Gemini 2.5 Pro adalah model AI tercanggih dari Google yang dirancang untuk penalaran tingkat lanjut, pengkodean, matematika, dan tugas-tugas ilmiah. Model ini menggunakan kemampuan “thinking”, yang memungkinkannya untuk bernalar melalui respons dengan akurasi yang lebih baik...
Google Gemini 2.5 Pro adalah model bahasa besar yang dikembangkan oleh Google, dirancang untuk penalaran kompleks dan pemahaman multimodal. Model ini memproses masukan teks, gambar, file, audio, dan…
Gemini 2.5 Pro dapat memproses dan memahami teks, gambar, file (seperti PDF dan spreadsheet), audio, serta video. Model ini mampu menghasilkan output teks hingga 65.536 token. Jendela konteksnya yang besar, yaitu 1.048.576 token, memungkinkannya mempertimbangkan keseluruhan buku, basis kode yang panjang, atau riwayat obrolan yang panjang dalam satu perintah. Model ini unggul dalam tugas-tugas yang membutuhkan penalaran berat, seperti pemecahan masalah matematika, pembuatan kode, dan analisis dokumen yang kompleks. Model ini juga dapat melakukan tugas multimodal seperti mendeskripsikan gambar, mentranskripsi audio, atau menjawab pertanyaan tentang konten video. Model ini diakses melalui API yang kompatibel dengan OpenAI milik OrcaRouter, sehingga mudah diintegrasikan ke dalam alur kerja yang sudah ada.
Pilih Gemini 2.5 Pro ketika tugas Anda memerlukan jendela konteks penuh 1 juta token, seperti menganalisis dokumen hukum yang panjang, merangkum transkrip rapat berjam-jam, atau bekerja dengan repositori kode secara keseluruhan. Kemampuan penalaran matematika yang kuat (96,7 pada MATH-500) menjadikannya pilihan yang tepat untuk pemecahan masalah kompleks atau bimbingan belajar. Kasus penggunaan multimodal yang menggabungkan teks, gambar, audio, atau video juga mendapat manfaat dari pemrosesan terpadunya. Namun, untuk tugas pendek dan sederhana seperti Tanya Jawab dasar atau terjemahan satu langkah, model yang lebih kecil seperti Gemini 2.0 Flash atau GPT-4o mini akan lebih cepat dan lebih murah. Pertimbangkan jumlah token: jika masukan di bawah 32K token, banyak model lain dapat menanganinya dengan biaya lebih rendah.
Skenario penggunaan terbaik mencakup tugas-tugas yang memerlukan pemahaman mendalam dalam konteks yang panjang: peninjauan dokumen hukum, analisis makalah akademis, bantuan basis kode, dan agen percakapan multi-putaran yang perlu menyimpan riwayat yang luas. Penalaran matematika yang kuat membuatnya cocok untuk bimbingan belajar, komputasi ilmiah, dan soal-soal olimpiade matematika. Dukungan multimodal memungkinkan aplikasi seperti penulisan takarir gambar, perangkuman video, dan transkripsi audio yang diikuti dengan analisis. Ini juga digunakan untuk ekstraksi data dari dokumen kompleks (PDF dengan tabel, bagan) dan untuk menghasilkan keluaran terstruktur bentuk panjang yang konsistensinya penting di banyak halaman.
Model yang lebih murah disarankan saat konteks Anda muat dalam jendela yang lebih kecil (misalnya, di bawah 128K token) atau saat Anda tidak memerlukan input multimodal. Jika tugas Anda adalah klasifikasi sederhana, peringkasan singkat, atau konversi format, model yang lebih kecil seperti Gemini 1.5 Flash atau GPT-4o mini akan merespons lebih cepat dan biayanya jauh lebih rendah. Juga, jika latensi sangat penting, model yang lebih kecil umumnya memiliki waktu inferensi yang lebih rendah. Proyek dengan anggaran terbatas dan volume tinggi harus mengevaluasi apakah konteks 1M dan penalaran matematika benar-benar diperlukan. Untuk banyak tugas sehari-hari, biaya tambahan dari Gemini 2.5 Pro mungkin tidak sebanding dengan manfaatnya.
