale analyse en agenttaken. Het dynamische denkbudget kan worden ingesteld van 0 tot 24.576 tokens, inclusief uitschakeling. Tekst, afbeeldingen, audio, video en documenten worden tekst of gestructureerde resultaten, met een gedocumenteerde invoerlimiet van 1.048.576 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 2.5 Flash is Googles stabiele hybride redeneerprofiel voor veelzijdig multimodaal werk en toolgebruik door agents. Het biedt antwoorden met en zonder denken voor grootschalige multimodale taken die verschillende redeneerniveaus vereisen. Tekst, afbeeldingen, audio en video dragen bij aan een tekstantwoord. Documentinvoer wordt ook beschreven in Googles modelspecifieke cloudprofiel. Een bruikbaar resultaat kan een documentvergelijking, een geïnterpreteerde grafiek, een transcript, code of een gestructureerd record zijn.
De redeneersturing van deze editie gebruikt thinkingBudget. Dynamisch denken is de standaard; met de instelling -1 kan het model zijn redeneren aanpassen aan de complexiteit van de taak. Een expliciet budget kan variëren van nul tot 24.576 tokens; nul schakelt het denken uit. Kies een budget dat bij het werkelijke probleem past, in plaats van dezelfde inspanning toe te wijzen aan een eenvoudige categorisering en een analyse met meerdere voorwaarden. De gids behandelt het budget als richtlijn; de native kaart merkt op dat het niet altijd exact wordt gevolgd.
Definieer bij een document- of datataak de vraag, de vereiste velden en de onderbouwing die het resultaat moet begeleiden. Vergelijk voor een eisenvergelijking twee specificaties en geef de gewijzigde eis, de bronpassage en het effect op een beschreven workflow terug. Gestructureerde uitvoer is nuttig wanneer elke bevinding dezelfde recordvorm nodig heeft. Behoud de onzekerheid als de bron meerdere mogelijke waarden noemt of een veld openlaat, in plaats van één aannemelijk antwoord af te dwingen. Vergelijk teruggegeven waarden met de aangeleverde pagina's of gegevens.
Benoem bij beeld- of audiomateriaal het relevante object, label, de gebeurtenis of passage in de opname. Vraag om het benodigde soort tekst: zichtbare waarden uit een grafiek, een gebeurtenisbeschrijving, een transcript of een samenvatting. Dit zijn verschillende resultaten; de instructie moet aangeven welk resultaat moet worden geproduceerd. De gedeelde native kaart bevat Flash Image en Flash Audio als afzonderlijk benoemde mogelijkheden; hun gegenereerde beelden en spraakuitvoer behoren niet tot dit stabiele tekstprofiel.
Googles specifieke cloudprofiel documenteert PDF- en plattetekstinvoer met interfacegebonden limieten: 50 MB per via de API geïmporteerde PDF en maximaal 3.000 pagina's per bestand, met een bestandslimiet van 7 MB voor platte tekst. Dat profiel beschrijft ook ongeveer 45 minuten video met audio of één uur zonder audio, en ongeveer 8,4 uur audio binnen het invoerbudget van een miljoen tokens. Dit zijn de vermelde beperkingen van de cloudinterface, los van het algemene tokenvenster van het model. Bereid het relevante gedeelte en bronformaat voor, in plaats van aan te nemen dat elk bestandstype of uploadpad dezelfde limiet heeft.
De modelspecifieke Gemini API-tabel vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer de rol en parameterstructuur van elke functie en ga verder op basis van het werkelijk teruggegeven resultaat. Een model kan een bewerking aanvragen, terwijl de aangesloten toepassing die uitvoert. Behoud de noodzakelijke thought-signature-context wanneer je een redeneertaak in de interface zonder status voortzet. Een gestructureerd antwoord of functievoorstel bewijst op zichzelf niet dat een externe bewerking is geslaagd.
