Gemini 3.1 Flash-Lite Preview ist die Vorschauedition von Googles schlanker Gemini 3.1 Flash-Lite-Reihe. Ihr Entwurf konzentriert sich auf häufige Aufgaben mit klaren Anweisungen: Übersetzung, Transkription, Klassifikation, Dokumentzusammenfassungen und einfache Datenextraktion. Sie verarbeitet Text, Bilder, Video, Audio und PDF und gibt Text aus. Eine hilfreiche Aufgabe benennt einen Vorgang und eine endgültige Form, etwa eine übersetzte Nachricht, ein Transkript oder einen Datensatz mit den Feldern, die eine Anwendung benötigt.
Die genaue Vorschau-Dokumentation nennt eine Eingabegrenze von 1’048’576 Token und eine Ausgabegrenze von 65’536 Token. Dies sind separate Herstellergrenzen. Ausgangsmaterial, Anweisungen und Gesprächsverlauf zählen zur Eingabe, während das benötigte Ergebnis in das Ausgabebudget passen muss. Erhalten Sie bei einer grossen Sammlung von Nachrichten oder Seiten die Kennungen und verlangen Sie für jedes verarbeitete Element eine entsprechende Ausgabekennung. Ein grosses Fenster ersetzt keine klare Extraktionsregel und macht eine mehrdeutige Felddefinition nicht präzise.
Die Modellkarte umfasst Denken, strukturierte Ausgaben und Funktionsaufrufe. Sie nennt ausserdem Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding, URL-Kontext und Caching als Herstellerfähigkeiten. Dies ist ein Modell mit Textausgabe; Audio- oder Bildeingaben implizieren keine erzeugte Sprache oder Bildgestaltung. Eine aufrufende Anwendung wählt weiterhin die verfügbaren Werkzeuge, führt akzeptierte Funktionsanforderungen aus und gibt ihre Ergebnisse zurück. Halten Sie eine vorgeschlagene Aktion von einer durch die Anwendung bestätigten Aktion unterscheidbar.
Stellen Sie für eine Übersetzung Ausgangsnachricht, Zielsprache, Leserschaft und zu erhaltende Terminologie bereit. Der Entwicklerleitfaden zeigt die Begrenzung der Antwort auf übersetzten Text ohne zusätzlichen Kommentar. Ein Ablauf für Supportnachrichten kann Produktnamen und Bestellreferenzen unverändert lassen und zugleich eine natürliche Antwort in der Sprache des Lesers erzeugen. Legen Sie bei einem mehrdeutigen Ausgangstext fest, ob diese Mehrdeutigkeit erhalten oder eine separate Klärungsfrage zurückgegeben werden soll, statt ein erfundenes Detail in die Übersetzung aufzunehmen.
Stellen Sie für eine Transkription das Audio zusammen mit dem gewünschten Ergebnis bereit: wortgetreuer Text, ein bereinigtes Transkript oder eine Zusammenfassung. Dies sind unterschiedliche Aufgaben. Benennen Sie den betreffenden Abschnitt, wenn eine lange Aufnahme nur einen kurzen für das Ergebnis benötigten Austausch enthält. Stellen Sie bei einer PDF-Datei eine eindeutige Frage oder definieren Sie die zu extrahierenden Felder und erhalten Sie Seiten- oder Abschnittsverweise, wenn die Antwort geprüft werden soll. Benennen Sie bei einer visuellen Quelle das für die Anfrage relevante Objekt, die Beschriftung oder Region.
Definieren Sie für Klassifikation und Entitätsextraktion die Kategorien, erforderlichen Felder und den Umgang mit fehlenden Werten. Der Leitfaden des Herstellers zeigt durch ein Schema begrenztes JSON zur Extraktion von Bewertungsinformationen. Ein eigenes Beispiel ist die Klassifikation eines Supporttickets mit Rückgabe des genannten Produkts, der Problemkategorie und des Quellsatzes, der die Auswahl stützt. Geben Sie eine kleine Sammlung repräsentativer Beispiele, einschliesslich eines Falls, der unbekannt bleiben soll. Validieren Sie den zurückgegebenen Datensatz und unterscheiden Sie einen syntaktisch gültigen Wert von einem tatsächlich durch die Quelle gestützten Wert.
