Source: https://ailoot.ai/models/zh-hant-tw/google-gemini-2-5-flash-u003a-batch/
Canonical: https://ailoot.ai/models/zh-hant-tw/google-gemini-2-5-flash-u003a-batch/
Language: zh-hant-tw

# Google: Gemini 2.5 Flash (batch)

[Markdown](https://ailoot.ai/models/zh-hant-tw/google-gemini-2-5-flash-u003a-batch/index.md) · [JSON](https://ailoot.ai/models/zh-hant-tw/google-gemini-2-5-flash-u003a-batch/facts.json)

## [Google: Gemini 2.5 Flash (batch)](https://ailoot.ai/models/zh-hant-tw/google-gemini-2-5-flash-u003a-batch/)

Gemini 2.5 Flash 是 Google 用於多模態分析及代理任務的穩定版混合推理模型。其動態 thinking 預算可設為 0 至 24,576 token，包含關閉模式。文字、圖像、音訊、影片及文件可轉為文字或結構化結果，文件記載的輸入上限為 1,048,576 token。

- [**Ailoot Ultra · 批次處理（Batch）** `POST /v1/batches` `google/gemini-2.5-flash:batch`](https://ailoot.ai/models/zh-hant-tw/google-gemini-2-5-flash-u003a-batch/#method-0)

關於模型

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 是 Google 用於全面多模態工作及代理式工具使用的穩定版混合推理設定。它為需要不同推理程度的大規模多模態任務提供 thinking 與非 thinking 回應。文字、圖像、音訊及影片共同支持文字答案。Google 此模型專用的雲端設定也描述文件輸入。實用結果可為文件比較、圖表解讀、轉錄稿、程式碼或結構化紀錄。

此版本以 thinkingBudget 控制推理。預設為動態 thinking；設定 -1 讓模型依任務複雜度調整推理。明確預算可從零至 24,576 token，零表示關閉 thinking。請依實際問題選擇合適預算，不要對簡單分類與多條件分析給予相同投入。指南將預算視為指引，原生模型資訊卡也指出不一定精確遵循。

文件或資料任務應定義問題、必要欄位及應隨結果附帶的證據。要求比較可比較兩份規格，回傳變更要求、來源段落，以及對指定流程的影響。每項發現都需要相同紀錄形狀時，結構化輸出很實用。若來源有多個可能值或留下未定欄位，應保留不確定性，而非強迫給出單一看似合理答案。請依提供頁面或資料檢查回傳值。

視覺或音訊素材應指出相關物件、標籤、事件或錄音段落。要求所需文字類型：圖表可見數值、事件描述、轉錄稿或摘要。這些成果不同，指令應說明要產生哪一種。共用原生模型資訊卡將 Flash Image 與 Flash Audio 列為獨立具名能力；其生成圖像與語音輸出不屬於此穩定版文字設定。

Google 此確切雲端設定記載 PDF 與純文字輸入，以及介面專屬上限：透過 API 匯入的每份 PDF 為 50 MB，每個檔案最多 3,000 頁；純文字檔案上限為 7 MB。該設定也描述在百萬 token 輸入額度內，約可容納帶音訊影片 45 分鐘、無音訊影片一小時，或音訊約 8.4 小時。這些是所述雲端介面限制，與一般模型 token 視窗不同。請準備相關段落及來源格式，不要假設每個檔案類型或上傳路徑皆有相同上限。

此確切 Gemini API 表列出函式呼叫、程式碼執行、檔案搜尋、搜尋 grounding、Maps grounding、URL context 及結構化輸出。請定義各函式角色與參數形狀，並依真實回傳結果繼續。模型可要求操作，由連接的應用程式執行。在無狀態介面延續推理任務時，應保留必要的 thought-signature 脈絡。結構化答案或函式建議本身無法證明外部操作成功。

原生模型資訊卡列出 1M 上下文及 64K 文字輸出，此確切 API 表則指定 1,048,576 輸入 token 及 65,536 輸出 token。回應上限包含 thinking token，因此過小上限可能讓最終答案截斷或空白。請要求符合輸出額度大小的成果，並用推理預算指引投入。此原始模型設定記載快取、批次、Flex 及 Priority 處理。準備多筆獨立紀錄時，應保留項目識別碼。

穩定版仍與 Flash Preview 變體及後續 Gemini 3 模型不同。資訊卡列出可能幻覺、因果理解及複雜邏輯或反事實推理限制，知識截止時間為 2025 年 1 月。任務依賴較新資訊時，請提供最新證據。對照實際來源或執行結果檢查計算、擷取值、轉錄稿及程式碼建議。混合 thinking 在支持具體結果時才實用，不能取代結果審查。

