Gemini Pro multimodal terbaru Google melalui API OrcaRouter dengan tarif penyedia, tanpa markup.
Google Gemini Pro Latest adalah versi terbaru dari model Gemini Pro milik Google, yang dapat diakses melalui API kompatibel OpenAI milik OrcaRouter. Model ini adalah model multimodal yang menerima…
Model ini dapat memproses dan mempertimbangkan teks, gambar, audio, video, dan file dalam satu permintaan. Sebagai contoh, Anda dapat memberikan gambar grafik, rekaman audio rapat, dan pertanyaan teks, lalu model akan menggabungkan informasi dari semua sumber untuk menghasilkan jawaban yang koheren. Model ini juga mampu menghasilkan respons teks berbentuk panjang hingga 65.536 token, sehingga cocok untuk tugas seperti menulis laporan rinci, membuat templat kode, atau menghasilkan dokumentasi yang ekstensif. Jika dibandingkan dengan model yang lebih kecil dan lebih murah, Gemini Pro Latest menawarkan penguatan multimodal yang unggul dan kapasitas keluaran yang lebih besar, tetapi biayanya yang lebih tinggi berarti model ini harus dicadangkan untuk tugas-tugas yang benar-benar membutuhkan kemampuan canggihnya.
Untuk tugas yang hanya melibatkan teks dan tidak memerlukan keluaran yang panjang, model yang lebih kecil seperti Gemini 1.5 Flash atau varian khusus teks dari Google mungkin lebih hemat biaya. Jika kasus penggunaan Anda adalah klasifikasi dasar, tanya jawab sederhana, atau pembuatan teks pendek (kurang dari beberapa ratus token), biaya per token yang lebih tinggi dari Gemini Pro Latest ($4/$18 per 1M token) mungkin tidak sepadan. Demikian pula, jika Anda tidak memerlukan input multimodal selain teks, model yang lebih murah yang tidak mendukung gambar, audio, atau video sudah mencukupi. OrcaRouter menyediakan berbagai model sehingga Anda dapat memilih keseimbangan yang tepat antara kemampuan dan biaya. Gunakan Gemini Pro Latest ketika prompt atau keluaran yang diharapkan besar, multimodal, atau memerlukan peningkatan penalaran terbaru.
Model ini unggul dalam skenario yang menggabungkan beberapa modalitas input dan memerlukan keluaran yang panjang. Kasus penggunaan terbaik yang umum meliputi: penalaran multimodal (misalnya, menjelaskan diagram dengan audio pendamping), transkripsi dan perangkuman audio/video dengan pertanyaan lanjutan, pembuatan kode dari tangkapan layar antarmuka pengguna, pembuatan laporan terperinci yang mengintegrasikan data dari gambar dan file teks, serta aplikasi interaktif di mana model harus memproses file yang diunggah pengguna. Batas token keluarannya yang tinggi juga membuatnya cocok untuk menghasilkan seluruh bab buku, dokumentasi teknis yang panjang, atau basis kode yang komprehensif. Untuk tugas apa pun yang mendapat manfaat dari arsitektur Gemini Pro terbaru dan fleksibilitas input yang luas, model ini adalah pilihan yang kuat.
Meskipun katalog tidak menyediakan skor tolok ukur khusus untuk model ini, Gemini Pro Latest dipahami menggabungkan data pelatihan terkini dan peningkatan algoritmik dari Google DeepMind. Dibandingkan dengan rilis Gemini Pro sebelumnya, model ini kemungkinan menawarkan penalaran yang lebih baik, pemahaman multimodal yang meningkat, dan halusinasi yang lebih rendah. Jendela keluaran besar 65.536 token merupakan peningkatan signifikan dibandingkan banyak model pendahulunya, yang terbatas pada ukuran generasi yang lebih kecil. Perlu dicatat bahwa "Latest" merujuk pada versi stabil terbaru dari Gemini Pro, bukan nomor versi tertentu. Untuk perbedaan pastinya, Anda harus merujuk pada catatan rilis Google, tetapi dalam praktiknya, pengguna sering melaporkan kualitas dan konsistensi yang lebih tinggi dibandingkan dengan Gemini 1.0 Pro.
