Gemini 2.5 Pro är Googles stabila tänkandeprofil för avancerad programmering, matematik, STEM och analys med lång kontext. Den kan förstå text, ljud, bilder, video och hela kodarkiv, och dess Gemini API-profil tar också emot PDF-indata. Utdata är text, inklusive kod, skriftlig analys eller en strukturerad post. Ett användbart uppdrag tillhandahåller underlaget och begär ett resultat som kan kontrolleras, till exempel en förklarad lösning, en iakttagelse i en kodbas eller en jämförelse mellan flera dokument.
För programmering ska du tillhandahålla relevanta filer, observerat beteende och den ändring eller fråga som är viktig. Lång kontext kan hjälpa modellen att koppla samman moduler i stället för att resonera från ett enda isolerat kodutdrag. För en undersökning av en kodväg kan du be den spåra en identifierare från ett indataformulär genom bearbetning och lagring, identifiera var ett kontrakt ändras och föreslå en avgränsad korrigering. Bevara begränsningar och begär stödjande hänvisningar. En föreslagen ändring behöver jämföras med den faktiska koden och eventuell validering som utförts genom de anslutna verktygen.
För matematik eller vetenskaplig analys ska du ange problemet, antaganden, enheter och önskad svarsform. Tillhandahåll de data eller figurer som beräkningen beror på. Begär det underbyggda resultatet och de kontroller som gör det bedömbart, till exempel gränsfall eller en jämförelse med originalvärdena. Modellens resonemangsförmåga tar inte bort tvetydigheter i problemformuleringen. Håll en okänd storhet eller ett antagande utan stöd synligt i stället för att ersätta det med ett bekvämt värde.
Dynamiskt tänkande är den dokumenterade standarden. Gemini 2.5-guiden för GenerateContent stödjer en uttrycklig resonemangsbudget från 128 till 32,768 token för Pro, eller -1 för adaptivt tänkande. Den här utgåvan kan inte stänga av tänkandet helt. Reglagen skiljer sig från Flashs alternativ med nollbudget och från inställningarna för tänkandenivå i Gemini 3. Tänkandebudgeten vägleder resonemanget snarare än garanterar ett exakt antal interna token, och ett svarstak behöver också lämna utrymme för den slutliga artefakten.
För multimodalt dokumentarbete ska du identifiera sidor, diagram, bildregion eller inspelningshändelse som ska stödja svaret. En praktisk syntesuppgift kan begära konkurrerande påståenden från flera källdokument, deras stödjande textpassager och de skillnader som är viktiga för ett beslut. Be modellen skilja ett uttalat faktum från en slutsats. För video eller ljud ska du definiera om resultatet ska vara en beskrivning, transkription, sammanfattning eller jämförelse. Bilden och ljudet är underlag för ett textresultat i den här profilen.
Den exakta API-sidan dokumenterar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Definiera funktionernas syften och parameterfält och bevara de faktiska resultaten i senare samtalsturer. För en schemabegränsad post ska du ange obligatoriska fält och hur saknad information ska representeras. Den ursprungliga arkitekturen är en multimodal gles mixture-of-experts-transformer; modelldesignen tillhandahåller inte i sig extern verktygsexekvering eller en färdig applikation utöver den text eller kod som returneras.
Det ursprungliga kortet anger 1M indatakontext och 64K textutdata; API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, källinnehåll och bevarad historik ingår i förberedelsen av indata. Ett maximalt svarsutrymme omfattar resonemangstoken, så ett alltför lågt tak kan avbryta det slutliga svaret. Cachelagring och batchbearbetning dokumenteras, tillsammans med alternativ för Flex och Priority. Behåll varje källidentifierare och den önskade slutformen när oberoende uppgifter med lång kontext förbereds.
Den stabila identifieraren är separat från utgåvorna Experimental och Preview som diskuteras var för sig i det gemensamma Pro-modellkortet. Tillskriv inte den här profilen deras versionsspecifika resultat bara för att de delar Pro-namnet. Kortet identifierar möjliga hallucinationer och begränsningar i kausal förståelse, komplex deduktion och kontrafaktiskt resonemang, med en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg när det är viktigt och granska källhänvisningar, beräkningar och föreslagna ändringar. Det användbara resultatet är den underbyggda text- eller kodartefakt som uppgiften efterfrågade.
