Gemini 2.5 Pro is Googles stabiele denkprofiel voor geavanceerd programmeerwerk, wiskunde, STEM en analyse met lange context. Het kan tekst, audio, afbeeldingen, video en volledige coderepositories begrijpen; het Gemini API-profiel accepteert ook PDF-invoer. De uitvoer is tekst, waaronder code, een geschreven analyse of een gestructureerd record. Een bruikbare opdracht levert het bewijsmateriaal en vraagt om een controleerbaar resultaat, zoals een toegelichte oplossing, een bevinding in een codebase of een vergelijking van meerdere documenten.
Lever voor programmeerwerk de relevante bestanden, het waargenomen gedrag en de wijziging of vraag die ertoe doet. Lange context kan het model helpen verbanden tussen modules te leggen in plaats van vanuit één los fragment te redeneren. Vraag bij onderzoek van een codepad om een identifier vanaf een invoerformulier via verwerking en opslag te volgen, vast te stellen waar een contract verandert en een gerichte correctie voor te stellen. Behoud de randvoorwaarden en vraag om onderbouwende verwijzingen. Een voorgestelde aanpassing moet worden vergeleken met de werkelijke code en met eventuele validatie via de aangesloten tools.
Beschrijf bij wiskunde of wetenschappelijke analyse het probleem, de aannames, eenheden en vereiste antwoordvorm. Lever de gegevens of figuren waarvan de berekening afhangt. Vraag om het onderbouwde resultaat en de controles die het beoordeelbaar maken, zoals grensgevallen of een vergelijking met de oorspronkelijke waarden. Het redeneervermogen van het model neemt onduidelijkheid in de probleemstelling niet weg. Houd een onbekende grootheid of ongefundeerde aanname zichtbaar in plaats van die door een handige waarde te vervangen.
Dynamisch denken is de gedocumenteerde standaard. De Gemini 2.5 GenerateContent-gids ondersteunt voor Pro een expliciet redeneerbudget van 128 tot 32.768 tokens, of -1 voor adaptief denken. Deze editie kan het denken niet volledig uitschakelen. Deze instellingen verschillen van Flashs optie voor een nulbudget en van de denkniveaus van Gemini 3. Het denkbudget stuurt het redeneren zonder een exact aantal interne tokens te garanderen; een antwoordlimiet moet ook ruimte overlaten voor het uiteindelijke resultaat.
Benoem bij multimodaal documentwerk welke pagina's, grafiek, beeldregio of gebeurtenis in een opname het antwoord moeten ondersteunen. Een praktische synthesetaak kan vragen om de concurrerende beweringen in meerdere brondocumenten, de passages die ze ondersteunen en de verschillen die voor één beslissing van belang zijn. Vraag het model om een vermeld feit van een gevolgtrekking te onderscheiden. Definieer bij video of audio of het resultaat een beschrijving, transcript, samenvatting of vergelijking moet zijn. Beeld en geluid vormen in dit profiel het bewijsmateriaal voor een tekstresultaat.
De modelspecifieke API-pagina documenteert function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer het doel en de parametervelden van functies en behoud de werkelijke resultaten in volgende gespreksbeurten. Geef voor een record met een verplicht schema de vereiste velden aan en beschrijf hoe ontbrekende informatie moet worden weergegeven. De native architectuur is een multimodale sparse mixture-of-experts-transformer; dat modelontwerp levert op zichzelf geen externe tooluitvoering of voltooide toepassing bovenop de teruggegeven tekst of code.
De native kaart vermeldt 1M invoercontext en 64K tekstuitvoer; de API-tabel specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden geschiedenis tellen mee bij de voorbereiding van de invoer. Een maximale antwoordruimte omvat redeneertokens, waardoor een te kleine limiet het uiteindelijke antwoord kan onderbreken. Caching en batchverwerking zijn gedocumenteerd, samen met de opties Flex en Priority. Behoud elke bronidentifier en de gevraagde eindvorm bij het voorbereiden van onafhankelijke taken met lange context.
De stabiele identifier verschilt van de Experimental- en Preview-edities die afzonderlijk in de gedeelde Pro-modelkaart worden besproken. Schrijf hun versiegebonden resultaten niet aan dit profiel toe alleen omdat ze de naam Pro delen. De kaart noemt mogelijke hallucinaties en beperkingen in causaal begrip, complexe deductie en contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing waar dat relevant is en controleer bronverwijzingen, berekeningen en voorgestelde wijzigingen. De bruikbare uitvoer is het onderbouwde tekst- of coderesultaat waarom de taak vroeg.