De native modelkaart vermeldt 1M context en 64K tekstuitvoer, terwijl de modelspecifieke API-tabel 1.048.576 invoertokens en 65.536 uitvoertokens specificeert. Een antwoordlimiet omvat denktokens; een te kleine limiet kan het eindantwoord afbreken of leeg laten. Vraag om een resultaat dat binnen de uitvoerruimte past en gebruik het redeneerbudget om de inspanning te sturen. Caching, batch, Flex en Priority-verwerking zijn voor dit makerprofiel gedocumenteerd. Behoud itemidentifiers bij het voorbereiden van meerdere onafhankelijke records.
De stabiele editie blijft onderscheiden van Flash Preview-varianten en latere Gemini 3-modellen. De kaart noemt mogelijke hallucinaties, beperkingen in causaal begrip en complex logisch of contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing als een taak van nieuwere informatie afhangt. Controleer berekeningen, geëxtraheerde waarden, transcripten en voorgestelde code aan de hand van de werkelijke bron of het uitvoeringsresultaat. Hybride denken is nuttig wanneer het dat concrete resultaat ondersteunt en de beoordeling ervan niet vervangt.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Tekstgesprek | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream |
Parametercontrol_scope | ContractTekstgesprek; stream is een booleaanse waarde en is standaard false. |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Methodealiasnamen: /chat/completions
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
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 is Googles stabiele hybride redeneermodel voor multimodale analyse en agenttaken. Het dynamische denkbudget kan worden ingesteld van 0 tot 24.576 tokens, inclusief uitschakeling. Tekst, afbeeldingen, audio, video en documenten worden tekst of gestructureerde resultaten, met een gedocumenteerde invoerlimiet van 1.048.576 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 2.5 Flash is Googles stabiele hybride redeneerprofiel voor veelzijdig multimodaal werk en toolgebruik door agents. Het biedt antwoorden met en zonder denken voor grootschalige multimodale taken die verschillende redeneerniveaus vereisen. Tekst, afbeeldingen, audio en video dragen bij aan een tekstantwoord. Documentinvoer wordt ook beschreven in Googles modelspecifieke cloudprofiel. Een bruikbaar resultaat kan een documentvergelijking, een geïnterpreteerde grafiek, een transcript, code of een gestructureerd record zijn.
De redeneersturing van deze editie gebruikt thinkingBudget. Dynamisch denken is de standaard; met de instelling -1 kan het model zijn redeneren aanpassen aan de complexiteit van de taak. Een expliciet budget kan variëren van nul tot 24.576 tokens; nul schakelt het denken uit. Kies een budget dat bij het werkelijke probleem past, in plaats van dezelfde inspanning toe te wijzen aan een eenvoudige categorisering en een analyse met meerdere voorwaarden. De gids behandelt het budget als richtlijn; de native kaart merkt op dat het niet altijd exact wordt gevolgd.
Definieer bij een document- of datataak de vraag, de vereiste velden en de onderbouwing die het resultaat moet begeleiden. Vergelijk voor een eisenvergelijking twee specificaties en geef de gewijzigde eis, de bronpassage en het effect op een beschreven workflow terug. Gestructureerde uitvoer is nuttig wanneer elke bevinding dezelfde recordvorm nodig heeft. Behoud de onzekerheid als de bron meerdere mogelijke waarden noemt of een veld openlaat, in plaats van één aannemelijk antwoord af te dwingen. Vergelijk teruggegeven waarden met de aangeleverde pagina's of gegevens.
Benoem bij beeld- of audiomateriaal het relevante object, label, de gebeurtenis of passage in de opname. Vraag om het benodigde soort tekst: zichtbare waarden uit een grafiek, een gebeurtenisbeschrijving, een transcript of een samenvatting. Dit zijn verschillende resultaten; de instructie moet aangeven welk resultaat moet worden geproduceerd. De gedeelde native kaart bevat Flash Image en Flash Audio als afzonderlijk benoemde mogelijkheden; hun gegenereerde beelden en spraakuitvoer behoren niet tot dit stabiele tekstprofiel.
