Gemini 2.5 Flash Preview 09-2025 是 Google 混合推理模型的 9 月預覽版本。文件記載的輸入包括文字、影像、影片與音訊；輸出為文字。模型可以將問題與視覺或語音資料結合，再產生解釋、文件、程式碼或結構化回應。這個帶有確切日期的版本，與穩定版 Gemini 2.5 Flash 及隨更新變動的 latest 別名不同。它的用途是理解多模態內容，並藉由工具協助工作，產出書面結果。
Google 為此版本說明兩項具體改善：更好的代理式工具使用能力，以及啟用思考時更精省的回答生成。前者涉及需要數個相互連結動作的任務，例如取得資訊、將資訊與請求比較，以及選擇下一步。後者則是在維持品質的同時，使用較少的生成 token 產生實用回答。若用作開發助理，請提供觀察到的行為、相關程式碼，以及判定修改成功的準則。若用作研究助理，請明確定義問題、要檢視的資料，以及結論所需的證據。
思考與直接回應都是混合設計的一部分。思考任務可以在準備最終答案前，分析相依關係、數學條件或多步驟計畫。直接擷取資訊或簡短解釋則可以採用較單純的回應目標。請說明哪些限制為必要條件、模型可以做哪些假設，以及最終成果必須包含什麼。製造商的系列模型卡指出，模型對思考預算的遵循可能不一致，因此指定預算並不能證明存在嚴格的推理上限。本說明不會將較新模型的思考層級或預設值套用到 9 月版本。
確切的 9 月模型表列出最多 1,048,576 輸入 token 與 65,536 輸出 token。其大容量輸入設定可在同一任務中容納指令、範例、參考文字與多媒體上下文。若要比較需求與提議的解決方案，請為兩個來源加上標籤，並提供一組共通的準則。若要討論螢幕截圖，請指出相關狀態或元件；若是音訊或影片任務，請指出問題或事件，而非要求沒有方向的描述。結果仍為文字：原生影像建立、語音生成與即時口語對話屬於其他模型設定檔。
Google 為這個確切的預覽版記載了函式呼叫、程式碼執行、搜尋結果佐證（search grounding）、URL 上下文與檔案搜尋能力。函式呼叫會選擇已宣告的函式並準備引數；連接的應用程式執行操作後，再回傳結果。程式碼執行會使用生成的 Python 進行計算或文字處理。搜尋結果佐證功能提供網路資料，讓回答以來源為依據；URL 上下文則處理指定且可存取網頁的內容。檔案搜尋提供另一種來源擷取能力。請為代理使用的每個工具設定清楚目的，並指定各步驟預期取得的資訊，讓工作流程能根據實際回傳的結果繼續。
結構化輸出支援可讓最終成果成為一組已定義的可用欄位。比較任務可以要求提供準則、對應的來源段落、觀察到的差異，以及仍待釐清的問題。程式碼任務則可以將提議的修改、解釋與仍需執行的檢查分開。Google 對此確切模型的設定檔，也列出上下文快取與批次處理支援。重複使用的原始資料可以在相關任務間保持一致；支援快取本身，並不能證明任何特定請求重用了快取 token。這些能力名稱也不表示支援較新的結構描述組合、快取門檻或同時使用的工具模式。
系列模型卡將其描述為具有原生文字、視覺與音訊理解能力的稀疏混合專家 Transformer。訓練結合網路文字、程式碼、影像、音訊與影片；後訓練包含成對的多模態指令與回應、人類偏好，以及工具使用資料。資料準備會進行去重、安全性與品質篩選。此確切日期的模型頁面列出知識截止時間為 2025 年 1 月。需要較新資訊的問題，應指出原始資料或適當的擷取步驟，而非將模型的訓練知識當成即時資訊來源。
實質限制包括可能捏造事實，以及在因果理解、複雜邏輯推導與反事實推理上遇到困難。系列模型卡也指出，回應有時會帶有不必要的說教語氣。若要取得實用結果，請要求模型區分來源事實、假設與提議的行動，並檢視決定判斷結果的部分。完整的代理式成果可以包含發現、理由充分的下一步、工具取得的資訊，以及尚未解決的問題。9 月版本對工具使用的重視，有助於定義這種工作流程；準備妥當的輸入與明確的完成準則，則能讓流程緊扣使用者的任務。
