Gemini 2.5 Flash är Googles stabila hybridprofil för resonemang, mångsidigt multimodalt arbete och agentbaserad verktygsanvändning. Den erbjuder svar med och utan tänkande för storskaliga multimodala uppgifter som behöver olika nivåer av resonemang. Text, bilder, ljud och video bidrar till ett textsvar. Dokumentindata beskrivs också i Googles modellspecifika molnprofil. Ett användbart resultat kan vara en dokumentjämförelse, ett tolkat diagram, en transkription, kod eller en strukturerad post.
Utgåvans reglage för resonemang använder thinkingBudget. Dynamiskt tänkande är standard; inställningen -1 låter modellen anpassa resonemanget efter uppgiftens komplexitet. En uttrycklig budget kan sträcka sig från noll till 24,576 token, och noll stänger av tänkandet. Välj en budget som passar det faktiska problemet i stället för att tilldela samma arbetsinsats till en enkel kategorisering och en analys med flera villkor. Guiden behandlar budgeten som vägledning, och det ursprungliga kortet påpekar att efterlevnaden kanske inte är exakt.
För en dokument- eller datauppgift ska du definiera frågan, obligatoriska fält och det underlag som ska följa med resultatet. Vid en kravjämförelse kan du jämföra två specifikationer och returnera det ändrade kravet, dess källpassage och påverkan på ett angivet arbetsflöde. Strukturerad utdata är användbar när varje iakttagelse behöver samma postform. Om källan ger flera möjliga värden eller lämnar ett fält öppet ska osäkerheten bevaras i stället för att ett enda rimligt svar tvingas fram. Granska returnerade värden mot de tillhandahållna sidorna eller uppgifterna.
För visuellt material eller ljud ska du identifiera relevant objekt, etikett, händelse eller inspelningsavsnitt. Begär den texttyp som behövs: synliga värden från ett diagram, en händelsebeskrivning, en transkription eller en sammanfattning. Dessa artefakter är olika, och instruktionen ska säga vilken som ska produceras. Det gemensamma ursprungliga modellkortet omfattar Flash Image och Flash Audio som separat namngivna förmågor; deras genererade bild- och talutdata ingår inte i den här stabila textprofilen.
Googles exakta molnprofil dokumenterar PDF- och klartextindata med gränssnittsspecifika gränser: 50 MB per PDF som importeras genom API:t och upp till 3,000 sidor per fil, med en gräns på 7 MB för klartextfiler. Profilen beskriver också ungefär 45 minuter video med ljud eller en timme utan ljud, samt ungefär 8.4 timmar ljud inom indatabudgeten på en miljon token. Det är de angivna begränsningarna för molngränssnittet, skilda från modellens allmänna tokenfönster. Förbered relevant avsnitt och källformat i stället för att anta att varje filtyp eller uppladdningsväg har samma gräns.
Den exakta Gemini API-tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Definiera varje funktions roll och parameterform och fortsätt från det faktiska returnerade resultatet. En modell kan begära en åtgärd medan den anslutna applikationen utför den. Bevara nödvändig kontext med thought signatures när en resonemangsuppgift fortsätter i det tillståndslösa gränssnittet. Ett strukturerat svar eller ett funktionsförslag fastställer inte självständigt att en extern åtgärd lyckades.
Det ursprungliga modellkortet anger 1M kontext och 64K textutdata, medan den exakta API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Ett svarstak omfattar tänkandetoken, så ett alltför lågt tak kan lämna det slutliga svaret avklippt eller tomt. Begär en artefakt anpassad till utdatautrymmet och använd resonemangsbudgeten för att vägleda arbetsinsatsen. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. Behåll objektidentifierare när flera oberoende poster förbereds.
Den stabila utgåvan förblir separat från Flash Preview-varianter och senare Gemini 3-modeller. Dess kort listar möjliga hallucinationer, begränsningar i kausal förståelse och komplext logiskt eller kontrafaktiskt resonemang samt en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg när en uppgift beror på nyare information. Kontrollera beräkningar, extraherade värden, transkriptioner och föreslagen kod mot den faktiska källan eller exekveringsresultatet. Hybridtänkande är användbart när det stödjer det konkreta resultatet snarare än blir en ersättning för att granska det.
