Wprowadzenie
Czat zgodny z OpenAI dla Gemini 2.5 Flash. Okno czytania 1 048 576 tokenów, trzy poziomy wysiłku rozumowania, 128 schematów narzędzi i wyjście JSON w jednym synchronicznym wywołaniu, ze streamingiem SSE na życzenie. Treść wiadomości to tekst, obrazy, wideo i audio.
Gemini 2.5 Flash to hybrydowo rozumujący model Flash od Google, opublikowany tu jako pojedynczy endpoint czatu zgodny z OpenAI. Czyta do 1 048 576 tokenów w jednym żądaniu, odpowiada w maksymalnie 65 535 i porusza się między trzema poziomami wysiłku rozumowania, z wywoływaniem narzędzi i wyjściem JSON napisanymi po openaiowsku. Google podaje dla niego granicę wiedzy na styczeń 2025, więc wszystko późniejsze musi przyjść w prompcie.
Najważniejsze funkcje
Długa lektura, krótka odpowiedź
Umowa, zrzut logów, kwartał zgłoszeń wsparcia – całość idzie w jednej wiadomości i wraca jako trzy linijki. To właśnie ten kształt kupuje okno 1 048 576 tokenów i to dlatego ten identyfikator wylądował w tylu potokach: odpowiedź jest krótka, więc droższa połowa rachunku zostaje mała.
Trzy poziomy, jeden łańcuch znaków
low, medium i high, z medium jako domyślnym. Rutynową pracę trzymaj na low i podnoś tylko to jedno żądanie, które musi trafić. To łańcuch znaków w tym samym ciele żądania, więc przełączanie nic nie kosztuje po stronie integracji. Publikujemy poziomy, a nie budżet tokenów, bo Google nie podaje żadnej liczby na poziom, którą można by przekazać dalej.
Nie wie, co było potem
Google podaje dla tego modelu granicę wiedzy na styczeń 2025, a tutaj model nie przegląda sieci. Przy czymkolwiek nowszym – wersji biblioteki, cenie, obecnej pracy danej osoby – wstaw fakty do promptu i poproś, żeby pracował na nich. Model zapytany o późniejsze wydarzenia i tak odpowie, a zabrzmi dokładnie tak pewnie jak wtedy, gdy ma rację.
Parametry żądania
| Parametr | Wymagane | Uwaga |
|---|---|---|
messages | Tak | Uporządkowane tury, od najstarszej. Treść to ciąg znaków albo tablica części text, |
max_tokens | Nie | Ogranicza odpowiedź do 65 535; domyślnie 16 384. Obniż go, gdy chcesz krótkiej odpowiedzi z długiej lektury – sufit jest granicą, a nie celem. |
reasoning_effort | Nie | low, medium albo high; domyślny jest medium. Rutynowa praca dobrze chodzi na low, a to jedno żądanie, które musi trafić, można samodzielnie podnieść na high. |
stop | Nie | Do 4 sekwencji, jako string albo tablica. Odpowiedź kończy się, gdy tylko model zapisze którąś z nich, a dopasowany tekst nie jest zwracany. od 1 znaków · od 1 elementów · do 4 elementów |
seed | Nie | Dowolna liczba całkowita. |
temperature | Nie | Od 0 do 2, domyślnie 1. Przesuń ją w stronę 0, gdy odpowiedź czyta kod, i podnieś, gdy tekst potrzebuje luźniejszego głosu. |
top_p | Nie | Od 0,01 do 1. Ruszaj albo to, albo temperature – nigdy obu w tym samym porównaniu. |
tools | Nie | Do 128 definicji funkcji na żądanie. do 128 elementów |
tool_choice | Nie | auto, none, required albo obiekt wskazujący jedną funkcję. |
response_format | Nie | Poproś o obiekt JSON i nazwij każdy klucz w wiadomości systemowej – tak właśnie wraca odpowiedź, którą da się sparsować. |
Cennik
Wejście $0.285 / Wyjście $2.375 za 1 mln tokenów
Zastosowania
Jeden długi dokument, jedna krótka odpowiedź
Umowy, logi, transkrypcje, różnica między dwiema wersjami. Przekaż całość w jednej wiadomości i poproś o trzy punkty; okno jest na tyle duże, że rzadko trzeba dzielić wejście, a krótka odpowiedź trzyma wyjściową część rachunku przy ziemi.
Masowe etykietowanie i porządkowanie
Tagowanie zgłoszeń, przepisywanie streszczeń, upychanie swobodnego tekstu w ustalone pola. To zadania, w których o sensowności decyduje cena pojedynczego wywołania i w których znajomy identyfikator ułatwia przekazanie potoku komuś innemu.
Wydobywanie danych w ustalonej strukturze
Poproś o obiekt JSON przez response_format, nazwij każdy klucz w wiadomości systemowej i trzymaj niską temperature, żeby kształt pozostał stabilny. Twoja aplikacja i tak sprawdza to, co wraca.
Zamiennik dla istniejącego klienta OpenAI
Jeśli coś woła już gemini-2.5-flash przez klienta w formacie OpenAI, skierowanie go tutaj to zmiana bazowego adresu URL, klucza i nazwy modelu. Dzięki temu porównanie tego endpointu z tym, co masz dzisiaj, kosztuje niewiele.
Wskazówki
Wyślij dokument, a odpowiedź trzymaj krótko
Wstaw materiał w jedną wiadomość użytkownika i napisz, jak długa może być odpowiedź. max_tokens między 300 a 1000 zwykle pasuje do streszczenia albo zestawienia różnic; sufit 65 535 jest na te razy, gdy naprawdę chcesz długiego wywodu.
Przełączaj wysiłek na żądanie, a nie na integrację
Puść większość ruchu na low, a to jedno żądanie, które musi być trafne, wyślij na high. Ten sam endpoint, to samo ciało, jeden łańcuch znaków inaczej.
Limity, które trzeba uwzględnić
Sufit odpowiedzi to 65 535 tokenów, a max_tokens powyżej niego wprost nie przechodzi walidacji. Treść wiadomości to tekst, obrazy, wideo i audio. Przesłane wideo i audio mogą razem mieć do 14 MB na żądanie. response_format w trybie JSON nadaje odpowiedzi kształt, ale twoja aplikacja nadal musi ją sparsować i sprawdzić.
Szybki start z 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'
Uwierzytelnianie, pełny schemat, odpytywanie i obsługę błędów opisuje dokumentacja API.
