Gemini 2.5 Flash-Lite er Googles stabile letvægtsprofil til oversættelse, klassifikation og enkelt dataudtræk i store mængder. Dens hybride ræsonnement kan anvende eller udelade tænkning efter opgaven. Den accepterer tekst, billeder, lyd, video og PDF og producerer tekst. Et nyttigt resultat er en kategori, en kortfattet oversættelse, en post udtrukket fra indsendt materiale eller en afgrænset skriftlig forklaring.
Ved klassifikation skal du definere kategorierne, beslutningsreglen og svarformen. Bevar kildeidentifikatoren i resultatet, når flere uafhængige elementer behandles. Ved klassifikation af supportbeskeder skal du inddele en besked efter problemtype og returnere den sætning, der underbygger kategorien. Medtag en regel for manglende eller tvetydig dokumentation, så et flydende svar ikke udfylder et påkrævet felt med et gæt. Modellens letvægtsrolle er mest nyttig, når input og det påkrævede resultat er tydeligt angivet.
Tænkning er slået fra som standard i den dokumenterede 2.5 Flash-Lite-konfiguration. Googles GenerateContent-tænkevejledning tillader et eksplicit tænkebudget fra 512 til 24.576 tokens, nul for at lade tænkning forblive slået fra og -1 for at anmode om dynamisk tænkning. Det er styring af ræsonnementsbudgettet, adskilt fra rammen for det endelige svar. Aktiver yderligere ræsonnement, når betingelser i et udtræk påvirker hinanden, eller en klassifikation har undtagelser; en enkel omformning kan beholde standardadfærden uden tænkning. Vejledningen bemærker, at modellen kan bruge flere eller færre tænketokens end det ønskede budget.
Ved oversættelse skal du angive målsprog, målgruppe og termer, der skal bevares. Angiv, om resultatet kun skal indeholde oversættelsen eller en mærket post. Ved dokumentudtræk skal du definere felterne og bede om kildepassager, som gør outputtet kontrollerbart. Ved en optagelse skal du skelne mellem et transkript og en sammenfatning og angive den relevante passage. Billeder eller video kan bidrage med dokumentation til et tekstsvar. Det ønskede resultat skal forblive tydeligt, selv når input kombinerer flere medietyper.
Den modelspecifikke tabel for den stabile udgave angiver function calling, kodeudførelse, filsøgning, search grounding, Maps grounding, URL-kontekst og strukturerede output. Funktioner kræver et klart formål og definerede parametre; den tilsluttede applikation udfører handlingen og leverer resultatet. Ved skemabaseret udtræk skal du validere den returnerede struktur og sammenligne værdierne med det oprindelige materiale. Et værktøjsvalg eller en korrekt formet post er kun nyttig i sammenhæng med kilden og den faktisk returnerede dokumentation.
Det native kort angiver et kontekstvindue på 1M og 64K tekstoutput. API-modelsiden specificerer 1.048.576 inputtokens og 65.536 outputtokens. Instruktioner, kildeindhold og bevaret samtale bruger inputbudgettet, mens ræsonnement og en svargrænse påvirker, om det endelige resultat kan være der. Caching, batch-, Flex- og Priority-behandling er angivet for denne producentprofil. Ved gentagne opgaver skal du beholde de samme kategori- eller feltdefinitioner og føre identifikatorer med gennem resultatet, så en senere gennemgang kan finde det oprindelige element.
Denne stabile profil er adskilt fra Preview-varianterne fra juni og september, som beskrives andre steder i familien. Det fælles native kort tilskriver forbedringer i September Preview, herunder instruktionsfølgning og kortfattethed, specifikt til det preview; de må ikke stiltiende overføres til den stabile identifikator. Senere Flash-Lite-generationer bruger også andre tænkeindstillinger og tabeller over muligheder. Bevar udgaven, og vælg de indstillinger, der er dokumenteret for den, frem for at erstatte 2.5-budgetter med Gemini 3-syntaks for tænkeniveau.
Kortet beskriver hallucinationer og begrænsninger i årsagsforståelse, kompleks logisk deduktion og kontrafaktisk ræsonnement og angiver en vidensgrænse i januar 2025. Lever aktuelle kilder, eller brug en dokumenteret grounding-arbejdsgang, når nyere fakta er vigtige. Gennemgå oversættelser for betydning, udtrukne felter for kildestøtte og transkripter i forhold til lyden. Et fokuseret, lille resultat gør gennemgangen praktisk uden at behandle et poleret svar som dokumentation for, at kilden indeholdt den påståede detalje.
