gemini-2.0-flash-001
Red Neuronal
Características
- Entrada
- texto, imágenes, documentos
- Salida
- texto
- Tamaño del contexto
- 1 000 000 tokens
- Longitud máxima de respuesta
- 32 000 tokens
- Funciones
- llamada a funciones, Batch API
Costo del prompt
(por 1M tokens)
Costo de la respuesta
(por 1M tokens)
Prompt de imagen
(por 1K tokens)
import OpenAI from 'openai';
const openai = new OpenAI({
apiKey: '<your bothub access token>',
baseURL: 'https://openai.bothub.chat/v1'
});
// Sync - Text generation
async function main() {
const chatCompletion = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gemini-2.0-flash-001',
});
}
// Async - Text generation
async function main() {
const stream = await openai.chat.completions.create({
messages: [{ role: 'user', content: 'Say this is a test' }],
model: 'gemini-2.0-flash-001',
stream: true
});
for await (const chunk of stream) {
const part: string | null = chunk.choices[0].delta?.content ?? null;
}
}
main();
Cómo funciona gemini-2.0-flash-001?
Preguntas frecuentes sobre gemini-2.0-flash-001
Puede usar los resultados generados con fines comerciales. Todos los derechos sobre el contenido creado le pertenecen. La única restricción: asegúrese de que la solicitud no incluya material de terceros protegido por derechos de autor. El usuario es responsable de respetar los derechos sobre los datos de entrada.
Es un modelo de texto de Google con un contexto de un millón de tokens. Analiza documentos largos y bases de código, escribe y refactoriza código, ayuda con la depuración, responde preguntas sobre archivos e imágenes cargados y trabaja con llamadas a funciones en sus servicios.
En una sola respuesta, el modelo genera hasta 32 000 tokens, lo suficiente para un artículo largo, un análisis detallado de un documento o un archivo de código grande. Si necesita más volumen, divida la tarea en partes: el contexto de un millón de tokens permite mantener toda la conversación completa.
En nuestros datos no se indica un modo de razonamiento separado para este modelo; responde de inmediato, lo que proporciona una alta velocidad. Sin embargo, puede pedirle que desglose la solución paso a paso directamente en el prompt: para tareas de matemáticas, lógica y STEM, esto suele mejorar notablemente el resultado.
Sí, la llamada a funciones y la salida estructurada en JSON son compatibles. El modelo se conecta a sus herramientas, devuelve una respuesta en el esquema especificado y se integra perfectamente en los pipelines. A través de la API única compatible con OpenAI de BotHub, puede cambiar a otro modelo sin reescribir la integración.
Además de texto, el modelo acepta imágenes y documentos como entrada, y los archivos se procesan de forma nativa, sin reconocimiento por separado. El audio y el video no están marcados en nuestros datos, por lo que para la locución o el análisis de grabaciones es más conveniente elegir un modelo especializado en BotHub, que se abre en la misma ventana.
La familia Gemini es multilingüe desde el principio y, en la práctica, el modelo funciona de manera confiable con el ruso: responde basándose en documentos, escribe código y explica soluciones. No tenemos datos exactos sobre los idiomas, por lo que la mejor manera es probarlo con sus tareas en BotHub y compararlo con otros modelos en la misma ventana.