Gemini 2.5 Pro é o perfil estável de pensamento da Google para programação avançada, matemática, STEM e análise de contexto longo. Pode compreender texto, áudio, imagens, vídeo e repositórios de código completos, e o seu perfil Gemini API aceita também entrada PDF. A saída é texto, incluindo código, análise escrita ou um registo estruturado. Uma tarefa útil fornece as provas e pede um resultado que possa ser verificado, como uma solução explicada, uma conclusão sobre a base de código ou uma comparação entre vários documentos.
Para programação, forneça os ficheiros relevantes, o comportamento observado e a alteração ou pergunta importantes. O contexto longo pode ajudar o modelo a relacionar módulos, em vez de raciocinar a partir de um fragmento isolado. Para investigar um percurso de código, peça-lhe que acompanhe um identificador desde um formulário de entrada, passando pelo processamento, até ao armazenamento, identifique onde um contrato muda e proponha uma correção focada. Preserve as restrições e peça referências de apoio. Uma revisão proposta precisa de comparação com o código real e com qualquer validação efetuada através das ferramentas ligadas.
Para matemática ou análise científica, indique o problema, os pressupostos, as unidades e a forma exigida da resposta. Forneça os dados ou figuras de que o cálculo depende. Peça o resultado sustentado e as verificações que permitem avaliá-lo, como casos-limite ou uma comparação com os valores originais. A capacidade de raciocínio do modelo não elimina a ambiguidade no enunciado do problema. Mantenha visível uma quantidade desconhecida ou um pressuposto sem apoio, em vez de o substituir por um valor conveniente.
O pensamento dinâmico é a predefinição documentada. O guia GenerateContent do Gemini 2.5 suporta um orçamento explícito de raciocínio entre 128 e 32 768 tokens para Pro, ou -1 para pensamento adaptativo. Esta edição não pode desativar completamente o pensamento. Esses controlos diferem da opção de orçamento zero do Flash e das definições de níveis de pensamento Gemini 3. O orçamento de pensamento orienta o raciocínio, em vez de garantir um número exato de tokens internos, e um limite de resposta também precisa de deixar espaço para o artefacto final.
Para trabalho documental multimodal, identifique as páginas, o gráfico, a região de imagem ou o acontecimento da gravação que devem sustentar a resposta. Uma tarefa prática de síntese pode pedir as afirmações concorrentes de vários documentos de origem, as passagens que as sustentam e as diferenças importantes para uma decisão. Peça ao modelo que distinga um facto declarado de uma inferência. Para vídeo ou áudio, defina se o resultado deve ser uma descrição, transcrição, resumo ou comparação. A imagem e o som são provas para um resultado textual neste perfil.
A página exata da API documenta chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Defina as finalidades das funções e os campos dos parâmetros e preserve os resultados reais em turnos posteriores. Para um registo sujeito a um esquema, especifique os campos obrigatórios e como deve ser representada a informação em falta. A arquitetura nativa é um transformer multimodal de mistura esparsa de especialistas; esse design do modelo não fornece, por si só, execução de ferramentas externas nem uma aplicação acabada para além do texto ou código devolvidos.
A ficha nativa apresenta contexto de entrada de 1M e saída textual de 64K; a tabela da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Instruções, conteúdo de origem e histórico preservado contribuem para a preparação da entrada. Uma margem máxima de resposta inclui tokens de raciocínio, pelo que um limite demasiado pequeno pode interromper a resposta final. A cache e o processamento em lote estão documentados, juntamente com opções Flex e Priority. Preserve o identificador de cada fonte e a forma final pedida ao preparar tarefas independentes de contexto longo.
O identificador estável é distinto das edições Experimental e Preview abordadas separadamente na ficha partilhada do modelo Pro. Não atribua os resultados específicos dessas versões a este perfil apenas por partilharem o nome Pro. A ficha identifica possíveis alucinações e limitações na compreensão causal, dedução complexa e raciocínio contrafactual, com uma data-limite de conhecimento de janeiro de 2025. Forneça provas atuais quando isso importar e reveja referências a fontes, cálculos e alterações propostas. A saída útil é o artefacto sustentado de texto ou código que a tarefa pediu.
