Gemini 2.5 Flash to stabilny profil hybrydowego rozumowania Google do wszechstronnej pracy multimodalnej i agentowego użycia narzędzi. Oferuje odpowiedzi z myśleniem i bez myślenia do zadań multimodalnych na dużą skalę wymagających różnych poziomów rozumowania. Tekst, obrazy, audio i wideo składają się na odpowiedź tekstową. Wejście dokumentowe opisano również w profilu chmurowym Google dla tego konkretnego modelu. Przydatnym wynikiem może być porównanie dokumentów, interpretacja wykresu, transkrypt, kod lub rekord strukturalny.
Sterowanie rozumowaniem tej edycji używa thinkingBudget. Dynamiczne myślenie jest domyślne; ustawienie -1 pozwala modelowi dostosować rozumowanie do złożoności zadania. Jawny budżet może wynosić od zera do 24,576 tokenów, a zero wyłącza myślenie. Wybierz budżet odpowiedni do rzeczywistego problemu zamiast przypisywać ten sam wysiłek prostej kategoryzacji i analizie z wieloma warunkami. Przewodnik traktuje budżet jako wskazówkę, a natywna karta zaznacza, że jego przestrzeganie może nie być dokładne.
Dla zadania dokumentowego lub dotyczącego danych zdefiniuj pytanie, wymagane pola i dowody, które powinny towarzyszyć wynikowi. Przy porównaniu wymagań porównaj dwie specyfikacje i zwróć zmienione wymaganie, jego fragment źródłowy i wpływ na wskazany przepływ pracy. Wyjście strukturalne jest przydatne, gdy każde ustalenie wymaga tej samej postaci rekordu. Jeżeli źródło podaje kilka możliwych wartości lub pozostawia pole otwarte, zachowaj tę niepewność zamiast wymuszać jedną wiarygodną odpowiedź. Sprawdzaj zwrócone wartości względem dostarczonych stron lub danych.
Dla materiałów wizualnych lub audio wskaż odpowiedni obiekt, etykietę, zdarzenie lub fragment nagrania. Poproś o potrzebny rodzaj tekstu: widoczne wartości z wykresu, opis zdarzenia, transkrypt lub podsumowanie. Są to różne rezultaty i instrukcja powinna określać, który z nich wygenerować. Wspólna natywna karta obejmuje Flash Image i Flash Audio jako osobno nazwane możliwości; ich generowane wyjścia obrazowe i mowy nie są częścią tego stabilnego profilu tekstowego.
Dokładny profil chmurowy Google dokumentuje wejścia PDF i zwykłego tekstu z limitami właściwymi dla interfejsu: 50 MB na PDF importowany przez API i do 3,000 stron na plik, z limitem 7 MB dla pliku zwykłego tekstu. Profil opisuje także około 45 minut wideo z audio lub godzinę bez audio oraz około 8.4 godziny audio w ramach limitu wejścia miliona tokenów. Są to określone ograniczenia interfejsu chmurowego, odrębne od ogólnego okna tokenów modelu. Przygotuj odpowiednią sekcję i format źródła zamiast zakładać ten sam limit dla każdego typu pliku lub ścieżki przesyłania.
Dokładna tabela Gemini API wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Zdefiniuj rolę i postać parametrów każdej funkcji oraz kontynuuj na podstawie rzeczywiście zwróconego wyniku. Model może zażądać operacji, a połączona aplikacja ją wykonuje. Zachowuj niezbędny kontekst sygnatur myśli przy kontynuowaniu zadania rozumowania w interfejsie bezstanowym. Odpowiedź strukturalna lub sugestia funkcji nie potwierdza niezależnie powodzenia operacji zewnętrznej.
Natywna karta modelu podaje kontekst 1M i wyjście tekstowe 64K, natomiast dokładna tabela API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Limit odpowiedzi obejmuje tokeny myślenia, więc zbyt mały limit może pozostawić odpowiedź końcową uciętą lub pustą. Poproś o rezultat o rozmiarze odpowiednim do limitu wyjścia i używaj budżetu rozumowania do kierowania wysiłkiem. Dla tego profilu producenta udokumentowano buforowanie, przetwarzanie wsadowe, Flex i Priority. Zachowuj identyfikatory pozycji przy przygotowaniu kilku niezależnych rekordów.
Stabilna edycja pozostaje odrębna od wariantów Flash Preview i późniejszych modeli Gemini 3. Jej karta wymienia możliwe halucynacje, ograniczenia w rozumieniu przyczynowości oraz złożonym rozumowaniu logicznym lub kontrfaktycznym, a także datę graniczną wiedzy styczeń 2025. Dostarcz nowe dowody, gdy zadanie zależy od nowszych informacji. Sprawdzaj obliczenia, wyodrębnione wartości, transkrypty i proponowany kod względem rzeczywistego źródła lub wyniku wykonania. Hybrydowe myślenie jest przydatne, gdy wspiera ten konkretny wynik, zamiast zastępować jego sprawdzenie.