", "aboutText": "Gemini 2.5 Pro is Googles stabiele denkprofiel voor geavanceerd programmeerwerk, wiskunde, STEM en analyse met lange context. Het kan tekst, audio, afbeeldingen, video en volledige coderepositories begrijpen; het Gemini API-profiel accepteert ook PDF-invoer. De uitvoer is tekst, waaronder code, een geschreven analyse of een gestructureerd record. Een bruikbare opdracht levert het bewijsmateriaal en vraagt om een controleerbaar resultaat, zoals een toegelichte oplossing, een bevinding in een codebase of een vergelijking van meerdere documenten.\n\nLever voor programmeerwerk de relevante bestanden, het waargenomen gedrag en de wijziging of vraag die ertoe doet. Lange context kan het model helpen verbanden tussen modules te leggen in plaats van vanuit één los fragment te redeneren. Vraag bij onderzoek van een codepad om een identifier vanaf een invoerformulier via verwerking en opslag te volgen, vast te stellen waar een contract verandert en een gerichte correctie voor te stellen. Behoud de randvoorwaarden en vraag om onderbouwende verwijzingen. Een voorgestelde aanpassing moet worden vergeleken met de werkelijke code en met eventuele validatie via de aangesloten tools.\n\nBeschrijf bij wiskunde of wetenschappelijke analyse het probleem, de aannames, eenheden en vereiste antwoordvorm. Lever de gegevens of figuren waarvan de berekening afhangt. Vraag om het onderbouwde resultaat en de controles die het beoordeelbaar maken, zoals grensgevallen of een vergelijking met de oorspronkelijke waarden. Het redeneervermogen van het model neemt onduidelijkheid in de probleemstelling niet weg. Houd een onbekende grootheid of ongefundeerde aanname zichtbaar in plaats van die door een handige waarde te vervangen.\n\nDynamisch denken is de gedocumenteerde standaard. De Gemini 2.5 GenerateContent-gids ondersteunt voor Pro een expliciet redeneerbudget van 128 tot 32.768 tokens, of -1 voor adaptief denken. Deze editie kan het denken niet volledig uitschakelen. Deze instellingen verschillen van Flashs optie voor een nulbudget en van de denkniveaus van Gemini 3. Het denkbudget stuurt het redeneren zonder een exact aantal interne tokens te garanderen; een antwoordlimiet moet ook ruimte overlaten voor het uiteindelijke resultaat.\n\nBenoem bij multimodaal documentwerk welke pagina's, grafiek, beeldregio of gebeurtenis in een opname het antwoord moeten ondersteunen. Een praktische synthesetaak kan vragen om de concurrerende beweringen in meerdere brondocumenten, de passages die ze ondersteunen en de verschillen die voor één beslissing van belang zijn. Vraag het model om een vermeld feit van een gevolgtrekking te onderscheiden. Definieer bij video of audio of het resultaat een beschrijving, transcript, samenvatting of vergelijking moet zijn. Beeld en geluid vormen in dit profiel het bewijsmateriaal voor een tekstresultaat.\n\nDe modelspecifieke API-pagina documenteert function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer het doel en de parametervelden van functies en behoud de werkelijke resultaten in volgende gespreksbeurten. Geef voor een record met een verplicht schema de vereiste velden aan en beschrijf hoe ontbrekende informatie moet worden weergegeven. De native architectuur is een multimodale sparse mixture-of-experts-transformer; dat modelontwerp levert op zichzelf geen externe tooluitvoering of voltooide toepassing bovenop de teruggegeven tekst of code.\n\nDe native kaart vermeldt 1M invoercontext en 64K tekstuitvoer; de API-tabel specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden geschiedenis tellen mee bij de voorbereiding van de invoer. Een maximale antwoordruimte omvat redeneertokens, waardoor een te kleine limiet het uiteindelijke antwoord kan onderbreken. Caching en batchverwerking zijn gedocumenteerd, samen met de opties Flex en Priority. Behoud elke bronidentifier en de gevraagde eindvorm bij het voorbereiden van onafhankelijke taken met lange context.\n\nDe stabiele identifier verschilt van de Experimental- en Preview-edities die afzonderlijk in de gedeelde Pro-modelkaart worden besproken. Schrijf hun versiegebonden resultaten niet aan dit profiel toe alleen omdat ze de naam Pro delen. De kaart noemt mogelijke hallucinaties en beperkingen in causaal begrip, complexe deductie en contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing waar dat relevant is en controleer bronverwijzingen, berekeningen en voorgestelde wijzigingen. De bruikbare uitvoer is het onderbouwde tekst- of coderesultaat waarom de taak vroeg.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Trace an identifier through storage\n\nTrace this identifier through three excerpts: form sends {customer_id:'0017'}; service computes id=Number(body.customer_id); repository stores String(id). Requirement: preserve leading zeros. Identify where the contract changes, propose a minimal consistent correction and give tests for '0017', '17' and a missing ID. Do not claim the tests were executed.A source-path explanation, a proposed patch and a three-case regression-test plan.Check that the proposed path preserves distinct strings 0017 and 17 while specifying missing-ID behavior.gemini-2.5-proGemini 2.5 Pro is Googles stabiele denkmodel voor complexe code, wiskunde, STEM en analyse met lange context. Het accepteert tekst, afbeeldingen, audio, video en PDF en geeft tekst terug, met tools en gestructureerde uitvoer. Het dynamische redeneerbudget ondersteunt 128–32.768 tokens en kan niet volledig worden uitgeschakeld.
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 Pro is Googles stabiele denkprofiel voor geavanceerd programmeerwerk, wiskunde, STEM en analyse met lange context. Het kan tekst, audio, afbeeldingen, video en volledige coderepositories begrijpen; het Gemini API-profiel accepteert ook PDF-invoer. De uitvoer is tekst, waaronder code, een geschreven analyse of een gestructureerd record. Een bruikbare opdracht levert het bewijsmateriaal en vraagt om een controleerbaar resultaat, zoals een toegelichte oplossing, een bevinding in een codebase of een vergelijking van meerdere documenten.
Lever voor programmeerwerk de relevante bestanden, het waargenomen gedrag en de wijziging of vraag die ertoe doet. Lange context kan het model helpen verbanden tussen modules te leggen in plaats van vanuit één los fragment te redeneren. Vraag bij onderzoek van een codepad om een identifier vanaf een invoerformulier via verwerking en opslag te volgen, vast te stellen waar een contract verandert en een gerichte correctie voor te stellen. Behoud de randvoorwaarden en vraag om onderbouwende verwijzingen. Een voorgestelde aanpassing moet worden vergeleken met de werkelijke code en met eventuele validatie via de aangesloten tools.