", "aboutText": "Gemini 2.5 Pro är Googles stabila tänkandeprofil för avancerad programmering, matematik, STEM och analys med lång kontext. Den kan förstå text, ljud, bilder, video och hela kodarkiv, och dess Gemini API-profil tar också emot PDF-indata. Utdata är text, inklusive kod, skriftlig analys eller en strukturerad post. Ett användbart uppdrag tillhandahåller underlaget och begär ett resultat som kan kontrolleras, till exempel en förklarad lösning, en iakttagelse i en kodbas eller en jämförelse mellan flera dokument.\n\nFör programmering ska du tillhandahålla relevanta filer, observerat beteende och den ändring eller fråga som är viktig. Lång kontext kan hjälpa modellen att koppla samman moduler i stället för att resonera från ett enda isolerat kodutdrag. För en undersökning av en kodväg kan du be den spåra en identifierare från ett indataformulär genom bearbetning och lagring, identifiera var ett kontrakt ändras och föreslå en avgränsad korrigering. Bevara begränsningar och begär stödjande hänvisningar. En föreslagen ändring behöver jämföras med den faktiska koden och eventuell validering som utförts genom de anslutna verktygen.\n\nFör matematik eller vetenskaplig analys ska du ange problemet, antaganden, enheter och önskad svarsform. Tillhandahåll de data eller figurer som beräkningen beror på. Begär det underbyggda resultatet och de kontroller som gör det bedömbart, till exempel gränsfall eller en jämförelse med originalvärdena. Modellens resonemangsförmåga tar inte bort tvetydigheter i problemformuleringen. Håll en okänd storhet eller ett antagande utan stöd synligt i stället för att ersätta det med ett bekvämt värde.\n\nDynamiskt tänkande är den dokumenterade standarden. Gemini 2.5-guiden för GenerateContent stödjer en uttrycklig resonemangsbudget från 128 till 32,768 token för Pro, eller -1 för adaptivt tänkande. Den här utgåvan kan inte stänga av tänkandet helt. Reglagen skiljer sig från Flashs alternativ med nollbudget och från inställningarna för tänkandenivå i Gemini 3. Tänkandebudgeten vägleder resonemanget snarare än garanterar ett exakt antal interna token, och ett svarstak behöver också lämna utrymme för den slutliga artefakten.\n\nFör multimodalt dokumentarbete ska du identifiera sidor, diagram, bildregion eller inspelningshändelse som ska stödja svaret. En praktisk syntesuppgift kan begära konkurrerande påståenden från flera källdokument, deras stödjande textpassager och de skillnader som är viktiga för ett beslut. Be modellen skilja ett uttalat faktum från en slutsats. För video eller ljud ska du definiera om resultatet ska vara en beskrivning, transkription, sammanfattning eller jämförelse. Bilden och ljudet är underlag för ett textresultat i den här profilen.\n\nDen exakta API-sidan dokumenterar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Definiera funktionernas syften och parameterfält och bevara de faktiska resultaten i senare samtalsturer. För en schemabegränsad post ska du ange obligatoriska fält och hur saknad information ska representeras. Den ursprungliga arkitekturen är en multimodal gles mixture-of-experts-transformer; modelldesignen tillhandahåller inte i sig extern verktygsexekvering eller en färdig applikation utöver den text eller kod som returneras.\n\nDet ursprungliga kortet anger 1M indatakontext och 64K textutdata; API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, källinnehåll och bevarad historik ingår i förberedelsen av indata. Ett maximalt svarsutrymme omfattar resonemangstoken, så ett alltför lågt tak kan avbryta det slutliga svaret. Cachelagring och batchbearbetning dokumenteras, tillsammans med alternativ för Flex och Priority. Behåll varje källidentifierare och den önskade slutformen när oberoende uppgifter med lång kontext förbereds.\n\nDen stabila identifieraren är separat från utgåvorna Experimental och Preview som diskuteras var för sig i det gemensamma Pro-modellkortet. Tillskriv inte den här profilen deras versionsspecifika resultat bara för att de delar Pro-namnet. Kortet identifierar möjliga hallucinationer och begränsningar i kausal förståelse, komplex deduktion och kontrafaktiskt resonemang, med en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg när det är viktigt och granska källhänvisningar, beräkningar och föreslagna ändringar. Det användbara resultatet är den underbyggda text- eller kodartefakt som uppgiften efterfrågade.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2fc5d1e7144acc729486f78a0a958ee32422085154d42b00d475fe00fc88cd21", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sv", "methods": [ { "html": "google/gemini-2.5-pro:batchGemini 2.5 Pro är Googles stabila tänkandemodell för komplex kod, matematik, STEM och analys med lång kontext. Den tar emot text, bilder, ljud, video och PDF och returnerar text, med verktyg och strukturerad utdata. Dess dynamiska resonemangsbudget stödjer 128–32,768 token och kan inte stängas av helt.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Pro är Googles stabila tänkandeprofil för avancerad programmering, matematik, STEM och analys med lång kontext. Den kan förstå text, ljud, bilder, video och hela kodarkiv, och dess Gemini API-profil tar också emot PDF-indata. Utdata är text, inklusive kod, skriftlig analys eller en strukturerad post. Ett användbart uppdrag tillhandahåller underlaget och begär ett resultat som kan kontrolleras, till exempel en förklarad lösning, en iakttagelse i en kodbas eller en jämförelse mellan flera dokument.
