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": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9f2d9c054bdda16fa0dc9b485c64645d0da3fffb6b11a2878bb1295203ff52e7", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pt-pt", "methods": [ { "html": "google/gemini-2.5-pro:batchGemini 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/batchestexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObrigatório | Valores e limites /v1/chat/completions | Predefinição— |
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites google/gemini-2.5-pro:batch | Predefinição— |
Camporequests | Tipobatch_item[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Camporequests[].custom_id | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campocompletion_window | Tipostring | RequisitoOpcional | Valores e limites 24h | Predefinição— |
Campoprovider | Tipoobject|null | RequisitoOpcional | Valores e limites | Predefinição— |
Camporequests[].body.model | Tipostring | RequisitoOpcional | Valores e limites google/gemini-2.5-pro:batch, google/gemini-2.5-pro | Predefinição— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores e limites google-vertex/global | Predefinição— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores e limites false, null | Predefinição— |
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratoendpoint, model, requests |
Parâmetromaterial_types | Contratotext |
Parâmetrorepresentation | Contratorequests[] em linha; cada item tem custom_id e body |
Parâmetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parâmetrofile_material | ContratoQuem faz a chamada pode ler localmente o conteúdo JSONL UTF-8 efetivo para requests[]. Não é utilizada qualquer finalidade de carregamento, input_file_id ou referência a ficheiro. Se o material do cliente estiver em falta ou vazio, a preparação é interrompida antes do POST. |
Parâmetroserialization_order | Contratoendpoint, model, provider (se fornecido), completion_window (se fornecido), requests em último lugar |
Parâmetrooptional_controls | Contratoprovider.only, provider.allow_fallbacks, completion_window |
Parâmetroschema_scope | ContratoCorpos de pedidos de texto de Chat Completions na estrutura de lote em linha documentada. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · response.id efetivo da resposta original de criação; mesmo utilizador/chave/grupo
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 $0.00125 / 1K tokens Saída · Tokens de saída $0.01 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 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 $0.00125 / 1K tokens Saída · Tokens de saída $0.01 / 1K tokens Entrada · Leitura da cache $0.00025 / 1K tokens Entrada · Escrita na cache — / 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 $0.0025 / 1K tokens Saída · Tokens de saída $0.015 / 1K tokens Entrada · Leitura da cache $0.0005 / 1K tokens Entrada · Escrita na cache — / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-2.5-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-2.5-pro:batch', 'google/gemini-2.5-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-2.5-pro:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON em linha de results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nGuarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve o JSON completo do estado original, todos os resultados/custom_id e o corpo completo da resposta ou do erro. Guarde os results[] concluídos em formato JSONL, sem filtrar.
Preserve o ID original da operação. A resposta 503 result_pending_check inclui X-Should-Retry:false; nunca volte a enviar um lote original de estado desconhecido.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoEstrutura em linha documentada inválida, chaves duplicadas, identidade do item inválida ou conflito com as capacidades configuradas do modelo. | Passo seguinteCorrija os campos indicados antes de qualquer novo envio. |
Resposta401 · authentication_error | CondiçãoChave de API inválida. | Passo seguinteUse a chave Ailoot autorizada. |
Resposta403 · permission_error | CondiçãoGrupo de processamento em lote indisponível. | Passo seguinteVerifique os direitos de acesso da chave/do grupo. |
Resposta422 · invalid_request_error | CondiçãoO processamento em lote usa faturação por débito do saldo; a criação com subscrição é rejeitada. | Passo seguinteUse o grupo autorizado com faturação por débito do saldo. |
Resposta422 · price_unavailable | CondiçãoNão é possível calcular uma estimativa de preço para os dados de entrada do lote. | Passo seguinteConserve a resposta; use os dados de entrada documentados para a família. |
Resposta402 · billing_error | CondiçãoReserva para processamento em lote indisponível. | Passo seguinteResolva a questão da admissão antes de um novo pedido. |
Resposta503 · price_unavailable | CondiçãoPreço do método de processamento em lote/tarifas nativas indisponíveis. | Passo seguinteConserve a resposta; não substitua os preços. |
Resposta503 · api_error | CondiçãoA rota exata do fornecedor está indisponível. | Passo seguinteConserve a resposta para corrigir a rota. |
Resposta503 · result_pending_check | CondiçãoO resultado original requer verificação; X-Should-Retry:false. | Passo seguinteGuarde o operation_id/id original e consulte o respetivo estado; nunca repita o POST original. |
Resposta404 · not_found | CondiçãoA operação de consulta do estado do lote não existe ou pertence a outra identidade. | Passo seguinteUse o id original exato e o mesmo utilizador/chave/grupo. |
Ailoot Ultra google/gemini-2.5-pro:batch
Use os caminhos dos métodos indicados acima.