Gemini 2.5 Pro to stabilny profil myślenia Google do zaawansowanego programowania, matematyki, STEM i analizy długiego kontekstu. Potrafi rozumieć tekst, audio, obrazy, wideo i całe repozytoria kodu, a jego profil Gemini API przyjmuje również wejście PDF. Wyjściem jest tekst, w tym kod, pisemna analiza lub rekord strukturalny. Przydatne zlecenie dostarcza dowodów i wymaga wyniku, który można sprawdzić, takiego jak rozwiązanie z wyjaśnieniem, ustalenie dotyczące kodu projektu lub porównanie kilku dokumentów.
Dla programowania podaj odpowiednie pliki, zaobserwowane zachowanie i istotną zmianę lub pytanie. Długi kontekst może pomóc modelowi powiązać moduły zamiast rozumować na podstawie jednego izolowanego fragmentu. W badaniu ścieżki kodu poproś o prześledzenie identyfikatora od formularza wejściowego przez przetwarzanie i zapis, wskazanie miejsca zmiany kontraktu i zaproponowanie konkretnej poprawki. Zachowaj ograniczenia i poproś o potwierdzające odwołania. Proponowana zmiana wymaga porównania z rzeczywistym kodem i wszelką walidacją wykonaną przez połączone narzędzia.
Dla matematyki lub analizy naukowej określ problem, założenia, jednostki i wymaganą postać odpowiedzi. Dostarcz dane lub rysunki, od których zależy obliczenie. Poproś o poparty wynik i kontrole pozwalające go ocenić, takie jak przypadki brzegowe lub porównanie z oryginalnymi wartościami. Możliwości rozumowania modelu nie usuwają niejednoznaczności treści problemu. Zachowuj widoczną nieznaną wielkość lub niepoparte założenie zamiast zastępować je wygodną wartością.
Dynamiczne myślenie jest udokumentowanym ustawieniem domyślnym. Przewodnik Gemini 2.5 GenerateContent obsługuje jawny budżet rozumowania od 128 do 32,768 tokenów dla Pro lub -1 dla myślenia adaptacyjnego. Ta edycja nie może całkowicie wyłączyć myślenia. Ustawienia te różnią się od opcji zerowego budżetu Flash i poziomów myślenia Gemini 3. Budżet myślenia kieruje rozumowaniem zamiast gwarantować dokładną liczbę tokenów wewnętrznych, a limit odpowiedzi musi również pozostawiać miejsce na rezultat końcowy.
W multimodalnej pracy dokumentowej wskaż strony, wykres, obszar obrazu lub zdarzenie w nagraniu, które powinny wspierać odpowiedź. Praktyczne zadanie syntezy może wymagać konkurujących twierdzeń z kilku dokumentów źródłowych, potwierdzających je fragmentów i różnic istotnych dla jednej decyzji. Poproś model o odróżnianie stwierdzonego faktu od wniosku. Dla wideo lub audio określ, czy wynik ma być opisem, transkryptem, podsumowaniem czy porównaniem. Obraz i dźwięk są w tym profilu dowodami dla wyniku tekstowego.
Dokładna strona API dokumentuje wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Zdefiniuj cele funkcji i pola parametrów oraz zachowuj rzeczywiste wyniki w późniejszych turach. Dla rekordu ograniczonego schematem określ wymagane pola i sposób reprezentacji brakujących informacji. Natywna architektura to multimodalny rzadki transformer mixture-of-experts; ta konstrukcja modelu sama w sobie nie zapewnia zewnętrznego wykonania narzędzi ani gotowej aplikacji poza zwróconym tekstem lub kodem.
Natywna karta podaje kontekst wejściowy 1M i wyjście tekstowe 64K; tabela API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, treść źródeł i zachowana historia składają się na przygotowanie wejścia. Maksymalny limit odpowiedzi obejmuje tokeny rozumowania, więc zbyt mały limit może przerwać odpowiedź końcową. Udokumentowano buforowanie i przetwarzanie wsadowe wraz z opcjami Flex i Priority. Przy przygotowaniu niezależnych zadań z długim kontekstem zachowuj identyfikator każdego źródła i żądaną postać końcową.
