Google: Gemini 2.5 Flash

Google: Gemini 2.5 Flash adalah model teks dari Google, terdaftar di api14 dengan model id google/gemini-2.5-flash. Model ini berada dalam kategori teks dan dideskripsikan oleh Google sebagai model workhorse tercanggihnya, dibangun untuk penalaran tingkat lanjut, coding, matematika dan tugas ilmiah. Model ini menyertakan kemampuan thinking bawaan, yang berarti model dapat mengerjakan suatu masalah secara internal sebelum menghasilkan jawabannya. Tanggal rilis penyedia adalah 2025-06-17, dan knowledge cutoff adalah 2025-01-31.

Model ini menerima input teks, gambar, audio, video dan file, serta hanya mengembalikan teks. Context window-nya adalah 1.048.576 token, cukup besar untuk menampung dokumen, transkrip atau basis kode yang sangat panjang dalam satu permintaan. Output maksimum adalah 65.535 token, sehingga generasi panjang masih memungkinkan dalam batas tersebut. Karena input bersifat multimodal, Anda dapat mengirim screenshot, rekaman atau PDF bersama instruksi Anda dan meminta hasil tertulis.

Kemampuan tersebut mengarah pada beberapa pola praktis. Pekerjaan dengan konteks panjang seperti merangkum kumpulan dokumen besar, meninjau kontrak yang panjang atau mencari di seluruh repositori cocok dengan context window ini. Tugas coding dan matematika sesuai dengan fokus penalarannya, terutama ketika model mendapat manfaat dari berpikir sebelum menjawab. Input multimodal membuka kasus penggunaan seperti mendeskripsikan atau mengekstrak informasi dari gambar, mentranskripsikan dan menganalisis audio, atau meninjau konten video dan mengembalikan catatan teks. Ekstraksi terstruktur dari media campuran adalah opsi lain, karena model ini mendukung structured outputs.

Untuk memanggilnya melalui api14, gunakan endpoint yang kompatibel dengan OpenAI dengan model id google/gemini-2.5-flash. Parameter permintaan yang didukung adalah include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools dan top_p. Dalam praktiknya, itu berarti Anda dapat mengontrol sampling dengan temperature dan top_p, membatasi panjang output dengan max_tokens, menetapkan stop sequences, membuat proses dapat direproduksi dengan seed, meminta balasan berbentuk JSON melalui response_format atau structured_outputs, dan mengekspos fungsi ke model dengan tools dan tool_choice. Parameter reasoning dan include_reasoning berkaitan dengan perilaku thinking model, sehingga Anda dapat memengaruhi atau menampilkan proses tersebut sesuai kebutuhan Anda.

Satu hal yang perlu diingat adalah output hanya berupa teks, jadi jika Anda memerlukan gambar, audio atau video yang dihasilkan, model ini tidak akan menghasilkannya. Model ini dapat membaca format tersebut sebagai input tetapi membalas dalam teks. Jika beban kerja Anda murni pertukaran teks pendek tanpa kebutuhan akan penalaran, input multimodal atau konteks yang sangat besar, model yang lebih kecil atau lebih cepat mungkin lebih cocok. Untuk tugas yang menggabungkan input panjang, media campuran dan penalaran multi-langkah, model ini adalah default yang wajar untuk dievaluasi terlebih dahulu.