", "aboutText": "Gemini 2.5 Flash är Googles stabila hybridprofil för resonemang, mångsidigt multimodalt arbete och agentbaserad verktygsanvändning. Den erbjuder svar med och utan tänkande för storskaliga multimodala uppgifter som behöver olika nivåer av resonemang. Text, bilder, ljud och video bidrar till ett textsvar. Dokumentindata beskrivs också i Googles modellspecifika molnprofil. Ett användbart resultat kan vara en dokumentjämförelse, ett tolkat diagram, en transkription, kod eller en strukturerad post.\n\nUtgåvans reglage för resonemang använder thinkingBudget. Dynamiskt tänkande är standard; inställningen -1 låter modellen anpassa resonemanget efter uppgiftens komplexitet. En uttrycklig budget kan sträcka sig från noll till 24,576 token, och noll stänger av tänkandet. Välj en budget som passar det faktiska problemet i stället för att tilldela samma arbetsinsats till en enkel kategorisering och en analys med flera villkor. Guiden behandlar budgeten som vägledning, och det ursprungliga kortet påpekar att efterlevnaden kanske inte är exakt.\n\nFör en dokument- eller datauppgift ska du definiera frågan, obligatoriska fält och det underlag som ska följa med resultatet. Vid en kravjämförelse kan du jämföra två specifikationer och returnera det ändrade kravet, dess källpassage och påverkan på ett angivet arbetsflöde. Strukturerad utdata är användbar när varje iakttagelse behöver samma postform. Om källan ger flera möjliga värden eller lämnar ett fält öppet ska osäkerheten bevaras i stället för att ett enda rimligt svar tvingas fram. Granska returnerade värden mot de tillhandahållna sidorna eller uppgifterna.\n\nFör visuellt material eller ljud ska du identifiera relevant objekt, etikett, händelse eller inspelningsavsnitt. Begär den texttyp som behövs: synliga värden från ett diagram, en händelsebeskrivning, en transkription eller en sammanfattning. Dessa artefakter är olika, och instruktionen ska säga vilken som ska produceras. Det gemensamma ursprungliga modellkortet omfattar Flash Image och Flash Audio som separat namngivna förmågor; deras genererade bild- och talutdata ingår inte i den här stabila textprofilen.\n\nGoogles exakta molnprofil dokumenterar PDF- och klartextindata med gränssnittsspecifika gränser: 50 MB per PDF som importeras genom API:t och upp till 3,000 sidor per fil, med en gräns på 7 MB för klartextfiler. Profilen beskriver också ungefär 45 minuter video med ljud eller en timme utan ljud, samt ungefär 8.4 timmar ljud inom indatabudgeten på en miljon token. Det är de angivna begränsningarna för molngränssnittet, skilda från modellens allmänna tokenfönster. Förbered relevant avsnitt och källformat i stället för att anta att varje filtyp eller uppladdningsväg har samma gräns.\n\nDen exakta Gemini API-tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Definiera varje funktions roll och parameterform och fortsätt från det faktiska returnerade resultatet. En modell kan begära en åtgärd medan den anslutna applikationen utför den. Bevara nödvändig kontext med thought signatures när en resonemangsuppgift fortsätter i det tillståndslösa gränssnittet. Ett strukturerat svar eller ett funktionsförslag fastställer inte självständigt att en extern åtgärd lyckades.\n\nDet ursprungliga modellkortet anger 1M kontext och 64K textutdata, medan den exakta API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Ett svarstak omfattar tänkandetoken, så ett alltför lågt tak kan lämna det slutliga svaret avklippt eller tomt. Begär en artefakt anpassad till utdatautrymmet och använd resonemangsbudgeten för att vägleda arbetsinsatsen. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. Behåll objektidentifierare när flera oberoende poster förbereds.\n\nDen stabila utgåvan förblir separat från Flash Preview-varianter och senare Gemini 3-modeller. Dess kort listar möjliga hallucinationer, begränsningar i kausal förståelse och komplext logiskt eller kontrafaktiskt resonemang samt en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg när en uppgift beror på nyare information. Kontrollera beräkningar, extraherade värden, transkriptioner och föreslagen kod mot den faktiska källan eller exekveringsresultatet. Hybridtänkande är användbart när det stödjer det konkreta resultatet snarare än blir en ersättning för att granska det.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Extract changes in an approval rule\n\nCompare these rules for a purchase request. [OLD] Any manager may approve expenses up to 500 units. [NEW] A team manager may approve up to 300 units; above that, finance approval is required. Return the changed requirement, source wording and effect on a 450-unit request. Mark any ambiguity about the currency.A structured comparison and a source-backed explanation of the 450-unit case, with the currency gap retained.Check that the example uses the new threshold and does not invent the unit's currency.gemini-2.5-flashGemini 2.5 Flash är Googles stabila hybridmodell för resonemang, multimodal analys och agentuppgifter. Dess dynamiska tänkandebudget kan ställas in från 0 till 24,576 token, inklusive ett avstängt läge. Text, bilder, ljud, video och dokument blir text eller strukturerade resultat, med en dokumenterad indatagräns på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash är Googles stabila hybridprofil för resonemang, mångsidigt multimodalt arbete och agentbaserad verktygsanvändning. Den erbjuder svar med och utan tänkande för storskaliga multimodala uppgifter som behöver olika nivåer av resonemang. Text, bilder, ljud och video bidrar till ett textsvar. Dokumentindata beskrivs också i Googles modellspecifika molnprofil. Ett användbart resultat kan vara en dokumentjämförelse, ett tolkat diagram, en transkription, kod eller en strukturerad post.
Utgåvans reglage för resonemang använder thinkingBudget. Dynamiskt tänkande är standard; inställningen -1 låter modellen anpassa resonemanget efter uppgiftens komplexitet. En uttrycklig budget kan sträcka sig från noll till 24,576 token, och noll stänger av tänkandet. Välj en budget som passar det faktiska problemet i stället för att tilldela samma arbetsinsats till en enkel kategorisering och en analys med flera villkor. Guiden behandlar budgeten som vägledning, och det ursprungliga kortet påpekar att efterlevnaden kanske inte är exakt.