", "aboutText": "Gemini 2.5 Flash to stabilny profil hybrydowego rozumowania Google do wszechstronnej pracy multimodalnej i agentowego użycia narzędzi. Oferuje odpowiedzi z myśleniem i bez myślenia do zadań multimodalnych na dużą skalę wymagających różnych poziomów rozumowania. Tekst, obrazy, audio i wideo składają się na odpowiedź tekstową. Wejście dokumentowe opisano również w profilu chmurowym Google dla tego konkretnego modelu. Przydatnym wynikiem może być porównanie dokumentów, interpretacja wykresu, transkrypt, kod lub rekord strukturalny.\n\nSterowanie rozumowaniem tej edycji używa thinkingBudget. Dynamiczne myślenie jest domyślne; ustawienie -1 pozwala modelowi dostosować rozumowanie do złożoności zadania. Jawny budżet może wynosić od zera do 24,576 tokenów, a zero wyłącza myślenie. Wybierz budżet odpowiedni do rzeczywistego problemu zamiast przypisywać ten sam wysiłek prostej kategoryzacji i analizie z wieloma warunkami. Przewodnik traktuje budżet jako wskazówkę, a natywna karta zaznacza, że jego przestrzeganie może nie być dokładne.\n\nDla zadania dokumentowego lub dotyczącego danych zdefiniuj pytanie, wymagane pola i dowody, które powinny towarzyszyć wynikowi. Przy porównaniu wymagań porównaj dwie specyfikacje i zwróć zmienione wymaganie, jego fragment źródłowy i wpływ na wskazany przepływ pracy. Wyjście strukturalne jest przydatne, gdy każde ustalenie wymaga tej samej postaci rekordu. Jeżeli źródło podaje kilka możliwych wartości lub pozostawia pole otwarte, zachowaj tę niepewność zamiast wymuszać jedną wiarygodną odpowiedź. Sprawdzaj zwrócone wartości względem dostarczonych stron lub danych.\n\nDla materiałów wizualnych lub audio wskaż odpowiedni obiekt, etykietę, zdarzenie lub fragment nagrania. Poproś o potrzebny rodzaj tekstu: widoczne wartości z wykresu, opis zdarzenia, transkrypt lub podsumowanie. Są to różne rezultaty i instrukcja powinna określać, który z nich wygenerować. Wspólna natywna karta obejmuje Flash Image i Flash Audio jako osobno nazwane możliwości; ich generowane wyjścia obrazowe i mowy nie są częścią tego stabilnego profilu tekstowego.\n\nDokładny profil chmurowy Google dokumentuje wejścia PDF i zwykłego tekstu z limitami właściwymi dla interfejsu: 50 MB na PDF importowany przez API i do 3,000 stron na plik, z limitem 7 MB dla pliku zwykłego tekstu. Profil opisuje także około 45 minut wideo z audio lub godzinę bez audio oraz około 8.4 godziny audio w ramach limitu wejścia miliona tokenów. Są to określone ograniczenia interfejsu chmurowego, odrębne od ogólnego okna tokenów modelu. Przygotuj odpowiednią sekcję i format źródła zamiast zakładać ten sam limit dla każdego typu pliku lub ścieżki przesyłania.\n\nDokładna tabela Gemini API wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Zdefiniuj rolę i postać parametrów każdej funkcji oraz kontynuuj na podstawie rzeczywiście zwróconego wyniku. Model może zażądać operacji, a połączona aplikacja ją wykonuje. Zachowuj niezbędny kontekst sygnatur myśli przy kontynuowaniu zadania rozumowania w interfejsie bezstanowym. Odpowiedź strukturalna lub sugestia funkcji nie potwierdza niezależnie powodzenia operacji zewnętrznej.\n\nNatywna karta modelu podaje kontekst 1M i wyjście tekstowe 64K, natomiast dokładna tabela API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Limit odpowiedzi obejmuje tokeny myślenia, więc zbyt mały limit może pozostawić odpowiedź końcową uciętą lub pustą. Poproś o rezultat o rozmiarze odpowiednim do limitu wyjścia i używaj budżetu rozumowania do kierowania wysiłkiem. Dla tego profilu producenta udokumentowano buforowanie, przetwarzanie wsadowe, Flex i Priority. Zachowuj identyfikatory pozycji przy przygotowaniu kilku niezależnych rekordów.\n\nStabilna edycja pozostaje odrębna od wariantów Flash Preview i późniejszych modeli Gemini 3. Jej karta wymienia możliwe halucynacje, ograniczenia w rozumieniu przyczynowości oraz złożonym rozumowaniu logicznym lub kontrfaktycznym, a także datę graniczną wiedzy styczeń 2025. Dostarcz nowe dowody, gdy zadanie zależy od nowszych informacji. Sprawdzaj obliczenia, wyodrębnione wartości, transkrypty i proponowany kod względem rzeczywistego źródła lub wyniku wykonania. Hybrydowe myślenie jest przydatne, gdy wspiera ten konkretny wynik, zamiast zastępować jego sprawdzenie.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Extract changes in an approval rule\n\nCompare these rules for a purchase request. [OLD] Any manager may approve expenses up to 500 units. [NEW] A team manager may approve up to 300 units; above that, finance approval is required. Return the changed requirement, source wording and effect on a 450-unit request. Mark any ambiguity about the currency.A structured comparison and a source-backed explanation of the 450-unit case, with the currency gap retained.Check that the example uses the new threshold and does not invent the unit's currency.gemini-2.5-flashGemini 2.5 Flash to stabilny model hybrydowego rozumowania Google do analizy multimodalnej i zadań agentów. Dynamiczny budżet myślenia można ustawić od 0 do 24,576 tokenów, w tym w trybie wyłączenia. Tekst, obrazy, audio, wideo i dokumenty stają się tekstem lub wynikami strukturalnymi, z udokumentowanym limitem wejścia 1,048,576 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash to stabilny profil hybrydowego rozumowania Google do wszechstronnej pracy multimodalnej i agentowego użycia narzędzi. Oferuje odpowiedzi z myśleniem i bez myślenia do zadań multimodalnych na dużą skalę wymagających różnych poziomów rozumowania. Tekst, obrazy, audio i wideo składają się na odpowiedź tekstową. Wejście dokumentowe opisano również w profilu chmurowym Google dla tego konkretnego modelu. Przydatnym wynikiem może być porównanie dokumentów, interpretacja wykresu, transkrypt, kod lub rekord strukturalny.
Sterowanie rozumowaniem tej edycji używa thinkingBudget. Dynamiczne myślenie jest domyślne; ustawienie -1 pozwala modelowi dostosować rozumowanie do złożoności zadania. Jawny budżet może wynosić od zera do 24,576 tokenów, a zero wyłącza myślenie. Wybierz budżet odpowiedni do rzeczywistego problemu zamiast przypisywać ten sam wysiłek prostej kategoryzacji i analizie z wieloma warunkami. Przewodnik traktuje budżet jako wskazówkę, a natywna karta zaznacza, że jego przestrzeganie może nie być dokładne.