", "aboutText": "Gemini 2.5 Pro é o perfil estável de pensamento da Google para programação avançada, matemática, STEM e análise de contexto longo. Pode compreender texto, áudio, imagens, vídeo e repositórios de código completos, e o seu perfil Gemini API aceita também entrada PDF. A saída é texto, incluindo código, análise escrita ou um registo estruturado. Uma tarefa útil fornece as provas e pede um resultado que possa ser verificado, como uma solução explicada, uma conclusão sobre a base de código ou uma comparação entre vários documentos.\n\nPara programação, forneça os ficheiros relevantes, o comportamento observado e a alteração ou pergunta importantes. O contexto longo pode ajudar o modelo a relacionar módulos, em vez de raciocinar a partir de um fragmento isolado. Para investigar um percurso de código, peça-lhe que acompanhe um identificador desde um formulário de entrada, passando pelo processamento, até ao armazenamento, identifique onde um contrato muda e proponha uma correção focada. Preserve as restrições e peça referências de apoio. Uma revisão proposta precisa de comparação com o código real e com qualquer validação efetuada através das ferramentas ligadas.\n\nPara matemática ou análise científica, indique o problema, os pressupostos, as unidades e a forma exigida da resposta. Forneça os dados ou figuras de que o cálculo depende. Peça o resultado sustentado e as verificações que permitem avaliá-lo, como casos-limite ou uma comparação com os valores originais. A capacidade de raciocínio do modelo não elimina a ambiguidade no enunciado do problema. Mantenha visível uma quantidade desconhecida ou um pressuposto sem apoio, em vez de o substituir por um valor conveniente.\n\nO pensamento dinâmico é a predefinição documentada. O guia GenerateContent do Gemini 2.5 suporta um orçamento explícito de raciocínio entre 128 e 32 768 tokens para Pro, ou -1 para pensamento adaptativo. Esta edição não pode desativar completamente o pensamento. Esses controlos diferem da opção de orçamento zero do Flash e das definições de níveis de pensamento Gemini 3. O orçamento de pensamento orienta o raciocínio, em vez de garantir um número exato de tokens internos, e um limite de resposta também precisa de deixar espaço para o artefacto final.\n\nPara trabalho documental multimodal, identifique as páginas, o gráfico, a região de imagem ou o acontecimento da gravação que devem sustentar a resposta. Uma tarefa prática de síntese pode pedir as afirmações concorrentes de vários documentos de origem, as passagens que as sustentam e as diferenças importantes para uma decisão. Peça ao modelo que distinga um facto declarado de uma inferência. Para vídeo ou áudio, defina se o resultado deve ser uma descrição, transcrição, resumo ou comparação. A imagem e o som são provas para um resultado textual neste perfil.\n\nA página exata da API documenta chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Defina as finalidades das funções e os campos dos parâmetros e preserve os resultados reais em turnos posteriores. Para um registo sujeito a um esquema, especifique os campos obrigatórios e como deve ser representada a informação em falta. A arquitetura nativa é um transformer multimodal de mistura esparsa de especialistas; esse design do modelo não fornece, por si só, execução de ferramentas externas nem uma aplicação acabada para além do texto ou código devolvidos.\n\nA ficha nativa apresenta contexto de entrada de 1M e saída textual de 64K; a tabela da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Instruções, conteúdo de origem e histórico preservado contribuem para a preparação da entrada. Uma margem máxima de resposta inclui tokens de raciocínio, pelo que um limite demasiado pequeno pode interromper a resposta final. A cache e o processamento em lote estão documentados, juntamente com opções Flex e Priority. Preserve o identificador de cada fonte e a forma final pedida ao preparar tarefas independentes de contexto longo.\n\nO identificador estável é distinto das edições Experimental e Preview abordadas separadamente na ficha partilhada do modelo Pro. Não atribua os resultados específicos dessas versões a este perfil apenas por partilharem o nome Pro. A ficha identifica possíveis alucinações e limitações na compreensão causal, dedução complexa e raciocínio contrafactual, com uma data-limite de conhecimento de janeiro de 2025. Forneça provas atuais quando isso importar e reveja referências a fontes, cálculos e alterações propostas. A saída útil é o artefacto sustentado de texto ou código que a tarefa pediu.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Trace an identifier through storage\n\nTrace this identifier through three excerpts: form sends {customer_id:'0017'}; service computes id=Number(body.customer_id); repository stores String(id). Requirement: preserve leading zeros. Identify where the contract changes, propose a minimal consistent correction and give tests for '0017', '17' and a missing ID. Do not claim the tests were executed.A source-path explanation, a proposed patch and a three-case regression-test plan.Check that the proposed path preserves distinct strings 0017 and 17 while specifying missing-ID behavior.gemini-2.5-proGemini 2.5 Pro é o modelo estável de pensamento da Google para código complexo, matemática, STEM e análise de contexto longo. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto, com ferramentas e saída estruturada. O seu orçamento dinâmico de raciocínio suporta 128–32 768 tokens e não pode ser completamente desativado.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 2.5 Pro é o perfil estável de pensamento da Google para programação avançada, matemática, STEM e análise de contexto longo. Pode compreender texto, áudio, imagens, vídeo e repositórios de código completos, e o seu perfil Gemini API aceita também entrada PDF. A saída é texto, incluindo código, análise escrita ou um registo estruturado. Uma tarefa útil fornece as provas e pede um resultado que possa ser verificado, como uma solução explicada, uma conclusão sobre a base de código ou uma comparação entre vários documentos.
Para programação, forneça os ficheiros relevantes, o comportamento observado e a alteração ou pergunta importantes. O contexto longo pode ajudar o modelo a relacionar módulos, em vez de raciocinar a partir de um fragmento isolado. Para investigar um percurso de código, peça-lhe que acompanhe um identificador desde um formulário de entrada, passando pelo processamento, até ao armazenamento, identifique onde um contrato muda e proponha uma correção focada. Preserve as restrições e peça referências de apoio. Uma revisão proposta precisa de comparação com o código real e com qualquer validação efetuada através das ferramentas ligadas.
Para matemática ou análise científica, indique o problema, os pressupostos, as unidades e a forma exigida da resposta. Forneça os dados ou figuras de que o cálculo depende. Peça o resultado sustentado e as verificações que permitem avaliá-lo, como casos-limite ou uma comparação com os valores originais. A capacidade de raciocínio do modelo não elimina a ambiguidade no enunciado do problema. Mantenha visível uma quantidade desconhecida ou um pressuposto sem apoio, em vez de o substituir por um valor conveniente.
O pensamento dinâmico é a predefinição documentada. O guia GenerateContent do Gemini 2.5 suporta um orçamento explícito de raciocínio entre 128 e 32 768 tokens para Pro, ou -1 para pensamento adaptativo. Esta edição não pode desativar completamente o pensamento. Esses controlos diferem da opção de orçamento zero do Flash e das definições de níveis de pensamento Gemini 3. O orçamento de pensamento orienta o raciocínio, em vez de garantir um número exato de tokens internos, e um limite de resposta também precisa de deixar espaço para o artefacto final.