För programmering ska du tillhandahålla relevanta filer, observerat beteende och den ändring eller fråga som är viktig. Lång kontext kan hjälpa modellen att koppla samman moduler i stället för att resonera från ett enda isolerat kodutdrag. För en undersökning av en kodväg kan du be den spåra en identifierare från ett indataformulär genom bearbetning och lagring, identifiera var ett kontrakt ändras och föreslå en avgränsad korrigering. Bevara begränsningar och begär stödjande hänvisningar. En föreslagen ändring behöver jämföras med den faktiska koden och eventuell validering som utförts genom de anslutna verktygen.
För matematik eller vetenskaplig analys ska du ange problemet, antaganden, enheter och önskad svarsform. Tillhandahåll de data eller figurer som beräkningen beror på. Begär det underbyggda resultatet och de kontroller som gör det bedömbart, till exempel gränsfall eller en jämförelse med originalvärdena. Modellens resonemangsförmåga tar inte bort tvetydigheter i problemformuleringen. Håll en okänd storhet eller ett antagande utan stöd synligt i stället för att ersätta det med ett bekvämt värde.
Dynamiskt tänkande är den dokumenterade standarden. Gemini 2.5-guiden för GenerateContent stödjer en uttrycklig resonemangsbudget från 128 till 32,768 token för Pro, eller -1 för adaptivt tänkande. Den här utgåvan kan inte stänga av tänkandet helt. Reglagen skiljer sig från Flashs alternativ med nollbudget och från inställningarna för tänkandenivå i Gemini 3. Tänkandebudgeten vägleder resonemanget snarare än garanterar ett exakt antal interna token, och ett svarstak behöver också lämna utrymme för den slutliga artefakten.
För multimodalt dokumentarbete ska du identifiera sidor, diagram, bildregion eller inspelningshändelse som ska stödja svaret. En praktisk syntesuppgift kan begära konkurrerande påståenden från flera källdokument, deras stödjande textpassager och de skillnader som är viktiga för ett beslut. Be modellen skilja ett uttalat faktum från en slutsats. För video eller ljud ska du definiera om resultatet ska vara en beskrivning, transkription, sammanfattning eller jämförelse. Bilden och ljudet är underlag för ett textresultat i den här profilen.
Den exakta API-sidan dokumenterar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Definiera funktionernas syften och parameterfält och bevara de faktiska resultaten i senare samtalsturer. För en schemabegränsad post ska du ange obligatoriska fält och hur saknad information ska representeras. Den ursprungliga arkitekturen är en multimodal gles mixture-of-experts-transformer; modelldesignen tillhandahåller inte i sig extern verktygsexekvering eller en färdig applikation utöver den text eller kod som returneras.
Det ursprungliga kortet anger 1M indatakontext och 64K textutdata; API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, källinnehåll och bevarad historik ingår i förberedelsen av indata. Ett maximalt svarsutrymme omfattar resonemangstoken, så ett alltför lågt tak kan avbryta det slutliga svaret. Cachelagring och batchbearbetning dokumenteras, tillsammans med alternativ för Flex och Priority. Behåll varje källidentifierare och den önskade slutformen när oberoende uppgifter med lång kontext förbereds.
Den stabila identifieraren är separat från utgåvorna Experimental och Preview som diskuteras var för sig i det gemensamma Pro-modellkortet. Tillskriv inte den här profilen deras versionsspecifika resultat bara för att de delar Pro-namnet. Kortet identifierar möjliga hallucinationer och begränsningar i kausal förståelse, komplex deduktion och kontrafaktiskt resonemang, med en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg när det är viktigt och granska källhänvisningar, beräkningar och föreslagna ändringar. Det användbara resultatet är den underbyggda text- eller kodartefakt som uppgiften efterfrågade.