Googles specifieke cloudprofiel documenteert PDF- en plattetekstinvoer met interfacegebonden limieten: 50 MB per via de API geïmporteerde PDF en maximaal 3.000 pagina's per bestand, met een bestandslimiet van 7 MB voor platte tekst. Dat profiel beschrijft ook ongeveer 45 minuten video met audio of één uur zonder audio, en ongeveer 8,4 uur audio binnen het invoerbudget van een miljoen tokens. Dit zijn de vermelde beperkingen van de cloudinterface, los van het algemene tokenvenster van het model. Bereid het relevante gedeelte en bronformaat voor, in plaats van aan te nemen dat elk bestandstype of uploadpad dezelfde limiet heeft.
De modelspecifieke Gemini API-tabel vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer de rol en parameterstructuur van elke functie en ga verder op basis van het werkelijk teruggegeven resultaat. Een model kan een bewerking aanvragen, terwijl de aangesloten toepassing die uitvoert. Behoud de noodzakelijke thought-signature-context wanneer je een redeneertaak in de interface zonder status voortzet. Een gestructureerd antwoord of functievoorstel bewijst op zichzelf niet dat een externe bewerking is geslaagd.
De native modelkaart vermeldt 1M context en 64K tekstuitvoer, terwijl de modelspecifieke API-tabel 1.048.576 invoertokens en 65.536 uitvoertokens specificeert. Een antwoordlimiet omvat denktokens; een te kleine limiet kan het eindantwoord afbreken of leeg laten. Vraag om een resultaat dat binnen de uitvoerruimte past en gebruik het redeneerbudget om de inspanning te sturen. Caching, batch, Flex en Priority-verwerking zijn voor dit makerprofiel gedocumenteerd. Behoud itemidentifiers bij het voorbereiden van meerdere onafhankelijke records.
De stabiele editie blijft onderscheiden van Flash Preview-varianten en latere Gemini 3-modellen. De kaart noemt mogelijke hallucinaties, beperkingen in causaal begrip en complex logisch of contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing als een taak van nieuwere informatie afhangt. Controleer berekeningen, geëxtraheerde waarden, transcripten en voorgestelde code aan de hand van de werkelijke bron of het uitvoeringsresultaat. Hybride denken is nuttig wanneer het dat concrete resultaat ondersteunt en de beoordeling ervan niet vervangt.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gemini-2.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
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 is Googles stabiele hybride redeneermodel voor multimodale analyse en agenttaken. Het dynamische denkbudget kan worden ingesteld van 0 tot 24.576 tokens, inclusief uitschakeling. Tekst, afbeeldingen, audio, video en documenten worden tekst of gestructureerde resultaten, met een gedocumenteerde invoerlimiet van 1.048.576 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 2.5 Flash is Googles stabiele hybride redeneerprofiel voor veelzijdig multimodaal werk en toolgebruik door agents. Het biedt antwoorden met en zonder denken voor grootschalige multimodale taken die verschillende redeneerniveaus vereisen. Tekst, afbeeldingen, audio en video dragen bij aan een tekstantwoord. Documentinvoer wordt ook beschreven in Googles modelspecifieke cloudprofiel. Een bruikbaar resultaat kan een documentvergelijking, een geïnterpreteerde grafiek, een transcript, code of een gestructureerd record zijn.
De redeneersturing van deze editie gebruikt thinkingBudget. Dynamisch denken is de standaard; met de instelling -1 kan het model zijn redeneren aanpassen aan de complexiteit van de taak. Een expliciet budget kan variëren van nul tot 24.576 tokens; nul schakelt het denken uit. Kies een budget dat bij het werkelijke probleem past, in plaats van dezelfde inspanning toe te wijzen aan een eenvoudige categorisering en een analyse met meerdere voorwaarden. De gids behandelt het budget als richtlijn; de native kaart merkt op dat het niet altijd exact wordt gevolgd.
Definieer bij een document- of datataak de vraag, de vereiste velden en de onderbouwing die het resultaat moet begeleiden. Vergelijk voor een eisenvergelijking twee specificaties en geef de gewijzigde eis, de bronpassage en het effect op een beschreven workflow terug. Gestructureerde uitvoer is nuttig wanneer elke bevinding dezelfde recordvorm nodig heeft. Behoud de onzekerheid als de bron meerdere mogelijke waarden noemt of een veld openlaat, in plaats van één aannemelijk antwoord af te dwingen. Vergelijk teruggegeven waarden met de aangeleverde pagina's of gegevens.