Para trabalho documental multimodal, identifique as páginas, o gráfico, a região de imagem ou o acontecimento da gravação que devem sustentar a resposta. Uma tarefa prática de síntese pode pedir as afirmações concorrentes de vários documentos de origem, as passagens que as sustentam e as diferenças importantes para uma decisão. Peça ao modelo que distinga um facto declarado de uma inferência. Para vídeo ou áudio, defina se o resultado deve ser uma descrição, transcrição, resumo ou comparação. A imagem e o som são provas para um resultado textual neste perfil.
A página exata da API documenta chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Defina as finalidades das funções e os campos dos parâmetros e preserve os resultados reais em turnos posteriores. Para um registo sujeito a um esquema, especifique os campos obrigatórios e como deve ser representada a informação em falta. A arquitetura nativa é um transformer multimodal de mistura esparsa de especialistas; esse design do modelo não fornece, por si só, execução de ferramentas externas nem uma aplicação acabada para além do texto ou código devolvidos.
A ficha nativa apresenta contexto de entrada de 1M e saída textual de 64K; a tabela da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Instruções, conteúdo de origem e histórico preservado contribuem para a preparação da entrada. Uma margem máxima de resposta inclui tokens de raciocínio, pelo que um limite demasiado pequeno pode interromper a resposta final. A cache e o processamento em lote estão documentados, juntamente com opções Flex e Priority. Preserve o identificador de cada fonte e a forma final pedida ao preparar tarefas independentes de contexto longo.
O identificador estável é distinto das edições Experimental e Preview abordadas separadamente na ficha partilhada do modelo Pro. Não atribua os resultados específicos dessas versões a este perfil apenas por partilharem o nome Pro. A ficha identifica possíveis alucinações e limitações na compreensão causal, dedução complexa e raciocínio contrafactual, com uma data-limite de conhecimento de janeiro de 2025. Forneça provas atuais quando isso importar e reveja referências a fontes, cálculos e alterações propostas. A saída útil é o artefacto sustentado de texto ou código que a tarefa pediu.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gemini-2.5-pro | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring|content_block[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Camposystem | Tipostring|content_block[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites Mínimo: 1 O limite aplica-se a: Limite exato do modelo ou da ficha selecionados | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop_sequences | Tipostring[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipotool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].name | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Ferramenta fornecida | Predefinição— |
Campotools[].description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].input_schema | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campothinking.type | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campothinking.budget_tokens | Tipointeger | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campooutput_config.effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campometadata | Tipoobject | RequisitoOpcional | Valores e limites | Predefinição— |
Campocache_control | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Texto · Texto UTF8
messages[].content ou bloco type=text
Texto + imagem
{type:image,source:{type:base64,media_type,data}} ou origem type=url
| Parâmetro | Contrato |
|---|---|
Parâmetromaterial_types | Contratotext, image |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratonull |
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrotext_file_material | ContratoConteúdo UTF-8 real inserido como texto; ID de ficheiros/URLs precisam de suporte separado e exato |
Ciclo de vida: exact retained published method
As estruturas dos métodos e os ID são exatos; a capacidade do fornecedor é distinta da admissão dos pedidos.
POST /v1/messages| Tamanho do pedido, em tokens | Entrada | Saída | Leitura da cache | Escrita na cache | Cache de 5 min | Cache de 1 hora |
|---|---|---|---|---|---|---|
| Tamanho do pedido, em tokens(0; 200 000] | Entrada0,00125 US$ | Saída0,01 US$ | Leitura da cache0,000125 US$ | Escrita na cacheBase: — | Cache de 5 minBase: — | Cache de 1 horaBase: — |
| Tamanho do pedido, em tokens(200 000; ∞) | Entrada0,0025 US$ | Saída0,015 US$ | Leitura da cache0,00025 US$ | Escrita na cacheBase: — | Cache de 5 minBase: — | Cache de 1 horaBase: — |
Tarifas em USD por 1K tokens. Se não estiver definida nenhuma tarifa, é herdada a tarifa base deste método; «—» significa que não está definida nenhuma tarifa base.
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
As tabelas de referência do modelo não alteram a seleção do método, as cotações ou os custos. Os custos ativos usam as tarifas do método Ailoot selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoOpenAI Chat · Tarifas de base por token | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.02 / 1K tokens |
| ConfiguraçãoOpenAI Chat · Escalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoOpenAI Chat · Escalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.005 / 1K tokens Saída · Tokens de saída $0.03 / 1K tokens Entrada · Leitura da cache $0.0005 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoAnthropic Messages · Tarifas de base por token | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.02 / 1K tokens |
| ConfiguraçãoAnthropic Messages · Escalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoAnthropic Messages · Escalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.005 / 1K tokens Saída · Tokens de saída $0.03 / 1K tokens Entrada · Leitura da cache $0.0005 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-pro", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-pro", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-pro",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-pro",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-2.5-pro',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
gemini-2.5-proGemini 2.5 Pro é o modelo estável de pensamento da Google para código complexo, matemática, STEM e análise de contexto longo. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto, com ferramentas e saída estruturada. O seu orçamento dinâmico de raciocínio suporta 128–32 768 tokens e não pode ser completamente desativado.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 2.5 Pro é o perfil estável de pensamento da Google para programação avançada, matemática, STEM e análise de contexto longo. Pode compreender texto, áudio, imagens, vídeo e repositórios de código completos, e o seu perfil Gemini API aceita também entrada PDF. A saída é texto, incluindo código, análise escrita ou um registo estruturado. Uma tarefa útil fornece as provas e pede um resultado que possa ser verificado, como uma solução explicada, uma conclusão sobre a base de código ou uma comparação entre vários documentos.