", "aboutText": "Gemini 2.5 Flash-Lite er Googles stabile letvægtsprofil til oversættelse, klassifikation og enkelt dataudtræk i store mængder. Dens hybride ræsonnement kan anvende eller udelade tænkning efter opgaven. Den accepterer tekst, billeder, lyd, video og PDF og producerer tekst. Et nyttigt resultat er en kategori, en kortfattet oversættelse, en post udtrukket fra indsendt materiale eller en afgrænset skriftlig forklaring.\n\nVed klassifikation skal du definere kategorierne, beslutningsreglen og svarformen. Bevar kildeidentifikatoren i resultatet, når flere uafhængige elementer behandles. Ved klassifikation af supportbeskeder skal du inddele en besked efter problemtype og returnere den sætning, der underbygger kategorien. Medtag en regel for manglende eller tvetydig dokumentation, så et flydende svar ikke udfylder et påkrævet felt med et gæt. Modellens letvægtsrolle er mest nyttig, når input og det påkrævede resultat er tydeligt angivet.\n\nTænkning er slået fra som standard i den dokumenterede 2.5 Flash-Lite-konfiguration. Googles GenerateContent-tænkevejledning tillader et eksplicit tænkebudget fra 512 til 24.576 tokens, nul for at lade tænkning forblive slået fra og -1 for at anmode om dynamisk tænkning. Det er styring af ræsonnementsbudgettet, adskilt fra rammen for det endelige svar. Aktiver yderligere ræsonnement, når betingelser i et udtræk påvirker hinanden, eller en klassifikation har undtagelser; en enkel omformning kan beholde standardadfærden uden tænkning. Vejledningen bemærker, at modellen kan bruge flere eller færre tænketokens end det ønskede budget.\n\nVed oversættelse skal du angive målsprog, målgruppe og termer, der skal bevares. Angiv, om resultatet kun skal indeholde oversættelsen eller en mærket post. Ved dokumentudtræk skal du definere felterne og bede om kildepassager, som gør outputtet kontrollerbart. Ved en optagelse skal du skelne mellem et transkript og en sammenfatning og angive den relevante passage. Billeder eller video kan bidrage med dokumentation til et tekstsvar. Det ønskede resultat skal forblive tydeligt, selv når input kombinerer flere medietyper.\n\nDen modelspecifikke tabel for den stabile udgave angiver function calling, kodeudførelse, filsøgning, search grounding, Maps grounding, URL-kontekst og strukturerede output. Funktioner kræver et klart formål og definerede parametre; den tilsluttede applikation udfører handlingen og leverer resultatet. Ved skemabaseret udtræk skal du validere den returnerede struktur og sammenligne værdierne med det oprindelige materiale. Et værktøjsvalg eller en korrekt formet post er kun nyttig i sammenhæng med kilden og den faktisk returnerede dokumentation.\n\nDet native kort angiver et kontekstvindue på 1M og 64K tekstoutput. API-modelsiden specificerer 1.048.576 inputtokens og 65.536 outputtokens. Instruktioner, kildeindhold og bevaret samtale bruger inputbudgettet, mens ræsonnement og en svargrænse påvirker, om det endelige resultat kan være der. Caching, batch-, Flex- og Priority-behandling er angivet for denne producentprofil. Ved gentagne opgaver skal du beholde de samme kategori- eller feltdefinitioner og føre identifikatorer med gennem resultatet, så en senere gennemgang kan finde det oprindelige element.\n\nDenne stabile profil er adskilt fra Preview-varianterne fra juni og september, som beskrives andre steder i familien. Det fælles native kort tilskriver forbedringer i September Preview, herunder instruktionsfølgning og kortfattethed, specifikt til det preview; de må ikke stiltiende overføres til den stabile identifikator. Senere Flash-Lite-generationer bruger også andre tænkeindstillinger og tabeller over muligheder. Bevar udgaven, og vælg de indstillinger, der er dokumenteret for den, frem for at erstatte 2.5-budgetter med Gemini 3-syntaks for tænkeniveau.\n\nKortet beskriver hallucinationer og begrænsninger i årsagsforståelse, kompleks logisk deduktion og kontrafaktisk ræsonnement og angiver en vidensgrænse i januar 2025. Lever aktuelle kilder, eller brug en dokumenteret grounding-arbejdsgang, når nyere fakta er vigtige. Gennemgå oversættelser for betydning, udtrukne felter for kildestøtte og transkripter i forhold til lyden. Et fokuseret, lille resultat gør gennemgangen praktisk uden at behandle et poleret svar som dokumentation for, at kilden indeholdt den påståede detalje.", "editorialOverlay": { "copy_fields": { "practical_html": "Teknisk eksempel på engelsk
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.gemini-2.5-flash-liteGemini 2.5 Flash-Lite er Googles stabile multimodale tekstmodel til hyppig klassifikation, oversættelse og enkelt udtræk. Tænkning er slået fra som standard og kan aktiveres med et ræsonnementsbudget på 512–24.576 tokens. Den accepterer tekst og medier med værktøjer, struktureret output og en inputgrænse på 1.048.576 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Gemini 2.5 Flash-Lite er Googles stabile letvægtsprofil til oversættelse, klassifikation og enkelt dataudtræk i store mængder. Dens hybride ræsonnement kan anvende eller udelade tænkning efter opgaven. Den accepterer tekst, billeder, lyd, video og PDF og producerer tekst. Et nyttigt resultat er en kategori, en kortfattet oversættelse, en post udtrukket fra indsendt materiale eller en afgrænset skriftlig forklaring.
Ved klassifikation skal du definere kategorierne, beslutningsreglen og svarformen. Bevar kildeidentifikatoren i resultatet, når flere uafhængige elementer behandles. Ved klassifikation af supportbeskeder skal du inddele en besked efter problemtype og returnere den sætning, der underbygger kategorien. Medtag en regel for manglende eller tvetydig dokumentation, så et flydende svar ikke udfylder et påkrævet felt med et gæt. Modellens letvægtsrolle er mest nyttig, når input og det påkrævede resultat er tydeligt angivet.
Tænkning er slået fra som standard i den dokumenterede 2.5 Flash-Lite-konfiguration. Googles GenerateContent-tænkevejledning tillader et eksplicit tænkebudget fra 512 til 24.576 tokens, nul for at lade tænkning forblive slået fra og -1 for at anmode om dynamisk tænkning. Det er styring af ræsonnementsbudgettet, adskilt fra rammen for det endelige svar. Aktiver yderligere ræsonnement, når betingelser i et udtræk påvirker hinanden, eller en klassifikation har undtagelser; en enkel omformning kan beholde standardadfærden uden tænkning. Vejledningen bemærker, at modellen kan bruge flere eller færre tænketokens end det ønskede budget.