Fakta katalog untuk google/gemini-pro-latest tidak menyertakan angka tolok ukur tertentu. Dengan demikian, kami tidak dapat mengklaim kinerja pada MMLU, GSM8K, HumanEval, atau evaluasi standar serupa. Namun, Gemini Pro sebagai sebuah keluarga telah dievaluasi oleh Google pada berbagai tolok ukur, dan versi "Terbaru" diperkirakan akan kompetitif dengan model seperti GPT‑4. Tanpa angka resmi untuk versi persis ini, sebaiknya evaluasi model tersebut menggunakan data Anda sendiri. OrcaRouter memungkinkan Anda menguji prompt dengan mudah melalui API-nya dengan tarif penyedia, sehingga Anda dapat menilai secara empiris kualitas dan kecepatan untuk kasus penggunaan spesifik Anda sebelum berkomitmen ke produksi.
Angka latensi tidak disediakan dalam katalog. Secara umum, kecepatan pembuatan output tergantung pada panjang respons dan beban saat ini pada infrastruktur Google. Karena Gemini Pro Latest dapat menghasilkan hingga 65.536 token, output yang lebih panjang mungkin membutuhkan waktu puluhan detik hingga menit. Kecepatan pemrosesan input juga bervariasi tergantung pada ukuran dan jumlah file multimodal. Untuk aplikasi real-time, Anda mungkin ingin menguji dengan output yang lebih kecil. OrcaRouter tidak menambahkan latensi yang signifikan di luar endpoint Google yang mendasarinya; proksi API dirancang untuk transparan. Jika latensi rendah sangat penting, pertimbangkan untuk menggunakan model yang lebih cepat seperti Gemini Flash, meskipun mungkin menawarkan kemampuan yang lebih sedikit.
Meskipun kuat, model ini memiliki keterbatasan. Pertama, biayanya relatif tinggi: $18 per 1M token keluaran dapat bertambah dengan cepat untuk generasi yang panjang. Kedua, model ini mungkin masih menghasilkan respons yang tidak akurat atau halusinasi, terutama pada topik khusus atau yang berubah dengan cepat. Ketiga, menangani input multimodal yang sangat besar (misalnya, video panjang atau gambar beresolusi tinggi) dapat meningkatkan waktu pemrosesan dan biaya. Keempat, karena ini adalah model "terbaru" tanpa versi eksplisit, perilakunya dapat berubah seiring waktu saat Google memperbarui model yang mendasarinya. Untuk tugas yang memerlukan model yang stabil dan tidak dapat diubah, Anda mungkin lebih memilih versi tetap seperti Gemini 1.5 Pro. Terakhir, model ini tidak tersedia melalui semua penyedia; hanya OrcaRouter yang menawarkan antarmuka kompatibel dengan OpenAI untuk saat ini.
Dengan maksimum 65.536 token output, Gemini Pro Latest dapat menghasilkan respons yang sangat panjang dalam satu generasi. Ini berguna untuk membuat laporan yang komprehensif, kode yang ekstensif, atau mempertahankan percakapan bentuk panjang tanpa pemotongan. Namun, ini tidak selalu berarti model akan selalu menggunakan token sebanyak itu; output tipikal lebih pendek. Batas besar ini memiliki konsekuensi: menghasilkan 65K token mungkin lambat dan mahal. Untuk sebagian besar aplikasi praktis, Anda dapat mengatur parameter max_tokens yang lebih rendah untuk mengontrol biaya dan kecepatan. Kemampuan model untuk menangani output panjang juga mengimplikasikan mekanisme perhatian yang dalam, yang biasanya meningkatkan konsistensi penalaran di seluruh teks yang panjang.
Harga persis sama dengan harga penyedia Google tanpa markup: $4.00 per 1 juta token masukan dan $18.00 per 1 juta token keluaran. Token masukan mencakup bagian teks dari prompt Anda ditambah gambar, audio, video, atau file yang dikodekan dalam permintaan. Token keluaran dihitung untuk setiap token yang dihasilkan dalam respons. OrcaRouter tidak menambahkan biaya platform, tingkatan langganan, atau biaya tersembunyi. Anda ditagih berdasarkan penggunaan token yang dilaporkan oleh Google. Harga yang transparan ini memudahkan estimasi biaya: misalnya, prompt 1.000 token dengan respons 5.000 token akan dikenakan biaya ($4 * 0.001) + ($18 * 0.005) = $0.004 + $0.09 = $0.094.