Stabilny identyfikator jest odrębny od edycji Experimental i Preview omawianych osobno we wspólnej karcie modelu Pro. Nie przypisuj ich wyników właściwych dla danej wersji temu profilowi tylko dlatego, że współdzielą nazwę Pro. Karta wskazuje możliwe halucynacje i ograniczenia w rozumieniu przyczynowości, złożonej dedukcji i rozumowaniu kontrfaktycznym, z datą graniczną wiedzy styczeń 2025. Dostarcz aktualne dowody, gdy mają znaczenie, i sprawdzaj odwołania do źródeł, obliczenia i proponowane modyfikacje. Przydatne wyjście to poparty rezultat tekstowy lub kodowy wymagany w zadaniu.
", "aboutText": "Gemini 2.5 Pro to stabilny profil myślenia Google do zaawansowanego programowania, matematyki, STEM i analizy długiego kontekstu. Potrafi rozumieć tekst, audio, obrazy, wideo i całe repozytoria kodu, a jego profil Gemini API przyjmuje również wejście PDF. Wyjściem jest tekst, w tym kod, pisemna analiza lub rekord strukturalny. Przydatne zlecenie dostarcza dowodów i wymaga wyniku, który można sprawdzić, takiego jak rozwiązanie z wyjaśnieniem, ustalenie dotyczące kodu projektu lub porównanie kilku dokumentów.\n\nDla programowania podaj odpowiednie pliki, zaobserwowane zachowanie i istotną zmianę lub pytanie. Długi kontekst może pomóc modelowi powiązać moduły zamiast rozumować na podstawie jednego izolowanego fragmentu. W badaniu ścieżki kodu poproś o prześledzenie identyfikatora od formularza wejściowego przez przetwarzanie i zapis, wskazanie miejsca zmiany kontraktu i zaproponowanie konkretnej poprawki. Zachowaj ograniczenia i poproś o potwierdzające odwołania. Proponowana zmiana wymaga porównania z rzeczywistym kodem i wszelką walidacją wykonaną przez połączone narzędzia.\n\nDla matematyki lub analizy naukowej określ problem, założenia, jednostki i wymaganą postać odpowiedzi. Dostarcz dane lub rysunki, od których zależy obliczenie. Poproś o poparty wynik i kontrole pozwalające go ocenić, takie jak przypadki brzegowe lub porównanie z oryginalnymi wartościami. Możliwości rozumowania modelu nie usuwają niejednoznaczności treści problemu. Zachowuj widoczną nieznaną wielkość lub niepoparte założenie zamiast zastępować je wygodną wartością.\n\nDynamiczne myślenie jest udokumentowanym ustawieniem domyślnym. Przewodnik Gemini 2.5 GenerateContent obsługuje jawny budżet rozumowania od 128 do 32,768 tokenów dla Pro lub -1 dla myślenia adaptacyjnego. Ta edycja nie może całkowicie wyłączyć myślenia. Ustawienia te różnią się od opcji zerowego budżetu Flash i poziomów myślenia Gemini 3. Budżet myślenia kieruje rozumowaniem zamiast gwarantować dokładną liczbę tokenów wewnętrznych, a limit odpowiedzi musi również pozostawiać miejsce na rezultat końcowy.\n\nW multimodalnej pracy dokumentowej wskaż strony, wykres, obszar obrazu lub zdarzenie w nagraniu, które powinny wspierać odpowiedź. Praktyczne zadanie syntezy może wymagać konkurujących twierdzeń z kilku dokumentów źródłowych, potwierdzających je fragmentów i różnic istotnych dla jednej decyzji. Poproś model o odróżnianie stwierdzonego faktu od wniosku. Dla wideo lub audio określ, czy wynik ma być opisem, transkryptem, podsumowaniem czy porównaniem. Obraz i dźwięk są w tym profilu dowodami dla wyniku tekstowego.\n\nDokładna strona API dokumentuje wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Zdefiniuj cele funkcji i pola parametrów oraz zachowuj rzeczywiste wyniki w późniejszych turach. Dla rekordu ograniczonego schematem określ wymagane pola i sposób reprezentacji brakujących informacji. Natywna architektura to multimodalny rzadki transformer mixture-of-experts; ta konstrukcja modelu sama w sobie nie zapewnia zewnętrznego wykonania narzędzi ani gotowej aplikacji poza zwróconym tekstem lub kodem.