Introduzione
Chat compatibile con OpenAI per Gemini 2.5 Flash. Una finestra di lettura da 1.048.576 token, tre livelli di impegno di ragionamento, 128 schemi di strumenti e uscita JSON in un’unica chiamata sincrona, con streaming SSE se lo chiedi. Il contenuto dei messaggi è testo, immagini, video e audio.
Gemini 2.5 Flash è il modello Flash a ragionamento ibrido di Google, pubblicato qui come un unico endpoint di chat compatibile con OpenAI. Legge fino a 1.048.576 token in una richiesta, risponde con un massimo di 65.535 e si muove tra tre livelli di impegno di ragionamento, con chiamata di strumenti e uscita JSON scritte alla maniera di OpenAI. Google dichiara per questo modello una soglia delle conoscenze a gennaio 2025, quindi tutto ciò che viene dopo deve arrivare nel prompt.
Caratteristiche principali
Lettura lunga, risposta breve
Un contratto, uno scarico di log, un trimestre di ticket di assistenza: tutto parte in un unico messaggio e torna indietro in tre righe. È questa la forma che ti compra la finestra da 1.048.576 token, ed è il motivo per cui questo identificativo è finito in così tante pipeline: la risposta è corta, quindi la metà cara del conto resta piccola.
Tre livelli, una stringa
low, medium e high, con medium come predefinito. Tieni il lavoro di routine su low e alza solo la richiesta che deve andare a segno. È una stringa nello stesso corpo di richiesta, quindi cambiarla non costa niente in integrazione. Pubblichiamo i livelli e non un budget di token, perché Google non pubblica nessun dato per livello da riportare.
Non sa che cosa è venuto dopo
Google dichiara per questo modello una soglia delle conoscenze a gennaio 2025, e qui non naviga. Per qualcosa di più recente – la versione di una libreria, un prezzo, il lavoro attuale di una persona – metti i fatti nel prompt e chiedigli di lavorare su quelli. Un modello interrogato su eventi successivi risponderà comunque, e suonerà esattamente sicuro come quando ha ragione.
Parametri della richiesta
| Parametro | Obbligatorio | Nota |
|---|---|---|
messages | Sì | Turni ordinati, dal più vecchio. Il contenuto è una stringa o un array di parti text, |
max_tokens | No | Limita la risposta a 65.535; il valore predefinito è 16.384. Abbassalo quando vuoi una risposta corta da una lettura lunga: il tetto è un limite, non un obiettivo. |
reasoning_effort | No | low, medium o high; medium è il predefinito. Il lavoro di routine gira bene su low, e la singola richiesta che deve andare a segno può essere alzata a high da sola. |
stop | No | Fino a 4 sequenze, come stringa o come array. La risposta si ferma appena il modello ne scrive una, e il testo corrispondente non viene restituito. almeno 1 caratteri · almeno 1 elementi · al massimo 4 elementi |
seed | No | Qualsiasi intero. |
temperature | No | Da 0 a 2, 1 per impostazione predefinita. Spingila verso 0 quando la risposta viene analizzata dal codice, alzala quando la scrittura ha bisogno di una voce più sciolta. |
top_p | No | Da 0,01 a 1. Regola questo oppure temperature, mai entrambi nello stesso confronto. |
tools | No | Fino a 128 definizioni di funzione per richiesta. al massimo 128 elementi |
tool_choice | No | auto, none, required, oppure un oggetto che nomina una funzione. |
response_format | No | Chiedi un oggetto JSON e nomina ogni chiave nel messaggio di sistema: è così che una risposta torna analizzabile. |
Prezzi
Input $0.285 / Output $2.375 per 1 milione di token
Casi d’uso
Un documento lungo, una risposta corta
Contratti, log, trascrizioni, il confronto tra due revisioni. Consegna tutto in un solo messaggio e chiedi tre punti elenco; la finestra è abbastanza grande da non doverti quasi mai spezzare l’input, e la risposta breve tiene piccola la parte di uscita del conto.
Etichettatura e pulizia in blocco
Classificare ticket, riscrivere riassunti, far rientrare testo libero in campi fissi. Sono lavori in cui il prezzo per chiamata decide se valga la pena farli, e in cui un identificativo familiare rende facile passare la pipeline a qualcun altro.
Estrazione strutturata
Chiedi un oggetto JSON con response_format, nomina ogni chiave nel messaggio di sistema e tieni bassa la temperature perché la forma resti stabile. L’applicazione valida comunque quello che torna indietro.
Sostituzione diretta per un client OpenAI esistente
Se qualcosa chiama già gemini-2.5-flash attraverso un client in forma OpenAI, puntarlo qui è un cambio di base URL, chiave e stringa del modello. Il che lo rende un modo a basso costo per confrontare questo endpoint con quello che fai girare oggi.
Consigli avanzati
Manda il documento, tieni corta la risposta
Metti il materiale in un solo messaggio utente e di’ quanto può essere lunga la risposta. Un max_tokens tra 300 e 1.000 di solito è giusto per un riassunto o un confronto; il tetto di 65.535 serve per le volte in cui vuoi davvero un passaggio lungo.
Cambia impegno per richiesta, non per integrazione
Fai girare il grosso del traffico su low, poi manda su high la richiesta che deve essere giusta. Stesso endpoint, stesso corpo, una stringa diversa.
Limiti da mettere in conto
Il tetto della risposta è 65.535 token e un max_tokens superiore fallisce direttamente la validazione. Il contenuto dei messaggi è testo, immagini, video e audio. Video e audio caricati possono arrivare a 14 MB in totale per richiesta. Un response_format JSON dà forma alla risposta, ma l’applicazione deve comunque analizzarla e validarla.
Avvio rapido dell’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'
Nel riferimento dell’API trovi autenticazione, schema completo, polling e gestione degli errori.