Para programação, forneça os ficheiros relevantes, o comportamento observado e a alteração ou pergunta importantes. O contexto longo pode ajudar o modelo a relacionar módulos, em vez de raciocinar a partir de um fragmento isolado. Para investigar um percurso de código, peça-lhe que acompanhe um identificador desde um formulário de entrada, passando pelo processamento, até ao armazenamento, identifique onde um contrato muda e proponha uma correção focada. Preserve as restrições e peça referências de apoio. Uma revisão proposta precisa de comparação com o código real e com qualquer validação efetuada através das ferramentas ligadas.
Para matemática ou análise científica, indique o problema, os pressupostos, as unidades e a forma exigida da resposta. Forneça os dados ou figuras de que o cálculo depende. Peça o resultado sustentado e as verificações que permitem avaliá-lo, como casos-limite ou uma comparação com os valores originais. A capacidade de raciocínio do modelo não elimina a ambiguidade no enunciado do problema. Mantenha visível uma quantidade desconhecida ou um pressuposto sem apoio, em vez de o substituir por um valor conveniente.
O pensamento dinâmico é a predefinição documentada. O guia GenerateContent do Gemini 2.5 suporta um orçamento explícito de raciocínio entre 128 e 32 768 tokens para Pro, ou -1 para pensamento adaptativo. Esta edição não pode desativar completamente o pensamento. Esses controlos diferem da opção de orçamento zero do Flash e das definições de níveis de pensamento Gemini 3. O orçamento de pensamento orienta o raciocínio, em vez de garantir um número exato de tokens internos, e um limite de resposta também precisa de deixar espaço para o artefacto final.
Para trabalho documental multimodal, identifique as páginas, o gráfico, a região de imagem ou o acontecimento da gravação que devem sustentar a resposta. Uma tarefa prática de síntese pode pedir as afirmações concorrentes de vários documentos de origem, as passagens que as sustentam e as diferenças importantes para uma decisão. Peça ao modelo que distinga um facto declarado de uma inferência. Para vídeo ou áudio, defina se o resultado deve ser uma descrição, transcrição, resumo ou comparação. A imagem e o som são provas para um resultado textual neste perfil.
A página exata da API documenta chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Defina as finalidades das funções e os campos dos parâmetros e preserve os resultados reais em turnos posteriores. Para um registo sujeito a um esquema, especifique os campos obrigatórios e como deve ser representada a informação em falta. A arquitetura nativa é um transformer multimodal de mistura esparsa de especialistas; esse design do modelo não fornece, por si só, execução de ferramentas externas nem uma aplicação acabada para além do texto ou código devolvidos.
A ficha nativa apresenta contexto de entrada de 1M e saída textual de 64K; a tabela da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Instruções, conteúdo de origem e histórico preservado contribuem para a preparação da entrada. Uma margem máxima de resposta inclui tokens de raciocínio, pelo que um limite demasiado pequeno pode interromper a resposta final. A cache e o processamento em lote estão documentados, juntamente com opções Flex e Priority. Preserve o identificador de cada fonte e a forma final pedida ao preparar tarefas independentes de contexto longo.
O identificador estável é distinto das edições Experimental e Preview abordadas separadamente na ficha partilhada do modelo Pro. Não atribua os resultados específicos dessas versões a este perfil apenas por partilharem o nome Pro. A ficha identifica possíveis alucinações e limitações na compreensão causal, dedução complexa e raciocínio contrafactual, com uma data-limite de conhecimento de janeiro de 2025. Forneça provas atuais quando isso importar e reveja referências a fontes, cálculos e alterações propostas. A saída útil é o artefacto sustentado de texto ou código que a tarefa pediu.
POST /v1beta/models/{model}:generateContenttext, imagetext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campopath.model | Tipostring | RequisitoObrigatório | Valores e limites gemini-2.5-pro | Predefinição— |
Campocontents | Tipocontent[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campocontents[].role | Tipostring | RequisitoOpcional | Valores e limites user, model | Predefinição— |
Campocontents[].parts | Tipopart[] | RequisitoObrigatório | Valores e limites | Predefinição— |
CamposystemInstruction | Tipocontent | RequisitoOpcional | Valores e limites | Predefinição— |
CampogenerationConfig.maxOutputTokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
CampogenerationConfig.temperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.topP | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.topK | Tipointeger | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.stopSequences | Tipostring[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.thinkingConfig.includeThoughts | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.thinkingConfig.thinkingBudget | Tipointeger | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].functionDeclarations | Tipofunction_declaration[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampotoolConfig.functionCallingConfig.mode | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CamposafetySettings | Tipoobject[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CamposessionId | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Texto · Texto UTF8
contents[].parts[].text
Texto + imagem
parts[].inlineData={mimeType,data}
| Parâmetro | Contrato |
|---|---|
Parâmetromaterial_types | Contratotext, image |
Parâmetrorequired | Contratocontents |
Parâmetrooptional_controls | Contratonull |
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrotext_file_material | ContratoConteúdo UTF-8 real inserido como texto; ID de ficheiros/URLs precisam de suporte separado e exato |
Ciclo de vida: exact retained published method
As estruturas dos métodos e os ID são exatos; a capacidade do fornecedor é distinta da admissão dos pedidos.