\n\nNatywna karta podaje kontekst wejściowy 1M i wyjście tekstowe 64K; tabela API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, treść źródeł i zachowana historia składają się na przygotowanie wejścia. Maksymalny limit odpowiedzi obejmuje tokeny rozumowania, więc zbyt mały limit może przerwać odpowiedź końcową. Udokumentowano buforowanie i przetwarzanie wsadowe wraz z opcjami Flex i Priority. Przy przygotowaniu niezależnych zadań z długim kontekstem zachowuj identyfikator każdego źródła i żądaną postać końcową.\n\nStabilny identyfikator jest odrębny od edycji Experimental i Preview omawianych osobno we wspólnej karcie modelu Pro. Nie przypisuj ich wyników właściwych dla danej wersji temu profilowi tylko dlatego, że współdzielą nazwę Pro. Karta wskazuje możliwe halucynacje i ograniczenia w rozumieniu przyczynowości, złożonej dedukcji i rozumowaniu kontrfaktycznym, z datą graniczną wiedzy styczeń 2025. Dostarcz aktualne dowody, gdy mają znaczenie, i sprawdzaj odwołania do źródeł, obliczenia i proponowane modyfikacje. Przydatne wyjście to poparty rezultat tekstowy lub kodowy wymagany w zadaniu.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "92813421aae8e48f24d232e0eb954f9d0938c914b5f97c4b91fdf75614c794fd", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "google/gemini-2.5-pro:batchGemini 2.5 Pro to stabilny model myślący Google do złożonego kodu, matematyki, STEM i analizy długiego kontekstu. Przyjmuje tekst, obrazy, audio, wideo i PDF, a zwraca tekst, z narzędziami i wyjściem strukturalnym. Dynamiczny budżet rozumowania obsługuje 128–32,768 tokenów i nie można go całkowicie wyłączyć.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Pro to stabilny profil myślenia Google do zaawansowanego programowania, matematyki, STEM i analizy długiego kontekstu. Potrafi rozumieć tekst, audio, obrazy, wideo i całe repozytoria kodu, a jego profil Gemini API przyjmuje również wejście PDF. Wyjściem jest tekst, w tym kod, pisemna analiza lub rekord strukturalny. Przydatne zlecenie dostarcza dowodów i wymaga wyniku, który można sprawdzić, takiego jak rozwiązanie z wyjaśnieniem, ustalenie dotyczące kodu projektu lub porównanie kilku dokumentów.
Dla programowania podaj odpowiednie pliki, zaobserwowane zachowanie i istotną zmianę lub pytanie. Długi kontekst może pomóc modelowi powiązać moduły zamiast rozumować na podstawie jednego izolowanego fragmentu. W badaniu ścieżki kodu poproś o prześledzenie identyfikatora od formularza wejściowego przez przetwarzanie i zapis, wskazanie miejsca zmiany kontraktu i zaproponowanie konkretnej poprawki. Zachowaj ograniczenia i poproś o potwierdzające odwołania. Proponowana zmiana wymaga porównania z rzeczywistym kodem i wszelką walidacją wykonaną przez połączone narzędzia.
Dla matematyki lub analizy naukowej określ problem, założenia, jednostki i wymaganą postać odpowiedzi. Dostarcz dane lub rysunki, od których zależy obliczenie. Poproś o poparty wynik i kontrole pozwalające go ocenić, takie jak przypadki brzegowe lub porównanie z oryginalnymi wartościami. Możliwości rozumowania modelu nie usuwają niejednoznaczności treści problemu. Zachowuj widoczną nieznaną wielkość lub niepoparte założenie zamiast zastępować je wygodną wartością.
Dynamiczne myślenie jest udokumentowanym ustawieniem domyślnym. Przewodnik Gemini 2.5 GenerateContent obsługuje jawny budżet rozumowania od 128 do 32,768 tokenów dla Pro lub -1 dla myślenia adaptacyjnego. Ta edycja nie może całkowicie wyłączyć myślenia. Ustawienia te różnią się od opcji zerowego budżetu Flash i poziomów myślenia Gemini 3. Budżet myślenia kieruje rozumowaniem zamiast gwarantować dokładną liczbę tokenów wewnętrznych, a limit odpowiedzi musi również pozostawiać miejsce na rezultat końcowy.
