۳ API برای دسترسی به Gemini 2.5 Pro

مدل Gemini 2.5 Pro که توسط گوگل توسعه یافته است، یک هوش مصنوعی مولد پیشرفته است که برای تولید محتوای چندوجهی پیشرفته، از جمله متن، تصاویر و موارد دیگر طراحی شده است.

در این مقاله، سه API را بررسی خواهیم کرد که امکان دسترسی رایگان به Gemini 2.5 Pro را فراهم می‌کنند، همراه با نمونه کد و تجزیه ویژگی‌های کلیدی که هر API ارائه می‌دهد.

Google AI Studio دسترسی مستقیم به Gemini 2.5 Pro را از طریق API خود فراهم می‌کند و به توسعه‌دهندگان امکان می‌دهد پاسخ تولید کنند، وظایف چندوجهی را انجام دهند و موارد دیگر.

ویژگی‌های کلیدی:

• قابلیت‌های چندوجهی: پشتیبانی از صدا، تصاویر، ویدیوها و متن.
• استدلال پیشرفته: تفکر، استدلال و درک چندوجهی پیشرفته.
• مقیاس‌پذیری: به راحتی برنامه‌های کاربردی در مقیاس بزرگ را با Vertex AI مستقر کنید.
• سهولت استفاده: SDK ادغام و استفاده را ساده می‌کند.

در اینجا نحوه شروع کار آمده است:

1. به Google AI Studio مراجعه کنید، با حساب Google خود وارد شوید و کلید API را ایجاد کنید.
2. کلید API را کپی کرده و به عنوان یک متغیر محیطی در سیستم خود ذخیره کنید.

3. کلاینت Python Google GenAI را نصب کنید:

pip install -q -U google-genai

4. کلاینت را با استفاده از کلید API مقداردهی اولیه کنید.
5. از کلاینت برای تولید محتوا با تعیین نام مدل و درخواست استفاده کنید.

from google import genai
import os

client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])

response = client.models.generate_content(
    model="gemini-2.5-pro-exp-03-25", contents="Explain the concept of bear in the stock market."
)

print(response.text)

در عوض، یک پاسخ بسیار دقیق و مفصل دریافت خواهید کرد.

OpenRouter یک API gateway چند منظوره است که از مدل‌های هوش مصنوعی متعددی پشتیبانی می‌کند، در درجه اول مدل‌های زبانی بزرگ از ارائه دهندگان محبوب مانند Anthropic، Google و Meta. این به توسعه‌دهندگان اجازه می‌دهد تا با مدل با استفاده از یک رابط واحد تعامل داشته باشند. این بدان معناست که شما فقط باید کلاینت را با استفاده از کلید API ایجاد کنید تا به طور یکپارچه به هر ارائه دهنده یا مدل هوش مصنوعی دسترسی پیدا کنید.

ویژگی‌های کلیدی:

• Model Routing: به طور یکپارچه بین مدل‌ها جابجا شوید.
• Provider Routing: دسترسی به مدل‌ها از چندین ارائه دهنده.
• دسترسی چندوجهی: تصاویر، صدا، فایل‌ها و متن را آپلود کنید و در عوض متن یا تصاویر تولید کنید.
• قیمت گذاری انعطاف پذیر: دسترسی به مدل‌های رایگان و پولی.

در اینجا نحوه شروع کار آمده است:

1. به وب سایت OpenRouter مراجعه کرده و یک حساب کاربری ایجاد کنید.
2. کلید API را تولید کرده و به عنوان یک متغیر محیطی در محیط کاری خود ذخیره کنید.

می‌توانید با استفاده از بسته درخواست پایتون، کلاینت OpenAI یا دستور CURL به API دسترسی پیدا کنید.