Ved oversættelse skal du angive målsprog, målgruppe og termer, der skal bevares. Angiv, om resultatet kun skal indeholde oversættelsen eller en mærket post. Ved dokumentudtræk skal du definere felterne og bede om kildepassager, som gør outputtet kontrollerbart. Ved en optagelse skal du skelne mellem et transkript og en sammenfatning og angive den relevante passage. Billeder eller video kan bidrage med dokumentation til et tekstsvar. Det ønskede resultat skal forblive tydeligt, selv når input kombinerer flere medietyper.
Den modelspecifikke tabel for den stabile udgave angiver function calling, kodeudførelse, filsøgning, search grounding, Maps grounding, URL-kontekst og strukturerede output. Funktioner kræver et klart formål og definerede parametre; den tilsluttede applikation udfører handlingen og leverer resultatet. Ved skemabaseret udtræk skal du validere den returnerede struktur og sammenligne værdierne med det oprindelige materiale. Et værktøjsvalg eller en korrekt formet post er kun nyttig i sammenhæng med kilden og den faktisk returnerede dokumentation.
Det native kort angiver et kontekstvindue på 1M og 64K tekstoutput. API-modelsiden specificerer 1.048.576 inputtokens og 65.536 outputtokens. Instruktioner, kildeindhold og bevaret samtale bruger inputbudgettet, mens ræsonnement og en svargrænse påvirker, om det endelige resultat kan være der. Caching, batch-, Flex- og Priority-behandling er angivet for denne producentprofil. Ved gentagne opgaver skal du beholde de samme kategori- eller feltdefinitioner og føre identifikatorer med gennem resultatet, så en senere gennemgang kan finde det oprindelige element.
Denne stabile profil er adskilt fra Preview-varianterne fra juni og september, som beskrives andre steder i familien. Det fælles native kort tilskriver forbedringer i September Preview, herunder instruktionsfølgning og kortfattethed, specifikt til det preview; de må ikke stiltiende overføres til den stabile identifikator. Senere Flash-Lite-generationer bruger også andre tænkeindstillinger og tabeller over muligheder. Bevar udgaven, og vælg de indstillinger, der er dokumenteret for den, frem for at erstatte 2.5-budgetter med Gemini 3-syntaks for tænkeniveau.
Kortet beskriver hallucinationer og begrænsninger i årsagsforståelse, kompleks logisk deduktion og kontrafaktisk ræsonnement og angiver en vidensgrænse i januar 2025. Lever aktuelle kilder, eller brug en dokumenteret grounding-arbejdsgang, når nyere fakta er vigtige. Gennemgå oversættelser for betydning, udtrukne felter for kildestøtte og transkripter i forhold til lyden. Et fokuseret, lille resultat gør gennemgangen praktisk uden at behandle et poleret svar som dokumentation for, at kilden indeholdt den påståede detalje.
POST /v1/messagestext, imagetext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser gemini-2.5-flash-lite | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser user, assistant | Standard— |
Feltmessages[].content | Typestring|content_block[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltsystem | Typestring|content_block[] | KravValgfrit | Værdier og grænser | Standard— |
Feltmax_tokens | Typeinteger | KravPåkrævet | Værdier og grænser Minimum: 1 Grænsen gælder for: den præcise øvre grænse for valgt model/modelkort | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
Felttemperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttop_p | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltstop_sequences | Typestring[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools | Typetool[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].name | Typestring | KravValgfrit | Værdier og grænser Gælder når: værktøj angivet | Standard— |
Felttools[].description | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Felttools[].input_schema | TypeJSON_schema | KravValgfrit | Værdier og grænser | Standard— |
Felttool_choice | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltthinking.type | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltthinking.budget_tokens | Typeinteger | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltoutput_config.effort | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Feltmetadata | Typeobject | KravValgfrit | Værdier og grænser | Standard— |
Feltcache_control | Typeobject | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Tekst · UTF8-tekst
messages[].content eller en blok med type=text
Tekst + billede
{type:image,source:{type:base64,media_type,data}} eller kilde med type=url
| Parameter | Kontrakt |
|---|---|
Parametermaterial_types | Kontrakttext, image |
Parameterrequired | Kontraktmodel, messages, max_tokens |
Parameteroptional_controls | Kontraktnull |
Parametercontent_type | Kontraktapplication/json |
Parametertext_file_material | Kontraktfaktisk UTF-8-indhold indsat som tekst; fil-ID’er/URLs kræver særskilt præcis understøttelse |
Livscyklus: exact retained published method
Metodernes strukturer og ID’er er præcise; leverandørens muligheder er adskilt fra adgangstilladelse.
POST /v1/messagesAiloot 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 →
Referenceplaner på modelniveau ændrer ikke metodevalg, prisoverslag eller opkrævninger. Ved den aktive afregning anvendes taksterne for den valgte Ailoot-metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Grundtakster pr. token | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationOpenAI Chat · Trin 1 efter anmodningens længde | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnthropic Messages · Grundtakster pr. token | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnthropic Messages · Trin 1 efter anmodningens længde | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-flash-lite",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-flash-lite",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='gemini-2.5-flash-lite',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite er Googles stabile multimodale tekstmodel til hyppig klassifikation, oversættelse og enkelt udtræk. Tænkning er slået fra som standard og kan aktiveres med et ræsonnementsbudget på 512–24.576 tokens. Den accepterer tekst og medier med værktøjer, struktureret output og en inputgrænse på 1.048.576 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Gemini 2.5 Flash-Lite er Googles stabile letvægtsprofil til oversættelse, klassifikation og enkelt dataudtræk i store mængder. Dens hybride ræsonnement kan anvende eller udelade tænkning efter opgaven. Den accepterer tekst, billeder, lyd, video og PDF og producerer tekst. Et nyttigt resultat er en kategori, en kortfattet oversættelse, en post udtrukket fra indsendt materiale eller en afgrænset skriftlig forklaring.
