Google: Gemini 2.5 Pro

Google : Gemini 2.5 Pro est un modèle textuel de Google, listé sur api14 sous l'identifiant de modèle google/gemini-2.5-pro. C'est le modèle de pointe de Google, conçu pour le raisonnement avancé, le codage, les mathématiques et les tâches scientifiques, et il utilise des capacités de réflexion pour raisonner à travers les réponses avec une précision accrue. La date de publication du fournisseur est le 2025-06-17, et la date limite de connaissances est le 2025-01-31.

Le modèle accepte le texte, l'image, le fichier, l'audio et la vidéo en entrée et renvoie du texte. Sa fenêtre de contexte est de 1 048 576 tokens, avec une sortie maximale de 65 536 tokens. Les paramètres de requête pris en charge sont include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools et top_p. Comme l'entrée couvre plusieurs modalités tandis que la sortie reste du texte, il convient aux flux de travail où vous fournissez un matériel source riche et souhaitez une réponse écrite.

Cette combinaison indique des usages pratiques tels que la génération et la révision de code, la résolution de problèmes mathématiques ou scientifiques à plusieurs étapes, et l'analyse de documents où les entrées longues comptent. Comme les images, les fichiers, l'audio et la vidéo peuvent tous être fournis en entrée, une requête peut mélanger un PDF, une capture d'écran ou un enregistrement avec une invite textuelle et recevoir une seule réponse textuelle. La grande fenêtre de contexte convient aux bases de code, aux rapports longs et aux transcriptions étendues, et le paramètre reasoning vous permet de contrôler la quantité de réflexion appliquée par le modèle.

Vous appelez le modèle via l'API compatible OpenAI d'api14 en utilisant l'identifiant de modèle google/gemini-2.5-pro. Les requêtes suivent la forme des complétions de chat d'OpenAI, donc les SDK et clients OpenAI existants fonctionnent avec une URL de base et un identifiant de modèle modifiés. Définissez max_tokens pour plafonner la sortie, temperature et top_p pour ajuster l'échantillonnage, et stop pour arrêter la génération sur des séquences données. Utilisez response_format ou structured_outputs lorsque vous avez besoin de réponses structurées, seed pour un échantillonnage reproductible, et tools avec tool_choice pour l'appel de fonctions. Les paramètres reasoning et include_reasoning concernent le comportement de réflexion du modèle.

Les considérations découlent des faits ci-dessus. La sortie est uniquement textuelle, donc les tâches qui nécessitent des images, de l'audio ou de la vidéo générés ne sont pas couvertes ici. La sortie maximale de 65 536 tokens est inférieure à la fenêtre de contexte, donc les réponses uniques très longues sont limitées même si l'entrée peut être bien plus grande. Si votre charge de travail est de la génération de texte simple où la profondeur de raisonnement n'est pas nécessaire, un modèle textuel plus léger peut mieux convenir.