Dla zadania dokumentowego lub dotyczącego danych zdefiniuj pytanie, wymagane pola i dowody, które powinny towarzyszyć wynikowi. Przy porównaniu wymagań porównaj dwie specyfikacje i zwróć zmienione wymaganie, jego fragment źródłowy i wpływ na wskazany przepływ pracy. Wyjście strukturalne jest przydatne, gdy każde ustalenie wymaga tej samej postaci rekordu. Jeżeli źródło podaje kilka możliwych wartości lub pozostawia pole otwarte, zachowaj tę niepewność zamiast wymuszać jedną wiarygodną odpowiedź. Sprawdzaj zwrócone wartości względem dostarczonych stron lub danych.
Dla materiałów wizualnych lub audio wskaż odpowiedni obiekt, etykietę, zdarzenie lub fragment nagrania. Poproś o potrzebny rodzaj tekstu: widoczne wartości z wykresu, opis zdarzenia, transkrypt lub podsumowanie. Są to różne rezultaty i instrukcja powinna określać, który z nich wygenerować. Wspólna natywna karta obejmuje Flash Image i Flash Audio jako osobno nazwane możliwości; ich generowane wyjścia obrazowe i mowy nie są częścią tego stabilnego profilu tekstowego.
Dokładny profil chmurowy Google dokumentuje wejścia PDF i zwykłego tekstu z limitami właściwymi dla interfejsu: 50 MB na PDF importowany przez API i do 3,000 stron na plik, z limitem 7 MB dla pliku zwykłego tekstu. Profil opisuje także około 45 minut wideo z audio lub godzinę bez audio oraz około 8.4 godziny audio w ramach limitu wejścia miliona tokenów. Są to określone ograniczenia interfejsu chmurowego, odrębne od ogólnego okna tokenów modelu. Przygotuj odpowiednią sekcję i format źródła zamiast zakładać ten sam limit dla każdego typu pliku lub ścieżki przesyłania.
Dokładna tabela Gemini API wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Zdefiniuj rolę i postać parametrów każdej funkcji oraz kontynuuj na podstawie rzeczywiście zwróconego wyniku. Model może zażądać operacji, a połączona aplikacja ją wykonuje. Zachowuj niezbędny kontekst sygnatur myśli przy kontynuowaniu zadania rozumowania w interfejsie bezstanowym. Odpowiedź strukturalna lub sugestia funkcji nie potwierdza niezależnie powodzenia operacji zewnętrznej.
Natywna karta modelu podaje kontekst 1M i wyjście tekstowe 64K, natomiast dokładna tabela API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Limit odpowiedzi obejmuje tokeny myślenia, więc zbyt mały limit może pozostawić odpowiedź końcową uciętą lub pustą. Poproś o rezultat o rozmiarze odpowiednim do limitu wyjścia i używaj budżetu rozumowania do kierowania wysiłkiem. Dla tego profilu producenta udokumentowano buforowanie, przetwarzanie wsadowe, Flex i Priority. Zachowuj identyfikatory pozycji przy przygotowaniu kilku niezależnych rekordów.
Stabilna edycja pozostaje odrębna od wariantów Flash Preview i późniejszych modeli Gemini 3. Jej karta wymienia możliwe halucynacje, ograniczenia w rozumieniu przyczynowości oraz złożonym rozumowaniu logicznym lub kontrfaktycznym, a także datę graniczną wiedzy styczeń 2025. Dostarcz nowe dowody, gdy zadanie zależy od nowszych informacji. Sprawdzaj obliczenia, wyodrębnione wartości, transkrypty i proponowany kod względem rzeczywistego źródła lub wyniku wykonania. Hybrydowe myślenie jest przydatne, gdy wspiera ten konkretny wynik, zamiast zastępować jego sprawdzenie.
POST /v1/messagestext, imagetext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-2.5-flash | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring|content_block[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polesystem | Typstring|content_block[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity Minimum: 1 Limit dotyczy: dokładny limit wybranego modelu/karty | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop_sequences | Typstring[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typtool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].name | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie | Domyślnie— |
Poletools[].description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].input_schema | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polethinking.type | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polethinking.budget_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleoutput_config.effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemetadata | Typobject | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polecache_control | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Tekst · tekst UTF8
messages[].content lub blok type=text
Tekst + obraz
{type:image,source:{type:base64,media_type,data}} lub źródło type=url
| Parametr | Kontrakt |
|---|---|
Parametrmaterial_types | Kontrakttext, image |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktnull |
Parametrcontent_type | Kontraktapplication/json |
Parametrtext_file_material | Kontraktrzeczywista treść UTF-8 wstawiona jako tekst; ID/URLs plików wymagają oddzielnej, dokładnie określonej obsługi |
Cykl życia: exact retained published method
Struktury metod i ID są dokładne; możliwości dostawcy są odrębne od dopuszczenia żądania.
POST /v1/messagesAiloot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
Referencyjne tabele modelu nie zmieniają wyboru metody, wyceny ani opłat. Naliczane opłaty korzystają ze stawek wybranej metody Ailoot.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaOpenAI Chat · Podstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaOpenAI Chat · Przedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaAnthropic Messages · Podstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaAnthropic Messages · Przedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-flash",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-flash",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-2.5-flash',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash to stabilny model hybrydowego rozumowania Google do analizy multimodalnej i zadań agentów. Dynamiczny budżet myślenia można ustawić od 0 do 24,576 tokenów, w tym w trybie wyłączenia. Tekst, obrazy, audio, wideo i dokumenty stają się tekstem lub wynikami strukturalnymi, z udokumentowanym limitem wejścia 1,048,576 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash to stabilny profil hybrydowego rozumowania Google do wszechstronnej pracy multimodalnej i agentowego użycia narzędzi. Oferuje odpowiedzi z myśleniem i bez myślenia do zadań multimodalnych na dużą skalę wymagających różnych poziomów rozumowania. Tekst, obrazy, audio i wideo składają się na odpowiedź tekstową. Wejście dokumentowe opisano również w profilu chmurowym Google dla tego konkretnego modelu. Przydatnym wynikiem może być porównanie dokumentów, interpretacja wykresu, transkrypt, kod lub rekord strukturalny.
