Google: Gemini 2.5 Pro

Google: Gemini 2.5 Pro to model tekstowy od Google, wymieniony na api14 pod identyfikatorem modelu google/gemini-2.5-pro. To najnowocześniejszy model Google zbudowany do zaawansowanego rozumowania, kodowania, matematyki i zadań naukowych, wykorzystujący możliwości myślenia do rozumowania podczas odpowiedzi z większą dokładnością. Data wydania przez dostawcę to 2025-06-17, a data odcięcia wiedzy to 2025-01-31.

Model przyjmuje jako dane wejściowe tekst, obraz, plik, dźwięk i wideo, a zwraca tekst. Jego okno kontekstowe wynosi 1,048,576 tokenów, a maksymalne wyjście to 65,536 tokenów. Obsługiwane parametry żądania to include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools i top_p. Ponieważ dane wejściowe obejmują kilka modalności, a wyjście pozostaje tekstem, pasuje do przepływów pracy, w których dostarczasz bogaty materiał źródłowy i oczekujesz pisemnej odpowiedzi.

Ta kombinacja wskazuje na praktyczne zastosowania, takie jak generowanie i przegląd kodu, wieloetapowe rozwiązywanie problemów matematycznych lub naukowych oraz analiza dokumentów, w których długie dane wejściowe mają znaczenie. Ponieważ obrazy, pliki, dźwięk i wideo mogą być dostarczone jako dane wejściowe, żądanie może łączyć PDF, zrzut ekranu lub nagranie z podpowiedzią tekstową i otrzymać pojedynczą odpowiedź tekstową. Duże okno kontekstowe odpowiada bazom kodu, długim raportom i rozszerzonym transkrypcjom, a parametr reasoning pozwala kontrolować, ile myślenia model stosuje.

Model wywołujesz przez zgodne z OpenAI API api14, używając identyfikatora modelu google/gemini-2.5-pro. Żądania są zgodne ze strukturą uzupełnień czatu OpenAI, więc istniejące zestawy SDK i klienty OpenAI działają po zmianie bazowego adresu URL i identyfikatora modelu. Ustaw max_tokens, aby ograniczyć wyjście, temperature i top_p, aby dostroić próbkowanie, oraz stop, aby zatrzymać generowanie na podanych sekwencjach. Użyj response_format lub structured_outputs, gdy potrzebujesz ustrukturyzowanych odpowiedzi, seed dla powtarzalnego próbkowania, a tools z tool_choice do wywoływania funkcji. Parametry reasoning i include_reasoning odnoszą się do zachowania modelu związanego z myśleniem.

Z powyższych faktów wynikają pewne uwagi. Wyjście jest wyłącznie tekstowe, więc zadania wymagające generowanych obrazów, dźwięku lub wideo nie są tu objęte. Maksymalne wyjście wynoszące 65,536 tokenów jest mniejsze niż okno kontekstowe, więc bardzo długie pojedyncze odpowiedzi są ograniczone, nawet jeśli dane wejściowe mogą być znacznie większe. Jeśli Twoje obciążenie to proste generowanie tekstu, w którym głębia rozumowania nie jest konieczna, lżejszy model tekstowy może być lepszym wyborem.