POST /v1beta/models/{model}:generateContent| Tamanho do pedido, em tokens | Entrada | Saída | Leitura da cache | Escrita na cache | Cache de 5 min | Cache de 1 hora |
|---|---|---|---|---|---|---|
| Tamanho do pedido, em tokens(0; 200 000] | Entrada0,00125 US$ | Saída0,01 US$ | Leitura da cache0,000125 US$ | Escrita na cacheBase: — | Cache de 5 minBase: — | Cache de 1 horaBase: — |
| Tamanho do pedido, em tokens(200 000; ∞) | Entrada0,0025 US$ | Saída0,015 US$ | Leitura da cache0,00025 US$ | Escrita na cacheBase: — | Cache de 5 minBase: — | Cache de 1 horaBase: — |
Tarifas em USD por 1K tokens. Se não estiver definida nenhuma tarifa, é herdada a tarifa base deste método; «—» significa que não está definida nenhuma tarifa base.
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
As tabelas de referência do modelo não alteram a seleção do método, as cotações ou os custos. Os custos ativos usam as tarifas do método Ailoot selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoOpenAI Chat · Tarifas de base por token | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.02 / 1K tokens |
| ConfiguraçãoOpenAI Chat · Escalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoOpenAI Chat · Escalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.005 / 1K tokens Saída · Tokens de saída $0.03 / 1K tokens Entrada · Leitura da cache $0.0005 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoAnthropic Messages · Tarifas de base por token | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.02 / 1K tokens |
| ConfiguraçãoAnthropic Messages · Escalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoAnthropic Messages · Escalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.005 / 1K tokens Saída · Tokens de saída $0.03 / 1K tokens Entrada · Leitura da cache $0.0005 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-pro:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-pro:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-pro", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-pro", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-pro',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson ou streaming suportado
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os candidatos e partes, incluindo chamadas de funções, assinaturas de raciocínio e dados de utilização; junte os fragmentos do fluxo pela ordem.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
CamporesponseId | Tipostring |
CampomodelVersion | Tipostring |
Campocandidates[].content.parts[] | Tipotext|inlineData|functionCall|other part |
Campocandidates[].finishReason | Tipostring |
CampousageMetadata | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
gemini-2.5-proGemini 2.5 Pro é o modelo estável de pensamento da Google para código complexo, matemática, STEM e análise de contexto longo. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto, com ferramentas e saída estruturada. O seu orçamento dinâmico de raciocínio suporta 128–32 768 tokens e não pode ser completamente desativado.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 2.5 Pro é o perfil estável de pensamento da Google para programação avançada, matemática, STEM e análise de contexto longo. Pode compreender texto, áudio, imagens, vídeo e repositórios de código completos, e o seu perfil Gemini API aceita também entrada PDF. A saída é texto, incluindo código, análise escrita ou um registo estruturado. Uma tarefa útil fornece as provas e pede um resultado que possa ser verificado, como uma solução explicada, uma conclusão sobre a base de código ou uma comparação entre vários documentos.
Para programação, forneça os ficheiros relevantes, o comportamento observado e a alteração ou pergunta importantes. O contexto longo pode ajudar o modelo a relacionar módulos, em vez de raciocinar a partir de um fragmento isolado. Para investigar um percurso de código, peça-lhe que acompanhe um identificador desde um formulário de entrada, passando pelo processamento, até ao armazenamento, identifique onde um contrato muda e proponha uma correção focada. Preserve as restrições e peça referências de apoio. Uma revisão proposta precisa de comparação com o código real e com qualquer validação efetuada através das ferramentas ligadas.
Para matemática ou análise científica, indique o problema, os pressupostos, as unidades e a forma exigida da resposta. Forneça os dados ou figuras de que o cálculo depende. Peça o resultado sustentado e as verificações que permitem avaliá-lo, como casos-limite ou uma comparação com os valores originais. A capacidade de raciocínio do modelo não elimina a ambiguidade no enunciado do problema. Mantenha visível uma quantidade desconhecida ou um pressuposto sem apoio, em vez de o substituir por um valor conveniente.
O pensamento dinâmico é a predefinição documentada. O guia GenerateContent do Gemini 2.5 suporta um orçamento explícito de raciocínio entre 128 e 32 768 tokens para Pro, ou -1 para pensamento adaptativo. Esta edição não pode desativar completamente o pensamento. Esses controlos diferem da opção de orçamento zero do Flash e das definições de níveis de pensamento Gemini 3. O orçamento de pensamento orienta o raciocínio, em vez de garantir um número exato de tokens internos, e um limite de resposta também precisa de deixar espaço para o artefacto final.
Para trabalho documental multimodal, identifique as páginas, o gráfico, a região de imagem ou o acontecimento da gravação que devem sustentar a resposta. Uma tarefa prática de síntese pode pedir as afirmações concorrentes de vários documentos de origem, as passagens que as sustentam e as diferenças importantes para uma decisão. Peça ao modelo que distinga um facto declarado de uma inferência. Para vídeo ou áudio, defina se o resultado deve ser uma descrição, transcrição, resumo ou comparação. A imagem e o som são provas para um resultado textual neste perfil.
A página exata da API documenta chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Defina as finalidades das funções e os campos dos parâmetros e preserve os resultados reais em turnos posteriores. Para um registo sujeito a um esquema, especifique os campos obrigatórios e como deve ser representada a informação em falta. A arquitetura nativa é um transformer multimodal de mistura esparsa de especialistas; esse design do modelo não fornece, por si só, execução de ferramentas externas nem uma aplicação acabada para além do texto ou código devolvidos.
