Gemini 2.0 Flash-Lite ist Googles kompaktes multimodales Profil mit Textausgabe innerhalb der Gemini 2.0-Familie. Die Modellkarte des Herstellers nennt Text, Bilder, Audio und Video als Eingaben und Text als Ausgabe. Es eignet sich für eine gezielte Frage, deren Belege aus schriftlichem Material oder einer Bild- oder Audioquelle stammen können.
Nennen Sie die Aufgabe und die Rolle jeder Quelle. Ein Dokumentbild kann erkennbaren Wortlaut oder Beziehungen liefern, eine Audioquelle gesprochene Inhalte und ein Video eine zu beschreibende Abfolge. Verlangen Sie die konkreten Informationen, die die Anwendung benötigt, statt einer allgemeinen Beschreibung jeder Quelle.
Kennzeichnen Sie Quellen und verwenden Sie zeitliche oder visuelle Verweise, wo sie wichtig sind. Benennen Sie bei einem Clip das relevante Ereignis oder Intervall. Nennen Sie bei einem Bild den relevanten Bereich oder das Objekt. Halten Sie bei schriftlichem Material Dokument- und Passagenkennungen sichtbar, damit die Antwort auf die richtigen Belege verweisen kann.
Google führt strukturierte Ausgaben für dieses Profil auf. Definieren Sie die Felder und den Umgang mit fehlenden Informationen, wenn eine Anwendung eine strukturierte Antwort benötigt, und prüfen Sie die zurückgegebenen Werte anschliessend anhand der Eingabe. Ein Schema gibt der Antwort eine nutzbare Form; die bereitgestellten Belege bestimmen, ob ihr Inhalt richtig ist.
Der Hersteller nennt auch Funktionsaufrufe. Eine Anwendung stellt Tooldefinitionen bereit, führt eine ausgewählte Funktion aus und gibt das Ergebnis für eine nachfolgende Antwort zurück. Die schriftliche Auswahl und die Argumente des Modells gehören zu diesem Ablauf. Ein externer Abruf oder eine Handlung wird durch die tatsächliche Beobachtung der Anwendung belegt.
Die Modellkarte des Herstellers nennt eine Eingabegrenze von 1’048’576 Token und eine Ausgabegrenze von 8’192 Token. Ordnen Sie grössere Eingaben nach der Frage und verlangen Sie eine passende Antwortlänge. Bewahren Sie Quelle, Aufgabe und zurückgegebenen Text zusammen, wenn Sie ein Ergebnis überarbeiten.
Das genaue Profil ist ein Modell mit Textausgabe. Seine Karte grenzt diese Rolle von Medienerzeugung, einer Oberfläche für Live-Gespräche und einem Denkmodus ab. Verwenden Sie bei der Aufgabenvorbereitung seine eigenen unterstützten Eingabe- und Antwortsteuerungen, statt Einstellungen von Gemini 2.0 Flash oder einer späteren Flash-Lite-Ausgabe zu übertragen.
", "aboutText": "Gemini 2.0 Flash-Lite ist Googles kompaktes multimodales Profil mit Textausgabe innerhalb der Gemini 2.0-Familie. Die Modellkarte des Herstellers nennt Text, Bilder, Audio und Video als Eingaben und Text als Ausgabe. Es eignet sich für eine gezielte Frage, deren Belege aus schriftlichem Material oder einer Bild- oder Audioquelle stammen können.\n\n### Definieren Sie die zurückzugebenden Informationen\n\nNennen Sie die Aufgabe und die Rolle jeder Quelle. Ein Dokumentbild kann erkennbaren Wortlaut oder Beziehungen liefern, eine Audioquelle gesprochene Inhalte und ein Video eine zu beschreibende Abfolge. Verlangen Sie die konkreten Informationen, die die Anwendung benötigt, statt einer allgemeinen Beschreibung jeder Quelle.\n\nKennzeichnen Sie Quellen und verwenden Sie zeitliche oder visuelle Verweise, wo sie wichtig sind. Benennen Sie bei einem Clip das relevante Ereignis oder Intervall. Nennen Sie bei einem Bild den relevanten Bereich oder das Objekt. Halten Sie bei schriftlichem Material Dokument- und Passagenkennungen sichtbar, damit die Antwort auf die richtigen Belege verweisen kann.\n\n### Bereiten Sie strukturierten Text und Anwendungstools vor\n\nGoogle führt strukturierte Ausgaben für dieses Profil auf. Definieren Sie die Felder und den Umgang mit fehlenden Informationen, wenn eine Anwendung eine strukturierte Antwort benötigt, und prüfen Sie die zurückgegebenen Werte anschliessend anhand der Eingabe. Ein Schema gibt der Antwort eine nutzbare Form; die bereitgestellten Belege bestimmen, ob ihr Inhalt richtig ist.