Google: Gemini Pro Latest

Google: Gemini Pro Latest é um modelo de texto da Google. O id do modelo na api14 é ~google/gemini-pro-latest, e a descrição do fornecedor indica que este redireciona sempre para o modelo mais recente da família Gemini Pro. Isto significa que não está a fixar uma versão específica: os pedidos para este id seguem aquilo que a Google serve atualmente como o lançamento mais recente do Gemini Pro, pelo que o comportamento pode mudar ao longo do tempo sem qualquer alteração da sua parte.

O modelo aceita áudio, ficheiro, imagem, texto e vídeo como entrada, e produz apenas texto. A sua janela de contexto é de 1.048.576 tokens, o que é suficientemente grande para conter documentos muito longos, transcrições longas ou uma mistura de texto e multimédia num único pedido. A saída máxima é de 65.536 tokens, pelo que as respostas também podem ser longas. Como a entrada é multimodal, pode enviar imagens, áudio, vídeo ou ficheiros juntamente com as suas instruções em vez de converter tudo para texto primeiro.

Estas capacidades apontam para um conjunto bastante amplo de utilizações práticas. O contexto longo combinado com entrada de ficheiros e imagens é adequado para análise de documentos, resumo de relatórios extensos e resposta a perguntas sobre um corpus que fornece no prompt. A entrada de vídeo e áudio torna-o um candidato para transcrição e análise de reuniões, revisão de multimédia ou extração de informação estruturada a partir de gravações. A saída de texto com suporte para structured outputs e response_format encaixa em pipelines onde precisa de JSON ou de outra forma fixa de retorno, e o tool calling permite ao modelo conduzir chamadas de funções num agente ou fluxo de trabalho. O suporte de reasoning é útil para tarefas que beneficiam de um passo deliberado antes da resposta final.

Chama-o através da API compatível com OpenAI da api14 usando o id de modelo ~google/gemini-pro-latest. Os parâmetros de pedido suportados são include_reasoning, max_tokens, reasoning, reasoning_effort, response_format, seed, stop, structured_outputs, temperature, tool_choice, tools e top_p. Na prática, define max_tokens para limitar a saída, usa temperature e top_p para controlar a amostragem, usa seed e stop para reprodutibilidade e terminação, e usa tools com tool_choice quando quer que o modelo chame funções. Para respostas estruturadas, response_format e structured_outputs são os parâmetros relevantes, e reasoning, reasoning_effort e include_reasoning permitem-lhe controlar e expor o reasoning do modelo.

Uma coisa a ter em conta é que este id é um alvo móvel. Como redireciona para o modelo Gemini Pro mais recente, o modelo subjacente pode ser atualizado pela Google em qualquer momento, o que pode afetar o estilo de saída, a latência ou o comportamento em casos limite. Se precisa de um comportamento estável e reproduzível entre implementações, uma versão de modelo fixa é normalmente a melhor opção. Note também que a modalidade de saída é apenas texto, pelo que, se precisa de imagens ou áudio gerados de volta, este modelo não é a escolha certa.