För en dokument- eller datauppgift ska du definiera frågan, obligatoriska fält och det underlag som ska följa med resultatet. Vid en kravjämförelse kan du jämföra två specifikationer och returnera det ändrade kravet, dess källpassage och påverkan på ett angivet arbetsflöde. Strukturerad utdata är användbar när varje iakttagelse behöver samma postform. Om källan ger flera möjliga värden eller lämnar ett fält öppet ska osäkerheten bevaras i stället för att ett enda rimligt svar tvingas fram. Granska returnerade värden mot de tillhandahållna sidorna eller uppgifterna.
För visuellt material eller ljud ska du identifiera relevant objekt, etikett, händelse eller inspelningsavsnitt. Begär den texttyp som behövs: synliga värden från ett diagram, en händelsebeskrivning, en transkription eller en sammanfattning. Dessa artefakter är olika, och instruktionen ska säga vilken som ska produceras. Det gemensamma ursprungliga modellkortet omfattar Flash Image och Flash Audio som separat namngivna förmågor; deras genererade bild- och talutdata ingår inte i den här stabila textprofilen.
Googles exakta molnprofil dokumenterar PDF- och klartextindata med gränssnittsspecifika gränser: 50 MB per PDF som importeras genom API:t och upp till 3,000 sidor per fil, med en gräns på 7 MB för klartextfiler. Profilen beskriver också ungefär 45 minuter video med ljud eller en timme utan ljud, samt ungefär 8.4 timmar ljud inom indatabudgeten på en miljon token. Det är de angivna begränsningarna för molngränssnittet, skilda från modellens allmänna tokenfönster. Förbered relevant avsnitt och källformat i stället för att anta att varje filtyp eller uppladdningsväg har samma gräns.
Den exakta Gemini API-tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Definiera varje funktions roll och parameterform och fortsätt från det faktiska returnerade resultatet. En modell kan begära en åtgärd medan den anslutna applikationen utför den. Bevara nödvändig kontext med thought signatures när en resonemangsuppgift fortsätter i det tillståndslösa gränssnittet. Ett strukturerat svar eller ett funktionsförslag fastställer inte självständigt att en extern åtgärd lyckades.
Det ursprungliga modellkortet anger 1M kontext och 64K textutdata, medan den exakta API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Ett svarstak omfattar tänkandetoken, så ett alltför lågt tak kan lämna det slutliga svaret avklippt eller tomt. Begär en artefakt anpassad till utdatautrymmet och använd resonemangsbudgeten för att vägleda arbetsinsatsen. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. Behåll objektidentifierare när flera oberoende poster förbereds.
Den stabila utgåvan förblir separat från Flash Preview-varianter och senare Gemini 3-modeller. Dess kort listar möjliga hallucinationer, begränsningar i kausal förståelse och komplext logiskt eller kontrafaktiskt resonemang samt en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg när en uppgift beror på nyare information. Kontrollera beräkningar, extraherade värden, transkriptioner och föreslagen kod mot den faktiska källan eller exekveringsresultatet. Hybridtänkande är användbart när det stödjer det konkreta resultatet snarare än blir en ersättning för att granska det.
POST /v1/messagestext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-2.5-flash | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring|content_block[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältsystem | Typstring|content_block[] | KravValfritt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser Minimum: 1 Gränsen gäller för: den exakta gränsen för den valda modellen/det valda kortet | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop_sequences | Typstring[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typtool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].name | Typstring | KravValfritt | Värden & gränser Gäller när: verktyg har tillhandahållits | Standard— |
Fälttools[].description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].input_schema | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältthinking.type | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältthinking.budget_tokens | Typinteger | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältoutput_config.effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmetadata | Typobject | KravValfritt | Värden & gränser | Standard— |
Fältcache_control | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Text · UTF8-text
messages[].content eller ett type=text-block
Text + bild
{type:image,source:{type:base64,media_type,data}} eller källa type=url
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext, image |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalnull |
Parametercontent_type | Avtalapplication/json |
Parametertext_file_material | Avtalfaktiskt UTF-8-innehåll infogat som text; fil-ID:n/URLs kräver separat, exakt definierat stöd |
Livscykel: exact retained published method
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
POST /v1/messagesAiloot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Referensprislistor på modellnivå ändrar inte metodval, prisuppgifter eller avgifter. Aktiva avgifter använder priserna för den valda Ailoot-metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Grundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationOpenAI Chat · Nivå 1 baserad på begärans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationAnthropic Messages · Grundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationAnthropic Messages · Nivå 1 baserad på begärans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-flash",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-flash",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-2.5-flash',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash är Googles stabila hybridmodell för resonemang, multimodal analys och agentuppgifter. Dess dynamiska tänkandebudget kan ställas in från 0 till 24,576 token, inklusive ett avstängt läge. Text, bilder, ljud, video och dokument blir text eller strukturerade resultat, med en dokumenterad indatagräns på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash är Googles stabila hybridprofil för resonemang, mångsidigt multimodalt arbete och agentbaserad verktygsanvändning. Den erbjuder svar med och utan tänkande för storskaliga multimodala uppgifter som behöver olika nivåer av resonemang. Text, bilder, ljud och video bidrar till ett textsvar. Dokumentindata beskrivs också i Googles modellspecifika molnprofil. Ett användbart resultat kan vara en dokumentjämförelse, ett tolkat diagram, en transkription, kod eller en strukturerad post.