**Ailoot Ultra · 批次處理（Batch）** `POST /v1/batches` `google/gemini-2.5-flash:batch`

[`google/gemini-2.5-flash:batch`](https://ailoot.ai/models/zh-hant-tw/#m=google%2Fgemini-2.5-flash%3Abatch&route=Ultra&caller=google%2Fgemini-2.5-flash%3Abatch&fmt=batches)

Google /`google/gemini-2.5-flash:batch`

### 入門

Gemini 2.5 Flash 是 Google 用於多模態分析及代理任務的穩定版混合推理模型。其動態 thinking 預算可設為 0 至 24,576 token，包含關閉模式。文字、圖像、音訊、影片及文件可轉為文字或結構化結果，文件記載的輸入上限為 1,048,576 token。

接受的輸入

文字

結果

文字

### Ailoot 可用 · 輸入與方法

**Ailoot Ultra · 批次處理（Batch）** `POST /v1/batches`

輸入

`text`

輸出

`text`

輸出格式

內嵌的 results\[\].response.body JSON

| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
| --- | --- | --- | --- | --- |
| 欄位`endpoint` | 類型`string` | 要求必填 | 值與限制 /v1/chat/completions | 預設值— |
| 欄位`model` | 類型`string` | 要求必填 | 值與限制 google/gemini-2.5-flash:batch | 預設值— |
| 欄位`requests` | 類型`batch_item[]` | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
| 欄位`requests[].custom_id` | 類型`string` | 要求必填 | 值與限制 | 預設值— |
| 欄位`requests[].body.messages` | 類型`message[]` | 要求必填 | 值與限制 | 預設值— |
| 欄位`completion_window` | 類型`string` | 要求選填 | 值與限制 24h | 預設值— |
| 欄位`provider` | 類型`object\|null` | 要求選填 | 值與限制 | 預設值— |

方法參數與生命週期

| 參數 | 規格 |
| --- | --- |
| 參數`content_type` | 規格application/json |
| 參數`required` | 規格endpoint, model, requests |
| 參數`material_types` | 規格text |
| 參數`representation` | 規格內嵌的 requests\[\]；每個項目皆含 custom\_id 與 body |
| 參數`request_endpoint_profile` | 規格/v1/chat/completions |
| 參數`file_material` | 規格呼叫端可在本機將實際的 UTF-8 JSONL 讀入 requests\[\]。此流程不使用上傳用途、input\_file\_id 或檔案參照。若缺少客戶素材或素材為空，應在 POST 前停止準備。 |
| 參數`serialization_order` | 規格endpoint, model, provider（如有提供）, completion\_window（如有提供）, requests 放在最後 |
| 參數`optional_controls` | 規格provider.only, provider.allow\_fallbacks, completion\_window |
| 參數`schema_scope` | 規格依文件規定的內嵌 Batch 封裝格式提供文字 Chat Completions 請求主體。 |

生命週期： `asynchronous`

`GET /v1/batches/{operation_id}` · 原始建立回應中實際回傳的 response.id；使用相同使用者／金鑰／群組

### 方案

費率資訊不會增加請求選項。支援的參數列於所選方法中。

快速模式

未指定 選取快速模式時

flex 模式

未指定 選取 flex 模式時

最高推理強度

未指定 最高推理強度採用 default 調整值時

顯式快取計價

未啟用 請求顯式快取時

#### Ailoot 費率

#### 各設定的價格

請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。

| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
| --- | --- | --- | --- | --- |
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token **$0.0003** / 1K Token 輸出 · 輸出 Token **$0.0025** / 1K Token 輸入 · 讀取快取 **$0.00006** / 1K Token 輸入 · 寫入快取 **—** / 1K Token 輸入 · 寫入快取，1 小時 **—** / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 費用 輸入 · 輸入 Token **$0.0003** / 1K Token 輸出 · 輸出 Token **$0.0025** / 1K Token 輸入 · 讀取快取 **$0.00006** / 1K Token 輸入 · 寫入快取 **—** / 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 →](https://ailoot.ai/docs/zh-hant-tw/billing/reserve/)

### 請求範例

#### Ailoot Ultra · 批次處理（Batch）

curl · 保留的測試資料Python HTTP · 客戶實際的 JSONL

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json
from pathlib import Path
body=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-2.5-flash:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')
Path("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \
  -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
  --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json
```

