Google: Gemini 2.5 Pro Preview 06-05

Google: Gemini 2.5 Pro Preview 06-05 adalah model generasi teks dari Google, yang ditawarkan melalui api14 dengan model id google/gemini-2.5-pro-preview. Model ini merupakan bagian dari lini Gemini 2.5 Pro, yang digambarkan Google sebagai model tercanggihnya yang dibangun untuk penalaran lanjutan, coding, matematika dan tugas ilmiah. Model ini menggunakan apa yang disebut Google sebagai kemampuan berpikir, artinya model dapat menalar suatu respons sebelum menghasilkannya, yang dimaksudkan untuk meningkatkan akurasi pada masalah yang membutuhkan banyak langkah.

Dari sisi input, model ini menerima teks, gambar, audio dan file, sehingga Anda dapat mengirim konten campuran dalam satu permintaan. Output hanya berupa teks. Context window-nya adalah 1.048.576 token, yang cukup besar untuk menampung dokumen panjang, basis kode atau percakapan panjang tanpa pemotongan. Panjang output maksimum adalah 65.536 token, dan knowledge cutoff-nya adalah 2025-01-31, jadi apa pun setelah tanggal itu berada di luar data yang digunakan untuk melatih model.

Kemampuan tersebut mengarah pada beberapa penggunaan praktis. Konteks yang panjang cocok untuk bekerja pada seluruh repositori, spesifikasi panjang atau transkrip dalam satu panggilan. Input gambar dan audio memungkinkan Anda membangun fitur yang menalar atas screenshot, diagram atau rekaman suara dan mengembalikan hasil tertulis. Perilaku penalarannya sangat cocok untuk bantuan coding, pemecahan masalah matematika dan analisis ilmiah, di mana model memperoleh manfaat dari mengerjakan langkah-langkah perantara. Structured outputs dan tool calling juga membuatnya dapat digunakan sebagai komponen penalaran di dalam pipeline otomatis, bukan hanya sebagai antarmuka chat.

Karena api14 menyediakan API yang kompatibel dengan OpenAI, Anda memanggil model ini dengan cara yang sama seperti memanggil model OpenAI, dengan mengatur field model ke google/gemini-2.5-pro-preview. Parameter permintaan yang didukung adalah include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools dan top_p. Jadi Anda dapat mengontrol sampling dengan temperature dan top_p, membatasi panjang dengan max_tokens, membatasi output dengan response_format atau structured_outputs, mendefinisikan fungsi dengan tools dan tool_choice, serta menggunakan seed dan stop untuk generasi yang lebih deterministik atau terbatas. Parameter reasoning dan include_reasoning berkaitan dengan perilaku berpikir model, memungkinkan Anda meminta atau menampilkan penalaran tersebut.

Satu hal yang perlu diingat adalah output hanya berupa teks, jadi jika Anda membutuhkan gambar atau audio yang dihasilkan, Anda memerlukan model lain. Knowledge cutoff 2025-01-31 berarti pertanyaan tentang peristiwa yang lebih baru bergantung pada apa yang Anda berikan di prompt. Untuk tugas yang lebih sederhana dan bervolume tinggi di mana konteks panjang dan langkah penalaran tidak diperlukan, model yang lebih kecil atau lebih cepat mungkin lebih cocok.