Google: Gemini 2.5 Pro

Google: Gemini 2.5 Pro es un modelo de texto de Google, listado en api14 bajo el id de modelo google/gemini-2.5-pro. Es el modelo de vanguardia de Google, diseñado para razonamiento avanzado, programación, matemáticas y tareas científicas, y utiliza capacidades de pensamiento para razonar sus respuestas con mayor precisión. La fecha de lanzamiento del proveedor es 2025-06-17, y el corte de conocimiento es 2025-01-31.

El modelo acepta texto, imagen, archivo, audio y vídeo como entrada y devuelve texto. Su ventana de contexto es de 1.048.576 tokens, con una salida máxima de 65.536 tokens. Los parámetros de solicitud admitidos son include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools y top_p. Dado que la entrada abarca varias modalidades mientras que la salida sigue siendo texto, encaja en flujos de trabajo en los que se aporta material de origen enriquecido y se desea una respuesta escrita.

Esa combinación apunta a usos prácticos como la generación y revisión de código, la resolución de problemas matemáticos o científicos de varios pasos y el análisis de documentos donde importan las entradas largas. Como se pueden proporcionar imágenes, archivos, audio y vídeo como entrada, una solicitud puede combinar un PDF, una captura de pantalla o una grabación con un prompt de texto y recibir una única respuesta de texto. La gran ventana de contexto se adapta a bases de código, informes extensos y transcripciones largas, y el parámetro reasoning permite controlar cuánto pensamiento aplica el modelo.

Se llama al modelo a través de la API compatible con OpenAI de api14 usando el id de modelo google/gemini-2.5-pro. Las solicitudes siguen la forma de chat completions de OpenAI, por lo que los SDK y clientes de OpenAI existentes funcionan con un cambio de URL base y de id de modelo. Configura max_tokens para limitar la salida, temperature y top_p para ajustar el muestreo, y stop para detener la generación en secuencias dadas. Usa response_format o structured_outputs cuando necesites respuestas estructuradas, seed para un muestreo reproducible, y tools con tool_choice para el llamamiento de funciones. Los parámetros reasoning e include_reasoning se relacionan con el comportamiento de pensamiento del modelo.

Las consideraciones se derivan de los hechos anteriores. La salida es solo texto, por lo que las tareas que necesitan imágenes, audio o vídeo generados no se cubren aquí. La salida máxima de 65.536 tokens es menor que la ventana de contexto, por lo que las respuestas únicas muy largas están acotadas aunque la entrada pueda ser mucho mayor. Si tu carga de trabajo es generación de texto simple donde la profundidad de razonamiento no es necesaria, un modelo de texto más ligero puede encajar mejor.