POST /v1/batchestexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältendpoint | Typstring | KravObligatoriskt | Värden & gränser /v1/chat/completions | Standard— |
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-2.5-pro:batch | Standard— |
Fältrequests | Typbatch_item[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältrequests[].custom_id | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältrequests[].body.messages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältcompletion_window | Typstring | KravValfritt | Värden & gränser 24h | Standard— |
Fältprovider | Typobject|null | KravValfritt | Värden & gränser | Standard— |
Fältrequests[].body.model | Typstring | KravValfritt | Värden & gränser google/gemini-2.5-pro:batch, google/gemini-2.5-pro | Standard— |
Fältprovider.only | Typstring[] | KravValfritt | Värden & gränser google-vertex/global | Standard— |
Fältprovider.allow_fallbacks | Typboolean|null | KravValfritt | Värden & gränser false, null | Standard— |
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalendpoint, model, requests |
Parametermaterial_types | Avtaltext |
Parameterrepresentation | AvtalInbäddade requests[]; varje objekt har custom_id och body |
Parameterrequest_endpoint_profile | Avtal/v1/chat/completions |
Parameterfile_material | AvtalDen anropande klienten kan läsa in faktiska UTF-8 JSONL-data lokalt i requests[]. Inget uppladdningssyfte, input_file_id eller någon filreferens används. Om kundmaterial saknas eller är tomt avbryts förberedelserna före POST. |
Parameterserialization_order | Avtalendpoint, model, provider (om angivet), completion_window (om angivet), requests sist |
Parameteroptional_controls | Avtalprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | AvtalFörfrågningskroppar för Text Chat Completions i det dokumenterade inbäddade Batch-formatet. |
Livscykel: asynchronous
GET /v1/batches/{operation_id} · Det faktiska response.id från det ursprungliga skapandesvaret; samma användare/nyckel/grupp
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 $0.00125 / 1K token Utdata · Utdatatoken $0.01 / 1K token Indata · Cacheläsning $0.00025 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och med200 000 | Avgift Indata · Indatatoken $0.00125 / 1K token Utdata · Utdatatoken $0.01 / 1K token Indata · Cacheläsning $0.00025 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 2 för förfrågans längd | Prislista— | Kontexttoken, fler än200 000 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0025 / 1K token Utdata · Utdatatoken $0.015 / 1K token Indata · Cacheläsning $0.0005 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-2.5-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-2.5-pro:batch', 'google/gemini-2.5-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-2.5-pro:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON i inbäddade results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBehåll varje fullständigt returnerat svar, fil och innehållsdel.
Spara hela det ursprungliga statusobjektet i JSON, varje resultat/custom_id och hela svars- eller felkroppen. Spara slutförda results[] som JSONL utan filtrering.
Behåll det ursprungliga operations-ID:t. Vid 503 result_pending_check gäller X-Should-Retry:false; skicka aldrig om en ursprunglig batch med okänt utfall.
| Fält | Typ |
|---|---|
Fältresults[].custom_id | Typstring |
Fältresults[].response.body.choices[].message.content | Typstring|null |
Fältresults[].error | Typobject|null |
Fältusage | Typobject|null |
Fältid | Typstring |
Fältmodel | Typstring |
Fältendpoint | Typstring |
Fältstatus | Typstring |
Fältrequest_counts | Typobject |
Fältresults[].id | Typstring |
Fältresults[].response.status_code | Typinteger |
Fältresults[].response.request_id | Typstring |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorFörfrågan har ett ogiltigt inbäddat format enligt dokumentationen, duplicerade nycklar eller en felaktig objektidentitet, eller står i konflikt med modellens konfigurerade funktioner. | Nästa stegRätta de angivna fälten innan du skickar en ny förfrågan. |
Svar401 · authentication_error | VillkorOgiltig API-nyckel. | Nästa stegAnvänd den behöriga Ailoot-nyckeln. |
Svar403 · permission_error | VillkorGrupp för batchkörning är inte tillgänglig. | Nästa stegKontrollera nyckelns/gruppens behörighet. |
Svar422 · invalid_request_error | VillkorBatchkörning debiteras från saldot; skapande via abonnemang avvisas. | Nästa stegAnvänd den behöriga gruppen med saldodebitering. |
Svar422 · price_unavailable | VillkorKostnaden för batchindata kan inte beräknas i förväg. | Nästa stegSpara svaret; använd det dokumenterade indataformatet för API-familjen. |
Svar402 · billing_error | VillkorReservation för batchkörning är inte tillgänglig. | Nästa stegSe till att villkoren för att godta förfrågan är uppfyllda innan du skickar en ny. |
Svar503 · price_unavailable | VillkorPriset för batchmetoden eller de inbyggda priserna är inte tillgängliga. | Nästa stegSpara svaret; ersätt inte priserna med andra. |
Svar503 · api_error | VillkorDen exakta leverantörsrutten är inte tillgänglig. | Nästa stegSpara svaret för att kunna reparera routningen. |
Svar503 · result_pending_check | VillkorDet ursprungliga resultatet behöver kontrolleras; X-Should-Retry:false. | Nästa stegBehåll det ursprungliga värdet för operation_id/id och läs av operationens status; upprepa aldrig det ursprungliga POST-anropet. |
Svar404 · not_found | VillkorOperationen för batchstatus saknas eller tillhör en annan identitet. | Nästa stegAnvänd exakt det ursprungliga id-värdet och samma användare/nyckel/grupp. |
Ailoot Ultra google/gemini-2.5-pro:batch
Använd metodsökvägarna som visas ovan.