Dibandingkan dengan model yang lebih kecil seperti Gemini 1.5 Flash (biasanya $0,50/$2,00 per 1M token), Gemini Pro Latest lebih mahal per token. Jika beban kerja Anda melibatkan output pendek dan input hanya teks, Anda dapat mengurangi biaya secara signifikan dengan menggunakan model yang lebih murah. Sebaliknya, untuk tugas yang benar-benar memerlukan input multimodal atau output yang sangat panjang, biaya per token yang lebih tinggi mungkin sepadan dengan kemampuan unggul model tersebut. Tidak ada diskon caching yang diiklankan; setiap token dikenakan biaya sesuai tarif standar. Namun, jika Anda berulang kali menggunakan prompt panjang yang sama, pertimbangkan sebagai token input setiap kali. OrcaRouter meneruskan harga penyedia, sehingga Anda membayar persis seperti jika menggunakan Google secara langsung, tanpa markup kenyamanan.
Fakta katalog tidak menyebutkan adanya diskon, caching, atau harga volume untuk google/gemini-pro-latest. OrcaRouter menyatakan bahwa harga ditagih sesuai tarif penyedia tanpa markup, yang menyiratkan bahwa harga yang tercantum adalah satu-satunya biaya. Tidak ada penyebutan prompt caching, sehingga setiap permintaan ditagih untuk seluruh token input, bahkan jika respons sebelumnya menggunakan teks serupa. Bagi pengguna dengan volume tinggi, mungkin ada baiknya menghubungi OrcaRouter secara langsung untuk menanyakan kemungkinan perjanjian enterprise, tetapi tidak ada diskon resmi yang disebutkan. Dengan tidak adanya caching, Anda harus mengoptimalkan prompt Anda untuk meminimalkan penggunaan token jika memungkinkan, misalnya dengan mengurangi ukuran file multimodal atau memotong riwayat percakapan.
Anda dapat memanggil model menggunakan pustaka klien yang kompatibel dengan OpenAI (Python, Node.js, cURL, dll.) dengan mengatur base URL ke https://api.orcarouter.ai/v1 dan parameter model ke "google/gemini-pro-latest". Sebagai contoh, dalam Python dengan paket openai: client = OpenAI(api_key='your_orcarouter_key', base_url='https://api.orcarouter.ai/v1') lalu response = client.chat.completions.create(model='google/gemini-pro-latest', messages=[{...}], max_tokens=10000). Orcarouter memerlukan kunci API, yang dapat Anda peroleh dengan mendaftar di platform mereka. Format respons mencerminkan milik OpenAI, termasuk pilihan, penggunaan, dan finish_reason.
Parameter penyelesaian obrolan OpenAI standar didukung, seperti messages, max_tokens, temperature, top_p, frequency_penalty, presence_penalty, stop, dan stream. Array messages dapat mencakup peran system, user, dan assistant. Untuk input multimodal (gambar, audio, dll.), Anda dapat menggunakan format content parts (jika didukung oleh OrcaRouter) atau mengirimkan data berenkode base64 dengan cara terstruktur. Lihat dokumentasi OrcaRouter untuk petunjuk tepat tentang cara mengirim jenis file dan media. Model juga menghormati parameter max_tokens hingga 65.536. Perhatikan bahwa tidak semua parameter OpenAI mungkin diimplementasikan; uji secara menyeluruh. API akan mengembalikan penggunaan token dalam respons di bawah usage.prompt_tokens dan usage.completion_tokens.
Jika saat ini Anda menggunakan Vertex AI atau Gemini API dari Google secara langsung, migrasi ke OrcaRouter cukup mudah. Anda cukup mengganti endpoint dan metode autentikasi Anda dengan milik OrcaRouter. Alih-alih menggunakan pustaka klien Google, Anda menggunakan kode yang kompatibel dengan OpenAI. Ubah base URL menjadi https://api.orcarouter.ai/v1 dan ID model menjadi "google/gemini-pro-latest". Anda akan memerlukan kunci API OrcaRouter. Format pesan mungkin sedikit berbeda (Google menggunakan "contents" vs "messages"), jadi Anda perlu menyesuaikan dengan format OpenAI. Untuk konten multimodal, Anda mungkin perlu menyandikan gambar atau file dengan cara yang berbeda. Dokumentasi OrcaRouter seharusnya menyediakan contoh-contoh. Harga tetap sama dengan penagihan langsung Google, sehingga biaya per token Anda tidak akan meningkat. Migrasi ini memungkinkan Anda menyatukan semua panggilan model di bawah antarmuka tunggal yang kompatibel dengan OpenAI.