", "aboutText": "Gemini 2.5 Flash Preview 09-2025 是 Google 混合推理模型的 9 月預覽版本。文件記載的輸入包括文字、影像、影片與音訊；輸出為文字。模型可以將問題與視覺或語音資料結合，再產生解釋、文件、程式碼或結構化回應。這個帶有確切日期的版本，與穩定版 Gemini 2.5 Flash 及隨更新變動的 latest 別名不同。它的用途是理解多模態內容，並藉由工具協助工作，產出書面結果。\n\nGoogle 為此版本說明兩項具體改善：更好的代理式工具使用能力，以及啟用思考時更精省的回答生成。前者涉及需要數個相互連結動作的任務，例如取得資訊、將資訊與請求比較，以及選擇下一步。後者則是在維持品質的同時，使用較少的生成 token 產生實用回答。若用作開發助理，請提供觀察到的行為、相關程式碼，以及判定修改成功的準則。若用作研究助理，請明確定義問題、要檢視的資料，以及結論所需的證據。\n\n思考與直接回應都是混合設計的一部分。思考任務可以在準備最終答案前，分析相依關係、數學條件或多步驟計畫。直接擷取資訊或簡短解釋則可以採用較單純的回應目標。請說明哪些限制為必要條件、模型可以做哪些假設，以及最終成果必須包含什麼。製造商的系列模型卡指出，模型對思考預算的遵循可能不一致，因此指定預算並不能證明存在嚴格的推理上限。本說明不會將較新模型的思考層級或預設值套用到 9 月版本。\n\n確切的 9 月模型表列出最多 1,048,576 輸入 token 與 65,536 輸出 token。其大容量輸入設定可在同一任務中容納指令、範例、參考文字與多媒體上下文。若要比較需求與提議的解決方案，請為兩個來源加上標籤，並提供一組共通的準則。若要討論螢幕截圖，請指出相關狀態或元件；若是音訊或影片任務，請指出問題或事件，而非要求沒有方向的描述。結果仍為文字：原生影像建立、語音生成與即時口語對話屬於其他模型設定檔。\n\nGoogle 為這個確切的預覽版記載了函式呼叫、程式碼執行、搜尋結果佐證（search grounding）、URL 上下文與檔案搜尋能力。函式呼叫會選擇已宣告的函式並準備引數；連接的應用程式執行操作後，再回傳結果。程式碼執行會使用生成的 Python 進行計算或文字處理。搜尋結果佐證功能提供網路資料，讓回答以來源為依據；URL 上下文則處理指定且可存取網頁的內容。檔案搜尋提供另一種來源擷取能力。請為代理使用的每個工具設定清楚目的，並指定各步驟預期取得的資訊，讓工作流程能根據實際回傳的結果繼續。\n\n結構化輸出支援可讓最終成果成為一組已定義的可用欄位。比較任務可以要求提供準則、對應的來源段落、觀察到的差異，以及仍待釐清的問題。程式碼任務則可以將提議的修改、解釋與仍需執行的檢查分開。Google 對此確切模型的設定檔，也列出上下文快取與批次處理支援。重複使用的原始資料可以在相關任務間保持一致；支援快取本身，並不能證明任何特定請求重用了快取 token。這些能力名稱也不表示支援較新的結構描述組合、快取門檻或同時使用的工具模式。\n\n系列模型卡將其描述為具有原生文字、視覺與音訊理解能力的稀疏混合專家 Transformer。訓練結合網路文字、程式碼、影像、音訊與影片；後訓練包含成對的多模態指令與回應、人類偏好，以及工具使用資料。資料準備會進行去重、安全性與品質篩選。此確切日期的模型頁面列出知識截止時間為 2025 年 1 月。需要較新資訊的問題，應指出原始資料或適當的擷取步驟，而非將模型的訓練知識當成即時資訊來源。\n\n實質限制包括可能捏造事實，以及在因果理解、複雜邏輯推導與反事實推理上遇到困難。系列模型卡也指出，回應有時會帶有不必要的說教語氣。若要取得實用結果，請要求模型區分來源事實、假設與提議的行動，並檢視決定判斷結果的部分。完整的代理式成果可以包含發現、理由充分的下一步、工具取得的資訊，以及尚未解決的問題。9 月版本對工具使用的重視，有助於定義這種工作流程；準備妥當的輸入與明確的完成準則，則能讓流程緊扣使用者的任務。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Review a proposed retention design\n\nAssess this design against the requirement. Requirement R: delete inactive guest records after 30 days; paid accounts are excluded. Design D: a nightly job deletes every account whose last_login is older than 30 days. List mismatches with R/D references, propose a corrected selection rule in plain English, and give boundary cases to test.A concise requirements review, a corrected guest-only rule and tests for day 30, day 31 and an inactive paid account.The proposal excludes paid accounts and explicitly resolves what after 30 days means at the boundary.gemini-2.5-flash-preview-09-2025Gemini 2.5 Flash Preview 09-2025 是 Google 的 9 月版本，適合多模態分析與使用工具的多步驟工作。