Ved klassifikation skal du definere kategorierne, beslutningsreglen og svarformen. Bevar kildeidentifikatoren i resultatet, når flere uafhængige elementer behandles. Ved klassifikation af supportbeskeder skal du inddele en besked efter problemtype og returnere den sætning, der underbygger kategorien. Medtag en regel for manglende eller tvetydig dokumentation, så et flydende svar ikke udfylder et påkrævet felt med et gæt. Modellens letvægtsrolle er mest nyttig, når input og det påkrævede resultat er tydeligt angivet.
Tænkning er slået fra som standard i den dokumenterede 2.5 Flash-Lite-konfiguration. Googles GenerateContent-tænkevejledning tillader et eksplicit tænkebudget fra 512 til 24.576 tokens, nul for at lade tænkning forblive slået fra og -1 for at anmode om dynamisk tænkning. Det er styring af ræsonnementsbudgettet, adskilt fra rammen for det endelige svar. Aktiver yderligere ræsonnement, når betingelser i et udtræk påvirker hinanden, eller en klassifikation har undtagelser; en enkel omformning kan beholde standardadfærden uden tænkning. Vejledningen bemærker, at modellen kan bruge flere eller færre tænketokens end det ønskede budget.
Ved oversættelse skal du angive målsprog, målgruppe og termer, der skal bevares. Angiv, om resultatet kun skal indeholde oversættelsen eller en mærket post. Ved dokumentudtræk skal du definere felterne og bede om kildepassager, som gør outputtet kontrollerbart. Ved en optagelse skal du skelne mellem et transkript og en sammenfatning og angive den relevante passage. Billeder eller video kan bidrage med dokumentation til et tekstsvar. Det ønskede resultat skal forblive tydeligt, selv når input kombinerer flere medietyper.
Den modelspecifikke tabel for den stabile udgave angiver function calling, kodeudførelse, filsøgning, search grounding, Maps grounding, URL-kontekst og strukturerede output. Funktioner kræver et klart formål og definerede parametre; den tilsluttede applikation udfører handlingen og leverer resultatet. Ved skemabaseret udtræk skal du validere den returnerede struktur og sammenligne værdierne med det oprindelige materiale. Et værktøjsvalg eller en korrekt formet post er kun nyttig i sammenhæng med kilden og den faktisk returnerede dokumentation.
Det native kort angiver et kontekstvindue på 1M og 64K tekstoutput. API-modelsiden specificerer 1.048.576 inputtokens og 65.536 outputtokens. Instruktioner, kildeindhold og bevaret samtale bruger inputbudgettet, mens ræsonnement og en svargrænse påvirker, om det endelige resultat kan være der. Caching, batch-, Flex- og Priority-behandling er angivet for denne producentprofil. Ved gentagne opgaver skal du beholde de samme kategori- eller feltdefinitioner og føre identifikatorer med gennem resultatet, så en senere gennemgang kan finde det oprindelige element.
Denne stabile profil er adskilt fra Preview-varianterne fra juni og september, som beskrives andre steder i familien. Det fælles native kort tilskriver forbedringer i September Preview, herunder instruktionsfølgning og kortfattethed, specifikt til det preview; de må ikke stiltiende overføres til den stabile identifikator. Senere Flash-Lite-generationer bruger også andre tænkeindstillinger og tabeller over muligheder. Bevar udgaven, og vælg de indstillinger, der er dokumenteret for den, frem for at erstatte 2.5-budgetter med Gemini 3-syntaks for tænkeniveau.
Kortet beskriver hallucinationer og begrænsninger i årsagsforståelse, kompleks logisk deduktion og kontrafaktisk ræsonnement og angiver en vidensgrænse i januar 2025. Lever aktuelle kilder, eller brug en dokumenteret grounding-arbejdsgang, når nyere fakta er vigtige. Gennemgå oversættelser for betydning, udtrukne felter for kildestøtte og transkripter i forhold til lyden. Et fokuseret, lille resultat gør gennemgangen praktisk uden at behandle et poleret svar som dokumentation for, at kilden indeholdt den påståede detalje.
POST /v1beta/models/{model}:generateContenttext, imagetext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltpath.model | Typestring | KravPåkrævet | Værdier og grænser gemini-2.5-flash-lite | Standard— |
Feltcontents | Typecontent[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltcontents[].role | Typestring | KravValgfrit | Værdier og grænser user, model | Standard— |
Feltcontents[].parts | Typepart[] | KravPåkrævet | Værdier og grænser | Standard— |
FeltsystemInstruction | Typecontent | KravValgfrit | Værdier og grænser | Standard— |
FeltgenerationConfig.maxOutputTokens | Typeinteger | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— |
FeltgenerationConfig.temperature | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
FeltgenerationConfig.topP | Typenumber | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
FeltgenerationConfig.topK | Typeinteger | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
FeltgenerationConfig.stopSequences | Typestring[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
FeltgenerationConfig.thinkingConfig.includeThoughts | Typeboolean | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
FeltgenerationConfig.thinkingConfig.thinkingBudget | Typeinteger | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
Felttools[].functionDeclarations | Typefunction_declaration[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
FelttoolConfig.functionCallingConfig.mode | Typestring | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
FeltsafetySettings | Typeobject[] | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— |
FeltsessionId | Typestring | KravValgfrit | Værdier og grænser | Standard— |
Tekst · UTF8-tekst
contents[].parts[].text
Tekst + billede
parts[].inlineData={mimeType,data}
| Parameter | Kontrakt |
|---|---|
Parametermaterial_types | Kontrakttext, image |
Parameterrequired | Kontraktcontents |
Parameteroptional_controls | Kontraktnull |
Parametercontent_type | Kontraktapplication/json |
Parametertext_file_material | Kontraktfaktisk UTF-8-indhold indsat som tekst; fil-ID’er/URLs kræver særskilt præcis understøttelse |
Livscyklus: exact retained published method
Metodernes strukturer og ID’er er præcise; leverandørens muligheder er adskilt fra adgangstilladelse.