Beschrijf bij wiskunde of wetenschappelijke analyse het probleem, de aannames, eenheden en vereiste antwoordvorm. Lever de gegevens of figuren waarvan de berekening afhangt. Vraag om het onderbouwde resultaat en de controles die het beoordeelbaar maken, zoals grensgevallen of een vergelijking met de oorspronkelijke waarden. Het redeneervermogen van het model neemt onduidelijkheid in de probleemstelling niet weg. Houd een onbekende grootheid of ongefundeerde aanname zichtbaar in plaats van die door een handige waarde te vervangen.
Dynamisch denken is de gedocumenteerde standaard. De Gemini 2.5 GenerateContent-gids ondersteunt voor Pro een expliciet redeneerbudget van 128 tot 32.768 tokens, of -1 voor adaptief denken. Deze editie kan het denken niet volledig uitschakelen. Deze instellingen verschillen van Flashs optie voor een nulbudget en van de denkniveaus van Gemini 3. Het denkbudget stuurt het redeneren zonder een exact aantal interne tokens te garanderen; een antwoordlimiet moet ook ruimte overlaten voor het uiteindelijke resultaat.
Benoem bij multimodaal documentwerk welke pagina's, grafiek, beeldregio of gebeurtenis in een opname het antwoord moeten ondersteunen. Een praktische synthesetaak kan vragen om de concurrerende beweringen in meerdere brondocumenten, de passages die ze ondersteunen en de verschillen die voor één beslissing van belang zijn. Vraag het model om een vermeld feit van een gevolgtrekking te onderscheiden. Definieer bij video of audio of het resultaat een beschrijving, transcript, samenvatting of vergelijking moet zijn. Beeld en geluid vormen in dit profiel het bewijsmateriaal voor een tekstresultaat.
De modelspecifieke API-pagina documenteert function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer het doel en de parametervelden van functies en behoud de werkelijke resultaten in volgende gespreksbeurten. Geef voor een record met een verplicht schema de vereiste velden aan en beschrijf hoe ontbrekende informatie moet worden weergegeven. De native architectuur is een multimodale sparse mixture-of-experts-transformer; dat modelontwerp levert op zichzelf geen externe tooluitvoering of voltooide toepassing bovenop de teruggegeven tekst of code.
De native kaart vermeldt 1M invoercontext en 64K tekstuitvoer; de API-tabel specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden geschiedenis tellen mee bij de voorbereiding van de invoer. Een maximale antwoordruimte omvat redeneertokens, waardoor een te kleine limiet het uiteindelijke antwoord kan onderbreken. Caching en batchverwerking zijn gedocumenteerd, samen met de opties Flex en Priority. Behoud elke bronidentifier en de gevraagde eindvorm bij het voorbereiden van onafhankelijke taken met lange context.
De stabiele identifier verschilt van de Experimental- en Preview-edities die afzonderlijk in de gedeelde Pro-modelkaart worden besproken. Schrijf hun versiegebonden resultaten niet aan dit profiel toe alleen omdat ze de naam Pro delen. De kaart noemt mogelijke hallucinaties en beperkingen in causaal begrip, complexe deductie en contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing waar dat relevant is en controleer bronverwijzingen, berekeningen en voorgestelde wijzigingen. De bruikbare uitvoer is het onderbouwde tekst- of coderesultaat waarom de taak vroeg.
POST /v1/messagestext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-pro | 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/messages| Verzoekgrootte, tokens | Invoer | Uitvoer | Cache lezen | Cache schrijven | Cache 5 min | Cache 1 uur |
|---|---|---|---|---|---|---|
| Verzoekgrootte, tokens(0; 200.000] | InvoerUS$ 0,00125 | UitvoerUS$ 0,01 | Cache lezenUS$ 0,000125 | Cache schrijvenBasis: — | Cache 5 minBasis: — | Cache 1 uurBasis: — |
| Verzoekgrootte, tokens(200.000; ∞) | InvoerUS$ 0,0025 | UitvoerUS$ 0,015 | Cache lezenUS$ 0,00025 | Cache schrijvenBasis: — | Cache 5 minBasis: — | Cache 1 uurBasis: — |
Tarieven in USD per 1K tokens. Als geen tarief is ingesteld, wordt het basistarief voor deze methode overgenomen; «—» betekent dat geen basistarief is ingesteld.
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 →
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 $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.02 / 1K tokens |
| ConfiguratieOpenAI Chat · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieOpenAI Chat · Tariefniveau 2 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.03 / 1K tokens Invoer · Cache lezen $0.0005 / 1K tokens Invoer · Cache schrijven $0.00075 / 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 $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.02 / 1K tokens |
| ConfiguratieAnthropic Messages · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Tariefniveau 2 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.03 / 1K tokens Invoer · Cache lezen $0.0005 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
set -eu\n: "${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-pro", "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-pro", "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-pro",\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-pro",\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-pro',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-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
gemini-2.5-proGemini 2.5 Pro is Googles stabiele denkmodel voor complexe code, wiskunde, STEM en analyse met lange context. Het accepteert tekst, afbeeldingen, audio, video en PDF en geeft tekst terug, met tools en gestructureerde uitvoer. Het dynamische redeneerbudget ondersteunt 128–32.768 tokens en kan niet volledig worden uitgeschakeld.