它結合文字、影像、影片與音訊理解、思考能力、結構化回應，以及 1,048,576 token 的輸入上限，並特別改善代理式工具使用能力。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Gemini 2.5 Flash Preview 09-2025 是 Google 混合推理模型的 9 月預覽版本。文件記載的輸入包括文字、影像、影片與音訊；輸出為文字。模型可以將問題與視覺或語音資料結合，再產生解釋、文件、程式碼或結構化回應。這個帶有確切日期的版本，與穩定版 Gemini 2.5 Flash 及隨更新變動的 latest 別名不同。它的用途是理解多模態內容，並藉由工具協助工作，產出書面結果。
Google 為此版本說明兩項具體改善：更好的代理式工具使用能力，以及啟用思考時更精省的回答生成。前者涉及需要數個相互連結動作的任務，例如取得資訊、將資訊與請求比較，以及選擇下一步。後者則是在維持品質的同時，使用較少的生成 token 產生實用回答。若用作開發助理，請提供觀察到的行為、相關程式碼，以及判定修改成功的準則。若用作研究助理，請明確定義問題、要檢視的資料，以及結論所需的證據。
思考與直接回應都是混合設計的一部分。思考任務可以在準備最終答案前，分析相依關係、數學條件或多步驟計畫。直接擷取資訊或簡短解釋則可以採用較單純的回應目標。請說明哪些限制為必要條件、模型可以做哪些假設，以及最終成果必須包含什麼。製造商的系列模型卡指出，模型對思考預算的遵循可能不一致，因此指定預算並不能證明存在嚴格的推理上限。本說明不會將較新模型的思考層級或預設值套用到 9 月版本。
確切的 9 月模型表列出最多 1,048,576 輸入 token 與 65,536 輸出 token。其大容量輸入設定可在同一任務中容納指令、範例、參考文字與多媒體上下文。若要比較需求與提議的解決方案，請為兩個來源加上標籤，並提供一組共通的準則。若要討論螢幕截圖，請指出相關狀態或元件；若是音訊或影片任務，請指出問題或事件，而非要求沒有方向的描述。結果仍為文字：原生影像建立、語音生成與即時口語對話屬於其他模型設定檔。
Google 為這個確切的預覽版記載了函式呼叫、程式碼執行、搜尋結果佐證（search grounding）、URL 上下文與檔案搜尋能力。函式呼叫會選擇已宣告的函式並準備引數；連接的應用程式執行操作後，再回傳結果。程式碼執行會使用生成的 Python 進行計算或文字處理。搜尋結果佐證功能提供網路資料，讓回答以來源為依據；URL 上下文則處理指定且可存取網頁的內容。檔案搜尋提供另一種來源擷取能力。請為代理使用的每個工具設定清楚目的，並指定各步驟預期取得的資訊，讓工作流程能根據實際回傳的結果繼續。
結構化輸出支援可讓最終成果成為一組已定義的可用欄位。比較任務可以要求提供準則、對應的來源段落、觀察到的差異，以及仍待釐清的問題。程式碼任務則可以將提議的修改、解釋與仍需執行的檢查分開。Google 對此確切模型的設定檔，也列出上下文快取與批次處理支援。重複使用的原始資料可以在相關任務間保持一致；支援快取本身，並不能證明任何特定請求重用了快取 token。這些能力名稱也不表示支援較新的結構描述組合、快取門檻或同時使用的工具模式。
系列模型卡將其描述為具有原生文字、視覺與音訊理解能力的稀疏混合專家 Transformer。訓練結合網路文字、程式碼、影像、音訊與影片；後訓練包含成對的多模態指令與回應、人類偏好，以及工具使用資料。資料準備會進行去重、安全性與品質篩選。此確切日期的模型頁面列出知識截止時間為 2025 年 1 月。需要較新資訊的問題，應指出原始資料或適當的擷取步驟，而非將模型的訓練知識當成即時資訊來源。