POST /v1beta/models/{model}:generateContentAiloot 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 →
Referenceplaner på modelniveau ændrer ikke metodevalg, prisoverslag eller opkrævninger. Ved den aktive afregning anvendes taksterne for den valgte Ailoot-metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Grundtakster pr. token | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationOpenAI Chat · Trin 1 efter anmodningens længde | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnthropic Messages · Grundtakster pr. token | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnthropic Messages · Trin 1 efter anmodningens længde | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-flash-lite", contents="Explain the difference between an observation and a hypothesis 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(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-flash-lite", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\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=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\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\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-flash-lite',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson eller understøttet streaming
Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Bevar alle kandidater og dele, herunder funktionskald, ræsonnementssignaturer og forbrugsoplysninger; saml streamingdele i rækkefølge.
Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob.
| Felt | Type |
|---|---|
FeltresponseId | Typestring |
FeltmodelVersion | Typestring |
Feltcandidates[].content.parts[] | Typetext|inlineData|functionCall|other part |
Feltcandidates[].finishReason | Typestring |
FeltusageMetadata | 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite er Googles stabile multimodale tekstmodel til hyppig klassifikation, oversættelse og enkelt udtræk. Tænkning er slået fra som standard og kan aktiveres med et ræsonnementsbudget på 512–24.576 tokens. Den accepterer tekst og medier med værktøjer, struktureret output og en inputgrænse på 1.048.576 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Gemini 2.5 Flash-Lite er Googles stabile letvægtsprofil til oversættelse, klassifikation og enkelt dataudtræk i store mængder. Dens hybride ræsonnement kan anvende eller udelade tænkning efter opgaven. Den accepterer tekst, billeder, lyd, video og PDF og producerer tekst. Et nyttigt resultat er en kategori, en kortfattet oversættelse, en post udtrukket fra indsendt materiale eller en afgrænset skriftlig forklaring.
Ved klassifikation skal du definere kategorierne, beslutningsreglen og svarformen. Bevar kildeidentifikatoren i resultatet, når flere uafhængige elementer behandles. Ved klassifikation af supportbeskeder skal du inddele en besked efter problemtype og returnere den sætning, der underbygger kategorien. Medtag en regel for manglende eller tvetydig dokumentation, så et flydende svar ikke udfylder et påkrævet felt med et gæt. Modellens letvægtsrolle er mest nyttig, når input og det påkrævede resultat er tydeligt angivet.
Tænkning er slået fra som standard i den dokumenterede 2.5 Flash-Lite-konfiguration. Googles GenerateContent-tænkevejledning tillader et eksplicit tænkebudget fra 512 til 24.576 tokens, nul for at lade tænkning forblive slået fra og -1 for at anmode om dynamisk tænkning. Det er styring af ræsonnementsbudgettet, adskilt fra rammen for det endelige svar. Aktiver yderligere ræsonnement, når betingelser i et udtræk påvirker hinanden, eller en klassifikation har undtagelser; en enkel omformning kan beholde standardadfærden uden tænkning. Vejledningen bemærker, at modellen kan bruge flere eller færre tænketokens end det ønskede budget.
Ved oversættelse skal du angive målsprog, målgruppe og termer, der skal bevares. Angiv, om resultatet kun skal indeholde oversættelsen eller en mærket post. Ved dokumentudtræk skal du definere felterne og bede om kildepassager, som gør outputtet kontrollerbart. Ved en optagelse skal du skelne mellem et transkript og en sammenfatning og angive den relevante passage. Billeder eller video kan bidrage med dokumentation til et tekstsvar. Det ønskede resultat skal forblive tydeligt, selv når input kombinerer flere medietyper.
Den modelspecifikke tabel for den stabile udgave angiver function calling, kodeudførelse, filsøgning, search grounding, Maps grounding, URL-kontekst og strukturerede output. Funktioner kræver et klart formål og definerede parametre; den tilsluttede applikation udfører handlingen og leverer resultatet. Ved skemabaseret udtræk skal du validere den returnerede struktur og sammenligne værdierne med det oprindelige materiale. Et værktøjsvalg eller en korrekt formet post er kun nyttig i sammenhæng med kilden og den faktisk returnerede dokumentation.
Det native kort angiver et kontekstvindue på 1M og 64K tekstoutput. API-modelsiden specificerer 1.048.576 inputtokens og 65.536 outputtokens. Instruktioner, kildeindhold og bevaret samtale bruger inputbudgettet, mens ræsonnement og en svargrænse påvirker, om det endelige resultat kan være der. Caching, batch-, Flex- og Priority-behandling er angivet for denne producentprofil. Ved gentagne opgaver skal du beholde de samme kategori- eller feltdefinitioner og føre identifikatorer med gennem resultatet, så en senere gennemgang kan finde det oprindelige element.