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 Pro is Googles stabiele denkprofiel voor geavanceerd programmeerwerk, wiskunde, STEM en analyse met lange context. Het kan tekst, audio, afbeeldingen, video en volledige coderepositories begrijpen; het Gemini API-profiel accepteert ook PDF-invoer. De uitvoer is tekst, waaronder code, een geschreven analyse of een gestructureerd record. Een bruikbare opdracht levert het bewijsmateriaal en vraagt om een controleerbaar resultaat, zoals een toegelichte oplossing, een bevinding in een codebase of een vergelijking van meerdere documenten.
Lever voor programmeerwerk de relevante bestanden, het waargenomen gedrag en de wijziging of vraag die ertoe doet. Lange context kan het model helpen verbanden tussen modules te leggen in plaats van vanuit één los fragment te redeneren. Vraag bij onderzoek van een codepad om een identifier vanaf een invoerformulier via verwerking en opslag te volgen, vast te stellen waar een contract verandert en een gerichte correctie voor te stellen. Behoud de randvoorwaarden en vraag om onderbouwende verwijzingen. Een voorgestelde aanpassing moet worden vergeleken met de werkelijke code en met eventuele validatie via de aangesloten tools.
Beschrijf bij wiskunde of wetenschappelijke analyse het probleem, de aannames, eenheden en vereiste antwoordvorm. Lever de gegevens of figuren waarvan de berekening afhangt. Vraag om het onderbouwde resultaat en de controles die het beoordeelbaar maken, zoals grensgevallen of een vergelijking met de oorspronkelijke waarden. Het redeneervermogen van het model neemt onduidelijkheid in de probleemstelling niet weg. Houd een onbekende grootheid of ongefundeerde aanname zichtbaar in plaats van die door een handige waarde te vervangen.
Dynamisch denken is de gedocumenteerde standaard. De Gemini 2.5 GenerateContent-gids ondersteunt voor Pro een expliciet redeneerbudget van 128 tot 32.768 tokens, of -1 voor adaptief denken. Deze editie kan het denken niet volledig uitschakelen. Deze instellingen verschillen van Flashs optie voor een nulbudget en van de denkniveaus van Gemini 3. Het denkbudget stuurt het redeneren zonder een exact aantal interne tokens te garanderen; een antwoordlimiet moet ook ruimte overlaten voor het uiteindelijke resultaat.
Benoem bij multimodaal documentwerk welke pagina's, grafiek, beeldregio of gebeurtenis in een opname het antwoord moeten ondersteunen. Een praktische synthesetaak kan vragen om de concurrerende beweringen in meerdere brondocumenten, de passages die ze ondersteunen en de verschillen die voor één beslissing van belang zijn. Vraag het model om een vermeld feit van een gevolgtrekking te onderscheiden. Definieer bij video of audio of het resultaat een beschrijving, transcript, samenvatting of vergelijking moet zijn. Beeld en geluid vormen in dit profiel het bewijsmateriaal voor een tekstresultaat.
De modelspecifieke API-pagina documenteert function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer het doel en de parametervelden van functies en behoud de werkelijke resultaten in volgende gespreksbeurten. Geef voor een record met een verplicht schema de vereiste velden aan en beschrijf hoe ontbrekende informatie moet worden weergegeven. De native architectuur is een multimodale sparse mixture-of-experts-transformer; dat modelontwerp levert op zichzelf geen externe tooluitvoering of voltooide toepassing bovenop de teruggegeven tekst of code.
De native kaart vermeldt 1M invoercontext en 64K tekstuitvoer; de API-tabel specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden geschiedenis tellen mee bij de voorbereiding van de invoer. Een maximale antwoordruimte omvat redeneertokens, waardoor een te kleine limiet het uiteindelijke antwoord kan onderbreken. Caching en batchverwerking zijn gedocumenteerd, samen met de opties Flex en Priority. Behoud elke bronidentifier en de gevraagde eindvorm bij het voorbereiden van onafhankelijke taken met lange context.
De stabiele identifier verschilt van de Experimental- en Preview-edities die afzonderlijk in de gedeelde Pro-modelkaart worden besproken. Schrijf hun versiegebonden resultaten niet aan dit profiel toe alleen omdat ze de naam Pro delen. De kaart noemt mogelijke hallucinaties en beperkingen in causaal begrip, complexe deductie en contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing waar dat relevant is en controleer bronverwijzingen, berekeningen en voorgestelde wijzigingen. De bruikbare uitvoer is het onderbouwde tekst- of coderesultaat waarom de taak vroeg.
POST /v1beta/models/{model}:generateContenttext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldpath.model | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-pro | 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}:generateContent| Verzoekgrootte, tokens | Invoer | Uitvoer | Cache lezen | Cache schrijven | Cache 5 min | Cache 1 uur |
|---|---|---|---|---|---|---|
| Verzoekgrootte, tokens(0; 200.000] | InvoerUS$ 0,00125 | UitvoerUS$ 0,01 | Cache lezenUS$ 0,000125 | Cache schrijvenBasis: — | Cache 5 minBasis: — | Cache 1 uurBasis: — |
| Verzoekgrootte, tokens(200.000; ∞) | InvoerUS$ 0,0025 | UitvoerUS$ 0,015 | Cache lezenUS$ 0,00025 | Cache schrijvenBasis: — | Cache 5 minBasis: — | Cache 1 uurBasis: — |
Tarieven in USD per 1K tokens. Als geen tarief is ingesteld, wordt het basistarief voor deze methode overgenomen; «—» betekent dat geen basistarief is ingesteld.