\n\nDer Hersteller nennt auch Funktionsaufrufe. Eine Anwendung stellt Tooldefinitionen bereit, führt eine ausgewählte Funktion aus und gibt das Ergebnis für eine nachfolgende Antwort zurück. Die schriftliche Auswahl und die Argumente des Modells gehören zu diesem Ablauf. Ein externer Abruf oder eine Handlung wird durch die tatsächliche Beobachtung der Anwendung belegt.\n\n### Planen Sie Eingabe und Antwort\n\nDie Modellkarte des Herstellers nennt eine Eingabegrenze von 1’048’576 Token und eine Ausgabegrenze von 8’192 Token. Ordnen Sie grössere Eingaben nach der Frage und verlangen Sie eine passende Antwortlänge. Bewahren Sie Quelle, Aufgabe und zurückgegebenen Text zusammen, wenn Sie ein Ergebnis überarbeiten.\n\nDas genaue Profil ist ein Modell mit Textausgabe. Seine Karte grenzt diese Rolle von Medienerzeugung, einer Oberfläche für Live-Gespräche und einem Denkmodus ab. Verwenden Sie bei der Aufgabenvorbereitung seine eigenen unterstützten Eingabe- und Antwortsteuerungen, statt Einstellungen von Gemini 2.0 Flash oder einer späteren Flash-Lite-Ausgabe zu übertragen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Extract a small shipment record\n\nExtract the shipment details from this text: 'Dispatch note D-81: sent 12 May; three cartons; destination Leeds. Tracking will follow.' Return labelled fields for note ID, dispatch date, carton count, destination and tracking number. Mark fields not present as unknown; do not infer a year or carrier.Five labelled text fields, with absent tracking information marked unknown and the date kept as supplied.The record retains D-81 and three cartons without inventing a tracking number, year or carrier.gemini-2.0-flash-liteGemini 2.0 Flash-Lite nimmt Text, Bilder, Audio und Video entgegen und gibt Text zurück. Google nennt für dieses genaue Profil eine Eingabegrenze von 1’048’576 Token, eine Ausgabegrenze von 8’192 Token, strukturierte Ausgaben und Funktionsaufrufe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 2.0 Flash-Lite ist Googles kompaktes multimodales Profil mit Textausgabe innerhalb der Gemini 2.0-Familie. Die Modellkarte des Herstellers nennt Text, Bilder, Audio und Video als Eingaben und Text als Ausgabe. Es eignet sich für eine gezielte Frage, deren Belege aus schriftlichem Material oder einer Bild- oder Audioquelle stammen können.
Nennen Sie die Aufgabe und die Rolle jeder Quelle. Ein Dokumentbild kann erkennbaren Wortlaut oder Beziehungen liefern, eine Audioquelle gesprochene Inhalte und ein Video eine zu beschreibende Abfolge. Verlangen Sie die konkreten Informationen, die die Anwendung benötigt, statt einer allgemeinen Beschreibung jeder Quelle.
Kennzeichnen Sie Quellen und verwenden Sie zeitliche oder visuelle Verweise, wo sie wichtig sind. Benennen Sie bei einem Clip das relevante Ereignis oder Intervall. Nennen Sie bei einem Bild den relevanten Bereich oder das Objekt. Halten Sie bei schriftlichem Material Dokument- und Passagenkennungen sichtbar, damit die Antwort auf die richtigen Belege verweisen kann.
Google führt strukturierte Ausgaben für dieses Profil auf. Definieren Sie die Felder und den Umgang mit fehlenden Informationen, wenn eine Anwendung eine strukturierte Antwort benötigt, und prüfen Sie die zurückgegebenen Werte anschliessend anhand der Eingabe. Ein Schema gibt der Antwort eine nutzbare Form; die bereitgestellten Belege bestimmen, ob ihr Inhalt richtig ist.
Der Hersteller nennt auch Funktionsaufrufe. Eine Anwendung stellt Tooldefinitionen bereit, führt eine ausgewählte Funktion aus und gibt das Ergebnis für eine nachfolgende Antwort zurück. Die schriftliche Auswahl und die Argumente des Modells gehören zu diesem Ablauf. Ein externer Abruf oder eine Handlung wird durch die tatsächliche Beobachtung der Anwendung belegt.
Die Modellkarte des Herstellers nennt eine Eingabegrenze von 1’048’576 Token und eine Ausgabegrenze von 8’192 Token. Ordnen Sie grössere Eingaben nach der Frage und verlangen Sie eine passende Antwortlänge. Bewahren Sie Quelle, Aufgabe und zurückgegebenen Text zusammen, wenn Sie ein Ergebnis überarbeiten.
