Introduction
Chat compatible OpenAI pour Gemini 2.5 Flash. Une fenêtre de lecture de 1 048 576 tokens, trois niveaux d’effort, 128 schémas d’outils et la sortie JSON dans un seul appel synchrone, avec diffusion SSE si vous la demandez. Le contenu des messages est composé de texte, d’images, de vidéo et d’audio.
Gemini 2.5 Flash est le modèle Flash hybride de Google, publié ici comme un unique point de terminaison de chat compatible OpenAI. Il lit jusqu’à 1 048 576 tokens dans une requête, répond en 65 535 au maximum et passe entre trois niveaux d’effort de raisonnement, avec appels d’outils et sortie JSON à l’écriture OpenAI. Google annonce des connaissances arrêtées à janvier 2025 : tout ce qui est postérieur doit arriver dans le prompt.
Fonctionnalités et points forts
Longue lecture, réponse brève
Un contrat, un paquet de journaux, un trimestre de tickets : le tout part en une seule message et revient en trois lignes. C’est cette forme qu’achète la fenêtre de 1 048 576 tokens, et c’est pourquoi cet identifiant s’est retrouvé dans tant de chaînes de traitement : la réponse est courte, donc la moitié chère de la facture reste petite.
Trois niveaux, une chaîne de caractères
low, medium et high, avec medium par défaut. Laissez la routine en low et montez la seule requête qui doit porter. C’est une chaîne dans le même corps de requête : le basculement ne coûte rien à l’intégration. Nous publions les niveaux et pas un budget de tokens, parce que Google ne publie aucun chiffre par niveau.
Il ignore ce qui a suivi
Google fixe les connaissances de ce modèle à janvier 2025, et il ne consulte rien ici. Pour tout ce qui est plus récent — une version de bibliothèque, un prix, le poste actuel de quelqu’un — mettez les faits dans le prompt et demandez-lui de s’appuyer dessus. Interrogé sur des événements postérieurs, le modèle répondra quand même, avec exactement la même assurance que lorsqu’il a raison.
Paramètres de requête
| Paramètre | Obligatoire | Description |
|---|---|---|
messages | Oui | Tours ordonnés, du plus ancien au plus récent. Le contenu est une chaîne ou un tableau de parties text, |
max_tokens | Non | Plafonne la réponse à 65 535 ; le défaut est 16 384. Abaissez-le quand une longue lecture doit donner une réponse brève : le plafond est une limite, pas un objectif. |
reasoning_effort | Non | low, medium ou high ; medium est le défaut. Le travail courant passe très bien en low, et la requête qui doit porter se monte seule en high. |
stop | Non | Jusqu’à 4 séquences, sous forme de chaîne ou de tableau. La réponse s’arrête dès que le modèle en écrit une, et le texte correspondant n’est pas renvoyé. 1 caractères minimum · 1 éléments minimum · 4 éléments maximum |
seed | Non | N’importe quel entier. |
temperature | Non | 0 à 2, 1 par défaut. Poussez vers 0 quand la réponse est lue par du code, montez quand le texte doit avoir la voix plus libre. |
top_p | Non | 0,01 à 1. Ajustez celui-ci ou temperature, jamais les deux dans la même comparaison. |
tools | Non | Jusqu’à 128 définitions de fonctions par requête. 128 éléments maximum |
tool_choice | Non | auto, none, required, ou un objet qui nomme une fonction. |
response_format | Non | Réclamez un objet JSON et nommez chaque clé dans le message système — c’est ainsi que la réponse revient analysable. |
Tarification
Entrée $0.285 / Sortie $2.375 par 1 million de tokens
Cas d’utilisation
Un long document, une réponse brève
Contrats, journaux, transcriptions, l’écart entre deux versions. Donnez le tout en un message et demandez trois puces ; la fenêtre est assez large pour que vous ayez rarement à découper l’entrée, et la réponse courte garde petite la part sortie de la facture.
Étiquetage et nettoyage en masse
Marquer des tickets, réécrire des résumés, replier du texte libre dans des champs fixes. Ce sont des travaux où le prix par appel décide s’ils valent la peine d’être lancés, et où un identifiant connu facilite la reprise par quelqu’un d’autre.
Extraction structurée
Réclamez un objet JSON avec response_format, nommez chaque clé dans le message système et gardez temperature bas pour que la forme reste stable. Votre application valide malgré tout ce qui revient.
Remplacement d’un client OpenAI existant
Si quelque chose appelle déjà gemini-2.5-flash via un client de forme OpenAI, le rediriger ici tient à l’URL de base, à la clé et à la chaîne de modèle. Comparer ce point de terminaison à ce que vous exécutez aujourd’hui coûte donc peu.
Guide de prompt et conseils pratiques
Envoyer le document entier, brider la réponse
Mettez le matériau dans un seul message user et précisez la longueur permise. Pour un résumé ou une comparaison, max_tokens entre 300 et 1 000 convient le plus souvent ; le plafond de 65 535 sert aux cas où vous voulez vraiment un long passage.
Changer de niveau par requête, pas par intégration
Le gros du trafic en low, puis la requête qui doit être juste en high. Même point de terminaison, même corps, une chaîne de différence.
Les limites à prévoir
La réponse plafonne à 65 535 tokens et un max_tokens supérieur échoue dès la validation. Le contenu des messages est composé de texte, d’images, de vidéo et d’audio. La vidéo et l’audio téléversés peuvent totaliser 14 MB par requête. Un response_format JSON façonne la réponse, mais votre application continue de l’analyser et de la valider.
Démarrage rapide de l’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'
La référence API détaille l’authentification, le schéma complet, le polling et la gestion des erreurs.