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 →
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 $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.02 / 1K tokens |
| ConfiguratieOpenAI Chat · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieOpenAI Chat · Tariefniveau 2 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.03 / 1K tokens Invoer · Cache lezen $0.0005 / 1K tokens Invoer · Cache schrijven $0.00075 / 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 $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.02 / 1K tokens |
| ConfiguratieAnthropic Messages · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Tariefniveau 2 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.03 / 1K tokens Invoer · Cache lezen $0.0005 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
set -eu\n: "${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-pro: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-pro: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-pro", 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-pro", 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-pro',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-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
gemini-2.5-proGemini 2.5 Pro is Googles stabiele denkmodel voor complexe code, wiskunde, STEM en analyse met lange context. Het accepteert tekst, afbeeldingen, audio, video en PDF en geeft tekst terug, met tools en gestructureerde uitvoer. Het dynamische redeneerbudget ondersteunt 128–32.768 tokens en kan niet volledig worden uitgeschakeld.
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 Pro is Googles stabiele denkprofiel voor geavanceerd programmeerwerk, wiskunde, STEM en analyse met lange context. Het kan tekst, audio, afbeeldingen, video en volledige coderepositories begrijpen; het Gemini API-profiel accepteert ook PDF-invoer. De uitvoer is tekst, waaronder code, een geschreven analyse of een gestructureerd record. Een bruikbare opdracht levert het bewijsmateriaal en vraagt om een controleerbaar resultaat, zoals een toegelichte oplossing, een bevinding in een codebase of een vergelijking van meerdere documenten.
Lever voor programmeerwerk de relevante bestanden, het waargenomen gedrag en de wijziging of vraag die ertoe doet. Lange context kan het model helpen verbanden tussen modules te leggen in plaats van vanuit één los fragment te redeneren. Vraag bij onderzoek van een codepad om een identifier vanaf een invoerformulier via verwerking en opslag te volgen, vast te stellen waar een contract verandert en een gerichte correctie voor te stellen. Behoud de randvoorwaarden en vraag om onderbouwende verwijzingen. Een voorgestelde aanpassing moet worden vergeleken met de werkelijke code en met eventuele validatie via de aangesloten tools.
Beschrijf bij wiskunde of wetenschappelijke analyse het probleem, de aannames, eenheden en vereiste antwoordvorm. Lever de gegevens of figuren waarvan de berekening afhangt. Vraag om het onderbouwde resultaat en de controles die het beoordeelbaar maken, zoals grensgevallen of een vergelijking met de oorspronkelijke waarden. Het redeneervermogen van het model neemt onduidelijkheid in de probleemstelling niet weg. Houd een onbekende grootheid of ongefundeerde aanname zichtbaar in plaats van die door een handige waarde te vervangen.
Dynamisch denken is de gedocumenteerde standaard. De Gemini 2.5 GenerateContent-gids ondersteunt voor Pro een expliciet redeneerbudget van 128 tot 32.768 tokens, of -1 voor adaptief denken. Deze editie kan het denken niet volledig uitschakelen. Deze instellingen verschillen van Flashs optie voor een nulbudget en van de denkniveaus van Gemini 3. Het denkbudget stuurt het redeneren zonder een exact aantal interne tokens te garanderen; een antwoordlimiet moet ook ruimte overlaten voor het uiteindelijke resultaat.
Benoem bij multimodaal documentwerk welke pagina's, grafiek, beeldregio of gebeurtenis in een opname het antwoord moeten ondersteunen. Een praktische synthesetaak kan vragen om de concurrerende beweringen in meerdere brondocumenten, de passages die ze ondersteunen en de verschillen die voor één beslissing van belang zijn. Vraag het model om een vermeld feit van een gevolgtrekking te onderscheiden. Definieer bij video of audio of het resultaat een beschrijving, transcript, samenvatting of vergelijking moet zijn. Beeld en geluid vormen in dit profiel het bewijsmateriaal voor een tekstresultaat.
De modelspecifieke API-pagina documenteert function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer het doel en de parametervelden van functies en behoud de werkelijke resultaten in volgende gespreksbeurten. Geef voor een record met een verplicht schema de vereiste velden aan en beschrijf hoe ontbrekende informatie moet worden weergegeven. De native architectuur is een multimodale sparse mixture-of-experts-transformer; dat modelontwerp levert op zichzelf geen externe tooluitvoering of voltooide toepassing bovenop de teruggegeven tekst of code.
De native kaart vermeldt 1M invoercontext en 64K tekstuitvoer; de API-tabel specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden geschiedenis tellen mee bij de voorbereiding van de invoer. Een maximale antwoordruimte omvat redeneertokens, waardoor een te kleine limiet het uiteindelijke antwoord kan onderbreken. Caching en batchverwerking zijn gedocumenteerd, samen met de opties Flex en Priority. Behoud elke bronidentifier en de gevraagde eindvorm bij het voorbereiden van onafhankelijke taken met lange context.