Sterowanie rozumowaniem tej edycji używa thinkingBudget. Dynamiczne myślenie jest domyślne; ustawienie -1 pozwala modelowi dostosować rozumowanie do złożoności zadania. Jawny budżet może wynosić od zera do 24,576 tokenów, a zero wyłącza myślenie. Wybierz budżet odpowiedni do rzeczywistego problemu zamiast przypisywać ten sam wysiłek prostej kategoryzacji i analizie z wieloma warunkami. Przewodnik traktuje budżet jako wskazówkę, a natywna karta zaznacza, że jego przestrzeganie może nie być dokładne.
Dla zadania dokumentowego lub dotyczącego danych zdefiniuj pytanie, wymagane pola i dowody, które powinny towarzyszyć wynikowi. Przy porównaniu wymagań porównaj dwie specyfikacje i zwróć zmienione wymaganie, jego fragment źródłowy i wpływ na wskazany przepływ pracy. Wyjście strukturalne jest przydatne, gdy każde ustalenie wymaga tej samej postaci rekordu. Jeżeli źródło podaje kilka możliwych wartości lub pozostawia pole otwarte, zachowaj tę niepewność zamiast wymuszać jedną wiarygodną odpowiedź. Sprawdzaj zwrócone wartości względem dostarczonych stron lub danych.
Dla materiałów wizualnych lub audio wskaż odpowiedni obiekt, etykietę, zdarzenie lub fragment nagrania. Poproś o potrzebny rodzaj tekstu: widoczne wartości z wykresu, opis zdarzenia, transkrypt lub podsumowanie. Są to różne rezultaty i instrukcja powinna określać, który z nich wygenerować. Wspólna natywna karta obejmuje Flash Image i Flash Audio jako osobno nazwane możliwości; ich generowane wyjścia obrazowe i mowy nie są częścią tego stabilnego profilu tekstowego.
Dokładny profil chmurowy Google dokumentuje wejścia PDF i zwykłego tekstu z limitami właściwymi dla interfejsu: 50 MB na PDF importowany przez API i do 3,000 stron na plik, z limitem 7 MB dla pliku zwykłego tekstu. Profil opisuje także około 45 minut wideo z audio lub godzinę bez audio oraz około 8.4 godziny audio w ramach limitu wejścia miliona tokenów. Są to określone ograniczenia interfejsu chmurowego, odrębne od ogólnego okna tokenów modelu. Przygotuj odpowiednią sekcję i format źródła zamiast zakładać ten sam limit dla każdego typu pliku lub ścieżki przesyłania.
Dokładna tabela Gemini API wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Zdefiniuj rolę i postać parametrów każdej funkcji oraz kontynuuj na podstawie rzeczywiście zwróconego wyniku. Model może zażądać operacji, a połączona aplikacja ją wykonuje. Zachowuj niezbędny kontekst sygnatur myśli przy kontynuowaniu zadania rozumowania w interfejsie bezstanowym. Odpowiedź strukturalna lub sugestia funkcji nie potwierdza niezależnie powodzenia operacji zewnętrznej.
Natywna karta modelu podaje kontekst 1M i wyjście tekstowe 64K, natomiast dokładna tabela API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Limit odpowiedzi obejmuje tokeny myślenia, więc zbyt mały limit może pozostawić odpowiedź końcową uciętą lub pustą. Poproś o rezultat o rozmiarze odpowiednim do limitu wyjścia i używaj budżetu rozumowania do kierowania wysiłkiem. Dla tego profilu producenta udokumentowano buforowanie, przetwarzanie wsadowe, Flex i Priority. Zachowuj identyfikatory pozycji przy przygotowaniu kilku niezależnych rekordów.
Stabilna edycja pozostaje odrębna od wariantów Flash Preview i późniejszych modeli Gemini 3. Jej karta wymienia możliwe halucynacje, ograniczenia w rozumieniu przyczynowości oraz złożonym rozumowaniu logicznym lub kontrfaktycznym, a także datę graniczną wiedzy styczeń 2025. Dostarcz nowe dowody, gdy zadanie zależy od nowszych informacji. Sprawdzaj obliczenia, wyodrębnione wartości, transkrypty i proponowany kod względem rzeczywistego źródła lub wyniku wykonania. Hybrydowe myślenie jest przydatne, gdy wspiera ten konkretny wynik, zamiast zastępować jego sprawdzenie.
POST /v1beta/models/{model}:generateContenttext, imagetext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polepath.model | Typstring | WymaganieWymagane | Wartości i limity gemini-2.5-flash | Domyślnie— |
Polecontents | Typcontent[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polecontents[].role | Typstring | WymaganieOpcjonalne | Wartości i limity user, model | Domyślnie— |
Polecontents[].parts | Typpart[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
PolesystemInstruction | Typcontent | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
PolegenerationConfig.maxOutputTokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
PolegenerationConfig.temperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.topP | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.topK | Typinteger | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.stopSequences | Typstring[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.thinkingConfig.includeThoughts | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.thinkingConfig.thinkingBudget | Typinteger | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].functionDeclarations | Typfunction_declaration[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PoletoolConfig.functionCallingConfig.mode | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolesafetySettings | Typobject[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolesessionId | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Tekst · tekst UTF8
contents[].parts[].text
Tekst + obraz
parts[].inlineData={mimeType,data}
| Parametr | Kontrakt |
|---|---|
Parametrmaterial_types | Kontrakttext, image |
Parametrrequired | Kontraktcontents |
Parametroptional_controls | Kontraktnull |
Parametrcontent_type | Kontraktapplication/json |
Parametrtext_file_material | Kontraktrzeczywista treść UTF-8 wstawiona jako tekst; ID/URLs plików wymagają oddzielnej, dokładnie określonej obsługi |
Cykl życia: exact retained published method
Struktury metod i ID są dokładne; możliwości dostawcy są odrębne od dopuszczenia żądania.