Gemini 2.5 Pro mencapai skor 96.7 pada tolok ukur MATH-500. MATH-500 adalah subset dari dataset MATH yang terdiri dari 500 soal matematika menantang yang mencakup topik seperti aljabar, geometri, teori bilangan, dan probabilitas. Skor 96.7 menunjukkan bahwa model tersebut memecahkan hampir semua soal dengan benar, menunjukkan penalaran matematika yang kuat dan kemampuan solusi langkah demi langkah. Ini menempatkannya di antara model-model berkinerja terbaik untuk tugas matematika. Pengguna yang bekerja pada aplikasi yang sarat matematika, seperti alat pendidikan, komputasi ilmiah, atau keuangan, dapat mengandalkan tolok ukur ini sebagai bukti kemahiran model.
Dengan 1,048,576 token konteks, Gemini 2.5 Pro menawarkan salah satu jendela konteks terbesar yang tersedia di antara model produksi. Sebagai perbandingan, GPT-4o memiliki konteks 128.000 token, Claude 3.5 Sonnet memiliki 200K token, dan Gemini 1.5 Pro juga memiliki 1M token dalam versi eksperimentalnya. Konteks yang besar ini memungkinkan model untuk memproses dokumen yang sangat panjang atau seluruh basis kode sekaligus tanpa perlu memotong-motong atau pengambilan eksternal. Namun, konteks yang lebih besar dapat meningkatkan latensi dan biaya karena mekanisme perhatian. Pengguna harus mempertimbangkan apakah kasus penggunaan mereka benar-benar memerlukan konteks yang begitu besar sebelum memilih model ini.
Kekuatan meliputi penalaran matematika tingkat atas (96.7 pada MATH-500), pemahaman multimodal yang kuat, dan kemampuan menangani konteks yang sangat panjang. Model ini juga mendukung berbagai jenis masukan (teks, gambar, file, audio, video) yang lebih luas dibandingkan banyak alternatif. Keterbatasan meliputi biaya yang lebih tinggi dibandingkan model yang lebih kecil, dan tidak ada skor tolok ukur spesifik yang diberikan untuk domain lain seperti pengkodean (misalnya, HumanEval), pemahaman bahasa (misalnya, MMLU), atau tugas multibahasa. Tanpa angka-angka tersebut, pengguna harus menguji pada data mereka sendiri. Selain itu, latensi model mungkin lebih tinggi daripada model kompak karena ukuran dan panjang konteksnya, meskipun tidak ada angka spesifik yang tersedia.
Harga adalah $2.50 per 1 juta token masukan dan $15.00 per 1 juta token keluaran. Ini adalah tarif penyedia dari Google, dan OrcaRouter tidak menerapkan markup. Anda ditagih persis seperti yang dikenakan Google. Token masukan mencakup teks perintah dan konten multimodal (gambar, audio, video) yang di-tokenisasi. Token keluaran adalah respons yang dihasilkan. Jumlah token dilaporkan dalam respons API. Karena tidak ada markup, biaya menjadi transparan dan dapat diprediksi. Sebagai contoh, perintah dengan 100,000 token masukan yang menghasilkan 10,000 token keluaran akan memakan biaya sekitar $0.40. Pengguna harus memantau penggunaan token untuk mengontrol biaya.
Gemini 2.5 Pro dibanderol dengan harga premium dibandingkan model yang lebih kecil. Misalnya, Gemini 1.5 Flash berharga $0,15 per 1M token input dan $0,60 per 1M token output, sehingga lebih hemat biaya untuk tugas dengan konteks pendek atau sederhana. Demikian pula, GPT-4o mini memiliki biaya lebih rendah. Namun, untuk tugas yang memerlukan konteks besar atau penalaran matematika yang kuat, Gemini 2.5 Pro mungkin lebih efisien daripada merangkai beberapa panggilan ke model yang lebih kecil. Pertukarannya adalah biaya per panggilan yang lebih tinggi tetapi berpotensi akurasi yang lebih baik dan lebih sedikit pengulangan. Pengguna harus memperkirakan total volume token dan mengevaluasi apakah peningkatan kinerja sepadan dengan biaya.