De stabiele identifier verschilt van de Experimental- en Preview-edities die afzonderlijk in de gedeelde Pro-modelkaart worden besproken. Schrijf hun versiegebonden resultaten niet aan dit profiel toe alleen omdat ze de naam Pro delen. De kaart noemt mogelijke hallucinaties en beperkingen in causaal begrip, complexe deductie en contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing waar dat relevant is en controleer bronverwijzingen, berekeningen en voorgestelde wijzigingen. De bruikbare uitvoer is het onderbouwde tekst- of coderesultaat waarom de taak vroeg.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-pro | 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 $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.02 / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.03 / 1K tokens Invoer · Cache lezen $0.0005 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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-pro","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-pro", 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-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
gemini-2.5-proGemini 2.5 Pro is Googles stabiele denkmodel voor complexe code, wiskunde, STEM en analyse met lange context. Het accepteert tekst, afbeeldingen, audio, video en PDF en geeft tekst terug, met tools en gestructureerde uitvoer. Het dynamische redeneerbudget ondersteunt 128–32.768 tokens en kan niet volledig worden uitgeschakeld.
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 Pro is Googles stabiele denkprofiel voor geavanceerd programmeerwerk, wiskunde, STEM en analyse met lange context. Het kan tekst, audio, afbeeldingen, video en volledige coderepositories begrijpen; het Gemini API-profiel accepteert ook PDF-invoer. De uitvoer is tekst, waaronder code, een geschreven analyse of een gestructureerd record. Een bruikbare opdracht levert het bewijsmateriaal en vraagt om een controleerbaar resultaat, zoals een toegelichte oplossing, een bevinding in een codebase of een vergelijking van meerdere documenten.
Lever voor programmeerwerk de relevante bestanden, het waargenomen gedrag en de wijziging of vraag die ertoe doet. Lange context kan het model helpen verbanden tussen modules te leggen in plaats van vanuit één los fragment te redeneren. Vraag bij onderzoek van een codepad om een identifier vanaf een invoerformulier via verwerking en opslag te volgen, vast te stellen waar een contract verandert en een gerichte correctie voor te stellen. Behoud de randvoorwaarden en vraag om onderbouwende verwijzingen. Een voorgestelde aanpassing moet worden vergeleken met de werkelijke code en met eventuele validatie via de aangesloten tools.
Beschrijf bij wiskunde of wetenschappelijke analyse het probleem, de aannames, eenheden en vereiste antwoordvorm. Lever de gegevens of figuren waarvan de berekening afhangt. Vraag om het onderbouwde resultaat en de controles die het beoordeelbaar maken, zoals grensgevallen of een vergelijking met de oorspronkelijke waarden. Het redeneervermogen van het model neemt onduidelijkheid in de probleemstelling niet weg. Houd een onbekende grootheid of ongefundeerde aanname zichtbaar in plaats van die door een handige waarde te vervangen.
Dynamisch denken is de gedocumenteerde standaard. De Gemini 2.5 GenerateContent-gids ondersteunt voor Pro een expliciet redeneerbudget van 128 tot 32.768 tokens, of -1 voor adaptief denken. Deze editie kan het denken niet volledig uitschakelen. Deze instellingen verschillen van Flashs optie voor een nulbudget en van de denkniveaus van Gemini 3. Het denkbudget stuurt het redeneren zonder een exact aantal interne tokens te garanderen; een antwoordlimiet moet ook ruimte overlaten voor het uiteindelijke resultaat.
Benoem bij multimodaal documentwerk welke pagina's, grafiek, beeldregio of gebeurtenis in een opname het antwoord moeten ondersteunen. Een praktische synthesetaak kan vragen om de concurrerende beweringen in meerdere brondocumenten, de passages die ze ondersteunen en de verschillen die voor één beslissing van belang zijn. Vraag het model om een vermeld feit van een gevolgtrekking te onderscheiden. Definieer bij video of audio of het resultaat een beschrijving, transcript, samenvatting of vergelijking moet zijn. Beeld en geluid vormen in dit profiel het bewijsmateriaal voor een tekstresultaat.
De modelspecifieke API-pagina documenteert function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer het doel en de parametervelden van functies en behoud de werkelijke resultaten in volgende gespreksbeurten. Geef voor een record met een verplicht schema de vereiste velden aan en beschrijf hoe ontbrekende informatie moet worden weergegeven. De native architectuur is een multimodale sparse mixture-of-experts-transformer; dat modelontwerp levert op zichzelf geen externe tooluitvoering of voltooide toepassing bovenop de teruggegeven tekst of code.
De native kaart vermeldt 1M invoercontext en 64K tekstuitvoer; de API-tabel specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden geschiedenis tellen mee bij de voorbereiding van de invoer. Een maximale antwoordruimte omvat redeneertokens, waardoor een te kleine limiet het uiteindelijke antwoord kan onderbreken. Caching en batchverwerking zijn gedocumenteerd, samen met de opties Flex en Priority. Behoud elke bronidentifier en de gevraagde eindvorm bij het voorbereiden van onafhankelijke taken met lange context.
De stabiele identifier verschilt van de Experimental- en Preview-edities die afzonderlijk in de gedeelde Pro-modelkaart worden besproken. Schrijf hun versiegebonden resultaten niet aan dit profiel toe alleen omdat ze de naam Pro delen. De kaart noemt mogelijke hallucinaties en beperkingen in causaal begrip, complexe deductie en contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing waar dat relevant is en controleer bronverwijzingen, berekeningen en voorgestelde wijzigingen. De bruikbare uitvoer is het onderbouwde tekst- of coderesultaat waarom de taak vroeg.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-pro | 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 $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.02 / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.03 / 1K tokens Invoer · Cache lezen $0.0005 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gemini-2.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro', '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-pro', '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-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
google/gemini-2.5-proGemini 2.5 Pro is Googles stabiele denkmodel voor complexe code, wiskunde, STEM en analyse met lange context. Het accepteert tekst, afbeeldingen, audio, video en PDF en geeft tekst terug, met tools en gestructureerde uitvoer. Het dynamische redeneerbudget ondersteunt 128–32.768 tokens en kan niet volledig worden uitgeschakeld.