Das genaue Profil ist ein Modell mit Textausgabe. Seine Karte grenzt diese Rolle von Medienerzeugung, einer Oberfläche für Live-Gespräche und einem Denkmodus ab. Verwenden Sie bei der Aufgabenvorbereitung seine eigenen unterstützten Eingabe- und Antwortsteuerungen, statt Einstellungen von Gemini 2.0 Flash oder einer späteren Flash-Lite-Ausgabe zu übertragen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-2.0-flash-lite | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.00015 / 1K Tokens Ausgabe · Ausgabetoken $0.0006 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.0-flash-lite", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gemini-2.0-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gemini-2.0-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra gemini-2.0-flash-lite
Verwenden Sie die oben angezeigten Methodenpfade.
gemini-2.0-flash-liteGemini 2.0 Flash-Lite nimmt Text, Bilder, Audio und Video entgegen und gibt Text zurück. Google nennt für dieses genaue Profil eine Eingabegrenze von 1’048’576 Token, eine Ausgabegrenze von 8’192 Token, strukturierte Ausgaben und Funktionsaufrufe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 2.0 Flash-Lite ist Googles kompaktes multimodales Profil mit Textausgabe innerhalb der Gemini 2.0-Familie. Die Modellkarte des Herstellers nennt Text, Bilder, Audio und Video als Eingaben und Text als Ausgabe. Es eignet sich für eine gezielte Frage, deren Belege aus schriftlichem Material oder einer Bild- oder Audioquelle stammen können.
Nennen Sie die Aufgabe und die Rolle jeder Quelle. Ein Dokumentbild kann erkennbaren Wortlaut oder Beziehungen liefern, eine Audioquelle gesprochene Inhalte und ein Video eine zu beschreibende Abfolge. Verlangen Sie die konkreten Informationen, die die Anwendung benötigt, statt einer allgemeinen Beschreibung jeder Quelle.
Kennzeichnen Sie Quellen und verwenden Sie zeitliche oder visuelle Verweise, wo sie wichtig sind. Benennen Sie bei einem Clip das relevante Ereignis oder Intervall. Nennen Sie bei einem Bild den relevanten Bereich oder das Objekt. Halten Sie bei schriftlichem Material Dokument- und Passagenkennungen sichtbar, damit die Antwort auf die richtigen Belege verweisen kann.
Google führt strukturierte Ausgaben für dieses Profil auf. Definieren Sie die Felder und den Umgang mit fehlenden Informationen, wenn eine Anwendung eine strukturierte Antwort benötigt, und prüfen Sie die zurückgegebenen Werte anschliessend anhand der Eingabe. Ein Schema gibt der Antwort eine nutzbare Form; die bereitgestellten Belege bestimmen, ob ihr Inhalt richtig ist.
Der Hersteller nennt auch Funktionsaufrufe. Eine Anwendung stellt Tooldefinitionen bereit, führt eine ausgewählte Funktion aus und gibt das Ergebnis für eine nachfolgende Antwort zurück. Die schriftliche Auswahl und die Argumente des Modells gehören zu diesem Ablauf. Ein externer Abruf oder eine Handlung wird durch die tatsächliche Beobachtung der Anwendung belegt.
Die Modellkarte des Herstellers nennt eine Eingabegrenze von 1’048’576 Token und eine Ausgabegrenze von 8’192 Token. Ordnen Sie grössere Eingaben nach der Frage und verlangen Sie eine passende Antwortlänge. Bewahren Sie Quelle, Aufgabe und zurückgegebenen Text zusammen, wenn Sie ein Ergebnis überarbeiten.
Das genaue Profil ist ein Modell mit Textausgabe. Seine Karte grenzt diese Rolle von Medienerzeugung, einer Oberfläche für Live-Gespräche und einem Denkmodus ab. Verwenden Sie bei der Aufgabenvorbereitung seine eigenen unterstützten Eingabe- und Antwortsteuerungen, statt Einstellungen von Gemini 2.0 Flash oder einer späteren Flash-Lite-Ausgabe zu übertragen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-2.0-flash-lite | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.00015 / 1K Tokens Ausgabe · Ausgabetoken $0.0006 / 1K Tokens Eingabe · Cache lesen $0 / 1K Tokens Eingabe · Cache schreiben $0 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gemini-2.0-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.0-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.0-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra gemini-2.0-flash-lite
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Extract a small shipment record\n\nExtract the shipment details from this text: 'Dispatch note D-81: sent 12 May; three cartons; destination Leeds. Tracking will follow.' Return labelled fields for note ID, dispatch date, carton count, destination and tracking number. Mark fields not present as unknown; do not infer a year or carrier.Five labelled text fields, with absent tracking information marked unknown and the date kept as supplied.The record retains D-81 and three cartons without inventing a tracking number, year or carrier.