Tidak ada informasi yang diberikan tentang caching atau tingkat diskon untuk Gemini 2.5 Pro di OrcaRouter. Harga secara eksplisit dinyatakan sebagai tarif penyedia tanpa markup. Beberapa penyedia menawarkan caching token input atau pengurangan harga untuk prioritas yang lebih rendah; namun, tidak ada detail seperti itu yang tersedia untuk model ini melalui OrcaRouter. Pengguna disarankan untuk memeriksa dokumentasi OrcaRouter untuk informasi harga atau opsi caching yang diperbarui. Saat ini, biaya didasarkan semata-mata pada jumlah token dari setiap panggilan API dengan tarif per juta saat ini. Untuk penggunaan volume tinggi, hubungi OrcaRouter untuk kemungkinan perjanjian perusahaan.
Biaya dapat diperkirakan dengan mengetahui jumlah token masukan dan keluaran. Respons API menyertakan kolom penggunaan token. Token masukan: hitung semua token dalam prompt (termasuk pesan sistem, pesan pengguna, dan token multimodal apa pun). Token keluaran: hitung respons yang dihasilkan. Kemudian hitung: (input_tokens / 1.000.000) * $2.50 + (output_tokens / 1.000.000) * $15.00. Misalnya, prompt dengan 500.000 token masukan yang menghasilkan 20.000 token keluaran membutuhkan biaya (0.5 * $2.50) + (0.02 * $15.00) = $1.25 + $0.30 = $1.55. Tidak ada biaya tambahan. Gunakan tokenizer yang disediakan oleh Google atau perkirakan menggunakan rasio yang diketahui (misalnya, 1 gambar ~ 258 token untuk gambar Gemini, namun tokenisasi yang tepat bervariasi).
Buat permintaan ke titik akhir API OrcaRouter di https://api.orcarouter.ai/v1, menggunakan ID model "google/gemini-2.5-pro". API ini sepenuhnya kompatibel dengan OpenAI, sehingga Anda dapat menggunakan klien Python OpenAI atau SDK apa pun yang mendukung format chat completions OpenAI. Atur base URL ke titik akhir OrcaRouter, dan berikan kunci API OrcaRouter Anda. Contoh menggunakan Python: client = OpenAI(base_url="https://api.orcarouter.ai/v1", api_key="your_key"). Kemudian client.chat.completions.create(model="google/gemini-2.5-pro", messages=[...]). Respons mengikuti struktur standar dengan choices, usage, dll. Tidak ada parameter khusus yang diperlukan di luar chat completions standar.
API ini mendukung parameter chat completion standar OpenAI: model, messages, max_tokens, temperature, top_p, stop, frequency_penalty, presence_penalty, dan stream. Untuk Gemini 2.5 Pro, max_tokens dapat mencapai 65536. Messages harus mengikuti struktur standar dengan peran seperti system, user, assistant. Untuk menyertakan konten multimodal (gambar, audio, video), gunakan format content array dengan tipe "image_url", "input_audio", dll., sesuai format API vision OpenAI. Namun, dukungan untuk semua tipe multimodal dapat bervariasi; lihat dokumentasi Google untuk format yang tepat. Streaming didukung untuk respons inkremental. Tidak ada parameter khusus lain yang didokumentasikan untuk model ini melalui OrcaRouter.