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 Pro is Googles stabiele denkprofiel voor geavanceerd programmeerwerk, wiskunde, STEM en analyse met lange context. Het kan tekst, audio, afbeeldingen, video en volledige coderepositories begrijpen; het Gemini API-profiel accepteert ook PDF-invoer. De uitvoer is tekst, waaronder code, een geschreven analyse of een gestructureerd record. Een bruikbare opdracht levert het bewijsmateriaal en vraagt om een controleerbaar resultaat, zoals een toegelichte oplossing, een bevinding in een codebase of een vergelijking van meerdere documenten.
Lever voor programmeerwerk de relevante bestanden, het waargenomen gedrag en de wijziging of vraag die ertoe doet. Lange context kan het model helpen verbanden tussen modules te leggen in plaats van vanuit één los fragment te redeneren. Vraag bij onderzoek van een codepad om een identifier vanaf een invoerformulier via verwerking en opslag te volgen, vast te stellen waar een contract verandert en een gerichte correctie voor te stellen. Behoud de randvoorwaarden en vraag om onderbouwende verwijzingen. Een voorgestelde aanpassing moet worden vergeleken met de werkelijke code en met eventuele validatie via de aangesloten tools.
Beschrijf bij wiskunde of wetenschappelijke analyse het probleem, de aannames, eenheden en vereiste antwoordvorm. Lever de gegevens of figuren waarvan de berekening afhangt. Vraag om het onderbouwde resultaat en de controles die het beoordeelbaar maken, zoals grensgevallen of een vergelijking met de oorspronkelijke waarden. Het redeneervermogen van het model neemt onduidelijkheid in de probleemstelling niet weg. Houd een onbekende grootheid of ongefundeerde aanname zichtbaar in plaats van die door een handige waarde te vervangen.
Dynamisch denken is de gedocumenteerde standaard. De Gemini 2.5 GenerateContent-gids ondersteunt voor Pro een expliciet redeneerbudget van 128 tot 32.768 tokens, of -1 voor adaptief denken. Deze editie kan het denken niet volledig uitschakelen. Deze instellingen verschillen van Flashs optie voor een nulbudget en van de denkniveaus van Gemini 3. Het denkbudget stuurt het redeneren zonder een exact aantal interne tokens te garanderen; een antwoordlimiet moet ook ruimte overlaten voor het uiteindelijke resultaat.
Benoem bij multimodaal documentwerk welke pagina's, grafiek, beeldregio of gebeurtenis in een opname het antwoord moeten ondersteunen. Een praktische synthesetaak kan vragen om de concurrerende beweringen in meerdere brondocumenten, de passages die ze ondersteunen en de verschillen die voor één beslissing van belang zijn. Vraag het model om een vermeld feit van een gevolgtrekking te onderscheiden. Definieer bij video of audio of het resultaat een beschrijving, transcript, samenvatting of vergelijking moet zijn. Beeld en geluid vormen in dit profiel het bewijsmateriaal voor een tekstresultaat.
De modelspecifieke API-pagina documenteert function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer het doel en de parametervelden van functies en behoud de werkelijke resultaten in volgende gespreksbeurten. Geef voor een record met een verplicht schema de vereiste velden aan en beschrijf hoe ontbrekende informatie moet worden weergegeven. De native architectuur is een multimodale sparse mixture-of-experts-transformer; dat modelontwerp levert op zichzelf geen externe tooluitvoering of voltooide toepassing bovenop de teruggegeven tekst of code.
De native kaart vermeldt 1M invoercontext en 64K tekstuitvoer; de API-tabel specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden geschiedenis tellen mee bij de voorbereiding van de invoer. Een maximale antwoordruimte omvat redeneertokens, waardoor een te kleine limiet het uiteindelijke antwoord kan onderbreken. Caching en batchverwerking zijn gedocumenteerd, samen met de opties Flex en Priority. Behoud elke bronidentifier en de gevraagde eindvorm bij het voorbereiden van onafhankelijke taken met lange context.
De stabiele identifier verschilt van de Experimental- en Preview-edities die afzonderlijk in de gedeelde Pro-modelkaart worden besproken. Schrijf hun versiegebonden resultaten niet aan dit profiel toe alleen omdat ze de naam Pro delen. De kaart noemt mogelijke hallucinaties en beperkingen in causaal begrip, complexe deductie en contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing waar dat relevant is en controleer bronverwijzingen, berekeningen en voorgestelde wijzigingen. De bruikbare uitvoer is het onderbouwde tekst- of coderesultaat waarom de taak vroeg.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-2.5-pro | 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 $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.02 / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.03 / 1K tokens Invoer · Cache lezen $0.0005 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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-pro", "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-pro',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-pro',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-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
google/gemini-2.5-proGemini 2.5 Pro is Googles stabiele denkmodel voor complexe code, wiskunde, STEM en analyse met lange context. Het accepteert tekst, afbeeldingen, audio, video en PDF en geeft tekst terug, met tools en gestructureerde uitvoer. Het dynamische redeneerbudget ondersteunt 128–32.768 tokens en kan niet volledig worden uitgeschakeld.
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 Pro is Googles stabiele denkprofiel voor geavanceerd programmeerwerk, wiskunde, STEM en analyse met lange context. Het kan tekst, audio, afbeeldingen, video en volledige coderepositories begrijpen; het Gemini API-profiel accepteert ook PDF-invoer. De uitvoer is tekst, waaronder code, een geschreven analyse of een gestructureerd record. Een bruikbare opdracht levert het bewijsmateriaal en vraagt om een controleerbaar resultaat, zoals een toegelichte oplossing, een bevinding in een codebase of een vergelijking van meerdere documenten.