POST /v1beta/models/{model}:generateContentAiloot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
Referencyjne tabele modelu nie zmieniają wyboru metody, wyceny ani opłat. Naliczane opłaty korzystają ze stawek wybranej metody Ailoot.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaOpenAI Chat · Podstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaOpenAI Chat · Przedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaAnthropic Messages · Podstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaAnthropic Messages · Przedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-flash", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-flash", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-flash',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson lub obsługiwane strumieniowanie
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkich kandydatów i części, w tym wywołania funkcji, sygnatury myślenia i dane użycia; składaj fragmenty strumienia w kolejności.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
PoleresponseId | Typstring |
PolemodelVersion | Typstring |
Polecandidates[].content.parts[] | Typtext|inlineData|functionCall|other part |
Polecandidates[].finishReason | Typstring |
PoleusageMetadata | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash to stabilny model hybrydowego rozumowania Google do analizy multimodalnej i zadań agentów. Dynamiczny budżet myślenia można ustawić od 0 do 24,576 tokenów, w tym w trybie wyłączenia. Tekst, obrazy, audio, wideo i dokumenty stają się tekstem lub wynikami strukturalnymi, z udokumentowanym limitem wejścia 1,048,576 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash to stabilny profil hybrydowego rozumowania Google do wszechstronnej pracy multimodalnej i agentowego użycia narzędzi. Oferuje odpowiedzi z myśleniem i bez myślenia do zadań multimodalnych na dużą skalę wymagających różnych poziomów rozumowania. Tekst, obrazy, audio i wideo składają się na odpowiedź tekstową. Wejście dokumentowe opisano również w profilu chmurowym Google dla tego konkretnego modelu. Przydatnym wynikiem może być porównanie dokumentów, interpretacja wykresu, transkrypt, kod lub rekord strukturalny.
Sterowanie rozumowaniem tej edycji używa thinkingBudget. Dynamiczne myślenie jest domyślne; ustawienie -1 pozwala modelowi dostosować rozumowanie do złożoności zadania. Jawny budżet może wynosić od zera do 24,576 tokenów, a zero wyłącza myślenie. Wybierz budżet odpowiedni do rzeczywistego problemu zamiast przypisywać ten sam wysiłek prostej kategoryzacji i analizie z wieloma warunkami. Przewodnik traktuje budżet jako wskazówkę, a natywna karta zaznacza, że jego przestrzeganie może nie być dokładne.
Dla zadania dokumentowego lub dotyczącego danych zdefiniuj pytanie, wymagane pola i dowody, które powinny towarzyszyć wynikowi. Przy porównaniu wymagań porównaj dwie specyfikacje i zwróć zmienione wymaganie, jego fragment źródłowy i wpływ na wskazany przepływ pracy. Wyjście strukturalne jest przydatne, gdy każde ustalenie wymaga tej samej postaci rekordu. Jeżeli źródło podaje kilka możliwych wartości lub pozostawia pole otwarte, zachowaj tę niepewność zamiast wymuszać jedną wiarygodną odpowiedź. Sprawdzaj zwrócone wartości względem dostarczonych stron lub danych.
Dla materiałów wizualnych lub audio wskaż odpowiedni obiekt, etykietę, zdarzenie lub fragment nagrania. Poproś o potrzebny rodzaj tekstu: widoczne wartości z wykresu, opis zdarzenia, transkrypt lub podsumowanie. Są to różne rezultaty i instrukcja powinna określać, który z nich wygenerować. Wspólna natywna karta obejmuje Flash Image i Flash Audio jako osobno nazwane możliwości; ich generowane wyjścia obrazowe i mowy nie są częścią tego stabilnego profilu tekstowego.
Dokładny profil chmurowy Google dokumentuje wejścia PDF i zwykłego tekstu z limitami właściwymi dla interfejsu: 50 MB na PDF importowany przez API i do 3,000 stron na plik, z limitem 7 MB dla pliku zwykłego tekstu. Profil opisuje także około 45 minut wideo z audio lub godzinę bez audio oraz około 8.4 godziny audio w ramach limitu wejścia miliona tokenów. Są to określone ograniczenia interfejsu chmurowego, odrębne od ogólnego okna tokenów modelu. Przygotuj odpowiednią sekcję i format źródła zamiast zakładać ten sam limit dla każdego typu pliku lub ścieżki przesyłania.
Dokładna tabela Gemini API wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Zdefiniuj rolę i postać parametrów każdej funkcji oraz kontynuuj na podstawie rzeczywiście zwróconego wyniku. Model może zażądać operacji, a połączona aplikacja ją wykonuje. Zachowuj niezbędny kontekst sygnatur myśli przy kontynuowaniu zadania rozumowania w interfejsie bezstanowym. Odpowiedź strukturalna lub sugestia funkcji nie potwierdza niezależnie powodzenia operacji zewnętrznej.
Natywna karta modelu podaje kontekst 1M i wyjście tekstowe 64K, natomiast dokładna tabela API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Limit odpowiedzi obejmuje tokeny myślenia, więc zbyt mały limit może pozostawić odpowiedź końcową uciętą lub pustą. Poproś o rezultat o rozmiarze odpowiednim do limitu wyjścia i używaj budżetu rozumowania do kierowania wysiłkiem. Dla tego profilu producenta udokumentowano buforowanie, przetwarzanie wsadowe, Flex i Priority. Zachowuj identyfikatory pozycji przy przygotowaniu kilku niezależnych rekordów.
