Kvantora.ai
ВойтиНачать работу
К результатам поиска

Google

Gemini 2.5 Pro Preview 0325

Gemini 2.5 Pro Preview 0325, модель Google от марта 2025 года.

  • РассужденияРассужденияВ данных модели подтверждён режим рассуждений. Его параметры зависят от подключённой операции.
  • Понимание изображенийПонимание изображенийМодель умеет разбирать содержимое изображений.
  • Вызов инструментовВызов инструментовМодель может запросить вызов функции. Приложение проверяет права и выполняет действие.
  • Структурированный ответСтруктурированный ответМодель поддерживает заданную структуру ответа. Доступный формат проверяйте в параметрах API.
  • 1 048 576 токенов1 048 576 токеновКонтекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.
  • Аудио на входеАудио на входеМодель принимает аудио. Это не подтверждает генерацию речи.
  • Потоковый ответПотоковый ответОтвет можно получать по частям. Поддержка потока проверяется отдельно для каждой операции API.
Вход
158,25 ₽
Выход
1 266,00 ₽
Кэш
15,83 ₽
за 1 млн токенов
Интеллект
16,1
Код
33,3
Подключить APIОткрыть в студии
API ID
google/gemini-2.5-pro-preview-03-25

Данные каталога получены .

Цена

Текстовый диалог · вход
158,25 ₽ / 1 млн токенов
Текстовый диалог · выход
1 266,00 ₽ / 1 млн токенов
Текстовый диалог · вход из кэша
15,83 ₽ / 1 млн токенов

Цена указана в рублях для выбранной операции и её параметров.

Перед оплачиваемым запросом создаётся резерв. Итоговый расход привязан к сохранённым параметрам и тарифу запроса. При неизвестном результате резерв удерживается до проверки; такой запрос не следует повторять с новым идентификатором.

О модели

Gemini 2.5 Pro Preview 0325, модель Google, выпущенная в марте 2025 года.

Релиз

Характеристики

Тип модели
Текст
Вход модели
Текст, Изображения, Аудио

Данные, которые модель принимает вместе с запросом.

Выход модели
Текст

Форматы результата, которые создаёт модель.

Контекстное окно
1 048 576 токенов

Контекстное окно по данным каталога. Лимит ответа и допустимый объём запроса проверяйте отдельно.

Максимальный ответ
65 536 токенов

Максимальный размер ответа по данным каталога. Фактический предел запроса зависит от подключённой операции.

Операции
Текстовый диалог, Понимание изображений
Возможности модели
Потоковый ответ, Понимание изображений, Рассуждения, Вызов инструментов, Вызов функций, Структурированный ответ, Ответ в JSON, Входные изображения, Входное аудио

Контрольные показатели

Artificial Analysis

20 показателей · проверено

Источник ↗
Индекс интеллекта
16,1 индексСводная оценка Artificial Analysis по всем её тестам
Индекс программирования
33,3 индексСводная оценка Artificial Analysis по программированию

Агентная работа

  • AA-Briefcase298 Elo

    Агентная работа со знаниями (Elo)

  • AutomationBench-AA2,2 %

    Автоматизация рабочего процесса со штрафами за нарушение ограничений

  • GDPval-AA v2459 Elo

    Экономически значимые задачи (Elo)

Рассуждение по документу

  • AA-LCR v1.169 %

    Рассуждение на длинном контексте с обновлённой оценкой

  • GDP.pdf10,2 %

    Профессиональное рассуждение по PDF: доля прохождения всех проверок

Устаревшие тесты

  • AA-LCR (версия не указана, архивный)69 %

    Оценка рассуждений на длинном контексте

  • GPQA Diamond (архивный)84,4 %

    Научные рассуждения уровня выпускника

  • T²-Bench Telecom (архивный)54,1 %

    Разговорные ИИ-агенты в сценариях с двойным управлением

  • Terminal-Bench Hard (архивный)26,5 %

    Агентное программирование и работа в терминале

Математика

  • AIME88,7 %

    Американский пригласительный экзамен по математике

  • Math-50096,7 %

    Набор задач для проверки решения разнообразных математических задач

Рассуждения

  • AIME 202587,7 %
  • HLE22,5 %

    Humanity’s Last Exam — вопросы экспертного уровня

Рассуждение

  • IFBench48,7 %

    Тест на следование инструкциям

Программирование

  • LiveCodeBench80,1 %

    Бенчмарк по программированию без загрязнения данных

  • SciCode46,3 %

    Программирование на Python для научных вычислений

  • Terminal-Bench v4.00 %

    Практические задачи по программированию и работе в терминале

Знания

  • MMLU-Pro86,2 %

    Профессиональные и академические предметные знания

Оценки относятся к этой версии модели и методике источника. Качество и скорость конкретного запроса они не гарантируют.

API-запрос

Операция доступна через API. Ключ храните в переменной окружения на своём сервере. REQUEST_ID: уникальный идентификатор запроса. При повторе сохраняйте его и тело запроса.

import json
import os
from urllib.request import Request, HTTPRedirectHandler, build_opener

class NoRedirect(HTTPRedirectHandler):
    def redirect_request(self, req, fp, code, msg, headers, newurl):
        return None

opener = build_opener(NoRedirect)

def post(url, payload):
    request = Request(url, data=json.dumps(payload).encode("utf-8"), headers={
        "Authorization": "Bearer " + os.environ["KVANTORA_API_KEY"],
        "Content-Type": "application/json",
        "Idempotency-Key": os.environ["REQUEST_ID"],
    }, method="POST")
    with opener.open(request, timeout=120) as response:
        return json.load(response)

payload = {
  "model": "google/gemini-2.5-pro-preview-03-25",
  "messages": [
    {
      "role": "user",
      "content": "Объясни задачу кратко."
    }
  ]
}
print(post("https://api.kvantora.ai/v1/chat/completions", payload))
Документация APIСоздать API-ключ