Utgåvans reglage för resonemang använder thinkingBudget. Dynamiskt tänkande är standard; inställningen -1 låter modellen anpassa resonemanget efter uppgiftens komplexitet. En uttrycklig budget kan sträcka sig från noll till 24,576 token, och noll stänger av tänkandet. Välj en budget som passar det faktiska problemet i stället för att tilldela samma arbetsinsats till en enkel kategorisering och en analys med flera villkor. Guiden behandlar budgeten som vägledning, och det ursprungliga kortet påpekar att efterlevnaden kanske inte är exakt.
För en dokument- eller datauppgift ska du definiera frågan, obligatoriska fält och det underlag som ska följa med resultatet. Vid en kravjämförelse kan du jämföra två specifikationer och returnera det ändrade kravet, dess källpassage och påverkan på ett angivet arbetsflöde. Strukturerad utdata är användbar när varje iakttagelse behöver samma postform. Om källan ger flera möjliga värden eller lämnar ett fält öppet ska osäkerheten bevaras i stället för att ett enda rimligt svar tvingas fram. Granska returnerade värden mot de tillhandahållna sidorna eller uppgifterna.
För visuellt material eller ljud ska du identifiera relevant objekt, etikett, händelse eller inspelningsavsnitt. Begär den texttyp som behövs: synliga värden från ett diagram, en händelsebeskrivning, en transkription eller en sammanfattning. Dessa artefakter är olika, och instruktionen ska säga vilken som ska produceras. Det gemensamma ursprungliga modellkortet omfattar Flash Image och Flash Audio som separat namngivna förmågor; deras genererade bild- och talutdata ingår inte i den här stabila textprofilen.
Googles exakta molnprofil dokumenterar PDF- och klartextindata med gränssnittsspecifika gränser: 50 MB per PDF som importeras genom API:t och upp till 3,000 sidor per fil, med en gräns på 7 MB för klartextfiler. Profilen beskriver också ungefär 45 minuter video med ljud eller en timme utan ljud, samt ungefär 8.4 timmar ljud inom indatabudgeten på en miljon token. Det är de angivna begränsningarna för molngränssnittet, skilda från modellens allmänna tokenfönster. Förbered relevant avsnitt och källformat i stället för att anta att varje filtyp eller uppladdningsväg har samma gräns.
Den exakta Gemini API-tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Definiera varje funktions roll och parameterform och fortsätt från det faktiska returnerade resultatet. En modell kan begära en åtgärd medan den anslutna applikationen utför den. Bevara nödvändig kontext med thought signatures när en resonemangsuppgift fortsätter i det tillståndslösa gränssnittet. Ett strukturerat svar eller ett funktionsförslag fastställer inte självständigt att en extern åtgärd lyckades.
Det ursprungliga modellkortet anger 1M kontext och 64K textutdata, medan den exakta API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Ett svarstak omfattar tänkandetoken, så ett alltför lågt tak kan lämna det slutliga svaret avklippt eller tomt. Begär en artefakt anpassad till utdatautrymmet och använd resonemangsbudgeten för att vägleda arbetsinsatsen. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. Behåll objektidentifierare när flera oberoende poster förbereds.
Den stabila utgåvan förblir separat från Flash Preview-varianter och senare Gemini 3-modeller. Dess kort listar möjliga hallucinationer, begränsningar i kausal förståelse och komplext logiskt eller kontrafaktiskt resonemang samt en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg när en uppgift beror på nyare information. Kontrollera beräkningar, extraherade värden, transkriptioner och föreslagen kod mot den faktiska källan eller exekveringsresultatet. Hybridtänkande är användbart när det stödjer det konkreta resultatet snarare än blir en ersättning för att granska det.