A ficha nativa apresenta contexto de entrada de 1M e saída textual de 64K; a tabela da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Instruções, conteúdo de origem e histórico preservado contribuem para a preparação da entrada. Uma margem máxima de resposta inclui tokens de raciocínio, pelo que um limite demasiado pequeno pode interromper a resposta final. A cache e o processamento em lote estão documentados, juntamente com opções Flex e Priority. Preserve o identificador de cada fonte e a forma final pedida ao preparar tarefas independentes de contexto longo.
O identificador estável é distinto das edições Experimental e Preview abordadas separadamente na ficha partilhada do modelo Pro. Não atribua os resultados específicos dessas versões a este perfil apenas por partilharem o nome Pro. A ficha identifica possíveis alucinações e limitações na compreensão causal, dedução complexa e raciocínio contrafactual, com uma data-limite de conhecimento de janeiro de 2025. Forneça provas atuais quando isso importar e reveja referências a fontes, cálculos e alterações propostas. A saída útil é o artefacto sustentado de texto ou código que a tarefa pediu.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gemini-2.5-pro | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Conversação textual | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream |
Parâmetrocontrol_scope | ContratoConversação textual; stream é um booleano e tem false como predefinição. |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Aliases do método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.02 / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.005 / 1K tokens Saída · Tokens de saída $0.03 / 1K tokens Entrada · Leitura da cache $0.0005 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-2.5-pro","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-2.5-pro", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
gemini-2.5-proGemini 2.5 Pro é o modelo estável de pensamento da Google para código complexo, matemática, STEM e análise de contexto longo. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto, com ferramentas e saída estruturada. O seu orçamento dinâmico de raciocínio suporta 128–32 768 tokens e não pode ser completamente desativado.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 2.5 Pro é o perfil estável de pensamento da Google para programação avançada, matemática, STEM e análise de contexto longo. Pode compreender texto, áudio, imagens, vídeo e repositórios de código completos, e o seu perfil Gemini API aceita também entrada PDF. A saída é texto, incluindo código, análise escrita ou um registo estruturado. Uma tarefa útil fornece as provas e pede um resultado que possa ser verificado, como uma solução explicada, uma conclusão sobre a base de código ou uma comparação entre vários documentos.
Para programação, forneça os ficheiros relevantes, o comportamento observado e a alteração ou pergunta importantes. O contexto longo pode ajudar o modelo a relacionar módulos, em vez de raciocinar a partir de um fragmento isolado. Para investigar um percurso de código, peça-lhe que acompanhe um identificador desde um formulário de entrada, passando pelo processamento, até ao armazenamento, identifique onde um contrato muda e proponha uma correção focada. Preserve as restrições e peça referências de apoio. Uma revisão proposta precisa de comparação com o código real e com qualquer validação efetuada através das ferramentas ligadas.
Para matemática ou análise científica, indique o problema, os pressupostos, as unidades e a forma exigida da resposta. Forneça os dados ou figuras de que o cálculo depende. Peça o resultado sustentado e as verificações que permitem avaliá-lo, como casos-limite ou uma comparação com os valores originais. A capacidade de raciocínio do modelo não elimina a ambiguidade no enunciado do problema. Mantenha visível uma quantidade desconhecida ou um pressuposto sem apoio, em vez de o substituir por um valor conveniente.
O pensamento dinâmico é a predefinição documentada. O guia GenerateContent do Gemini 2.5 suporta um orçamento explícito de raciocínio entre 128 e 32 768 tokens para Pro, ou -1 para pensamento adaptativo. Esta edição não pode desativar completamente o pensamento. Esses controlos diferem da opção de orçamento zero do Flash e das definições de níveis de pensamento Gemini 3. O orçamento de pensamento orienta o raciocínio, em vez de garantir um número exato de tokens internos, e um limite de resposta também precisa de deixar espaço para o artefacto final.
Para trabalho documental multimodal, identifique as páginas, o gráfico, a região de imagem ou o acontecimento da gravação que devem sustentar a resposta. Uma tarefa prática de síntese pode pedir as afirmações concorrentes de vários documentos de origem, as passagens que as sustentam e as diferenças importantes para uma decisão. Peça ao modelo que distinga um facto declarado de uma inferência. Para vídeo ou áudio, defina se o resultado deve ser uma descrição, transcrição, resumo ou comparação. A imagem e o som são provas para um resultado textual neste perfil.
A página exata da API documenta chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Defina as finalidades das funções e os campos dos parâmetros e preserve os resultados reais em turnos posteriores. Para um registo sujeito a um esquema, especifique os campos obrigatórios e como deve ser representada a informação em falta. A arquitetura nativa é um transformer multimodal de mistura esparsa de especialistas; esse design do modelo não fornece, por si só, execução de ferramentas externas nem uma aplicação acabada para além do texto ou código devolvidos.
A ficha nativa apresenta contexto de entrada de 1M e saída textual de 64K; a tabela da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Instruções, conteúdo de origem e histórico preservado contribuem para a preparação da entrada. Uma margem máxima de resposta inclui tokens de raciocínio, pelo que um limite demasiado pequeno pode interromper a resposta final. A cache e o processamento em lote estão documentados, juntamente com opções Flex e Priority. Preserve o identificador de cada fonte e a forma final pedida ao preparar tarefas independentes de contexto longo.