Lever voor programmeerwerk de relevante bestanden, het waargenomen gedrag en de wijziging of vraag die ertoe doet. Lange context kan het model helpen verbanden tussen modules te leggen in plaats van vanuit één los fragment te redeneren. Vraag bij onderzoek van een codepad om een identifier vanaf een invoerformulier via verwerking en opslag te volgen, vast te stellen waar een contract verandert en een gerichte correctie voor te stellen. Behoud de randvoorwaarden en vraag om onderbouwende verwijzingen. Een voorgestelde aanpassing moet worden vergeleken met de werkelijke code en met eventuele validatie via de aangesloten tools.
Beschrijf bij wiskunde of wetenschappelijke analyse het probleem, de aannames, eenheden en vereiste antwoordvorm. Lever de gegevens of figuren waarvan de berekening afhangt. Vraag om het onderbouwde resultaat en de controles die het beoordeelbaar maken, zoals grensgevallen of een vergelijking met de oorspronkelijke waarden. Het redeneervermogen van het model neemt onduidelijkheid in de probleemstelling niet weg. Houd een onbekende grootheid of ongefundeerde aanname zichtbaar in plaats van die door een handige waarde te vervangen.
Dynamisch denken is de gedocumenteerde standaard. De Gemini 2.5 GenerateContent-gids ondersteunt voor Pro een expliciet redeneerbudget van 128 tot 32.768 tokens, of -1 voor adaptief denken. Deze editie kan het denken niet volledig uitschakelen. Deze instellingen verschillen van Flashs optie voor een nulbudget en van de denkniveaus van Gemini 3. Het denkbudget stuurt het redeneren zonder een exact aantal interne tokens te garanderen; een antwoordlimiet moet ook ruimte overlaten voor het uiteindelijke resultaat.
Benoem bij multimodaal documentwerk welke pagina's, grafiek, beeldregio of gebeurtenis in een opname het antwoord moeten ondersteunen. Een praktische synthesetaak kan vragen om de concurrerende beweringen in meerdere brondocumenten, de passages die ze ondersteunen en de verschillen die voor één beslissing van belang zijn. Vraag het model om een vermeld feit van een gevolgtrekking te onderscheiden. Definieer bij video of audio of het resultaat een beschrijving, transcript, samenvatting of vergelijking moet zijn. Beeld en geluid vormen in dit profiel het bewijsmateriaal voor een tekstresultaat.
De modelspecifieke API-pagina documenteert function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Definieer het doel en de parametervelden van functies en behoud de werkelijke resultaten in volgende gespreksbeurten. Geef voor een record met een verplicht schema de vereiste velden aan en beschrijf hoe ontbrekende informatie moet worden weergegeven. De native architectuur is een multimodale sparse mixture-of-experts-transformer; dat modelontwerp levert op zichzelf geen externe tooluitvoering of voltooide toepassing bovenop de teruggegeven tekst of code.
De native kaart vermeldt 1M invoercontext en 64K tekstuitvoer; de API-tabel specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden geschiedenis tellen mee bij de voorbereiding van de invoer. Een maximale antwoordruimte omvat redeneertokens, waardoor een te kleine limiet het uiteindelijke antwoord kan onderbreken. Caching en batchverwerking zijn gedocumenteerd, samen met de opties Flex en Priority. Behoud elke bronidentifier en de gevraagde eindvorm bij het voorbereiden van onafhankelijke taken met lange context.
De stabiele identifier verschilt van de Experimental- en Preview-edities die afzonderlijk in de gedeelde Pro-modelkaart worden besproken. Schrijf hun versiegebonden resultaten niet aan dit profiel toe alleen omdat ze de naam Pro delen. De kaart noemt mogelijke hallucinaties en beperkingen in causaal begrip, complexe deductie en contrafeitelijk redeneren, met januari 2025 als kennisgrens. Lever actuele onderbouwing waar dat relevant is en controleer bronverwijzingen, berekeningen en voorgestelde wijzigingen. De bruikbare uitvoer is het onderbouwde tekst- of coderesultaat waarom de taak vroeg.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-2.5-pro | 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 $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens Uitvoer · Uitvoertokens voor redeneren $0.02 / 1K tokens |
| ConfiguratieNiveau 1 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met200.000 | Kosten Invoer · Invoertokens $0.0025 / 1K tokens Uitvoer · Uitvoertokens $0.02 / 1K tokens Invoer · Cache lezen $0.00025 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieNiveau 2 voor aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan200.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.005 / 1K tokens Uitvoer · Uitvoertokens $0.03 / 1K tokens Invoer · Cache lezen $0.0005 / 1K tokens Invoer · Cache schrijven $0.00075 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "google/gemini-2.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro', '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-pro', '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-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
Technisch voorbeeld in het Engels
Trace an identifier through storage\n\nTrace this identifier through three excerpts: form sends {customer_id:'0017'}; service computes id=Number(body.customer_id); repository stores String(id). Requirement: preserve leading zeros. Identify where the contract changes, propose a minimal consistent correction and give tests for '0017', '17' and a missing ID. Do not claim the tests were executed.A source-path explanation, a proposed patch and a three-case regression-test plan.Check that the proposed path preserves distinct strings 0017 and 17 while specifying missing-ID behavior.