POST /v1beta/models/{model}:generateContenttext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältpath.model | Typstring | KravObligatoriskt | Värden & gränser gemini-2.5-flash | Standard— |
Fältcontents | Typcontent[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältcontents[].role | Typstring | KravValfritt | Värden & gränser user, model | Standard— |
Fältcontents[].parts | Typpart[] | KravObligatoriskt | Värden & gränser | Standard— |
FältsystemInstruction | Typcontent | KravValfritt | Värden & gränser | Standard— |
FältgenerationConfig.maxOutputTokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
FältgenerationConfig.temperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.topP | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.topK | Typinteger | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.stopSequences | Typstring[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.thinkingConfig.includeThoughts | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.thinkingConfig.thinkingBudget | Typinteger | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].functionDeclarations | Typfunction_declaration[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FälttoolConfig.functionCallingConfig.mode | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältsafetySettings | Typobject[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältsessionId | Typstring | KravValfritt | Värden & gränser | Standard— |
Text · UTF8-text
contents[].parts[].text
Text + bild
parts[].inlineData={mimeType,data}
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext, image |
Parameterrequired | Avtalcontents |
Parameteroptional_controls | Avtalnull |
Parametercontent_type | Avtalapplication/json |
Parametertext_file_material | Avtalfaktiskt UTF-8-innehåll infogat som text; fil-ID:n/URLs kräver separat, exakt definierat stöd |
Livscykel: exact retained published method
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
POST /v1beta/models/{model}:generateContentAiloot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Referensprislistor på modellnivå ändrar inte metodval, prisuppgifter eller avgifter. Aktiva avgifter använder priserna för den valda Ailoot-metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Grundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationOpenAI Chat · Nivå 1 baserad på begärans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationAnthropic Messages · Grundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationAnthropic Messages · Nivå 1 baserad på begärans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-flash", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-flash", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-flash',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson eller strömning som stöds
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla kandidater och delar, inklusive funktionsanrop, resonemangssignaturer och användningsuppgifter; sätt samman strömmens delar i ordning.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
FältresponseId | Typstring |
FältmodelVersion | Typstring |
Fältcandidates[].content.parts[] | Typtext|inlineData|functionCall|other part |
Fältcandidates[].finishReason | Typstring |
FältusageMetadata | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash är Googles stabila hybridmodell för resonemang, multimodal analys och agentuppgifter. Dess dynamiska tänkandebudget kan ställas in från 0 till 24,576 token, inklusive ett avstängt läge. Text, bilder, ljud, video och dokument blir text eller strukturerade resultat, med en dokumenterad indatagräns på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash är Googles stabila hybridprofil för resonemang, mångsidigt multimodalt arbete och agentbaserad verktygsanvändning. Den erbjuder svar med och utan tänkande för storskaliga multimodala uppgifter som behöver olika nivåer av resonemang. Text, bilder, ljud och video bidrar till ett textsvar. Dokumentindata beskrivs också i Googles modellspecifika molnprofil. Ett användbart resultat kan vara en dokumentjämförelse, ett tolkat diagram, en transkription, kod eller en strukturerad post.
Utgåvans reglage för resonemang använder thinkingBudget. Dynamiskt tänkande är standard; inställningen -1 låter modellen anpassa resonemanget efter uppgiftens komplexitet. En uttrycklig budget kan sträcka sig från noll till 24,576 token, och noll stänger av tänkandet. Välj en budget som passar det faktiska problemet i stället för att tilldela samma arbetsinsats till en enkel kategorisering och en analys med flera villkor. Guiden behandlar budgeten som vägledning, och det ursprungliga kortet påpekar att efterlevnaden kanske inte är exakt.
För en dokument- eller datauppgift ska du definiera frågan, obligatoriska fält och det underlag som ska följa med resultatet. Vid en kravjämförelse kan du jämföra två specifikationer och returnera det ändrade kravet, dess källpassage och påverkan på ett angivet arbetsflöde. Strukturerad utdata är användbar när varje iakttagelse behöver samma postform. Om källan ger flera möjliga värden eller lämnar ett fält öppet ska osäkerheten bevaras i stället för att ett enda rimligt svar tvingas fram. Granska returnerade värden mot de tillhandahållna sidorna eller uppgifterna.
För visuellt material eller ljud ska du identifiera relevant objekt, etikett, händelse eller inspelningsavsnitt. Begär den texttyp som behövs: synliga värden från ett diagram, en händelsebeskrivning, en transkription eller en sammanfattning. Dessa artefakter är olika, och instruktionen ska säga vilken som ska produceras. Det gemensamma ursprungliga modellkortet omfattar Flash Image och Flash Audio som separat namngivna förmågor; deras genererade bild- och talutdata ingår inte i den här stabila textprofilen.
Googles exakta molnprofil dokumenterar PDF- och klartextindata med gränssnittsspecifika gränser: 50 MB per PDF som importeras genom API:t och upp till 3,000 sidor per fil, med en gräns på 7 MB för klartextfiler. Profilen beskriver också ungefär 45 minuter video med ljud eller en timme utan ljud, samt ungefär 8.4 timmar ljud inom indatabudgeten på en miljon token. Det är de angivna begränsningarna för molngränssnittet, skilda från modellens allmänna tokenfönster. Förbered relevant avsnitt och källformat i stället för att anta att varje filtyp eller uppladdningsväg har samma gräns.
Den exakta Gemini API-tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Definiera varje funktions roll och parameterform och fortsätt från det faktiska returnerade resultatet. En modell kan begära en åtgärd medan den anslutna applikationen utför den. Bevara nödvändig kontext med thought signatures när en resonemangsuppgift fortsätter i det tillståndslösa gränssnittet. Ett strukturerat svar eller ett funktionsförslag fastställer inte självständigt att en extern åtgärd lyckades.
Det ursprungliga modellkortet anger 1M kontext och 64K textutdata, medan den exakta API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Ett svarstak omfattar tänkandetoken, så ett alltför lågt tak kan lämna det slutliga svaret avklippt eller tomt. Begär en artefakt anpassad till utdatautrymmet och använd resonemangsbudgeten för att vägleda arbetsinsatsen. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. Behåll objektidentifierare när flera oberoende poster förbereds.