實質限制包括可能捏造事實，以及在因果理解、複雜邏輯推導與反事實推理上遇到困難。系列模型卡也指出，回應有時會帶有不必要的說教語氣。若要取得實用結果，請要求模型區分來源事實、假設與提議的行動，並檢視決定判斷結果的部分。完整的代理式成果可以包含發現、理由充分的下一步、工具取得的資訊，以及尚未解決的問題。9 月版本對工具使用的重視，有助於定義這種工作流程；準備妥當的輸入與明確的完成準則，則能讓流程緊扣使用者的任務。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gemini-2.5-flash-preview-09-2025 | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.0006 / 1K Token 輸出 · 輸出 Token $0.005 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${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-preview-09-2025", "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='gemini-2.5-flash-preview-09-2025',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='gemini-2.5-flash-preview-09-2025',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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra gemini-2.5-flash-preview-09-2025
請使用上方列出的 API 方法路徑。
gemini-2.5-flash-preview-09-2025Gemini 2.5 Flash Preview 09-2025 是 Google 的 9 月版本，適合多模態分析與使用工具的多步驟工作。它結合文字、影像、影片與音訊理解、思考能力、結構化回應，以及 1,048,576 token 的輸入上限，並特別改善代理式工具使用能力。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Gemini 2.5 Flash Preview 09-2025 是 Google 混合推理模型的 9 月預覽版本。文件記載的輸入包括文字、影像、影片與音訊；輸出為文字。模型可以將問題與視覺或語音資料結合，再產生解釋、文件、程式碼或結構化回應。這個帶有確切日期的版本，與穩定版 Gemini 2.5 Flash 及隨更新變動的 latest 別名不同。它的用途是理解多模態內容，並藉由工具協助工作，產出書面結果。
Google 為此版本說明兩項具體改善：更好的代理式工具使用能力，以及啟用思考時更精省的回答生成。前者涉及需要數個相互連結動作的任務，例如取得資訊、將資訊與請求比較，以及選擇下一步。後者則是在維持品質的同時，使用較少的生成 token 產生實用回答。若用作開發助理，請提供觀察到的行為、相關程式碼，以及判定修改成功的準則。若用作研究助理，請明確定義問題、要檢視的資料，以及結論所需的證據。
思考與直接回應都是混合設計的一部分。思考任務可以在準備最終答案前，分析相依關係、數學條件或多步驟計畫。直接擷取資訊或簡短解釋則可以採用較單純的回應目標。請說明哪些限制為必要條件、模型可以做哪些假設，以及最終成果必須包含什麼。製造商的系列模型卡指出，模型對思考預算的遵循可能不一致，因此指定預算並不能證明存在嚴格的推理上限。本說明不會將較新模型的思考層級或預設值套用到 9 月版本。
確切的 9 月模型表列出最多 1,048,576 輸入 token 與 65,536 輸出 token。其大容量輸入設定可在同一任務中容納指令、範例、參考文字與多媒體上下文。若要比較需求與提議的解決方案，請為兩個來源加上標籤，並提供一組共通的準則。若要討論螢幕截圖，請指出相關狀態或元件；若是音訊或影片任務，請指出問題或事件，而非要求沒有方向的描述。結果仍為文字：原生影像建立、語音生成與即時口語對話屬於其他模型設定檔。