Das Einführungsmaterial beschreibt einstellbare Denkstufen, mit denen eine Aufgabe mehr Analyse nutzen kann, wenn ihre Bedingungen dies verlangen. Eine kurze Sprachübertragung und eine Klassifikation mit mehreren Ausnahmen können unterschiedliche Denkeinstellungen verwenden. Der Entwicklerleitfaden stellt ausserdem Modellrouting als Klassifikationsaufgabe dar: Das Modell ermittelt die Komplexität einer Anfrage und gibt eine gewählte Kategorie zurück. Die umgebende Anwendung entscheidet, was als Nächstes ausgeführt wird, nicht der Klassifikator selbst. Stellen Sie die tatsächlichen Routingkriterien und zulässigen Optionen bereit, damit die Ausgabe eine operative Bedeutung hat.
Erhalten Sie für wiederholbare Verarbeitung genau diese Preview-Kennung, die Eingabeversion und das verlangte Schema oder Ausgabeformat. Prüfen Sie ein Pilotergebnis an derselben Art tatsächlichen Materials, bevor Sie eine grössere Sammlung verarbeiten. Vergleichen Sie extrahierte Felder mit der Originalnachricht, prüfen Sie Transkripte anhand der Aufnahme und bestätigen Sie, dass übersetzte Begriffe erhalten bleiben. Der praktische Vorteil dieses Profils ist die gezielte multimodale Textverarbeitung mit einem definierten Ergebnis; flüssiger Text oder ein Werkzeugvorschlag belegt für sich weder sachliche Richtigkeit noch abgeschlossene externe Ausführung.
", "aboutText": "Gemini 3.1 Flash-Lite Preview ist die Vorschauedition von Googles schlanker Gemini 3.1 Flash-Lite-Reihe. Ihr Entwurf konzentriert sich auf häufige Aufgaben mit klaren Anweisungen: Übersetzung, Transkription, Klassifikation, Dokumentzusammenfassungen und einfache Datenextraktion. Sie verarbeitet Text, Bilder, Video, Audio und PDF und gibt Text aus. Eine hilfreiche Aufgabe benennt einen Vorgang und eine endgültige Form, etwa eine übersetzte Nachricht, ein Transkript oder einen Datensatz mit den Feldern, die eine Anwendung benötigt.\n\nDie genaue Vorschau-Dokumentation nennt eine Eingabegrenze von 1’048’576 Token und eine Ausgabegrenze von 65’536 Token. Dies sind separate Herstellergrenzen. Ausgangsmaterial, Anweisungen und Gesprächsverlauf zählen zur Eingabe, während das benötigte Ergebnis in das Ausgabebudget passen muss. Erhalten Sie bei einer grossen Sammlung von Nachrichten oder Seiten die Kennungen und verlangen Sie für jedes verarbeitete Element eine entsprechende Ausgabekennung. Ein grosses Fenster ersetzt keine klare Extraktionsregel und macht eine mehrdeutige Felddefinition nicht präzise.\n\nDie Modellkarte umfasst Denken, strukturierte Ausgaben und Funktionsaufrufe. Sie nennt ausserdem Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding, URL-Kontext und Caching als Herstellerfähigkeiten. Dies ist ein Modell mit Textausgabe; Audio- oder Bildeingaben implizieren keine erzeugte Sprache oder Bildgestaltung. Eine aufrufende Anwendung wählt weiterhin die verfügbaren Werkzeuge, führt akzeptierte Funktionsanforderungen aus und gibt ihre Ergebnisse zurück. Halten Sie eine vorgeschlagene Aktion von einer durch die Anwendung bestätigten Aktion unterscheidbar.\n\nStellen Sie für eine Übersetzung Ausgangsnachricht, Zielsprache, Leserschaft und zu erhaltende Terminologie bereit. Der Entwicklerleitfaden zeigt die Begrenzung der Antwort auf übersetzten Text ohne zusätzlichen Kommentar. Ein Ablauf für Supportnachrichten kann Produktnamen und Bestellreferenzen unverändert lassen und zugleich eine natürliche Antwort in der Sprache des Lesers erzeugen. Legen Sie bei einem mehrdeutigen Ausgangstext fest, ob diese Mehrdeutigkeit erhalten oder eine separate Klärungsfrage zurückgegeben werden soll, statt ein erfundenes Detail in die Übersetzung aufzunehmen.