Gemini 2.0 Flash-Lite er Googles kompakte multimodale profil med tekstoutput i Gemini 2.0-familien. Producentens kort angiver tekst, billeder, lyd og video som input og tekst som output. Den er nyttig til et fokuseret spørgsmål, hvis dokumentation kan komme fra skriftligt materiale eller en visuel kilde eller lydkilde.
Angiv opgaven, og identificer hver kildes rolle. Et dokumentbillede kan levere synlig ordlyd eller sammenhænge, en lydkilde kan levere talt indhold, og en video kan levere et forløb, der skal beskrives. Bed om de bestemte oplysninger, applikationen har brug for, frem for en generel beskrivelse af hver kilde.
Mærk kilderne, og brug tidsmæssige eller visuelle henvisninger, hvor de er vigtige. Til et klip skal du identificere den relevante hændelse eller det relevante tidsrum. Til et billede skal du angive det relevante område eller objekt. Til skriftligt materiale skal du holde dokument- og passageidentifikatorer synlige, så svaret kan henvise til den korrekte dokumentation.
Google angiver strukturerede output for denne profil. Definer felterne og behandlingen af manglende oplysninger, når en applikation har brug for et struktureret svar, og valider derefter de returnerede værdier mod inputtet. Et skema giver svaret en anvendelig form; den indsendte dokumentation afgør, om indholdet er korrekt.
Producenten angiver også funktionskald. En applikation leverer værktøjsdefinitioner, udfører en valgt funktion og returnerer resultatet til et efterfølgende svar. Modellens tekstlige valg og argumenter indgår i dette forløb; et eksternt opslag eller en ekstern handling fastslås gennem applikationens faktiske observation.
Producentens kort angiver en inputgrænse på 1.048.576 tokens og en outputgrænse på 8.192 tokens. Strukturer større input omkring spørgsmålet, og bed om en passende svarlængde. Bevar kilden, opgaven og den returnerede tekst sammen, når du reviderer et resultat.
Denne præcise profil er en model med tekstoutput. Dens kort adskiller denne rolle fra mediegenerering, en grænseflade til samtaler i realtid og en ræsonnementstilstand. Brug dens egne understøttede input- og svarindstillinger, når du forbereder en opgave, frem for at overføre indstillinger fra Gemini 2.0 Flash eller en senere Flash-Lite-udgave.
", "aboutText": "Gemini 2.0 Flash-Lite er Googles kompakte multimodale profil med tekstoutput i Gemini 2.0-familien. Producentens kort angiver tekst, billeder, lyd og video som input og tekst som output. Den er nyttig til et fokuseret spørgsmål, hvis dokumentation kan komme fra skriftligt materiale eller en visuel kilde eller lydkilde.\n\n### Definer de oplysninger, der skal returneres\n\nAngiv opgaven, og identificer hver kildes rolle. Et dokumentbillede kan levere synlig ordlyd eller sammenhænge, en lydkilde kan levere talt indhold, og en video kan levere et forløb, der skal beskrives. Bed om de bestemte oplysninger, applikationen har brug for, frem for en generel beskrivelse af hver kilde.\n\nMærk kilderne, og brug tidsmæssige eller visuelle henvisninger, hvor de er vigtige. Til et klip skal du identificere den relevante hændelse eller det relevante tidsrum. Til et billede skal du angive det relevante område eller objekt. Til skriftligt materiale skal du holde dokument- og passageidentifikatorer synlige, så svaret kan henvise til den korrekte dokumentation.\n\n### Forbered struktureret tekst og applikationsværktøjer\n\nGoogle angiver strukturerede output for denne profil. Definer felterne og behandlingen af manglende oplysninger, når en applikation har brug for et struktureret svar, og valider derefter de returnerede værdier mod inputtet. Et skema giver svaret en anvendelig form; den indsendte dokumentation afgør, om indholdet er korrekt.\n\nProducenten angiver også funktionskald. En applikation leverer værktøjsdefinitioner, udfører en valgt funktion og returnerer resultatet til et efterfølgende svar. Modellens tekstlige valg og argumenter indgår i dette forløb; et eksternt opslag eller en ekstern handling fastslås gennem applikationens faktiske observation.\n\n### Planlæg input og svar\n\nProducentens kort angiver en inputgrænse på 1.048.576 tokens og en outputgrænse på 8.192 tokens. Strukturer større input omkring spørgsmålet, og bed om en passende svarlængde. Bevar kilden, opgaven og den returnerede tekst sammen, når du reviderer et resultat.\n\nDenne præcise profil er en model med tekstoutput. Dens kort adskiller denne rolle fra mediegenerering, en grænseflade til samtaler i realtid og en ræsonnementstilstand. Brug dens egne understøttede input- og svarindstillinger, når du forbereder en opgave, frem for at overføre indstillinger fra Gemini 2.0 Flash eller en senere Flash-Lite-udgave.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Extract a small shipment record\n\nExtract the shipment details from this text: 'Dispatch note D-81: sent 12 May; three cartons; destination Leeds. Tracking will follow.' Return labelled fields for note ID, dispatch date, carton count, destination and tracking number. Mark fields not present as unknown; do not infer a year or carrier.Five labelled text fields, with absent tracking information marked unknown and the date kept as supplied.The record retains D-81 and three cartons without inventing a tracking number, year or carrier.gemini-2.0-flash-liteGemini 2.0 Flash-Lite accepterer tekst, billeder, lyd og video og returnerer tekst. Google angiver for netop denne profil en inputgrænse på 1.048.576 tokens, en outputgrænse på 8.192 tokens, struktureret output og funktionskald.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Gemini 2.0 Flash-Lite er Googles kompakte multimodale profil med tekstoutput i Gemini 2.0-familien. Producentens kort angiver tekst, billeder, lyd og video som input og tekst som output. Den er nyttig til et fokuseret spørgsmål, hvis dokumentation kan komme fra skriftligt materiale eller en visuel kilde eller lydkilde.