Kedua model adalah model multimodal yang besar dan kuat, tetapi memiliki kekuatan yang berbeda. GPT‑4 oleh OpenAI dikenal karena penalaran yang kuat dan dukungan ekosistem yang luas, sementara Gemini Pro Latest unggul dalam keragaman input multimodal (termasuk audio dan video secara native) dan menawarkan batas token output yang lebih besar yaitu 65.536 dibandingkan dengan GPT‑4 yang tipikal 8.192 atau 32.768 dalam variannya. Harga berbeda: Gemini Pro Latest berharga $4/$18 per 1M token, sementara GPT‑4 Turbo berharga $10/$30 (atau $20/$60 untuk GPT‑4). Tanpa data benchmark langsung, perbandingan kinerja bergantung pada tugas spesifik. Gemini Pro Latest mungkin lebih baik untuk tugas yang memerlukan pemahaman berbagai jenis media secara simultan, sementara GPT‑4 mungkin memiliki keunggulan dalam pembuatan kode tertentu atau output terstruktur. Pengujian pada data Anda sendiri disarankan.
Dalam keluarga Gemini, model ini adalah versi "Pro" terbaru, yang berarti menawarkan kemampuan lebih besar dibandingkan varian Flash yang lebih kecil, tetapi lebih rendah dibandingkan tingkatan Ultra (yang tidak tercantum di sini). Dibandingkan dengan Gemini 1.5 Pro (versi tetap), label "Terbaru" berarti model ini menerima pembaruan berkelanjutan; mungkin lebih mutakhir tetapi dapat berubah. Gemini Flash lebih murah dan lebih cepat, tetapi memiliki fitur multimodal yang lebih sedikit dan batas output yang lebih rendah. "Pro Terbaru" berada di posisi tengah: kinerja tinggi dengan dukungan modalitas luas pada harga yang moderat (menengah dibandingkan GPT‑4 dan Claude 3 Opus). Bagi pengguna yang menginginkan peningkatan terbaru tanpa biaya tertinggi, ini adalah pilihan yang seimbang.
Model Claude 3 milik Anthropic (Haiku, Sonnet, Opus) juga mendukung input multimodal dan output yang panjang. Claude 3 Opus memiliki jendela konteks 200K dan hingga 4.096 token output (atau lebih panjang dengan fitur yang diperluas). Gemini Pro Latest memiliki jendela konteks yang lebih kecil (maksimal input pasti tidak disebutkan) tetapi batas output yang jauh lebih besar (65.536 token). Harga untuk Claude 3 Opus adalah $15/$75 per 1 juta token, secara signifikan lebih tinggi daripada Gemini Pro Latest ($4/$18). Claude 3 Sonnet memiliki harga yang lebih dekat. Dalam hal keamanan dan keselarasan, model Claude dikenal karena menangani konten berbahaya dengan lebih hati-hati. Gemini Pro Latest mungkin lebih baik untuk generasi yang sangat panjang, sementara Claude mungkin unggul dalam percakapan yang bernuansa. Keduanya dapat diakses melalui OrcaRouter, memungkinkan Anda memilih berdasarkan tugas dan anggaran.
Kompatibel OpenAI — pakai SDK Anda yang sekarang
https://api.orcarouter.ai/v1https://api.orcarouter.aifrom openai import OpenAI
client = OpenAI(
base_url="https://api.orcarouter.ai/v1",
api_key="$ORCAROUTER_API_KEY",
)
response = client.chat.completions.create(
model="google/gemini-pro-latest",
messages=[{"role": "user", "content": "Hello"}],
)
print(response.choices[0].message.content)max_tokensresponse_formatseedstopstructured_outputstemperaturetool_choicetoolstop_pinclude_reasoningreasoning| Input / 1M token | $4.00 |
| Output / 1M token | $18.00 |
| Baca cache / 1M | $0.400 |
| Mata uang | USD |
Perkiraan berdasarkan harga daftar
Hanya perkiraan — jumlah token sebenarnya bergantung pada tokenizer penyedia.
GET /api/public/models/google/gemini-pro-latestBuka @misc{orcarouter_gemini_pro_latest,
title = {google/gemini-pro-latest API},
author = {google},
year = {n.d.},
howpublished = {OrcaRouter},
url = {https://www.orcarouter.ai/models/google/gemini-pro-latest}
}google. (n.d.). google/gemini-pro-latest API. OrcaRouter. https://www.orcarouter.ai/models/google/gemini-pro-latest