Denne stabile profil er adskilt fra Preview-varianterne fra juni og september, som beskrives andre steder i familien. Det fælles native kort tilskriver forbedringer i September Preview, herunder instruktionsfølgning og kortfattethed, specifikt til det preview; de må ikke stiltiende overføres til den stabile identifikator. Senere Flash-Lite-generationer bruger også andre tænkeindstillinger og tabeller over muligheder. Bevar udgaven, og vælg de indstillinger, der er dokumenteret for den, frem for at erstatte 2.5-budgetter med Gemini 3-syntaks for tænkeniveau.
Kortet beskriver hallucinationer og begrænsninger i årsagsforståelse, kompleks logisk deduktion og kontrafaktisk ræsonnement og angiver en vidensgrænse i januar 2025. Lever aktuelle kilder, eller brug en dokumenteret grounding-arbejdsgang, når nyere fakta er vigtige. Gennemgå oversættelser for betydning, udtrukne felter for kildestøtte og transkripter i forhold til lyden. Et fokuseret, lille resultat gør gennemgangen praktisk uden at behandle et poleret svar som dokumentation for, at kilden indeholdt den påståede detalje.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser gemini-2.5-flash-lite | Standard— |
Feltmessages | Typemessage[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltmessages[].role | Typestring | KravPåkrævet | Værdier og grænser Afhænger af modellen | Standard— |
Feltmessages[].content | Typestring | KravValgfrit | Værdier og grænser Gælder når: Tekstsamtale | Standard— |
Feltstream | Typeboolean | KravValgfrit | Værdier og grænser | Standardfalse |
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 |
Parametercontrol_scope | KontraktTekstsamtale; stream er en boolesk værdi og er som standard false. |
Parameteroutput_modalities | Kontrakttext |
Parameterhosted_operations | Kontraktfalse |
Parametermultimodal_input_binding | Kontraktnull |
Metodealiaser: /chat/completions
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.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-2.5-flash-lite","messages":[{"role":"user","content":"hello"}],"stream":false}')\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-2.5-flash-lite", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite er Googles stabile multimodale tekstmodel til hyppig klassifikation, oversættelse og enkelt udtræk. Tænkning er slået fra som standard og kan aktiveres med et ræsonnementsbudget på 512–24.576 tokens. Den accepterer tekst og medier med værktøjer, struktureret output og en inputgrænse på 1.048.576 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Gemini 2.5 Flash-Lite er Googles stabile letvægtsprofil til oversættelse, klassifikation og enkelt dataudtræk i store mængder. Dens hybride ræsonnement kan anvende eller udelade tænkning efter opgaven. Den accepterer tekst, billeder, lyd, video og PDF og producerer tekst. Et nyttigt resultat er en kategori, en kortfattet oversættelse, en post udtrukket fra indsendt materiale eller en afgrænset skriftlig forklaring.
Ved klassifikation skal du definere kategorierne, beslutningsreglen og svarformen. Bevar kildeidentifikatoren i resultatet, når flere uafhængige elementer behandles. Ved klassifikation af supportbeskeder skal du inddele en besked efter problemtype og returnere den sætning, der underbygger kategorien. Medtag en regel for manglende eller tvetydig dokumentation, så et flydende svar ikke udfylder et påkrævet felt med et gæt. Modellens letvægtsrolle er mest nyttig, når input og det påkrævede resultat er tydeligt angivet.
Tænkning er slået fra som standard i den dokumenterede 2.5 Flash-Lite-konfiguration. Googles GenerateContent-tænkevejledning tillader et eksplicit tænkebudget fra 512 til 24.576 tokens, nul for at lade tænkning forblive slået fra og -1 for at anmode om dynamisk tænkning. Det er styring af ræsonnementsbudgettet, adskilt fra rammen for det endelige svar. Aktiver yderligere ræsonnement, når betingelser i et udtræk påvirker hinanden, eller en klassifikation har undtagelser; en enkel omformning kan beholde standardadfærden uden tænkning. Vejledningen bemærker, at modellen kan bruge flere eller færre tænketokens end det ønskede budget.
Ved oversættelse skal du angive målsprog, målgruppe og termer, der skal bevares. Angiv, om resultatet kun skal indeholde oversættelsen eller en mærket post. Ved dokumentudtræk skal du definere felterne og bede om kildepassager, som gør outputtet kontrollerbart. Ved en optagelse skal du skelne mellem et transkript og en sammenfatning og angive den relevante passage. Billeder eller video kan bidrage med dokumentation til et tekstsvar. Det ønskede resultat skal forblive tydeligt, selv når input kombinerer flere medietyper.
Den modelspecifikke tabel for den stabile udgave angiver function calling, kodeudførelse, filsøgning, search grounding, Maps grounding, URL-kontekst og strukturerede output. Funktioner kræver et klart formål og definerede parametre; den tilsluttede applikation udfører handlingen og leverer resultatet. Ved skemabaseret udtræk skal du validere den returnerede struktur og sammenligne værdierne med det oprindelige materiale. Et værktøjsvalg eller en korrekt formet post er kun nyttig i sammenhæng med kilden og den faktisk returnerede dokumentation.
Det native kort angiver et kontekstvindue på 1M og 64K tekstoutput. API-modelsiden specificerer 1.048.576 inputtokens og 65.536 outputtokens. Instruktioner, kildeindhold og bevaret samtale bruger inputbudgettet, mens ræsonnement og en svargrænse påvirker, om det endelige resultat kan være der. Caching, batch-, Flex- og Priority-behandling er angivet for denne producentprofil. Ved gentagne opgaver skal du beholde de samme kategori- eller feltdefinitioner og føre identifikatorer med gennem resultatet, så en senere gennemgang kan finde det oprindelige element.
