gemini-robotics-er-2-streaming-preview
Réseau Neuronal
Caractéristiques
- Entrée
- texte, images, documents
- Sortie
- texte
- Taille du contexte
- 131 072 tokens
- Longueur maximale de la réponse
- 32 000 tokens
- Fonctionnalités
- Batch API
Coût du prompt
(par 1M tokens)
Coût de la réponse
(par 1M tokens)
Invite d'image
(par 1K tokens)
Comment ça marche gemini-robotics-er-2-streaming-preview?
Questions fréquentes sur gemini-robotics-er-2-streaming-preview
Vous pouvez utiliser les résultats générés à des fins commerciales. Tous les droits sur le contenu créé vous appartiennent. Seule restriction : vérifiez que la requête ne contient pas de contenus protégés par le droit d'auteur appartenant à des tiers. Le respect des droits sur les données d'entrée relève de votre responsabilité.
Il s'agit d'un modèle Google de la gamme Gemini Robotics-ER : il est conçu pour la compréhension spatiale d'une scène à partir d'images et de descriptions textuelles. Il accepte du texte, des images et des documents, et répond par du texte. Il convient aux prototypes de robotique, à l'analyse d'images et aux scénarios visuels où les objets et leur emplacement sont importants.
La limite de sortie est de 32 000 jetons par réponse, ce qui suffit pour une analyse longue ou une instruction détaillée. La fenêtre de contexte totale est de 65 536 jetons, incluant votre requête avec les pièces jointes et la réponse elle-même ; il est donc préférable de demander des textes très volumineux par parties.
Nos données ne mentionnent pas de mode de raisonnement, mais nous n'affirmons pas le contraire. En pratique, le prompt joue un rôle clé : demandez d'analyser la tâche étape par étape, de montrer les conclusions intermédiaires, puis de donner le résultat final — le modèle gère bien cette structure de réponse.
Nos données ne mentionnent pas spécifiquement le 'function calling' ou le JSON strict, nous ne pouvons donc pas garantir leur fonctionnement — testez-le dans votre scénario. Le format de sortie peut être défini directement dans le prompt : décrivez le schéma souhaité et demandez une réponse structurée uniquement. L'accès se fait via l'API BotHub compatible OpenAI.
Les images et les documents, oui, c'est confirmé par nos données : joignez des images, des schémas, des scans et demandez d'analyser le contenu. Nous n'avons pas d'informations sur l'audio et la vidéo, il ne faut donc pas compter dessus ; pour le son et la vidéo, BotHub propose des modèles dédiés, accessibles en un clic.
Nos données ne contiennent pas d'informations sur les langues prises en charge, nous ne promettrons donc rien de concret — il est plus honnête de tester le modèle sur votre tâche. Du côté de BotHub, tout reste habituel : interface du site et du bot Telegram en russe, paiement par cartes russes en roubles, sans VPN ni carte étrangère.