Google: Gemini 2.5 Flash

Google: Gemini 2.5 Flash é um modelo de texto do Google, listado no api14 sob o id de modelo google/gemini-2.5-flash. Está na categoria de texto e é descrito pelo Google como o seu modelo workhorse de última geração, criado para raciocínio avançado, programação, matemática e tarefas científicas. Inclui capacidades de pensamento integradas, o que significa que o modelo pode trabalhar um problema internamente antes de produzir a sua resposta. A data de lançamento do fornecedor é 2025-06-17, e o knowledge cutoff é 2025-01-31.

O modelo aceita entradas de texto, imagem, áudio, vídeo e ficheiro, e devolve apenas texto. A sua janela de contexto é de 1,048,576 tokens, o que é suficientemente grande para conter documentos muito longos, transcrições ou bases de código num único pedido. A saída máxima é de 65,535 tokens, pelo que são possíveis gerações longas dentro desse limite. Como a entrada é multimodal, pode enviar uma captura de ecrã, uma gravação ou um PDF juntamente com as suas instruções e pedir um resultado escrito.

Essas capacidades apontam para alguns padrões práticos. Trabalho com contexto longo, como resumir grandes conjuntos de documentos, rever contratos extensos ou pesquisar num repositório, encaixa bem na janela de contexto. Tarefas de programação e matemática adequam-se ao foco em raciocínio, especialmente quando o modelo beneficia de pensar antes de responder. As entradas multimodais abrem casos de uso como descrever ou extrair informação de imagens, transcrever e analisar áudio, ou rever conteúdo de vídeo e devolver notas em texto. A extração estruturada a partir de media mistos é outra opção, uma vez que o modelo suporta saídas estruturadas.

Para o chamar através do api14, use o endpoint compatível com OpenAI com o id de modelo google/gemini-2.5-flash. Os parâmetros de pedido suportados são include_reasoning, max_tokens, reasoning, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools e top_p. Na prática, isso significa que pode controlar a amostragem com temperature e top_p, limitar o comprimento da saída com max_tokens, definir sequências de paragem, tornar as execuções reproduzíveis com seed, pedir respostas em formato JSON através de response_format ou structured_outputs, e expor funções ao modelo com tools e tool_choice. Os parâmetros reasoning e include_reasoning estão relacionados com o comportamento de pensamento do modelo, pelo que pode influenciar ou expor esse processo consoante as suas necessidades.

Uma coisa a ter em conta é que a saída é apenas texto, por isso, se precisar de imagens, áudio ou vídeo gerados, este modelo não os produzirá. Pode ler esses formatos como entrada, mas responde em texto. Se a sua carga de trabalho for apenas de trocas curtas de texto sem necessidade de raciocínio, entrada multimodal ou um contexto muito grande, um modelo mais pequeno ou mais rápido pode ser mais adequado. Para tarefas que combinam entradas longas, media mistos e raciocínio em várias etapas, este modelo é um padrão razoável para avaliar primeiro.