Stabilna edycja pozostaje odrębna od wariantów Flash Preview i późniejszych modeli Gemini 3. Jej karta wymienia możliwe halucynacje, ograniczenia w rozumieniu przyczynowości oraz złożonym rozumowaniu logicznym lub kontrfaktycznym, a także datę graniczną wiedzy styczeń 2025. Dostarcz nowe dowody, gdy zadanie zależy od nowszych informacji. Sprawdzaj obliczenia, wyodrębnione wartości, transkrypty i proponowany kod względem rzeczywistego źródła lub wyniku wykonania. Hybrydowe myślenie jest przydatne, gdy wspiera ten konkretny wynik, zamiast zastępować jego sprawdzenie.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-2.5-flash | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Rozmowa tekstowa | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream |
Parametrcontrol_scope | KontraktRozmowa tekstowa; stream jest wartością logiczną i domyślnie wynosi false. |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Aliasy metody: /chat/completions
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-2.5-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-2.5-flash", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash to stabilny model hybrydowego rozumowania Google do analizy multimodalnej i zadań agentów. Dynamiczny budżet myślenia można ustawić od 0 do 24,576 tokenów, w tym w trybie wyłączenia. Tekst, obrazy, audio, wideo i dokumenty stają się tekstem lub wynikami strukturalnymi, z udokumentowanym limitem wejścia 1,048,576 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash to stabilny profil hybrydowego rozumowania Google do wszechstronnej pracy multimodalnej i agentowego użycia narzędzi. Oferuje odpowiedzi z myśleniem i bez myślenia do zadań multimodalnych na dużą skalę wymagających różnych poziomów rozumowania. Tekst, obrazy, audio i wideo składają się na odpowiedź tekstową. Wejście dokumentowe opisano również w profilu chmurowym Google dla tego konkretnego modelu. Przydatnym wynikiem może być porównanie dokumentów, interpretacja wykresu, transkrypt, kod lub rekord strukturalny.
Sterowanie rozumowaniem tej edycji używa thinkingBudget. Dynamiczne myślenie jest domyślne; ustawienie -1 pozwala modelowi dostosować rozumowanie do złożoności zadania. Jawny budżet może wynosić od zera do 24,576 tokenów, a zero wyłącza myślenie. Wybierz budżet odpowiedni do rzeczywistego problemu zamiast przypisywać ten sam wysiłek prostej kategoryzacji i analizie z wieloma warunkami. Przewodnik traktuje budżet jako wskazówkę, a natywna karta zaznacza, że jego przestrzeganie może nie być dokładne.
Dla zadania dokumentowego lub dotyczącego danych zdefiniuj pytanie, wymagane pola i dowody, które powinny towarzyszyć wynikowi. Przy porównaniu wymagań porównaj dwie specyfikacje i zwróć zmienione wymaganie, jego fragment źródłowy i wpływ na wskazany przepływ pracy. Wyjście strukturalne jest przydatne, gdy każde ustalenie wymaga tej samej postaci rekordu. Jeżeli źródło podaje kilka możliwych wartości lub pozostawia pole otwarte, zachowaj tę niepewność zamiast wymuszać jedną wiarygodną odpowiedź. Sprawdzaj zwrócone wartości względem dostarczonych stron lub danych.
Dla materiałów wizualnych lub audio wskaż odpowiedni obiekt, etykietę, zdarzenie lub fragment nagrania. Poproś o potrzebny rodzaj tekstu: widoczne wartości z wykresu, opis zdarzenia, transkrypt lub podsumowanie. Są to różne rezultaty i instrukcja powinna określać, który z nich wygenerować. Wspólna natywna karta obejmuje Flash Image i Flash Audio jako osobno nazwane możliwości; ich generowane wyjścia obrazowe i mowy nie są częścią tego stabilnego profilu tekstowego.
Dokładny profil chmurowy Google dokumentuje wejścia PDF i zwykłego tekstu z limitami właściwymi dla interfejsu: 50 MB na PDF importowany przez API i do 3,000 stron na plik, z limitem 7 MB dla pliku zwykłego tekstu. Profil opisuje także około 45 minut wideo z audio lub godzinę bez audio oraz około 8.4 godziny audio w ramach limitu wejścia miliona tokenów. Są to określone ograniczenia interfejsu chmurowego, odrębne od ogólnego okna tokenów modelu. Przygotuj odpowiednią sekcję i format źródła zamiast zakładać ten sam limit dla każdego typu pliku lub ścieżki przesyłania.
Dokładna tabela Gemini API wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Zdefiniuj rolę i postać parametrów każdej funkcji oraz kontynuuj na podstawie rzeczywiście zwróconego wyniku. Model może zażądać operacji, a połączona aplikacja ją wykonuje. Zachowuj niezbędny kontekst sygnatur myśli przy kontynuowaniu zadania rozumowania w interfejsie bezstanowym. Odpowiedź strukturalna lub sugestia funkcji nie potwierdza niezależnie powodzenia operacji zewnętrznej.
Natywna karta modelu podaje kontekst 1M i wyjście tekstowe 64K, natomiast dokładna tabela API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Limit odpowiedzi obejmuje tokeny myślenia, więc zbyt mały limit może pozostawić odpowiedź końcową uciętą lub pustą. Poproś o rezultat o rozmiarze odpowiednim do limitu wyjścia i używaj budżetu rozumowania do kierowania wysiłkiem. Dla tego profilu producenta udokumentowano buforowanie, przetwarzanie wsadowe, Flex i Priority. Zachowuj identyfikatory pozycji przy przygotowaniu kilku niezależnych rekordów.
