Einführung
OpenAI-kompatibler Chat für Gemini 2.5 Flash. Ein Lesefenster von 1.048.576 Token, drei Denkstufen, 128 Tool-Schemas und JSON-Ausgabe in einem synchronen Aufruf, auf Wunsch als SSE-Stream. Der Nachrichteninhalt besteht aus Text, Bildern, Video und Audio.
Gemini 2.5 Flash ist Googles hybrides Flash-Modell mit Denkschritt, hier als ein einziger OpenAI-kompatibler Chat-Endpunkt veröffentlicht. Es liest bis zu 1.048.576 Token in einer Anfrage, antwortet mit bis zu 65.535 und wechselt zwischen drei Denkstufen; Tool-Aufrufe und JSON-Ausgabe folgen der OpenAI-Schreibweise. Google gibt einen Wissensstand von Januar 2025 an, alles Spätere muss im Prompt ankommen.
Wichtige Funktionen und Highlights
Lang lesen, kurz antworten
Ein Vertrag, ein Stapel Logs, ein Quartal Support-Tickets – alles geht in einer Nachricht hinaus und kommt als drei Zeilen zurück. Genau diese Form kauft man sich mit dem Fenster von 1.048.576 Token, und deshalb steckt diese Modell-ID in so vielen Abläufen: Die Antwort ist kurz, also bleibt die teure Hälfte der Rechnung klein.
Drei Stufen, eine Zeichenkette
low, medium und high, Vorgabe ist medium. Lassen Sie die Routine auf low und heben Sie die eine Anfrage, die sitzen muss. Es ist eine Zeichenkette im selben Anfragekörper, das Umschalten kostet an der Integration nichts. Wir nennen die Stufen und kein Token-Budget, weil Google keine Zahl je Stufe veröffentlicht.
Was danach kam, kennt es nicht
Google gibt für dieses Modell einen Wissensstand von Januar 2025 an, und hier recherchiert es nicht selbst. Für alles Neuere – eine Bibliotheksversion, ein Preis, die heutige Aufgabe einer Person – gehören die Fakten in den Prompt, und die Antwort soll sich darauf stützen. Gefragt nach späteren Ereignissen antwortet das Modell trotzdem, und es klingt dabei genauso sicher wie sonst.
Request-Parameter
| Parameter | Pflicht | Beschreibung |
|---|---|---|
messages | Ja | Geordnete Züge, das älteste zuerst. Der Inhalt ist ein String oder ein Array aus Teilen vom Typ text, |
max_tokens | Nein | Deckelt die Antwort bei 65.535, die Vorgabe ist 16.384. |
reasoning_effort | Nein | low, medium oder high; medium ist die Vorgabe. Routinearbeit läuft gut auf low, und die eine Anfrage, die sitzen muss, lässt sich einzeln auf high heben. |
stop | Nein | Bis zu 4 Sequenzen, als String oder Array. Die Antwort endet, sobald das Modell eine davon schreibt; der getroffene Text selbst wird nicht zurückgegeben. mindestens 1 Zeichen · mindestens 1 Einträge · höchstens 4 Einträge |
seed | Nein | Beliebige Ganzzahl. |
temperature | Nein | 0 bis 2, Vorgabe 1. Richtung 0 schieben, wenn die Antwort von Code gelesen wird, anheben, wenn der Text lockerer klingen soll. |
top_p | Nein | 0,01 bis 1. Verstellen Sie dies oder temperature, nie beides im selben Vergleich. |
tools | Nein | Bis zu 128 Funktionsdefinitionen je Anfrage. höchstens 128 Einträge |
tool_choice | Nein | auto, none, required – oder ein Objekt, das eine Funktion benennt. |
response_format | Nein | Verlangen Sie ein JSON-Objekt und benennen Sie jeden Schlüssel in der System-Nachricht – so kommt die Antwort parsbar zurück. |
Preis
Eingabe $0.285 / Ausgabe $2.375 je 1 Mio. Token
Anwendungsfälle
Ein langes Dokument, eine kurze Antwort
Verträge, Logs, Mitschriften, der Unterschied zwischen zwei Fassungen. Geben Sie alles in einer Nachricht hinaus und verlangen Sie drei Stichpunkte; das Fenster ist groß genug, dass Sie die Eingabe selten teilen müssen, und die kurze Antwort hält die Ausgabeseite der Rechnung klein.
Massenhaftes Auszeichnen und Aufräumen
Tickets verschlagworten, Zusammenfassungen umschreiben, Freitext in feste Felder falten. Bei diesen Aufgaben entscheidet der Preis je Aufruf, ob sie sich überhaupt lohnen – und eine vertraute Modell-ID erleichtert die Übergabe an andere.
Strukturierte Extraktion
Fordern Sie mit response_format ein JSON-Objekt an, benennen Sie jeden Schlüssel in der System-Nachricht und halten Sie temperature niedrig, damit die Form stabil bleibt. Prüfen muss Ihre Anwendung das Ergebnis trotzdem.
Ersatz für einen vorhandenen OpenAI-Client
Wenn bei Ihnen schon etwas gemini-2.5-flash über einen OpenAI-förmigen Client aufruft, ist der Wechsel hierher eine Sache von Basis-URL, Schlüssel und Modellzeichenkette. Der Vergleich mit dem, was heute läuft, kostet Sie also wenig.
Prompt-Leitfaden und Praxistipps
Die Vorlage ganz schicken, die Antwort kurz halten
Das Material gehört in eine user-Nachricht, zusammen mit der erlaubten Antwortlänge. Für eine Zusammenfassung oder einen Vergleich passen 300 bis 1.000 Token meist gut; die Grenze von 65.535 ist für die Fälle da, in denen Sie wirklich eine lange Passage wollen.
Die Stufe je Anfrage wechseln, nicht je Integration
Den Großteil des Verkehrs auf low, die eine Anfrage, die stimmen muss, auf high. Gleicher Endpunkt, gleicher Körper, eine Zeichenkette anders.
Grenzen, die Sie einplanen sollten
Die Antwort ist bei 65.535 Token gedeckelt, ein höherer Wert in max_tokens scheitert schon an der Prüfung. Der Nachrichteninhalt besteht aus Text, Bildern, Video und Audio. Hochgeladenes Video und Audio dürfen pro Anfrage zusammen 14 MB ergeben. Ein JSON-response_format formt die Antwort, das Parsen und Prüfen bleibt in Ihrer Anwendung.
API-Schnellstart
curl --fail-with-body -sN https://api.spicyapi.ai/v1/chat/completions \
-H "Authorization: Bearer $SPICY_API_KEY" \
-H "Content-Type: application/json" \
-H "Idempotency-Key: $(uuidgen)" \
-d '{
"model": "google/gemini-2.5-flash/chat",
"messages": [
{
"role": "user",
"content": "Summarise the following release notes into three bullet points."
}
],
"stream": true
}' \
| jq --unbuffered -Rrj 'select(startswith("data: ")) | .[6:] | select(. != "[DONE]") | fromjson | if .error then "\n[error] \(.error.message)\n" else (.choices[0].delta.content? // empty) end'
Authentifizierung, vollständiges Schema, Polling und Fehlerbehandlung stehen in der API-Referenz.