Angiv opgaven, og identificer hver kildes rolle. Et dokumentbillede kan levere synlig ordlyd eller sammenhænge, en lydkilde kan levere talt indhold, og en video kan levere et forløb, der skal beskrives. Bed om de bestemte oplysninger, applikationen har brug for, frem for en generel beskrivelse af hver kilde.
Mærk kilderne, og brug tidsmæssige eller visuelle henvisninger, hvor de er vigtige. Til et klip skal du identificere den relevante hændelse eller det relevante tidsrum. Til et billede skal du angive det relevante område eller objekt. Til skriftligt materiale skal du holde dokument- og passageidentifikatorer synlige, så svaret kan henvise til den korrekte dokumentation.
Google angiver strukturerede output for denne profil. Definer felterne og behandlingen af manglende oplysninger, når en applikation har brug for et struktureret svar, og valider derefter de returnerede værdier mod inputtet. Et skema giver svaret en anvendelig form; den indsendte dokumentation afgør, om indholdet er korrekt.
Producenten angiver også funktionskald. En applikation leverer værktøjsdefinitioner, udfører en valgt funktion og returnerer resultatet til et efterfølgende svar. Modellens tekstlige valg og argumenter indgår i dette forløb; et eksternt opslag eller en ekstern handling fastslås gennem applikationens faktiske observation.
Producentens kort angiver en inputgrænse på 1.048.576 tokens og en outputgrænse på 8.192 tokens. Strukturer større input omkring spørgsmålet, og bed om en passende svarlængde. Bevar kilden, opgaven og den returnerede tekst sammen, når du reviderer et resultat.
Denne præcise profil er en model med tekstoutput. Dens kort adskiller denne rolle fra mediegenerering, en grænseflade til samtaler i realtid og en ræsonnementstilstand. Brug dens egne understøttede input- og svarindstillinger, når du forbereder en opgave, frem for at overføre indstillinger fra Gemini 2.0 Flash eller en senere Flash-Lite-udgave.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser gemini-2.0-flash-lite | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring|content_part[]|null | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_calls | Typetool_call[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].tool_call_id | Typestring | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— |
Feltmessages[].name | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Feltmessages[].reasoning_content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— |
Feltmessages[].reasoning_details | Typeobject|array | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmax_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltmax_completion_tokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Feltstream_options.include_usage | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop | Typestring|string[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typefunction_tool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].type | Typestring | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— |
Felttools[].function.name | Typestring | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— |
Felttools[].function.description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].function.parameters | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltparallel_tool_calls | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltresponse_format | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning_effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltreasoning | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltservice_tier | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltinstructions | Typestring | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— |
Feltfunctions | Typefunction[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltfunction_call | Typestring|object | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltprompt_cache_options | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmodalities | Typestring[] | KravValgfrit | Værdier og grænser text | Standard— |
Feltprovider | Typeobject | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— |
Feltcache_control.ttl | Typestring | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages |
Parametermaterial_types | Kontrakttext |
Parametermessages | Kontraktbeskedarray med strukturen role/content |
Parameterfile_material | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes |
Parameteroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Livscyklus: synchronous_or_streamed
Send det præcise model-ID med messages.
Kontekstlængde er ikke et outputloft.
En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding.
