Google: Gemini 2.5 Pro Preview 06-05

Google: Gemini 2.5 Pro Preview 06-05, Google का एक टेक्स्ट जनरेशन मॉडल है, जो api14 के माध्यम से मॉडल id google/gemini-2.5-pro-preview के तहत उपलब्ध कराया जाता है। यह Gemini 2.5 Pro लाइन का हिस्सा है, जिसे Google अपना अत्याधुनिक मॉडल बताता है, जो उन्नत रीज़निंग, कोडिंग, गणित और वैज्ञानिक कार्यों के लिए बनाया गया है। यह मॉडल उस सुविधा का उपयोग करता है जिसे Google थिंकिंग क्षमताएं कहता है, यानी यह जवाब देने से पहले उस पर तर्क कर सकता है, जिसका उद्देश्य उन समस्याओं पर सटीकता सुधारना है जिनमें कई चरणों की आवश्यकता होती है।

इनपुट की ओर से, यह मॉडल टेक्स्ट, इमेज, ऑडियो और फाइलें स्वीकार करता है, इसलिए आप एक ही अनुरोध में मिश्रित सामग्री भेज सकते हैं। आउटपुट केवल टेक्स्ट है। कॉन्टेक्स्ट विंडो 1,048,576 टोकन है, जो इतनी बड़ी है कि लंबे दस्तावेज़, कोडबेस या विस्तारित बातचीत को बिना चंकिंग के रख सके। अधिकतम आउटपुट लंबाई 65,536 टोकन है, और ज्ञान कटऑफ 2025-01-31 है, इसलिए उस तारीख के बाद की कोई भी चीज़ मॉडल के प्रशिक्षण के दायरे से बाहर है।

ये क्षमताएं कुछ व्यावहारिक उपयोगों की ओर इशारा करती हैं। लंबा कॉन्टेक्स्ट पूरे रिपॉजिटरी, लंबी विशिष्टताओं या ट्रांसक्रिप्ट पर एक ही कॉल में काम करने के लिए उपयुक्त है। इमेज और ऑडियो इनपुट आपको ऐसी सुविधाएं बनाने देते हैं जो स्क्रीनशॉट, डायग्राम या रिकॉर्ड की गई बोली पर तर्क करें और लिखित परिणाम लौटाएं। रीज़निंग व्यवहार कोडिंग सहायता, गणितीय समस्या समाधान और वैज्ञानिक विश्लेषण के लिए अच्छी तरह उपयुक्त है, जहां मॉडल को मध्यवर्ती चरणों से गुजरना लाभ देता है। संरचित आउटपुट और टूल कॉलिंग इसे केवल चैट इंटरफेस के रूप में ही नहीं, बल्कि एक स्वचालित पाइपलाइन के भीतर रीज़निंग घटक के रूप में भी उपयोग करने योग्य बनाते हैं।

चूंकि api14 एक OpenAI-संगत API उपलब्ध कराता है, आप इस मॉडल को उसी तरह कॉल करते हैं जैसे आप OpenAI मॉडल को कॉल करते हैं, model फ़ील्ड को google/gemini-2.5-pro-preview पर सेट करके। समर्थित अनुरोध पैरामीटर हैं include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools और top_p। इसलिए आप temperature और top_p से सैंपलिंग नियंत्रित कर सकते हैं, max_tokens से लंबाई सीमित कर सकते हैं, response_format या structured_outputs से आउटपुट को बाधित कर सकते हैं, tools और tool_choice से फ़ंक्शन परिभाषित कर सकते हैं, और अधिक नियतात्मक या सीमित जनरेशन के लिए seed और stop का उपयोग कर सकते हैं। reasoning और include_reasoning पैरामीटर मॉडल के थिंकिंग व्यवहार से संबंधित हैं, जो आपको उस रीज़निंग का अनुरोध करने या उसे सामने लाने देते हैं।

एक बात ध्यान में रखें कि आउटपुट केवल टेक्स्ट है, इसलिए अगर आपको जनरेट की गई इमेज या ऑडियो चाहिए तो आपको एक अलग मॉडल की आवश्यकता होगी। 2025-01-31 का ज्ञान कटऑफ का मतलब है कि अधिक हाल की घटनाओं के बारे में प्रश्न उस पर निर्भर करते हैं जो आप प्रॉम्प्ट में देते हैं। सरल, उच्च मात्रा वाले कार्यों के लिए जहां लंबा कॉन्टेक्स्ट और रीज़निंग चरण अनावश्यक हैं, एक छोटा या तेज़ मॉडल बेहतर उपयुक्त हो सकता है।