Migrasi melibatkan perubahan ID model dalam panggilan API Anda, misalnya dari "gpt-4" atau "claude-3.5-sonnet" menjadi "google/gemini-2.5-pro". Karena OrcaRouter menggunakan endpoint yang kompatibel dengan OpenAI, tidak ada perubahan yang diperlukan pada URL dasar atau autentikasi. Anda mungkin perlu menyesuaikan format pesan Anda jika sebelumnya menggunakan penyedia non-OpenAI. Gemini 2.5 Pro mendukung pesan sistem dan peran standar. Untuk konten multimodal, pastikan Anda memformat gambar/audio/video menggunakan format array konten OpenAI. Uji dengan sampel kecil untuk memverifikasi perilaku dan penggunaan token. Perhatikan juga bahwa panjang konteks lebih besar, tetapi panjang output dapat diatur hingga 65536 token. Perbarui max_tokens Anda sesuai.
Gemini 2.5 Pro adalah penerus dari Gemini 1.5 Pro. Meskipun keduanya memiliki jendela konteks 1M token, Gemini 2.5 Pro dilaporkan memiliki kemampuan penalaran yang lebih baik, tercermin dari skor MATH-500 sebesar 96,7 (skor 1.5 Pro tidak disediakan untuk perbandingan langsung tetapi umumnya lebih rendah dalam laporan tidak resmi). Harga untuk 1.5 Pro adalah $1,25 per 1M token input dan $5,00 per 1M token output, menjadikan 2.5 Pro dua kali lebih mahal pada input dan tiga kali lebih mahal pada output. Gemini 2.5 Pro juga mendukung lebih banyak modalitas input (video dan audio ditambahkan). Untuk aplikasi yang membutuhkan penalaran terbaru, 2.5 Pro lebih disukai; untuk tugas yang sensitif terhadap biaya, 1.5 Pro tetap menjadi pilihan yang kuat.
GPT-4o, oleh OpenAI, memiliki jendela konteks 128K token, yang secara signifikan lebih kecil dari 1M milik Gemini 2.5 Pro. GPT-4o mendukung input teks dan gambar, tetapi tidak secara langsung mendukung audio atau video. Harga untuk GPT-4o adalah $2,50 per 1M input dan $10,00 per 1M token output, sehingga outputnya lebih murah daripada Gemini 2.5 Pro ($15,00). Skor benchmark pada MATH-500: Skor GPT-4o tidak diberikan, tetapi biasanya tinggi. Pilihan tergantung pada kebutuhan panjang konteks: jika Anda memerlukan pemrosesan dokumen yang sangat panjang atau input multimodal dengan audio/video, Gemini 2.5 Pro lebih baik; untuk tugas yang lebih pendek dengan biaya output yang lebih rendah, GPT-4o mungkin lebih ekonomis. Keduanya dapat diakses melalui OrcaRouter dengan format API yang sama.
Claude 3.5 Sonnet buatan Anthropic memiliki jendela konteks 200K token, jauh lebih kecil dari 1M milik Gemini 2.5 Pro. Claude mendukung input teks dan gambar (hingga 10 gambar). Harga untuk Claude 3.5 Sonnet adalah $3,00 per 1M token input dan $15,00 per 1M token output, mirip dengan Gemini 2.5 Pro pada output tetapi lebih tinggi pada input. Tidak ada skor MATH-500 yang disediakan untuk Claude 3.5 Sonnet. Claude dikenal karena pemahaman bahasa yang kuat dan keamanan. Gemini 2.5 Pro menawarkan konteks yang lebih besar, lebih banyak modalitas (audio, video), dan penalaran matematika yang terverifikasi. Pilihan tergantung pada apakah Anda memerlukan konteks tambahan dan dukungan multimodal atau lebih menyukai gaya bahasa Claude.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="google/gemini-2.5-pro",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)include_reasoningmax_tokensreasoningresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_p| Input / 1M token | $2.50 |
| Output / 1M token | $15.00 |
| Baca cache / 1M | $0.250 |
| Mata uang | USD |
Perkiraan berdasarkan harga daftar
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
GET /api/public/models/google/gemini-2.5-proBuka @misc{orcarouter_gemini_2_5_pro,
title = {Gemini 2.5 Pro API},
author = {Google},
year = {2025},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-2.5-pro}
}Google. (2025). Gemini 2.5 Pro API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-2.5-pro