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.00015 / 1K tokens Output · Outputtokens $0.0006 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.0-flash-lite", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gemini-2.0-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gemini-2.0-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltchoices[].index | Typeinteger |
Feltchoices[].message.content | Typestring|null |
Feltchoices[].message.tool_calls | Typetool_call[] |
Feltchoices[].message.reasoning_content | Typestring |
Feltchoices[].message.reasoning_details | Typeobject|array |
Feltchoices[].finish_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra gemini-2.0-flash-lite
Brug metodestierne vist ovenfor.
gemini-2.0-flash-liteGemini 2.0 Flash-Lite accepterer tekst, billeder, lyd og video og returnerer tekst. Google angiver for netop denne profil en inputgrænse på 1.048.576 tokens, en outputgrænse på 8.192 tokens, struktureret output og funktionskald.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Gemini 2.0 Flash-Lite er Googles kompakte multimodale profil med tekstoutput i Gemini 2.0-familien. Producentens kort angiver tekst, billeder, lyd og video som input og tekst som output. Den er nyttig til et fokuseret spørgsmål, hvis dokumentation kan komme fra skriftligt materiale eller en visuel kilde eller lydkilde.
Angiv opgaven, og identificer hver kildes rolle. Et dokumentbillede kan levere synlig ordlyd eller sammenhænge, en lydkilde kan levere talt indhold, og en video kan levere et forløb, der skal beskrives. Bed om de bestemte oplysninger, applikationen har brug for, frem for en generel beskrivelse af hver kilde.
Mærk kilderne, og brug tidsmæssige eller visuelle henvisninger, hvor de er vigtige. Til et klip skal du identificere den relevante hændelse eller det relevante tidsrum. Til et billede skal du angive det relevante område eller objekt. Til skriftligt materiale skal du holde dokument- og passageidentifikatorer synlige, så svaret kan henvise til den korrekte dokumentation.
Google angiver strukturerede output for denne profil. Definer felterne og behandlingen af manglende oplysninger, når en applikation har brug for et struktureret svar, og valider derefter de returnerede værdier mod inputtet. Et skema giver svaret en anvendelig form; den indsendte dokumentation afgør, om indholdet er korrekt.
Producenten angiver også funktionskald. En applikation leverer værktøjsdefinitioner, udfører en valgt funktion og returnerer resultatet til et efterfølgende svar. Modellens tekstlige valg og argumenter indgår i dette forløb; et eksternt opslag eller en ekstern handling fastslås gennem applikationens faktiske observation.
Producentens kort angiver en inputgrænse på 1.048.576 tokens og en outputgrænse på 8.192 tokens. Strukturer større input omkring spørgsmålet, og bed om en passende svarlængde. Bevar kilden, opgaven og den returnerede tekst sammen, når du reviderer et resultat.
Denne præcise profil er en model med tekstoutput. Dens kort adskiller denne rolle fra mediegenerering, en grænseflade til samtaler i realtid og en ræsonnementstilstand. Brug dens egne understøttede input- og svarindstillinger, når du forbereder en opgave, frem for at overføre indstillinger fra Gemini 2.0 Flash eller en senere Flash-Lite-udgave.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser gemini-2.0-flash-lite | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Tekst · UTF-8-tekst
messages[].content som streng
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktstream |
Parametermaterial_types | Kontrakttext |
Parametertext_file_material | KontraktLæs det faktiske UTF-8-dokument, og indsæt teksten i det angivne input eller beskedens indholdsstreng. |
Livscyklus: synchronous_or_streamed
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
| Konfiguration | Takstplan | Beløb |
|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Beløb Input · Inputtokens $0.00015 / 1K tokens Output · Outputtokens $0.0006 / 1K tokens Input · Cachelæsning $0 / 1K tokens Input · Cacheskrivning $0 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "gemini-2.0-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.0-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.0-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle indholdsblokke, ræsonnementssignaturer og faktiske værktøjsbrugs-ID’er. Saml alle SSE-blokdeltaer; den første tekstblok er ikke hele outputtet.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
Feltid | Typestring |
Feltmodel | Typestring |
Feltcontent[] | Typetext|thinking|tool_use|other content block |
Feltstop_reason | Typestring|null |
Feltusage | Typeobject |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. |
Ailoot Ultra gemini-2.0-flash-lite
Brug metodestierne vist ovenfor.
Teknisk eksempel på engelsk
Extract a small shipment record\n\nExtract the shipment details from this text: 'Dispatch note D-81: sent 12 May; three cartons; destination Leeds. Tracking will follow.' Return labelled fields for note ID, dispatch date, carton count, destination and tracking number. Mark fields not present as unknown; do not infer a year or carrier.Five labelled text fields, with absent tracking information marked unknown and the date kept as supplied.The record retains D-81 and three cartons without inventing a tracking number, year or carrier.