Den stabila utgåvan förblir separat från Flash Preview-varianter och senare Gemini 3-modeller. Dess kort listar möjliga hallucinationer, begränsningar i kausal förståelse och komplext logiskt eller kontrafaktiskt resonemang samt en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg när en uppgift beror på nyare information. Kontrollera beräkningar, extraherade värden, transkriptioner och föreslagen kod mot den faktiska källan eller exekveringsresultatet. Hybridtänkande är användbart när det stödjer det konkreta resultatet snarare än blir en ersättning för att granska det.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-2.5-flash | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Beror på modellen | Standard— |
Fältmessages[].content | Typstring | KravValfritt | Värden & gränser Gäller när: Textsamtal | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream |
Parametercontrol_scope | AvtalTextsamtal; stream är ett booleskt värde och har false som standard. |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Metodalias: /chat/completions
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-2.5-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-2.5-flash", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
gemini-2.5-flashGemini 2.5 Flash är Googles stabila hybridmodell för resonemang, multimodal analys och agentuppgifter. Dess dynamiska tänkandebudget kan ställas in från 0 till 24,576 token, inklusive ett avstängt läge. Text, bilder, ljud, video och dokument blir text eller strukturerade resultat, med en dokumenterad indatagräns på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash är Googles stabila hybridprofil för resonemang, mångsidigt multimodalt arbete och agentbaserad verktygsanvändning. Den erbjuder svar med och utan tänkande för storskaliga multimodala uppgifter som behöver olika nivåer av resonemang. Text, bilder, ljud och video bidrar till ett textsvar. Dokumentindata beskrivs också i Googles modellspecifika molnprofil. Ett användbart resultat kan vara en dokumentjämförelse, ett tolkat diagram, en transkription, kod eller en strukturerad post.
Utgåvans reglage för resonemang använder thinkingBudget. Dynamiskt tänkande är standard; inställningen -1 låter modellen anpassa resonemanget efter uppgiftens komplexitet. En uttrycklig budget kan sträcka sig från noll till 24,576 token, och noll stänger av tänkandet. Välj en budget som passar det faktiska problemet i stället för att tilldela samma arbetsinsats till en enkel kategorisering och en analys med flera villkor. Guiden behandlar budgeten som vägledning, och det ursprungliga kortet påpekar att efterlevnaden kanske inte är exakt.
För en dokument- eller datauppgift ska du definiera frågan, obligatoriska fält och det underlag som ska följa med resultatet. Vid en kravjämförelse kan du jämföra två specifikationer och returnera det ändrade kravet, dess källpassage och påverkan på ett angivet arbetsflöde. Strukturerad utdata är användbar när varje iakttagelse behöver samma postform. Om källan ger flera möjliga värden eller lämnar ett fält öppet ska osäkerheten bevaras i stället för att ett enda rimligt svar tvingas fram. Granska returnerade värden mot de tillhandahållna sidorna eller uppgifterna.
För visuellt material eller ljud ska du identifiera relevant objekt, etikett, händelse eller inspelningsavsnitt. Begär den texttyp som behövs: synliga värden från ett diagram, en händelsebeskrivning, en transkription eller en sammanfattning. Dessa artefakter är olika, och instruktionen ska säga vilken som ska produceras. Det gemensamma ursprungliga modellkortet omfattar Flash Image och Flash Audio som separat namngivna förmågor; deras genererade bild- och talutdata ingår inte i den här stabila textprofilen.
Googles exakta molnprofil dokumenterar PDF- och klartextindata med gränssnittsspecifika gränser: 50 MB per PDF som importeras genom API:t och upp till 3,000 sidor per fil, med en gräns på 7 MB för klartextfiler. Profilen beskriver också ungefär 45 minuter video med ljud eller en timme utan ljud, samt ungefär 8.4 timmar ljud inom indatabudgeten på en miljon token. Det är de angivna begränsningarna för molngränssnittet, skilda från modellens allmänna tokenfönster. Förbered relevant avsnitt och källformat i stället för att anta att varje filtyp eller uppladdningsväg har samma gräns.
Den exakta Gemini API-tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Definiera varje funktions roll och parameterform och fortsätt från det faktiska returnerade resultatet. En modell kan begära en åtgärd medan den anslutna applikationen utför den. Bevara nödvändig kontext med thought signatures när en resonemangsuppgift fortsätter i det tillståndslösa gränssnittet. Ett strukturerat svar eller ett funktionsförslag fastställer inte självständigt att en extern åtgärd lyckades.
Det ursprungliga modellkortet anger 1M kontext och 64K textutdata, medan den exakta API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Ett svarstak omfattar tänkandetoken, så ett alltför lågt tak kan lämna det slutliga svaret avklippt eller tomt. Begär en artefakt anpassad till utdatautrymmet och använd resonemangsbudgeten för att vägleda arbetsinsatsen. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. Behåll objektidentifierare när flera oberoende poster förbereds.
