Introducción
Chat compatible con OpenAI para Gemini 2.5 Flash. Ventana de lectura de 1.048.576 tokens, tres niveles de esfuerzo, 128 esquemas de herramienta y salida JSON en una sola llamada síncrona, con streaming SSE si lo pides. El contenido de los mensajes es texto, imágenes, video y audio.
Gemini 2.5 Flash es el modelo Flash de razonamiento híbrido de Google, publicado aquí como un único endpoint de chat compatible con OpenAI. Lee hasta 1.048.576 tokens en una solicitud, responde con hasta 65.535 y se mueve entre tres niveles de esfuerzo, con llamadas a herramientas y salida JSON escritas al modo de OpenAI. Google publica un corte de conocimiento en enero de 2025, así que lo posterior tiene que llegar en la solicitud.
Funciones y aspectos destacados
Lectura larga, respuesta corta
Un contrato, un montón de registros, un trimestre de solicitudes de soporte: todo sale en un mensaje y vuelve en tres líneas. Esa forma es lo que compra la ventana de 1.048.576 tokens, y por eso este identificador acabó en tantos flujos: la respuesta es corta, así que la mitad cara de la factura queda pequeña.
Tres niveles, una cadena de texto
low, medium y high, con medium por defecto. Deja la rutina en low y sube la única solicitud que tiene que acertar. Es una cadena en el mismo cuerpo de la solicitud, así que cambiarla no cuesta nada en la integración. Publicamos los niveles y no un presupuesto de tokens, porque Google no publica una cifra por nivel.
No sabe qué vino después
Google fija el conocimiento de este modelo en enero de 2025 y aquí no consulta nada por su cuenta. Para lo más nuevo — la versión de una librería, un precio, el puesto actual de alguien — pon los hechos en la solicitud y pídele que trabaje sobre ellos. Si le preguntas por hechos posteriores responderá igual, y sonará tan seguro como cuando acierta.
Parámetros de la solicitud
| Parámetro | Obligatorio | Descripción |
|---|---|---|
messages | Sí | Turnos ordenados, del más antiguo al más reciente. El contenido es una cadena o un array de partes text, |
max_tokens | No | Limita la respuesta a 65.535; el valor por defecto es 16 384. Bájalo cuando de una lectura larga quieras una respuesta breve: el techo es un límite, no una meta. |
reasoning_effort | No | low, medium o high; medium es el valor por defecto. El trabajo rutinario va bien en low, y la solicitud que tiene que acertar se sube a high por separado. |
stop | No | Hasta 4 secuencias, como cadena o como arreglo. La respuesta termina en cuanto el modelo escribe una de ellas, y el texto que coincide no se devuelve. mínimo 1 caracteres · mínimo 1 elementos · máximo 4 elementos |
seed | No | Cualquier entero. |
temperature | No | De 0 a 2, 1 por defecto. Bájalo hacia 0 cuando la respuesta la lea código y súbelo cuando el texto deba sonar más suelto. |
top_p | No | De 0,01 a 1. Ajusta este o temperature, nunca los dos en la misma comparación. |
tools | No | Hasta 128 definiciones de función por solicitud. máximo 128 elementos |
tool_choice | No | auto, none, required, o un objeto que nombre una función. |
response_format | No | Pide un objeto JSON y nombra cada clave en el mensaje de sistema: así vuelve la respuesta en forma analizable. |
Precios
Entrada $0.285 / Salida $2.375 por 1 millón de tokens
Casos de uso
Un documento largo, una respuesta corta
Contratos, registros, transcripciones, la diferencia entre dos versiones. Entrega todo en un mensaje y pide tres viñetas; la ventana es tan amplia que rara vez hay que partir la entrada, y la respuesta corta mantiene pequeño el lado de salida de la factura.
Etiquetado y limpieza a granel
Etiquetar solicitudes de soporte, reescribir resúmenes, plegar texto libre en campos fijos. En estos trabajos el costo por llamada decide si merece la pena lanzarlos, y un identificador conocido facilita pasarle el flujo a otra persona.
Extracción estructurada
Pide un objeto JSON con response_format, nombra cada clave en el mensaje de sistema y mantén temperature bajo para que la forma no se mueva. Tu aplicación sigue validando lo que vuelve.
Sustituto de un cliente de OpenAI existente
Si algo ya llama a gemini-2.5-flash desde un cliente con forma de OpenAI, apuntarlo aquí es cambiar la URL base, la clave y la cadena de modelo. Comparar este endpoint con lo que ejecutas hoy sale barato.
Guía de prompts y consejos prácticos
Manda el documento entero y corta la respuesta
Pon el material en un solo mensaje user y di cuánto puede ocupar la respuesta. Para un resumen o una comparación, max_tokens entre 300 y 1.000 suele ser lo justo; el techo de 65.535 está para cuando de verdad quieres un pasaje largo.
Cambia de nivel por solicitud, no por integración
El grueso del tráfico en low y la solicitud que tiene que salir bien en high. Mismo endpoint, mismo cuerpo, una cadena distinta.
Límites a tener en cuenta
La respuesta topa en 65.535 tokens y un max_tokens mayor falla ya en la validación. El contenido de los mensajes es texto, imágenes, video y audio. El video y el audio subidos pueden sumar 14 MB por solicitud. Un response_format JSON da forma a la respuesta, pero tu aplicación sigue analizándola y validándola.
Inicio rápido de la API
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'
Consulta la referencia de la API para autenticación, el esquema completo, sondeo y gestión de errores.