Denne stabile profil er adskilt fra Preview-varianterne fra juni og september, som beskrives andre steder i familien. Det fælles native kort tilskriver forbedringer i September Preview, herunder instruktionsfølgning og kortfattethed, specifikt til det preview; de må ikke stiltiende overføres til den stabile identifikator. Senere Flash-Lite-generationer bruger også andre tænkeindstillinger og tabeller over muligheder. Bevar udgaven, og vælg de indstillinger, der er dokumenteret for den, frem for at erstatte 2.5-budgetter med Gemini 3-syntaks for tænkeniveau.
Kortet beskriver hallucinationer og begrænsninger i årsagsforståelse, kompleks logisk deduktion og kontrafaktisk ræsonnement og angiver en vidensgrænse i januar 2025. Lever aktuelle kilder, eller brug en dokumenteret grounding-arbejdsgang, når nyere fakta er vigtige. Gennemgå oversættelser for betydning, udtrukne felter for kildestøtte og transkripter i forhold til lyden. Et fokuseret, lille resultat gør gennemgangen praktisk uden at behandle et poleret svar som dokumentation for, at kilden indeholdt den påståede detalje.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser gemini-2.5-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.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2.5-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-2.5-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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite er Googles stabile multimodale tekstmodel til hyppig klassifikation, oversættelse og enkelt udtræk. Tænkning er slået fra som standard og kan aktiveres med et ræsonnementsbudget på 512–24.576 tokens. Den accepterer tekst og medier med værktøjer, struktureret output og en inputgrænse på 1.048.576 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Gemini 2.5 Flash-Lite er Googles stabile letvægtsprofil til oversættelse, klassifikation og enkelt dataudtræk i store mængder. Dens hybride ræsonnement kan anvende eller udelade tænkning efter opgaven. Den accepterer tekst, billeder, lyd, video og PDF og producerer tekst. Et nyttigt resultat er en kategori, en kortfattet oversættelse, en post udtrukket fra indsendt materiale eller en afgrænset skriftlig forklaring.
Ved klassifikation skal du definere kategorierne, beslutningsreglen og svarformen. Bevar kildeidentifikatoren i resultatet, når flere uafhængige elementer behandles. Ved klassifikation af supportbeskeder skal du inddele en besked efter problemtype og returnere den sætning, der underbygger kategorien. Medtag en regel for manglende eller tvetydig dokumentation, så et flydende svar ikke udfylder et påkrævet felt med et gæt. Modellens letvægtsrolle er mest nyttig, når input og det påkrævede resultat er tydeligt angivet.
Tænkning er slået fra som standard i den dokumenterede 2.5 Flash-Lite-konfiguration. Googles GenerateContent-tænkevejledning tillader et eksplicit tænkebudget fra 512 til 24.576 tokens, nul for at lade tænkning forblive slået fra og -1 for at anmode om dynamisk tænkning. Det er styring af ræsonnementsbudgettet, adskilt fra rammen for det endelige svar. Aktiver yderligere ræsonnement, når betingelser i et udtræk påvirker hinanden, eller en klassifikation har undtagelser; en enkel omformning kan beholde standardadfærden uden tænkning. Vejledningen bemærker, at modellen kan bruge flere eller færre tænketokens end det ønskede budget.
Ved oversættelse skal du angive målsprog, målgruppe og termer, der skal bevares. Angiv, om resultatet kun skal indeholde oversættelsen eller en mærket post. Ved dokumentudtræk skal du definere felterne og bede om kildepassager, som gør outputtet kontrollerbart. Ved en optagelse skal du skelne mellem et transkript og en sammenfatning og angive den relevante passage. Billeder eller video kan bidrage med dokumentation til et tekstsvar. Det ønskede resultat skal forblive tydeligt, selv når input kombinerer flere medietyper.
Den modelspecifikke tabel for den stabile udgave angiver function calling, kodeudførelse, filsøgning, search grounding, Maps grounding, URL-kontekst og strukturerede output. Funktioner kræver et klart formål og definerede parametre; den tilsluttede applikation udfører handlingen og leverer resultatet. Ved skemabaseret udtræk skal du validere den returnerede struktur og sammenligne værdierne med det oprindelige materiale. Et værktøjsvalg eller en korrekt formet post er kun nyttig i sammenhæng med kilden og den faktisk returnerede dokumentation.
Det native kort angiver et kontekstvindue på 1M og 64K tekstoutput. API-modelsiden specificerer 1.048.576 inputtokens og 65.536 outputtokens. Instruktioner, kildeindhold og bevaret samtale bruger inputbudgettet, mens ræsonnement og en svargrænse påvirker, om det endelige resultat kan være der. Caching, batch-, Flex- og Priority-behandling er angivet for denne producentprofil. Ved gentagne opgaver skal du beholde de samme kategori- eller feltdefinitioner og føre identifikatorer med gennem resultatet, så en senere gennemgang kan finde det oprindelige element.
Denne stabile profil er adskilt fra Preview-varianterne fra juni og september, som beskrives andre steder i familien. Det fælles native kort tilskriver forbedringer i September Preview, herunder instruktionsfølgning og kortfattethed, specifikt til det preview; de må ikke stiltiende overføres til den stabile identifikator. Senere Flash-Lite-generationer bruger også andre tænkeindstillinger og tabeller over muligheder. Bevar udgaven, og vælg de indstillinger, der er dokumenteret for den, frem for at erstatte 2.5-budgetter med Gemini 3-syntaks for tænkeniveau.