Den stabila utgåvan förblir separat från Flash Preview-varianter och senare Gemini 3-modeller. Dess kort listar möjliga hallucinationer, begränsningar i kausal förståelse och komplext logiskt eller kontrafaktiskt resonemang samt en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg när en uppgift beror på nyare information. Kontrollera beräkningar, extraherade värden, transkriptioner och föreslagen kod mot den faktiska källan eller exekveringsresultatet. Hybridtänkande är användbart när det stödjer det konkreta resultatet snarare än blir en ersättning för att granska det.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-2.5-flash | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gemini-2.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
google/gemini-2.5-flashGemini 2.5 Flash är Googles stabila hybridmodell för resonemang, multimodal analys och agentuppgifter. Dess dynamiska tänkandebudget kan ställas in från 0 till 24,576 token, inklusive ett avstängt läge. Text, bilder, ljud, video och dokument blir text eller strukturerade resultat, med en dokumenterad indatagräns på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash är Googles stabila hybridprofil för resonemang, mångsidigt multimodalt arbete och agentbaserad verktygsanvändning. Den erbjuder svar med och utan tänkande för storskaliga multimodala uppgifter som behöver olika nivåer av resonemang. Text, bilder, ljud och video bidrar till ett textsvar. Dokumentindata beskrivs också i Googles modellspecifika molnprofil. Ett användbart resultat kan vara en dokumentjämförelse, ett tolkat diagram, en transkription, kod eller en strukturerad post.
Utgåvans reglage för resonemang använder thinkingBudget. Dynamiskt tänkande är standard; inställningen -1 låter modellen anpassa resonemanget efter uppgiftens komplexitet. En uttrycklig budget kan sträcka sig från noll till 24,576 token, och noll stänger av tänkandet. Välj en budget som passar det faktiska problemet i stället för att tilldela samma arbetsinsats till en enkel kategorisering och en analys med flera villkor. Guiden behandlar budgeten som vägledning, och det ursprungliga kortet påpekar att efterlevnaden kanske inte är exakt.
För en dokument- eller datauppgift ska du definiera frågan, obligatoriska fält och det underlag som ska följa med resultatet. Vid en kravjämförelse kan du jämföra två specifikationer och returnera det ändrade kravet, dess källpassage och påverkan på ett angivet arbetsflöde. Strukturerad utdata är användbar när varje iakttagelse behöver samma postform. Om källan ger flera möjliga värden eller lämnar ett fält öppet ska osäkerheten bevaras i stället för att ett enda rimligt svar tvingas fram. Granska returnerade värden mot de tillhandahållna sidorna eller uppgifterna.
För visuellt material eller ljud ska du identifiera relevant objekt, etikett, händelse eller inspelningsavsnitt. Begär den texttyp som behövs: synliga värden från ett diagram, en händelsebeskrivning, en transkription eller en sammanfattning. Dessa artefakter är olika, och instruktionen ska säga vilken som ska produceras. Det gemensamma ursprungliga modellkortet omfattar Flash Image och Flash Audio som separat namngivna förmågor; deras genererade bild- och talutdata ingår inte i den här stabila textprofilen.
Googles exakta molnprofil dokumenterar PDF- och klartextindata med gränssnittsspecifika gränser: 50 MB per PDF som importeras genom API:t och upp till 3,000 sidor per fil, med en gräns på 7 MB för klartextfiler. Profilen beskriver också ungefär 45 minuter video med ljud eller en timme utan ljud, samt ungefär 8.4 timmar ljud inom indatabudgeten på en miljon token. Det är de angivna begränsningarna för molngränssnittet, skilda från modellens allmänna tokenfönster. Förbered relevant avsnitt och källformat i stället för att anta att varje filtyp eller uppladdningsväg har samma gräns.
Den exakta Gemini API-tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Definiera varje funktions roll och parameterform och fortsätt från det faktiska returnerade resultatet. En modell kan begära en åtgärd medan den anslutna applikationen utför den. Bevara nödvändig kontext med thought signatures när en resonemangsuppgift fortsätter i det tillståndslösa gränssnittet. Ett strukturerat svar eller ett funktionsförslag fastställer inte självständigt att en extern åtgärd lyckades.
Det ursprungliga modellkortet anger 1M kontext och 64K textutdata, medan den exakta API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Ett svarstak omfattar tänkandetoken, så ett alltför lågt tak kan lämna det slutliga svaret avklippt eller tomt. Begär en artefakt anpassad till utdatautrymmet och använd resonemangsbudgeten för att vägleda arbetsinsatsen. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. Behåll objektidentifierare när flera oberoende poster förbereds.