3. کلاینت Python API OpenAI را نصب کنید.

pip install openai

4. کلاینت را با استفاده از URL پایه و کلید API مقداردهی اولیه کنید.
5. با ارائه تابع تکمیل با نام مدل و پیام، همانطور که در زیر نشان داده شده است، یک پاسخ تولید کنید.

from openai import OpenAI

client = OpenAI(
  base_url="https://openrouter.ai/api/v1",
  api_key=os.environ["OPENROUTER"],
)

completion = client.chat.completions.create(
  model="google/gemini-2.5-pro-exp-03-25:free",
  messages=[
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Write the poem about the image."
        },
        {
          "type": "image_url",
          "image_url": {
            "url": "https://www.thewowstyle.com/wp-content/uploads/2015/02/beautiful_mountain-wide.jpg"
          }
        }
      ]
    }
  ]
)
print(completion.choices[0].message.content)

همانطور که می‌بینید، مدل تصویر را درک کرد و شعری درباره آن نوشت.

Requesty یک پلتفرم توسعه است که برای ادغام یکپارچه با مدل‌های زبانی بزرگ مانند Gemini 2.5 Pro طراحی شده است. این پلتفرم دارای مسیریابی هوشمند LLM است که به آن اجازه می‌دهد تا بین مدل‌ها برای عملکرد بهتر بر اساس درخواست جابجا شود.

ویژگی‌های کلیدی:

• توسعه‌دهنده پسند: ادغام با Gemini 2.5 Pro را ساده می‌کند.
• مسیریابی هوشمند: به طور خودکار بهترین مدل را برای وظیفه شما انتخاب می‌کند.
• داشبورد تعاملی: استفاده از API خود را نظارت و مدیریت کنید.
• مقیاس‌پذیری: برای برنامه‌های کاربردی در سطح تولید طراحی شده است.

در اینجا نحوه شروع کار آمده است:

1. به وب سایت Requesty رفته و یک حساب کاربری ایجاد کنید.
2. در حین ایجاد حساب کاربری، برای تولید اولین کلید API خود راهنمایی خواهید شد. آن کلید را به عنوان یک متغیر محیطی برای استفاده بعدی ذخیره کنید.

3. با استفاده از کلاینت Python OpenAI، کلاینت را با URL پایه و کلید API ایجاد کنید.
4. تابع تکمیل چت را با نام مدل و درخواست ارائه دهید.

from openai import OpenAI

client = OpenAI(
  base_url="https://router.requesty.ai/v1",
  api_key=os.environ["REQUESTY"],
)

completion = client.chat.completions.create(
  model="google/gemini-2.5-pro-exp-03-25",
  messages=[
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "Help me understand life in general."
        },
      ]
    }
  ]
)
print(completion.choices[0].message.content)

در نتیجه، یک پاسخ خوب نوشته شده دریافت خواهید کرد.

ما سه ارائه دهنده مدل هوش مصنوعی را کشف کرده‌ایم که به ما امکان می‌دهند با استفاده از API آنها به صورت رایگان به Gemini 2.5 Pro جدید دسترسی پیدا کنیم. در اینجا خلاصه آمده است:

• Google AI Studio: بهترین برای دسترسی مستقیم به Gemini 2.5 Pro با پشتیبانی SDK قوی و ادغام Vertex AI.
• OpenRouter: ایده آل برای توسعه‌دهندگانی که به یک API gateway واحد برای چندین مدل و وظایف چندوجهی نیاز دارند.
• Requesty: یک پلتفرم توسعه‌دهنده محور با مسیریابی هوشمند و مقیاس‌پذیری در سطح تولید.

عبید علی عوان (@1abidaliawan) یک متخصص علم داده دارای گواهینامه است که عاشق ساخت مدل‌های یادگیری ماشین است. در حال حاضر، او بر ایجاد محتوا و نوشتن وبلاگ‌های فنی در مورد فناوری‌های یادگیری ماشین و علم داده تمرکز دارد. عبید دارای مدرک کارشناسی ارشد در مدیریت فناوری و مدرک کارشناسی در مهندسی مخابرات است. چشم انداز او ساخت یک محصول هوش مصنوعی با استفاده از یک شبکه عصبی گراف برای دانش آموزانی است که با بیماری روانی دست و پنجه نرم می‌کنند.