```python
import json, os
from pathlib import Path
from urllib.request import Request, urlopen

def prepare_requests(customer_path):
    path = Path(customer_path)
    if not path.is_file(): raise ValueError("Customer JSONL file is missing")
    items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]
    if not items: raise ValueError("Customer JSONL contains no requests")
    ids = set()
    for item in items:
        if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")
        cid = item["custom_id"]
        if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")
        ids.add(cid)
        if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")
    return {"endpoint":"/v1/chat/completions", "model":"google/gemini-2.5-flash:batch", "requests":items}

if __name__ == "__main__":
    material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")
    if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")
    body = prepare_requests(material)
    key = os.environ.get("AILOOT_API_KEY", "")
    if not key: raise SystemExit("Set AILOOT_API_KEY")
    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")
    with urlopen(request) as response:
        raw = response.read()
        Path("batch-create-response.json").write_bytes(raw)
        print(raw.decode("utf-8"))
```

### 接收並儲存結果

#### Ailoot Ultra · 批次處理（Batch）

內嵌的 results\[\].response.body JSON

- `GET /v1/batches/{operation_id}`

##### 查看工作狀態

curl · 原始作業狀態

```bash
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
BATCH_OPERATION_ID="$(python3 - <<'PY_ID'
import json
from pathlib import Path
from urllib.parse import quote
response = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))
operation = response.get("id")
if not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")
print(quote(operation, safe=""))
PY_ID
)"
curl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \
  -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json
```

##### 保留所有已完成的結果

請保留所有完整傳回的回應、檔案與內容區塊。

請保留每個結果、回應／錯誤本文、候選項目與彙總用量。

##### 需要檢查原始回應時

保留原始作業 ID。503 result\_pending\_check 回應帶有 X-Should-Retry:false；請勿重新提交狀態不明的原始批次。

回應欄位

| 欄位 | 類型 |
| --- | --- |
| 欄位`results[].custom_id` | 類型string |
| 欄位`results[].response.body.choices[].message.content` | 類型string\|null |
| 欄位`results[].error` | 類型object\|null |
| 欄位`usage` | 類型object\|null |

### 別名

#### 模型別名

**Ailoot Ultra** [`google/gemini-2.5-flash:batch`](https://ailoot.ai/models/zh-hant-tw/#m=google%2Fgemini-2.5-flash%3Abatch&route=Ultra&caller=google%2Fgemini-2.5-flash%3Abatch&fmt=batches)

#### 方法路徑別名

請使用上方列出的 API 方法路徑。

#### 相關呼叫用 ID

[`google/gemini-2.5-flash:batch`](https://ailoot.ai/models/zh-hant-tw/#m=google%2Fgemini-2.5-flash%3Abatch&route=Ultra&caller=google%2Fgemini-2.5-flash%3Abatch&fmt=batches)

FAQ · Google: Gemini 2.5 Flash (batch)

可以使用哪些輸入與結果？

`POST /v1/batches` · `google/gemini-2.5-flash:batch`: `text` → `text`

請求使用哪些欄位？

`POST /v1/batches` · `google/gemini-2.5-flash:batch`: `endpoint`, `model`, `requests`, `completion_window`, `provider`

適用哪些限制？

`POST /v1/batches` · `google/gemini-2.5-flash:batch`: `requests.min_items`: `1`

將 Ailoot 串接 Claude Code、OpenCode、Hermes 或自己的應用程式。

## 公司及其專案組合

公司及其專案組合：數百萬客戶，每月銷售額達數十億。

## 優惠購買 token。

訂閱優惠適合持續工作，折扣碼購買 token 最高可折 50%。

訂閱

為定期請求選擇優惠方案。

最高 50% 折扣碼

購買時輸入代碼，價格依活動重算。

歷史中的費用

每次請求保存模型、token 與金額。

[選擇訂閱](https://ailoot.ai/docs/zh-hant-tw/billing/subscriptions/) · [查看模型價格](https://ailoot.ai/models/zh-hant-tw/)

## 將 API 加入 你銷售的產品。

依 Ailoot 正式服務條款與授權合約串接 SaaS、應用程式與機器人；轉售請申請經銷授權。

商用應用程式

在付費功能加入文字、圖片、影片與聲音生成。

經銷授權

提供專案說明與存取方式，要求書面使用和轉售條件。

網站文件

串接前可閱讀正式服務條款、授權合約與資料處理政策。

[申請經銷授權](mailto:support@ailoot.ai) · [正式服務條款與授權合約](https://ailoot.ai/legal/offer?lang=zh-hant-tw)

## Ailoot · 公司及其專案組合





Ailoot以累積的營運經驗、廣大的客戶群、穩定的服務及持續的KPI管理為基礎。





公司及其專案組合：數百萬客戶，每月銷售額達數十億。





Ailoot將這些營運經驗用於API存取，讓客戶的產品、代理、應用程式及自動化流程使用AI功能。