Benoem bij beeld- of audiomateriaal het relevante object, label, de gebeurtenis of passage in de opname. Vraag om het benodigde soort tekst: zichtbare waarden uit een grafiek, een gebeurtenisbeschrijving, een transcript of een samenvatting. Dit zijn verschillende resultaten; de instructie moet aangeven welk resultaat moet worden geproduceerd. De gedeelde native kaart bevat Flash Image en Flash Audio als afzonderlijk benoemde mogelijkheden; hun gegenereerde beelden en spraakuitvoer behoren niet tot dit stabiele tekstprofiel.
Googles specifieke cloudprofiel documenteert PDF- en plattetekstinvoer met interfacegebonden limieten: 50 MB per via de API geïmporteerde PDF en maximaal 3.000 pagina's per bestand, met een bestandslimiet van 7 MB voor platte tekst. Dat profiel beschrijft ook ongeveer 45 minuten video met audio of één uur zonder audio, en ongeveer 8,4 uur audio binnen het invoerbudget van een miljoen tokens. Dit zijn de vermelde beperkingen van de cloudinterface, los van het algemene tokenvenster van het model. Bereid het relevante gedeelte en bronformaat voor, in plaats van aan te nemen dat elk bestandstype of uploadpad dezelfde limiet heeft.
De modelspecifieke Gemini API-tabel vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer de rol en parameterstructuur van elke functie en ga verder op basis van het werkelijk teruggegeven resultaat. Een model kan een bewerking aanvragen, terwijl de aangesloten toepassing die uitvoert. Behoud de noodzakelijke thought-signature-context wanneer je een redeneertaak in de interface zonder status voortzet. Een gestructureerd antwoord of functievoorstel bewijst op zichzelf niet dat een externe bewerking is geslaagd.
De native modelkaart vermeldt 1M context en 64K tekstuitvoer, terwijl de modelspecifieke API-tabel 1.048.576 invoertokens en 65.536 uitvoertokens specificeert. Een antwoordlimiet omvat denktokens; een te kleine limiet kan het eindantwoord afbreken of leeg laten. Vraag om een resultaat dat binnen de uitvoerruimte past en gebruik het redeneerbudget om de inspanning te sturen. Caching, batch, Flex en Priority-verwerking zijn voor dit makerprofiel gedocumenteerd. Behoud itemidentifiers bij het voorbereiden van meerdere onafhankelijke records.
De stabiele editie blijft onderscheiden van Flash Preview-varianten en latere Gemini 3-modellen. De kaart noemt mogelijke hallucinaties, beperkingen in causaal begrip en complex logisch of contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing als een taak van nieuwere informatie afhangt. Controleer berekeningen, geëxtraheerde waarden, transcripten en voorgestelde code aan de hand van de werkelijke bron of het uitvoeringsresultaat. Hybride denken is nuttig wanneer het dat concrete resultaat ondersteunt en de beoordeling ervan niet vervangt.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-2.5-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
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 is Googles stabiele hybride redeneermodel voor multimodale analyse en agenttaken. Het dynamische denkbudget kan worden ingesteld van 0 tot 24.576 tokens, inclusief uitschakeling. Tekst, afbeeldingen, audio, video en documenten worden tekst of gestructureerde resultaten, met een gedocumenteerde invoerlimiet van 1.048.576 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 2.5 Flash is Googles stabiele hybride redeneerprofiel voor veelzijdig multimodaal werk en toolgebruik door agents. Het biedt antwoorden met en zonder denken voor grootschalige multimodale taken die verschillende redeneerniveaus vereisen. Tekst, afbeeldingen, audio en video dragen bij aan een tekstantwoord. Documentinvoer wordt ook beschreven in Googles modelspecifieke cloudprofiel. Een bruikbaar resultaat kan een documentvergelijking, een geïnterpreteerde grafiek, een transcript, code of een gestructureerd record zijn.