\n\nStellen Sie für eine Transkription das Audio zusammen mit dem gewünschten Ergebnis bereit: wortgetreuer Text, ein bereinigtes Transkript oder eine Zusammenfassung. Dies sind unterschiedliche Aufgaben. Benennen Sie den betreffenden Abschnitt, wenn eine lange Aufnahme nur einen kurzen für das Ergebnis benötigten Austausch enthält. Stellen Sie bei einer PDF-Datei eine eindeutige Frage oder definieren Sie die zu extrahierenden Felder und erhalten Sie Seiten- oder Abschnittsverweise, wenn die Antwort geprüft werden soll. Benennen Sie bei einer visuellen Quelle das für die Anfrage relevante Objekt, die Beschriftung oder Region.\n\nDefinieren Sie für Klassifikation und Entitätsextraktion die Kategorien, erforderlichen Felder und den Umgang mit fehlenden Werten. Der Leitfaden des Herstellers zeigt durch ein Schema begrenztes JSON zur Extraktion von Bewertungsinformationen. Ein eigenes Beispiel ist die Klassifikation eines Supporttickets mit Rückgabe des genannten Produkts, der Problemkategorie und des Quellsatzes, der die Auswahl stützt. Geben Sie eine kleine Sammlung repräsentativer Beispiele, einschliesslich eines Falls, der unbekannt bleiben soll. Validieren Sie den zurückgegebenen Datensatz und unterscheiden Sie einen syntaktisch gültigen Wert von einem tatsächlich durch die Quelle gestützten Wert.\n\nDas Einführungsmaterial beschreibt einstellbare Denkstufen, mit denen eine Aufgabe mehr Analyse nutzen kann, wenn ihre Bedingungen dies verlangen. Eine kurze Sprachübertragung und eine Klassifikation mit mehreren Ausnahmen können unterschiedliche Denkeinstellungen verwenden. Der Entwicklerleitfaden stellt ausserdem Modellrouting als Klassifikationsaufgabe dar: Das Modell ermittelt die Komplexität einer Anfrage und gibt eine gewählte Kategorie zurück. Die umgebende Anwendung entscheidet, was als Nächstes ausgeführt wird, nicht der Klassifikator selbst. Stellen Sie die tatsächlichen Routingkriterien und zulässigen Optionen bereit, damit die Ausgabe eine operative Bedeutung hat.\n\nErhalten Sie für wiederholbare Verarbeitung genau diese Preview-Kennung, die Eingabeversion und das verlangte Schema oder Ausgabeformat. Prüfen Sie ein Pilotergebnis an derselben Art tatsächlichen Materials, bevor Sie eine grössere Sammlung verarbeiten. Vergleichen Sie extrahierte Felder mit der Originalnachricht, prüfen Sie Transkripte anhand der Aufnahme und bestätigen Sie, dass übersetzte Begriffe erhalten bleiben. Der praktische Vorteil dieses Profils ist die gezielte multimodale Textverarbeitung mit einem definierten Ergebnis; flüssiger Text oder ein Werkzeugvorschlag belegt für sich weder sachliche Richtigkeit noch abgeschlossene externe Ausführung.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Translate a support message without additions\n\nTranslate this customer-service message into English for a customer. Preserve order reference K-204 and product name Orbit Mini exactly: 'Votre commande K-204 contenant Orbit Mini est prête à être retirée. Merci de présenter une pièce d’identité.' Return only the translation; do not add a collection address or deadline.Only the English translation, retaining the two exact identifiers and the identity-document requirement.K-204 and Orbit Mini remain unchanged, with no invented address, deadline or additional policy.gemini-3.1-flash-lite-previewGemini 3.1 Flash-Lite Preview ist ein multimodales Textmodell für wiederholte, klar definierte Aufgaben wie Übersetzung, Transkription, Klassifikation und Datenextraktion. Denkfähigkeiten und strukturierte Ausgaben helfen, bereitgestelltes Material in ein knappes Ergebnis umzuwandeln, das eine Anwendung nutzen kann.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.1 Flash-Lite Preview ist die Vorschauedition von Googles schlanker Gemini 3.1 Flash-Lite-Reihe. Ihr Entwurf konzentriert sich auf häufige Aufgaben mit klaren Anweisungen: Übersetzung, Transkription, Klassifikation, Dokumentzusammenfassungen und einfache Datenextraktion. Sie verarbeitet Text, Bilder, Video, Audio und PDF und gibt Text aus. Eine hilfreiche Aufgabe benennt einen Vorgang und eine endgültige Form, etwa eine übersetzte Nachricht, ein Transkript oder einen Datensatz mit den Feldern, die eine Anwendung benötigt.