O identificador estável é distinto das edições Experimental e Preview abordadas separadamente na ficha partilhada do modelo Pro. Não atribua os resultados específicos dessas versões a este perfil apenas por partilharem o nome Pro. A ficha identifica possíveis alucinações e limitações na compreensão causal, dedução complexa e raciocínio contrafactual, com uma data-limite de conhecimento de janeiro de 2025. Forneça provas atuais quando isso importar e reveja referências a fontes, cálculos e alterações propostas. A saída útil é o artefacto sustentado de texto ou código que a tarefa pediu.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gemini-2.5-pro | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.02 / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.005 / 1K tokens Saída · Tokens de saída $0.03 / 1K tokens Entrada · Leitura da cache $0.0005 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "gemini-2.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
google/gemini-2.5-proGemini 2.5 Pro é o modelo estável de pensamento da Google para código complexo, matemática, STEM e análise de contexto longo. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto, com ferramentas e saída estruturada. O seu orçamento dinâmico de raciocínio suporta 128–32 768 tokens e não pode ser completamente desativado.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 2.5 Pro é o perfil estável de pensamento da Google para programação avançada, matemática, STEM e análise de contexto longo. Pode compreender texto, áudio, imagens, vídeo e repositórios de código completos, e o seu perfil Gemini API aceita também entrada PDF. A saída é texto, incluindo código, análise escrita ou um registo estruturado. Uma tarefa útil fornece as provas e pede um resultado que possa ser verificado, como uma solução explicada, uma conclusão sobre a base de código ou uma comparação entre vários documentos.
Para programação, forneça os ficheiros relevantes, o comportamento observado e a alteração ou pergunta importantes. O contexto longo pode ajudar o modelo a relacionar módulos, em vez de raciocinar a partir de um fragmento isolado. Para investigar um percurso de código, peça-lhe que acompanhe um identificador desde um formulário de entrada, passando pelo processamento, até ao armazenamento, identifique onde um contrato muda e proponha uma correção focada. Preserve as restrições e peça referências de apoio. Uma revisão proposta precisa de comparação com o código real e com qualquer validação efetuada através das ferramentas ligadas.
Para matemática ou análise científica, indique o problema, os pressupostos, as unidades e a forma exigida da resposta. Forneça os dados ou figuras de que o cálculo depende. Peça o resultado sustentado e as verificações que permitem avaliá-lo, como casos-limite ou uma comparação com os valores originais. A capacidade de raciocínio do modelo não elimina a ambiguidade no enunciado do problema. Mantenha visível uma quantidade desconhecida ou um pressuposto sem apoio, em vez de o substituir por um valor conveniente.
O pensamento dinâmico é a predefinição documentada. O guia GenerateContent do Gemini 2.5 suporta um orçamento explícito de raciocínio entre 128 e 32 768 tokens para Pro, ou -1 para pensamento adaptativo. Esta edição não pode desativar completamente o pensamento. Esses controlos diferem da opção de orçamento zero do Flash e das definições de níveis de pensamento Gemini 3. O orçamento de pensamento orienta o raciocínio, em vez de garantir um número exato de tokens internos, e um limite de resposta também precisa de deixar espaço para o artefacto final.
Para trabalho documental multimodal, identifique as páginas, o gráfico, a região de imagem ou o acontecimento da gravação que devem sustentar a resposta. Uma tarefa prática de síntese pode pedir as afirmações concorrentes de vários documentos de origem, as passagens que as sustentam e as diferenças importantes para uma decisão. Peça ao modelo que distinga um facto declarado de uma inferência. Para vídeo ou áudio, defina se o resultado deve ser uma descrição, transcrição, resumo ou comparação. A imagem e o som são provas para um resultado textual neste perfil.
A página exata da API documenta chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Defina as finalidades das funções e os campos dos parâmetros e preserve os resultados reais em turnos posteriores. Para um registo sujeito a um esquema, especifique os campos obrigatórios e como deve ser representada a informação em falta. A arquitetura nativa é um transformer multimodal de mistura esparsa de especialistas; esse design do modelo não fornece, por si só, execução de ferramentas externas nem uma aplicação acabada para além do texto ou código devolvidos.
A ficha nativa apresenta contexto de entrada de 1M e saída textual de 64K; a tabela da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Instruções, conteúdo de origem e histórico preservado contribuem para a preparação da entrada. Uma margem máxima de resposta inclui tokens de raciocínio, pelo que um limite demasiado pequeno pode interromper a resposta final. A cache e o processamento em lote estão documentados, juntamente com opções Flex e Priority. Preserve o identificador de cada fonte e a forma final pedida ao preparar tarefas independentes de contexto longo.
O identificador estável é distinto das edições Experimental e Preview abordadas separadamente na ficha partilhada do modelo Pro. Não atribua os resultados específicos dessas versões a este perfil apenas por partilharem o nome Pro. A ficha identifica possíveis alucinações e limitações na compreensão causal, dedução complexa e raciocínio contrafactual, com uma data-limite de conhecimento de janeiro de 2025. Forneça provas atuais quando isso importar e reveja referências a fontes, cálculos e alterações propostas. A saída útil é o artefacto sustentado de texto ou código que a tarefa pediu.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites google/gemini-2.5-pro | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.02 / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.005 / 1K tokens Saída · Tokens de saída $0.03 / 1K tokens Entrada · Leitura da cache $0.0005 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-pro", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-2.5-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-2.5-pro',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
google/gemini-2.5-proGemini 2.5 Pro é o modelo estável de pensamento da Google para código complexo, matemática, STEM e análise de contexto longo. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto, com ferramentas e saída estruturada. O seu orçamento dinâmico de raciocínio suporta 128–32 768 tokens e não pode ser completamente desativado.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 2.5 Pro é o perfil estável de pensamento da Google para programação avançada, matemática, STEM e análise de contexto longo. Pode compreender texto, áudio, imagens, vídeo e repositórios de código completos, e o seu perfil Gemini API aceita também entrada PDF. A saída é texto, incluindo código, análise escrita ou um registo estruturado. Uma tarefa útil fornece as provas e pede um resultado que possa ser verificado, como uma solução explicada, uma conclusão sobre a base de código ou uma comparação entre vários documentos.