De redeneersturing van deze editie gebruikt thinkingBudget. Dynamisch denken is de standaard; met de instelling -1 kan het model zijn redeneren aanpassen aan de complexiteit van de taak. Een expliciet budget kan variëren van nul tot 24.576 tokens; nul schakelt het denken uit. Kies een budget dat bij het werkelijke probleem past, in plaats van dezelfde inspanning toe te wijzen aan een eenvoudige categorisering en een analyse met meerdere voorwaarden. De gids behandelt het budget als richtlijn; de native kaart merkt op dat het niet altijd exact wordt gevolgd.
Definieer bij een document- of datataak de vraag, de vereiste velden en de onderbouwing die het resultaat moet begeleiden. Vergelijk voor een eisenvergelijking twee specificaties en geef de gewijzigde eis, de bronpassage en het effect op een beschreven workflow terug. Gestructureerde uitvoer is nuttig wanneer elke bevinding dezelfde recordvorm nodig heeft. Behoud de onzekerheid als de bron meerdere mogelijke waarden noemt of een veld openlaat, in plaats van één aannemelijk antwoord af te dwingen. Vergelijk teruggegeven waarden met de aangeleverde pagina's of gegevens.
Benoem bij beeld- of audiomateriaal het relevante object, label, de gebeurtenis of passage in de opname. Vraag om het benodigde soort tekst: zichtbare waarden uit een grafiek, een gebeurtenisbeschrijving, een transcript of een samenvatting. Dit zijn verschillende resultaten; de instructie moet aangeven welk resultaat moet worden geproduceerd. De gedeelde native kaart bevat Flash Image en Flash Audio als afzonderlijk benoemde mogelijkheden; hun gegenereerde beelden en spraakuitvoer behoren niet tot dit stabiele tekstprofiel.
Googles specifieke cloudprofiel documenteert PDF- en plattetekstinvoer met interfacegebonden limieten: 50 MB per via de API geïmporteerde PDF en maximaal 3.000 pagina's per bestand, met een bestandslimiet van 7 MB voor platte tekst. Dat profiel beschrijft ook ongeveer 45 minuten video met audio of één uur zonder audio, en ongeveer 8,4 uur audio binnen het invoerbudget van een miljoen tokens. Dit zijn de vermelde beperkingen van de cloudinterface, los van het algemene tokenvenster van het model. Bereid het relevante gedeelte en bronformaat voor, in plaats van aan te nemen dat elk bestandstype of uploadpad dezelfde limiet heeft.
De modelspecifieke Gemini API-tabel vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer de rol en parameterstructuur van elke functie en ga verder op basis van het werkelijk teruggegeven resultaat. Een model kan een bewerking aanvragen, terwijl de aangesloten toepassing die uitvoert. Behoud de noodzakelijke thought-signature-context wanneer je een redeneertaak in de interface zonder status voortzet. Een gestructureerd antwoord of functievoorstel bewijst op zichzelf niet dat een externe bewerking is geslaagd.
De native modelkaart vermeldt 1M context en 64K tekstuitvoer, terwijl de modelspecifieke API-tabel 1.048.576 invoertokens en 65.536 uitvoertokens specificeert. Een antwoordlimiet omvat denktokens; een te kleine limiet kan het eindantwoord afbreken of leeg laten. Vraag om een resultaat dat binnen de uitvoerruimte past en gebruik het redeneerbudget om de inspanning te sturen. Caching, batch, Flex en Priority-verwerking zijn voor dit makerprofiel gedocumenteerd. Behoud itemidentifiers bij het voorbereiden van meerdere onafhankelijke records.
De stabiele editie blijft onderscheiden van Flash Preview-varianten en latere Gemini 3-modellen. De kaart noemt mogelijke hallucinaties, beperkingen in causaal begrip en complex logisch of contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing als een taak van nieuwere informatie afhangt. Controleer berekeningen, geëxtraheerde waarden, transcripten en voorgestelde code aan de hand van de werkelijke bron of het uitvoeringsresultaat. Hybride denken is nuttig wanneer het dat concrete resultaat ondersteunt en de beoordeling ervan niet vervangt.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-2.5-flash | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "google/gemini-2.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
Technisch voorbeeld in het Engels
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.