Stabilna edycja pozostaje odrębna od wariantów Flash Preview i późniejszych modeli Gemini 3. Jej karta wymienia możliwe halucynacje, ograniczenia w rozumieniu przyczynowości oraz złożonym rozumowaniu logicznym lub kontrfaktycznym, a także datę graniczną wiedzy styczeń 2025. Dostarcz nowe dowody, gdy zadanie zależy od nowszych informacji. Sprawdzaj obliczenia, wyodrębnione wartości, transkrypty i proponowany kod względem rzeczywistego źródła lub wyniku wykonania. Hybrydowe myślenie jest przydatne, gdy wspiera ten konkretny wynik, zamiast zastępować jego sprawdzenie.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-2.5-flash | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "gemini-2.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
google/gemini-2.5-flashGemini 2.5 Flash to stabilny model hybrydowego rozumowania Google do analizy multimodalnej i zadań agentów. Dynamiczny budżet myślenia można ustawić od 0 do 24,576 tokenów, w tym w trybie wyłączenia. Tekst, obrazy, audio, wideo i dokumenty stają się tekstem lub wynikami strukturalnymi, z udokumentowanym limitem wejścia 1,048,576 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash to stabilny profil hybrydowego rozumowania Google do wszechstronnej pracy multimodalnej i agentowego użycia narzędzi. Oferuje odpowiedzi z myśleniem i bez myślenia do zadań multimodalnych na dużą skalę wymagających różnych poziomów rozumowania. Tekst, obrazy, audio i wideo składają się na odpowiedź tekstową. Wejście dokumentowe opisano również w profilu chmurowym Google dla tego konkretnego modelu. Przydatnym wynikiem może być porównanie dokumentów, interpretacja wykresu, transkrypt, kod lub rekord strukturalny.
Sterowanie rozumowaniem tej edycji używa thinkingBudget. Dynamiczne myślenie jest domyślne; ustawienie -1 pozwala modelowi dostosować rozumowanie do złożoności zadania. Jawny budżet może wynosić od zera do 24,576 tokenów, a zero wyłącza myślenie. Wybierz budżet odpowiedni do rzeczywistego problemu zamiast przypisywać ten sam wysiłek prostej kategoryzacji i analizie z wieloma warunkami. Przewodnik traktuje budżet jako wskazówkę, a natywna karta zaznacza, że jego przestrzeganie może nie być dokładne.
Dla zadania dokumentowego lub dotyczącego danych zdefiniuj pytanie, wymagane pola i dowody, które powinny towarzyszyć wynikowi. Przy porównaniu wymagań porównaj dwie specyfikacje i zwróć zmienione wymaganie, jego fragment źródłowy i wpływ na wskazany przepływ pracy. Wyjście strukturalne jest przydatne, gdy każde ustalenie wymaga tej samej postaci rekordu. Jeżeli źródło podaje kilka możliwych wartości lub pozostawia pole otwarte, zachowaj tę niepewność zamiast wymuszać jedną wiarygodną odpowiedź. Sprawdzaj zwrócone wartości względem dostarczonych stron lub danych.
Dla materiałów wizualnych lub audio wskaż odpowiedni obiekt, etykietę, zdarzenie lub fragment nagrania. Poproś o potrzebny rodzaj tekstu: widoczne wartości z wykresu, opis zdarzenia, transkrypt lub podsumowanie. Są to różne rezultaty i instrukcja powinna określać, który z nich wygenerować. Wspólna natywna karta obejmuje Flash Image i Flash Audio jako osobno nazwane możliwości; ich generowane wyjścia obrazowe i mowy nie są częścią tego stabilnego profilu tekstowego.
Dokładny profil chmurowy Google dokumentuje wejścia PDF i zwykłego tekstu z limitami właściwymi dla interfejsu: 50 MB na PDF importowany przez API i do 3,000 stron na plik, z limitem 7 MB dla pliku zwykłego tekstu. Profil opisuje także około 45 minut wideo z audio lub godzinę bez audio oraz około 8.4 godziny audio w ramach limitu wejścia miliona tokenów. Są to określone ograniczenia interfejsu chmurowego, odrębne od ogólnego okna tokenów modelu. Przygotuj odpowiednią sekcję i format źródła zamiast zakładać ten sam limit dla każdego typu pliku lub ścieżki przesyłania.
Dokładna tabela Gemini API wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Zdefiniuj rolę i postać parametrów każdej funkcji oraz kontynuuj na podstawie rzeczywiście zwróconego wyniku. Model może zażądać operacji, a połączona aplikacja ją wykonuje. Zachowuj niezbędny kontekst sygnatur myśli przy kontynuowaniu zadania rozumowania w interfejsie bezstanowym. Odpowiedź strukturalna lub sugestia funkcji nie potwierdza niezależnie powodzenia operacji zewnętrznej.
Natywna karta modelu podaje kontekst 1M i wyjście tekstowe 64K, natomiast dokładna tabela API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Limit odpowiedzi obejmuje tokeny myślenia, więc zbyt mały limit może pozostawić odpowiedź końcową uciętą lub pustą. Poproś o rezultat o rozmiarze odpowiednim do limitu wyjścia i używaj budżetu rozumowania do kierowania wysiłkiem. Dla tego profilu producenta udokumentowano buforowanie, przetwarzanie wsadowe, Flex i Priority. Zachowuj identyfikatory pozycji przy przygotowaniu kilku niezależnych rekordów.