Para programação, forneça os ficheiros relevantes, o comportamento observado e a alteração ou pergunta importantes. O contexto longo pode ajudar o modelo a relacionar módulos, em vez de raciocinar a partir de um fragmento isolado. Para investigar um percurso de código, peça-lhe que acompanhe um identificador desde um formulário de entrada, passando pelo processamento, até ao armazenamento, identifique onde um contrato muda e proponha uma correção focada. Preserve as restrições e peça referências de apoio. Uma revisão proposta precisa de comparação com o código real e com qualquer validação efetuada através das ferramentas ligadas.
Para matemática ou análise científica, indique o problema, os pressupostos, as unidades e a forma exigida da resposta. Forneça os dados ou figuras de que o cálculo depende. Peça o resultado sustentado e as verificações que permitem avaliá-lo, como casos-limite ou uma comparação com os valores originais. A capacidade de raciocínio do modelo não elimina a ambiguidade no enunciado do problema. Mantenha visível uma quantidade desconhecida ou um pressuposto sem apoio, em vez de o substituir por um valor conveniente.
O pensamento dinâmico é a predefinição documentada. O guia GenerateContent do Gemini 2.5 suporta um orçamento explícito de raciocínio entre 128 e 32 768 tokens para Pro, ou -1 para pensamento adaptativo. Esta edição não pode desativar completamente o pensamento. Esses controlos diferem da opção de orçamento zero do Flash e das definições de níveis de pensamento Gemini 3. O orçamento de pensamento orienta o raciocínio, em vez de garantir um número exato de tokens internos, e um limite de resposta também precisa de deixar espaço para o artefacto final.
Para trabalho documental multimodal, identifique as páginas, o gráfico, a região de imagem ou o acontecimento da gravação que devem sustentar a resposta. Uma tarefa prática de síntese pode pedir as afirmações concorrentes de vários documentos de origem, as passagens que as sustentam e as diferenças importantes para uma decisão. Peça ao modelo que distinga um facto declarado de uma inferência. Para vídeo ou áudio, defina se o resultado deve ser uma descrição, transcrição, resumo ou comparação. A imagem e o som são provas para um resultado textual neste perfil.
A página exata da API documenta chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saídas estruturadas. Defina as finalidades das funções e os campos dos parâmetros e preserve os resultados reais em turnos posteriores. Para um registo sujeito a um esquema, especifique os campos obrigatórios e como deve ser representada a informação em falta. A arquitetura nativa é um transformer multimodal de mistura esparsa de especialistas; esse design do modelo não fornece, por si só, execução de ferramentas externas nem uma aplicação acabada para além do texto ou código devolvidos.
A ficha nativa apresenta contexto de entrada de 1M e saída textual de 64K; a tabela da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Instruções, conteúdo de origem e histórico preservado contribuem para a preparação da entrada. Uma margem máxima de resposta inclui tokens de raciocínio, pelo que um limite demasiado pequeno pode interromper a resposta final. A cache e o processamento em lote estão documentados, juntamente com opções Flex e Priority. Preserve o identificador de cada fonte e a forma final pedida ao preparar tarefas independentes de contexto longo.
O identificador estável é distinto das edições Experimental e Preview abordadas separadamente na ficha partilhada do modelo Pro. Não atribua os resultados específicos dessas versões a este perfil apenas por partilharem o nome Pro. A ficha identifica possíveis alucinações e limitações na compreensão causal, dedução complexa e raciocínio contrafactual, com uma data-limite de conhecimento de janeiro de 2025. Forneça provas atuais quando isso importar e reveja referências a fontes, cálculos e alterações propostas. A saída útil é o artefacto sustentado de texto ou código que a tarefa pediu.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites google/gemini-2.5-pro | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens Saída · Tokens de saída de raciocínio $0.02 / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusive200 000 | Custo Entrada · Tokens de entrada $0.0025 / 1K tokens Saída · Tokens de saída $0.02 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 2 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de200 000 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.005 / 1K tokens Saída · Tokens de saída $0.03 / 1K tokens Entrada · Leitura da cache $0.0005 / 1K tokens Entrada · Escrita na cache $0.00075 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "google/gemini-2.5-pro",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-pro', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot gemini-2.5-pro
Ailoot Ultra gemini-2.5-pro, google/gemini-2.5-pro
/chat/completions
Exemplo técnico em inglês
Trace an identifier through storage\n\nTrace this identifier through three excerpts: form sends {customer_id:'0017'}; service computes id=Number(body.customer_id); repository stores String(id). Requirement: preserve leading zeros. Identify where the contract changes, propose a minimal consistent correction and give tests for '0017', '17' and a missing ID. Do not claim the tests were executed.A source-path explanation, a proposed patch and a three-case regression-test plan.Check that the proposed path preserves distinct strings 0017 and 17 while specifying missing-ID behavior.