Google 為這個確切的預覽版記載了函式呼叫、程式碼執行、搜尋結果佐證（search grounding）、URL 上下文與檔案搜尋能力。函式呼叫會選擇已宣告的函式並準備引數；連接的應用程式執行操作後，再回傳結果。程式碼執行會使用生成的 Python 進行計算或文字處理。搜尋結果佐證功能提供網路資料，讓回答以來源為依據；URL 上下文則處理指定且可存取網頁的內容。檔案搜尋提供另一種來源擷取能力。請為代理使用的每個工具設定清楚目的，並指定各步驟預期取得的資訊，讓工作流程能根據實際回傳的結果繼續。
結構化輸出支援可讓最終成果成為一組已定義的可用欄位。比較任務可以要求提供準則、對應的來源段落、觀察到的差異，以及仍待釐清的問題。程式碼任務則可以將提議的修改、解釋與仍需執行的檢查分開。Google 對此確切模型的設定檔，也列出上下文快取與批次處理支援。重複使用的原始資料可以在相關任務間保持一致；支援快取本身，並不能證明任何特定請求重用了快取 token。這些能力名稱也不表示支援較新的結構描述組合、快取門檻或同時使用的工具模式。
系列模型卡將其描述為具有原生文字、視覺與音訊理解能力的稀疏混合專家 Transformer。訓練結合網路文字、程式碼、影像、音訊與影片；後訓練包含成對的多模態指令與回應、人類偏好，以及工具使用資料。資料準備會進行去重、安全性與品質篩選。此確切日期的模型頁面列出知識截止時間為 2025 年 1 月。需要較新資訊的問題，應指出原始資料或適當的擷取步驟，而非將模型的訓練知識當成即時資訊來源。
實質限制包括可能捏造事實，以及在因果理解、複雜邏輯推導與反事實推理上遇到困難。系列模型卡也指出，回應有時會帶有不必要的說教語氣。若要取得實用結果，請要求模型區分來源事實、假設與提議的行動，並檢視決定判斷結果的部分。完整的代理式成果可以包含發現、理由充分的下一步、工具取得的資訊，以及尚未解決的問題。9 月版本對工具使用的重視，有助於定義這種工作流程；準備妥當的輸入與明確的完成準則，則能讓流程緊扣使用者的任務。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gemini-2.5-flash-preview-09-2025 | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.0006 / 1K Token 輸出 · 輸出 Token $0.005 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "gemini-2.5-flash-preview-09-2025",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-preview-09-2025', '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-preview-09-2025', '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 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra gemini-2.5-flash-preview-09-2025
請使用上方列出的 API 方法路徑。
英文技術範例
Review a proposed retention design\n\nAssess this design against the requirement. Requirement R: delete inactive guest records after 30 days; paid accounts are excluded. Design D: a nightly job deletes every account whose last_login is older than 30 days. List mismatches with R/D references, propose a corrected selection rule in plain English, and give boundary cases to test.A concise requirements review, a corrected guest-only rule and tests for day 30, day 31 and an inactive paid account.The proposal excludes paid accounts and explicitly resolves what after 30 days means at the boundary.