Den stabila utgåvan förblir separat från Flash Preview-varianter och senare Gemini 3-modeller. Dess kort listar möjliga hallucinationer, begränsningar i kausal förståelse och komplext logiskt eller kontrafaktiskt resonemang samt en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg när en uppgift beror på nyare information. Kontrollera beräkningar, extraherade värden, transkriptioner och föreslagen kod mot den faktiska källan eller exekveringsresultatet. Hybridtänkande är användbart när det stödjer det konkreta resultatet snarare än blir en ersättning för att granska det.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-2.5-flash | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-2.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-2.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
google/gemini-2.5-flashGemini 2.5 Flash är Googles stabila hybridmodell för resonemang, multimodal analys och agentuppgifter. Dess dynamiska tänkandebudget kan ställas in från 0 till 24,576 token, inklusive ett avstängt läge. Text, bilder, ljud, video och dokument blir text eller strukturerade resultat, med en dokumenterad indatagräns på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash är Googles stabila hybridprofil för resonemang, mångsidigt multimodalt arbete och agentbaserad verktygsanvändning. Den erbjuder svar med och utan tänkande för storskaliga multimodala uppgifter som behöver olika nivåer av resonemang. Text, bilder, ljud och video bidrar till ett textsvar. Dokumentindata beskrivs också i Googles modellspecifika molnprofil. Ett användbart resultat kan vara en dokumentjämförelse, ett tolkat diagram, en transkription, kod eller en strukturerad post.
Utgåvans reglage för resonemang använder thinkingBudget. Dynamiskt tänkande är standard; inställningen -1 låter modellen anpassa resonemanget efter uppgiftens komplexitet. En uttrycklig budget kan sträcka sig från noll till 24,576 token, och noll stänger av tänkandet. Välj en budget som passar det faktiska problemet i stället för att tilldela samma arbetsinsats till en enkel kategorisering och en analys med flera villkor. Guiden behandlar budgeten som vägledning, och det ursprungliga kortet påpekar att efterlevnaden kanske inte är exakt.
För en dokument- eller datauppgift ska du definiera frågan, obligatoriska fält och det underlag som ska följa med resultatet. Vid en kravjämförelse kan du jämföra två specifikationer och returnera det ändrade kravet, dess källpassage och påverkan på ett angivet arbetsflöde. Strukturerad utdata är användbar när varje iakttagelse behöver samma postform. Om källan ger flera möjliga värden eller lämnar ett fält öppet ska osäkerheten bevaras i stället för att ett enda rimligt svar tvingas fram. Granska returnerade värden mot de tillhandahållna sidorna eller uppgifterna.
För visuellt material eller ljud ska du identifiera relevant objekt, etikett, händelse eller inspelningsavsnitt. Begär den texttyp som behövs: synliga värden från ett diagram, en händelsebeskrivning, en transkription eller en sammanfattning. Dessa artefakter är olika, och instruktionen ska säga vilken som ska produceras. Det gemensamma ursprungliga modellkortet omfattar Flash Image och Flash Audio som separat namngivna förmågor; deras genererade bild- och talutdata ingår inte i den här stabila textprofilen.
Googles exakta molnprofil dokumenterar PDF- och klartextindata med gränssnittsspecifika gränser: 50 MB per PDF som importeras genom API:t och upp till 3,000 sidor per fil, med en gräns på 7 MB för klartextfiler. Profilen beskriver också ungefär 45 minuter video med ljud eller en timme utan ljud, samt ungefär 8.4 timmar ljud inom indatabudgeten på en miljon token. Det är de angivna begränsningarna för molngränssnittet, skilda från modellens allmänna tokenfönster. Förbered relevant avsnitt och källformat i stället för att anta att varje filtyp eller uppladdningsväg har samma gräns.
Den exakta Gemini API-tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Definiera varje funktions roll och parameterform och fortsätt från det faktiska returnerade resultatet. En modell kan begära en åtgärd medan den anslutna applikationen utför den. Bevara nödvändig kontext med thought signatures när en resonemangsuppgift fortsätter i det tillståndslösa gränssnittet. Ett strukturerat svar eller ett funktionsförslag fastställer inte självständigt att en extern åtgärd lyckades.
Det ursprungliga modellkortet anger 1M kontext och 64K textutdata, medan den exakta API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Ett svarstak omfattar tänkandetoken, så ett alltför lågt tak kan lämna det slutliga svaret avklippt eller tomt. Begär en artefakt anpassad till utdatautrymmet och använd resonemangsbudgeten för att vägleda arbetsinsatsen. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. Behåll objektidentifierare när flera oberoende poster förbereds.
Den stabila utgåvan förblir separat från Flash Preview-varianter och senare Gemini 3-modeller. Dess kort listar möjliga hallucinationer, begränsningar i kausal förståelse och komplext logiskt eller kontrafaktiskt resonemang samt en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg när en uppgift beror på nyare information. Kontrollera beräkningar, extraherade värden, transkriptioner och föreslagen kod mot den faktiska källan eller exekveringsresultatet. Hybridtänkande är användbart när det stödjer det konkreta resultatet snarare än blir en ersättning för att granska det.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-2.5-flash | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "google/gemini-2.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-2.5-flash
Ailoot Ultra gemini-2.5-flash, google/gemini-2.5-flash
/chat/completions
Tekniskt exempel på engelska
Extract changes in an approval rule\n\nCompare these rules for a purchase request. [OLD] Any manager may approve expenses up to 500 units. [NEW] A team manager may approve up to 300 units; above that, finance approval is required. Return the changed requirement, source wording and effect on a 450-unit request. Mark any ambiguity about the currency.A structured comparison and a source-backed explanation of the 450-unit case, with the currency gap retained.Check that the example uses the new threshold and does not invent the unit's currency.