W multimodalnej pracy dokumentowej wskaż strony, wykres, obszar obrazu lub zdarzenie w nagraniu, które powinny wspierać odpowiedź. Praktyczne zadanie syntezy może wymagać konkurujących twierdzeń z kilku dokumentów źródłowych, potwierdzających je fragmentów i różnic istotnych dla jednej decyzji. Poproś model o odróżnianie stwierdzonego faktu od wniosku. Dla wideo lub audio określ, czy wynik ma być opisem, transkryptem, podsumowaniem czy porównaniem. Obraz i dźwięk są w tym profilu dowodami dla wyniku tekstowego.
Dokładna strona API dokumentuje wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Zdefiniuj cele funkcji i pola parametrów oraz zachowuj rzeczywiste wyniki w późniejszych turach. Dla rekordu ograniczonego schematem określ wymagane pola i sposób reprezentacji brakujących informacji. Natywna architektura to multimodalny rzadki transformer mixture-of-experts; ta konstrukcja modelu sama w sobie nie zapewnia zewnętrznego wykonania narzędzi ani gotowej aplikacji poza zwróconym tekstem lub kodem.
Natywna karta podaje kontekst wejściowy 1M i wyjście tekstowe 64K; tabela API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, treść źródeł i zachowana historia składają się na przygotowanie wejścia. Maksymalny limit odpowiedzi obejmuje tokeny rozumowania, więc zbyt mały limit może przerwać odpowiedź końcową. Udokumentowano buforowanie i przetwarzanie wsadowe wraz z opcjami Flex i Priority. Przy przygotowaniu niezależnych zadań z długim kontekstem zachowuj identyfikator każdego źródła i żądaną postać końcową.
Stabilny identyfikator jest odrębny od edycji Experimental i Preview omawianych osobno we wspólnej karcie modelu Pro. Nie przypisuj ich wyników właściwych dla danej wersji temu profilowi tylko dlatego, że współdzielą nazwę Pro. Karta wskazuje możliwe halucynacje i ograniczenia w rozumieniu przyczynowości, złożonej dedukcji i rozumowaniu kontrfaktycznym, z datą graniczną wiedzy styczeń 2025. Dostarcz aktualne dowody, gdy mają znaczenie, i sprawdzaj odwołania do źródeł, obliczenia i proponowane modyfikacje. Przydatne wyjście to poparty rezultat tekstowy lub kodowy wymagany w zadaniu.
POST /v1/batchestexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Poleendpoint | Typstring | WymaganieWymagane | Wartości i limity /v1/chat/completions | Domyślnie— |
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemini-2.5-pro:batch | Domyślnie— |
Polerequests | Typbatch_item[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polerequests[].custom_id | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polerequests[].body.messages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polecompletion_window | Typstring | WymaganieOpcjonalne | Wartości i limity 24h | Domyślnie— |
Poleprovider | Typobject|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polerequests[].body.model | Typstring | WymaganieOpcjonalne | Wartości i limity google/gemini-2.5-pro:batch, google/gemini-2.5-pro | Domyślnie— |
Poleprovider.only | Typstring[] | WymaganieOpcjonalne | Wartości i limity google-vertex/global | Domyślnie— |
Poleprovider.allow_fallbacks | Typboolean|null | WymaganieOpcjonalne | Wartości i limity false, null | Domyślnie— |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktendpoint, model, requests |
Parametrmaterial_types | Kontrakttext |
Parametrrepresentation | Kontraktrequests[] bezpośrednio w żądaniu; każdy element zawiera custom_id i body |
Parametrrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parametrfile_material | KontraktWywołujący może lokalnie wczytać rzeczywisty plik JSONL w kodowaniu UTF-8 do requests[]. Nie używa się przeznaczenia przesyłanego pliku, input_file_id ani odwołania do pliku. Brak materiałów klienta lub ich pusta zawartość zatrzymują przygotowanie przed POST. |
Parametrserialization_order | Kontraktendpoint, model, provider (jeśli podano), completion_window (jeśli podano), requests na końcu |
Parametroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parametrschema_scope | KontraktTreści żądań tekstowych Chat Completions w udokumentowanej strukturze Batch z danymi bezpośrednio w żądaniu. |
Cykl życia: asynchronous
GET /v1/batches/{operation_id} · Rzeczywista wartość response.id zwrócona przy pierwotnym utworzeniu; ten sam użytkownik, klucz i grupa
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 $0.00125 / 1K tokenów Wyjście · Tokeny wyjściowe $0.01 / 1K tokenów Wejście · Odczyt cache $0.00025 / 1K tokenów Wejście · Zapis do cache — / 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 włącznie200 000 | Opłata Wejście · Tokeny wejściowe $0.00125 / 1K tokenów Wyjście · Tokeny wyjściowe $0.01 / 1K tokenów Wejście · Odczyt cache $0.00025 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 2 | Tabela stawek— | Tokeny kontekstu, więcej niż200 000 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0025 / 1K tokenów Wyjście · Tokeny wyjściowe $0.015 / 1K tokenów Wejście · Odczyt cache $0.0005 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-2.5-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-2.5-pro:batch', 'google/gemini-2.5-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-2.5-pro:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON bezpośrednio w results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nZachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj pełny pierwotny JSON stanu, każdy wynik i custom_id oraz pełną treść odpowiedzi lub błędu. Zapisz ukończone wyniki z results[] jako JSONL bez filtrowania.
