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": null, "copy_sha256": null, "copy_source": null, "html_sha256": "5f6fd6c6187fe608c1ef36715dfbf6d1a16c77f2f70d7f4797800d82e55b5a40", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "google/gemini-2.5-flash-lite:batchGemini 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/batchestexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltendpoint | Typestring | KravPåkrævet | Værdier og grænser /v1/chat/completions | Standard— |
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser google/gemini-2.5-flash-lite:batch | Standard— |
Feltrequests | Typebatch_item[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltrequests[].custom_id | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltrequests[].body.messages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltcompletion_window | Typestring | KravValgfrit | Værdier og grænser 24h | Standard— |
Feltprovider | Typeobject|null | KravValgfrit | Værdier og grænser | Standard— |
Feltrequests[].body.model | Typestring | KravValgfrit | Værdier og grænser google/gemini-2.5-flash-lite:batch, google/gemini-2.5-flash-lite | Standard— |
Feltprovider.only | Typestring[] | KravValgfrit | Værdier og grænser google-ai-studio | Standard— |
Feltprovider.allow_fallbacks | Typeboolean|null | KravValgfrit | Værdier og grænser false, null | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktendpoint, model, requests |
Parametermaterial_types | Kontrakttext |
Parameterrepresentation | Kontraktrequests[] direkte i anmodningen; hvert element har custom_id og body |
Parameterrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parameterfile_material | KontraktDen kaldende part kan læse det faktiske JSONL-indhold i UTF-8 lokalt ind i requests[]. Der angives hverken purpose til upload, input_file_id eller en filreference. Hvis kundematerialet mangler eller er tomt, stoppes forberedelsen før POST. |
Parameterserialization_order | Kontraktendpoint, model, provider (hvis angivet), completion_window (hvis angivet), requests til sidst |
Parameteroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | KontraktAnmodningsindhold for Chat Completions med tekst i den dokumenterede inline Batch-struktur. |
Livscyklus: asynchronous
GET /v1/batches/{operation_id} · det faktiske response.id fra den oprindelige oprettelse; samme bruger/nøgle/gruppe
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 $0.0001 / 1K tokens Output · Outputtokens $0.0004 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning — / 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 $0.0001 / 1K tokens Output · Outputtokens $0.0004 / 1K tokens Input · Cachelæsning $0.00002 / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-2.5-flash-lite:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-2.5-flash-lite:batch', 'google/gemini-2.5-flash-lite']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-2.5-flash-lite:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON direkte i results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nGem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Gem hele den oprindelige status i JSON, hvert resultat/custom_id og det fulde svar- eller fejlindhold. Gem færdige results[] som JSONL uden filtrering.
Gem det oprindelige operations-ID. 503 result_pending_check har X-Should-Retry:false; send aldrig en oprindelig batch igen, hvis dens udfald er ukendt.
| Felt | Type |
|---|---|
Feltresults[].custom_id | Typestring |
Feltresults[].response.body.choices[].message.content | Typestring|null |
Feltresults[].error | Typeobject|null |
Feltusage | Typeobject|null |
Feltid | Typestring |
Feltmodel | Typestring |
Feltendpoint | Typestring |
Feltstatus | Typestring |
Feltrequest_counts | Typeobject |
Feltresults[].id | Typestring |
Feltresults[].response.status_code | Typeinteger |
Feltresults[].response.request_id | Typestring |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldig dokumenteret inline-struktur, dublerede nøgler, ugyldig elementidentitet eller konflikt med modellens konfigurerede funktioner. | Næste trinRet de angivne felter, før du sender en ny anmodning. |
Svar401 · authentication_error | BetingelseUgyldig API-nøgle. | Næste trinBrug den godkendte Ailoot-nøgle. |
Svar403 · permission_error | BetingelseBatch-gruppen er ikke tilgængelig. | Næste trinKontrollér nøglens/gruppens adgangsrettigheder. |
Svar422 · invalid_request_error | BetingelseBatch afregnes via saldoen; oprettelse via et abonnement afvises. | Næste trinBrug den godkendte gruppe med saldoafregning. |
Svar422 · price_unavailable | BetingelseDer kan ikke beregnes en pris for Batch-inputtet. | Næste trinGem svaret; brug det dokumenterede input for API-familien. |
Svar402 · billing_error | BetingelseReservationen til Batch er ikke tilgængelig. | Næste trinAfklar adgangen, før du sender en ny anmodning. |
Svar503 · price_unavailable | BetingelsePrisen for Batch-metoden eller de native satser er ikke tilgængelige. | Næste trinGem svaret; erstat ikke priserne med andre priser. |
Svar503 · api_error | BetingelseDen præcise leverandørrute er ikke tilgængelig. | Næste trinGem svaret, så ruten kan repareres. |
Svar503 · result_pending_check | BetingelseDet oprindelige resultat skal kontrolleres; X-Should-Retry:false. | Næste trinGem det oprindelige operation_id/id, og læs dets status; gentag aldrig den oprindelige POST. |
Svar404 · not_found | BetingelseOperationen til Batch-status findes ikke eller tilhører en anden identitet. | Næste trinBrug det nøjagtige oprindelige id og samme bruger/nøgle/gruppe. |
Ailoot Ultra google/gemini-2.5-flash-lite:batch
Brug metodestierne vist ovenfor.