Stabilna edycja pozostaje odrębna od wariantów Flash Preview i późniejszych modeli Gemini 3. Jej karta wymienia możliwe halucynacje, ograniczenia w rozumieniu przyczynowości oraz złożonym rozumowaniu logicznym lub kontrfaktycznym, a także datę graniczną wiedzy styczeń 2025. Dostarcz nowe dowody, gdy zadanie zależy od nowszych informacji. Sprawdzaj obliczenia, wyodrębnione wartości, transkrypty i proponowany kod względem rzeczywistego źródła lub wyniku wykonania. Hybrydowe myślenie jest przydatne, gdy wspiera ten konkretny wynik, zamiast zastępować jego sprawdzenie.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemini-2.5-flash | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-2.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-2.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
google/gemini-2.5-flashGemini 2.5 Flash to stabilny model hybrydowego rozumowania Google do analizy multimodalnej i zadań agentów. Dynamiczny budżet myślenia można ustawić od 0 do 24,576 tokenów, w tym w trybie wyłączenia. Tekst, obrazy, audio, wideo i dokumenty stają się tekstem lub wynikami strukturalnymi, z udokumentowanym limitem wejścia 1,048,576 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash to stabilny profil hybrydowego rozumowania Google do wszechstronnej pracy multimodalnej i agentowego użycia narzędzi. Oferuje odpowiedzi z myśleniem i bez myślenia do zadań multimodalnych na dużą skalę wymagających różnych poziomów rozumowania. Tekst, obrazy, audio i wideo składają się na odpowiedź tekstową. Wejście dokumentowe opisano również w profilu chmurowym Google dla tego konkretnego modelu. Przydatnym wynikiem może być porównanie dokumentów, interpretacja wykresu, transkrypt, kod lub rekord strukturalny.
Sterowanie rozumowaniem tej edycji używa thinkingBudget. Dynamiczne myślenie jest domyślne; ustawienie -1 pozwala modelowi dostosować rozumowanie do złożoności zadania. Jawny budżet może wynosić od zera do 24,576 tokenów, a zero wyłącza myślenie. Wybierz budżet odpowiedni do rzeczywistego problemu zamiast przypisywać ten sam wysiłek prostej kategoryzacji i analizie z wieloma warunkami. Przewodnik traktuje budżet jako wskazówkę, a natywna karta zaznacza, że jego przestrzeganie może nie być dokładne.
Dla zadania dokumentowego lub dotyczącego danych zdefiniuj pytanie, wymagane pola i dowody, które powinny towarzyszyć wynikowi. Przy porównaniu wymagań porównaj dwie specyfikacje i zwróć zmienione wymaganie, jego fragment źródłowy i wpływ na wskazany przepływ pracy. Wyjście strukturalne jest przydatne, gdy każde ustalenie wymaga tej samej postaci rekordu. Jeżeli źródło podaje kilka możliwych wartości lub pozostawia pole otwarte, zachowaj tę niepewność zamiast wymuszać jedną wiarygodną odpowiedź. Sprawdzaj zwrócone wartości względem dostarczonych stron lub danych.
Dla materiałów wizualnych lub audio wskaż odpowiedni obiekt, etykietę, zdarzenie lub fragment nagrania. Poproś o potrzebny rodzaj tekstu: widoczne wartości z wykresu, opis zdarzenia, transkrypt lub podsumowanie. Są to różne rezultaty i instrukcja powinna określać, który z nich wygenerować. Wspólna natywna karta obejmuje Flash Image i Flash Audio jako osobno nazwane możliwości; ich generowane wyjścia obrazowe i mowy nie są częścią tego stabilnego profilu tekstowego.
Dokładny profil chmurowy Google dokumentuje wejścia PDF i zwykłego tekstu z limitami właściwymi dla interfejsu: 50 MB na PDF importowany przez API i do 3,000 stron na plik, z limitem 7 MB dla pliku zwykłego tekstu. Profil opisuje także około 45 minut wideo z audio lub godzinę bez audio oraz około 8.4 godziny audio w ramach limitu wejścia miliona tokenów. Są to określone ograniczenia interfejsu chmurowego, odrębne od ogólnego okna tokenów modelu. Przygotuj odpowiednią sekcję i format źródła zamiast zakładać ten sam limit dla każdego typu pliku lub ścieżki przesyłania.
Dokładna tabela Gemini API wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Zdefiniuj rolę i postać parametrów każdej funkcji oraz kontynuuj na podstawie rzeczywiście zwróconego wyniku. Model może zażądać operacji, a połączona aplikacja ją wykonuje. Zachowuj niezbędny kontekst sygnatur myśli przy kontynuowaniu zadania rozumowania w interfejsie bezstanowym. Odpowiedź strukturalna lub sugestia funkcji nie potwierdza niezależnie powodzenia operacji zewnętrznej.
Natywna karta modelu podaje kontekst 1M i wyjście tekstowe 64K, natomiast dokładna tabela API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Limit odpowiedzi obejmuje tokeny myślenia, więc zbyt mały limit może pozostawić odpowiedź końcową uciętą lub pustą. Poproś o rezultat o rozmiarze odpowiednim do limitu wyjścia i używaj budżetu rozumowania do kierowania wysiłkiem. Dla tego profilu producenta udokumentowano buforowanie, przetwarzanie wsadowe, Flex i Priority. Zachowuj identyfikatory pozycji przy przygotowaniu kilku niezależnych rekordów.
Stabilna edycja pozostaje odrębna od wariantów Flash Preview i późniejszych modeli Gemini 3. Jej karta wymienia możliwe halucynacje, ograniczenia w rozumieniu przyczynowości oraz złożonym rozumowaniu logicznym lub kontrfaktycznym, a także datę graniczną wiedzy styczeń 2025. Dostarcz nowe dowody, gdy zadanie zależy od nowszych informacji. Sprawdzaj obliczenia, wyodrębnione wartości, transkrypty i proponowany kod względem rzeczywistego źródła lub wyniku wykonania. Hybrydowe myślenie jest przydatne, gdy wspiera ten konkretny wynik, zamiast zastępować jego sprawdzenie.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemini-2.5-flash | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "google/gemini-2.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
Przykład techniczny po angielsku
Extract changes in an approval rule\n\nCompare these rules for a purchase request. [OLD] Any manager may approve expenses up to 500 units. [NEW] A team manager may approve up to 300 units; above that, finance approval is required. Return the changed requirement, source wording and effect on a 450-unit request. Mark any ambiguity about the currency.A structured comparison and a source-backed explanation of the 450-unit case, with the currency gap retained.Check that the example uses the new threshold and does not invent the unit's currency.