Zachowaj pierwotny identyfikator operacji. Odpowiedź 503 result_pending_check zawiera X-Should-Retry:false; nigdy nie wysyłaj ponownie pierwotnego żądania Batch, którego wynik jest nieznany.
| Pole | Typ |
|---|---|
Poleresults[].custom_id | Typstring |
Poleresults[].response.body.choices[].message.content | Typstring|null |
Poleresults[].error | Typobject|null |
Poleusage | Typobject|null |
Poleid | Typstring |
Polemodel | Typstring |
Poleendpoint | Typstring |
Polestatus | Typstring |
Polerequest_counts | Typobject |
Poleresults[].id | Typstring |
Poleresults[].response.status_code | Typinteger |
Poleresults[].response.request_id | Typstring |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowa udokumentowana struktura z danymi bezpośrednio w żądaniu, zduplikowane klucze, problem z tożsamością elementu lub konflikt ze skonfigurowanymi możliwościami modelu. | Następny krokPopraw wskazane pola przed wysłaniem jakiegokolwiek nowego żądania. |
Odpowiedź401 · authentication_error | WarunekNieprawidłowy klucz API. | Następny krokUżyj autoryzowanego klucza Ailoot. |
Odpowiedź403 · permission_error | WarunekGrupa Batch jest niedostępna. | Następny krokSprawdź uprawnienia klucza i grupy. |
Odpowiedź422 · invalid_request_error | WarunekBatch korzysta z rozliczania z salda; utworzenie w ramach subskrypcji jest odrzucane. | Następny krokUżyj autoryzowanej grupy rozliczanej z salda. |
Odpowiedź422 · price_unavailable | WarunekNie można wycenić danych wejściowych Batch. | Następny krokZachowaj odpowiedź; użyj danych wejściowych udokumentowanych dla tej rodziny API. |
Odpowiedź402 · billing_error | WarunekRezerwa dla Batch jest niedostępna. | Następny krokRozwiąż problem dopuszczenia żądania przed wysłaniem nowego. |
Odpowiedź503 · price_unavailable | WarunekCena metody Batch lub stawki natywne są niedostępne. | Następny krokZachowaj odpowiedź; nie zastępuj cen innymi. |
Odpowiedź503 · api_error | WarunekDokładna trasa dostawcy jest niedostępna. | Następny krokZachowaj odpowiedź na potrzeby naprawy trasy. |
Odpowiedź503 · result_pending_check | WarunekPierwotny wynik wymaga sprawdzenia; X-Should-Retry:false. | Następny krokZachowaj pierwotny operation_id/id i odczytuj stan operacji; nigdy nie powtarzaj pierwotnego POST. |
Odpowiedź404 · not_found | WarunekOperacja sprawdzania stanu Batch nie istnieje lub należy do innej tożsamości. | Następny krokUżyj dokładnego pierwotnego id oraz tego samego użytkownika, klucza i grupy. |
Ailoot Ultra google/gemini-2.5-pro:batch
Użyj ścieżek metod podanych powyżej.