Kortet beskriver hallucinationer og begrænsninger i årsagsforståelse, kompleks logisk deduktion og kontrafaktisk ræsonnement og angiver en vidensgrænse i januar 2025. Lever aktuelle kilder, eller brug en dokumenteret grounding-arbejdsgang, når nyere fakta er vigtige. Gennemgå oversættelser for betydning, udtrukne felter for kildestøtte og transkripter i forhold til lyden. Et fokuseret, lille resultat gør gennemgangen praktisk uden at behandle et poleret svar som dokumentation for, at kilden indeholdt den påståede detalje.
POST /v1/chat/completionstexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser google/gemini-2.5-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.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-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='google/gemini-2.5-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='google/gemini-2.5-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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite er Googles stabile multimodale tekstmodel til hyppig klassifikation, oversættelse og enkelt udtræk. Tænkning er slået fra som standard og kan aktiveres med et ræsonnementsbudget på 512–24.576 tokens. Den accepterer tekst og medier med værktøjer, struktureret output og en inputgrænse på 1.048.576 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Gemini 2.5 Flash-Lite er Googles stabile letvægtsprofil til oversættelse, klassifikation og enkelt dataudtræk i store mængder. Dens hybride ræsonnement kan anvende eller udelade tænkning efter opgaven. Den accepterer tekst, billeder, lyd, video og PDF og producerer tekst. Et nyttigt resultat er en kategori, en kortfattet oversættelse, en post udtrukket fra indsendt materiale eller en afgrænset skriftlig forklaring.
Ved klassifikation skal du definere kategorierne, beslutningsreglen og svarformen. Bevar kildeidentifikatoren i resultatet, når flere uafhængige elementer behandles. Ved klassifikation af supportbeskeder skal du inddele en besked efter problemtype og returnere den sætning, der underbygger kategorien. Medtag en regel for manglende eller tvetydig dokumentation, så et flydende svar ikke udfylder et påkrævet felt med et gæt. Modellens letvægtsrolle er mest nyttig, når input og det påkrævede resultat er tydeligt angivet.
Tænkning er slået fra som standard i den dokumenterede 2.5 Flash-Lite-konfiguration. Googles GenerateContent-tænkevejledning tillader et eksplicit tænkebudget fra 512 til 24.576 tokens, nul for at lade tænkning forblive slået fra og -1 for at anmode om dynamisk tænkning. Det er styring af ræsonnementsbudgettet, adskilt fra rammen for det endelige svar. Aktiver yderligere ræsonnement, når betingelser i et udtræk påvirker hinanden, eller en klassifikation har undtagelser; en enkel omformning kan beholde standardadfærden uden tænkning. Vejledningen bemærker, at modellen kan bruge flere eller færre tænketokens end det ønskede budget.
Ved oversættelse skal du angive målsprog, målgruppe og termer, der skal bevares. Angiv, om resultatet kun skal indeholde oversættelsen eller en mærket post. Ved dokumentudtræk skal du definere felterne og bede om kildepassager, som gør outputtet kontrollerbart. Ved en optagelse skal du skelne mellem et transkript og en sammenfatning og angive den relevante passage. Billeder eller video kan bidrage med dokumentation til et tekstsvar. Det ønskede resultat skal forblive tydeligt, selv når input kombinerer flere medietyper.
Den modelspecifikke tabel for den stabile udgave angiver function calling, kodeudførelse, filsøgning, search grounding, Maps grounding, URL-kontekst og strukturerede output. Funktioner kræver et klart formål og definerede parametre; den tilsluttede applikation udfører handlingen og leverer resultatet. Ved skemabaseret udtræk skal du validere den returnerede struktur og sammenligne værdierne med det oprindelige materiale. Et værktøjsvalg eller en korrekt formet post er kun nyttig i sammenhæng med kilden og den faktisk returnerede dokumentation.
Det native kort angiver et kontekstvindue på 1M og 64K tekstoutput. API-modelsiden specificerer 1.048.576 inputtokens og 65.536 outputtokens. Instruktioner, kildeindhold og bevaret samtale bruger inputbudgettet, mens ræsonnement og en svargrænse påvirker, om det endelige resultat kan være der. Caching, batch-, Flex- og Priority-behandling er angivet for denne producentprofil. Ved gentagne opgaver skal du beholde de samme kategori- eller feltdefinitioner og føre identifikatorer med gennem resultatet, så en senere gennemgang kan finde det oprindelige element.
Denne stabile profil er adskilt fra Preview-varianterne fra juni og september, som beskrives andre steder i familien. Det fælles native kort tilskriver forbedringer i September Preview, herunder instruktionsfølgning og kortfattethed, specifikt til det preview; de må ikke stiltiende overføres til den stabile identifikator. Senere Flash-Lite-generationer bruger også andre tænkeindstillinger og tabeller over muligheder. Bevar udgaven, og vælg de indstillinger, der er dokumenteret for den, frem for at erstatte 2.5-budgetter med Gemini 3-syntaks for tænkeniveau.
Kortet beskriver hallucinationer og begrænsninger i årsagsforståelse, kompleks logisk deduktion og kontrafaktisk ræsonnement og angiver en vidensgrænse i januar 2025. Lever aktuelle kilder, eller brug en dokumenteret grounding-arbejdsgang, når nyere fakta er vigtige. Gennemgå oversættelser for betydning, udtrukne felter for kildestøtte og transkripter i forhold til lyden. Et fokuseret, lille resultat gør gennemgangen praktisk uden at behandle et poleret svar som dokumentation for, at kilden indeholdt den påståede detalje.
POST /v1/messagestextjson, sse| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser google/gemini-2.5-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.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.0002 / 1K tokens Output · Outputtokens $0.0008 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning $0.0001666666666666666 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
{\n "model": "google/gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'google/gemini-2.5-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': 'google/gemini-2.5-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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
Teknisk eksempel på engelsk
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.