gemini-2.0-flash-001
Rede Neural
Especificações
- Entrada
- texto, imagens, documentos
- Saída
- texto
- Tamanho do contexto
- 1 000 000 tokens
- Comprimento máximo de resposta
- 32 000 tokens
- Recursos
- chamada de funções, Batch API
Custo do prompt
(por 1M tokens)
Custo da resposta
(por 1M tokens)
Prompt de imagem
(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();
Como funciona gemini-2.0-flash-001?
Perguntas frequentes sobre gemini-2.0-flash-001
Você pode usar os resultados da geração para fins comerciais. Todos os direitos sobre o conteúdo criado pertencem a você. A única restrição: certifique-se de que a solicitação não inclua materiais de terceiros protegidos por direitos autorais. A responsabilidade pelo cumprimento dos direitos sobre os dados de entrada é do usuário.
É um modelo de texto do Google com um contexto de um milhão de tokens. Ele analisa documentos longos e bases de código, escreve e refatora código, ajuda na depuração, responde a perguntas sobre arquivos e imagens carregados e trabalha com chamadas de função em seus serviços.
Em uma única resposta, o modelo gera até 32.000 tokens — o suficiente para um artigo longo, uma análise detalhada de documento ou um arquivo de código grande. Se precisar de mais volume, divida a tarefa em partes: o contexto de um milhão de tokens permite manter toda a conversa.
Em nossos dados, não há um modo de raciocínio separado marcado para este modelo; ele responde imediatamente, o que proporciona alta velocidade. No entanto, você pode pedir para ele descrever a solução passo a passo diretamente no prompt: para tarefas de matemática, lógica e STEM, isso geralmente melhora significativamente o resultado.
Sim, a chamada de funções e a saída estruturada em JSON são suportadas. O modelo conecta-se às suas ferramentas, retorna a resposta no esquema definido e integra-se perfeitamente aos pipelines. Através da API única compatível com OpenAI do BotHub, você pode alternar para outro modelo sem reescrever a integração.
Como entrada, além de texto, o modelo aceita imagens e documentos, sendo que os arquivos são processados nativamente, sem reconhecimento separado. Áudio e vídeo não estão marcados em nossos dados, portanto, para narração ou análise de gravações, é mais conveniente usar um modelo especializado no BotHub, que pode ser aberto na mesma janela.
A família Gemini é nativamente multilíngue e, na prática, o modelo trabalha com confiança em russo: responde com base em documentos, escreve código e explica soluções. Não temos dados exatos sobre os idiomas, portanto, a melhor maneira é testar com suas tarefas no BotHub e comparar com outros modelos na mesma janela.