Die genaue Vorschau-Dokumentation nennt eine Eingabegrenze von 1’048’576 Token und eine Ausgabegrenze von 65’536 Token. Dies sind separate Herstellergrenzen. Ausgangsmaterial, Anweisungen und Gesprächsverlauf zählen zur Eingabe, während das benötigte Ergebnis in das Ausgabebudget passen muss. Erhalten Sie bei einer grossen Sammlung von Nachrichten oder Seiten die Kennungen und verlangen Sie für jedes verarbeitete Element eine entsprechende Ausgabekennung. Ein grosses Fenster ersetzt keine klare Extraktionsregel und macht eine mehrdeutige Felddefinition nicht präzise.
Die Modellkarte umfasst Denken, strukturierte Ausgaben und Funktionsaufrufe. Sie nennt ausserdem Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding, URL-Kontext und Caching als Herstellerfähigkeiten. Dies ist ein Modell mit Textausgabe; Audio- oder Bildeingaben implizieren keine erzeugte Sprache oder Bildgestaltung. Eine aufrufende Anwendung wählt weiterhin die verfügbaren Werkzeuge, führt akzeptierte Funktionsanforderungen aus und gibt ihre Ergebnisse zurück. Halten Sie eine vorgeschlagene Aktion von einer durch die Anwendung bestätigten Aktion unterscheidbar.
Stellen Sie für eine Übersetzung Ausgangsnachricht, Zielsprache, Leserschaft und zu erhaltende Terminologie bereit. Der Entwicklerleitfaden zeigt die Begrenzung der Antwort auf übersetzten Text ohne zusätzlichen Kommentar. Ein Ablauf für Supportnachrichten kann Produktnamen und Bestellreferenzen unverändert lassen und zugleich eine natürliche Antwort in der Sprache des Lesers erzeugen. Legen Sie bei einem mehrdeutigen Ausgangstext fest, ob diese Mehrdeutigkeit erhalten oder eine separate Klärungsfrage zurückgegeben werden soll, statt ein erfundenes Detail in die Übersetzung aufzunehmen.
Stellen Sie für eine Transkription das Audio zusammen mit dem gewünschten Ergebnis bereit: wortgetreuer Text, ein bereinigtes Transkript oder eine Zusammenfassung. Dies sind unterschiedliche Aufgaben. Benennen Sie den betreffenden Abschnitt, wenn eine lange Aufnahme nur einen kurzen für das Ergebnis benötigten Austausch enthält. Stellen Sie bei einer PDF-Datei eine eindeutige Frage oder definieren Sie die zu extrahierenden Felder und erhalten Sie Seiten- oder Abschnittsverweise, wenn die Antwort geprüft werden soll. Benennen Sie bei einer visuellen Quelle das für die Anfrage relevante Objekt, die Beschriftung oder Region.
Definieren Sie für Klassifikation und Entitätsextraktion die Kategorien, erforderlichen Felder und den Umgang mit fehlenden Werten. Der Leitfaden des Herstellers zeigt durch ein Schema begrenztes JSON zur Extraktion von Bewertungsinformationen. Ein eigenes Beispiel ist die Klassifikation eines Supporttickets mit Rückgabe des genannten Produkts, der Problemkategorie und des Quellsatzes, der die Auswahl stützt. Geben Sie eine kleine Sammlung repräsentativer Beispiele, einschliesslich eines Falls, der unbekannt bleiben soll. Validieren Sie den zurückgegebenen Datensatz und unterscheiden Sie einen syntaktisch gültigen Wert von einem tatsächlich durch die Quelle gestützten Wert.
Das Einführungsmaterial beschreibt einstellbare Denkstufen, mit denen eine Aufgabe mehr Analyse nutzen kann, wenn ihre Bedingungen dies verlangen. Eine kurze Sprachübertragung und eine Klassifikation mit mehreren Ausnahmen können unterschiedliche Denkeinstellungen verwenden. Der Entwicklerleitfaden stellt ausserdem Modellrouting als Klassifikationsaufgabe dar: Das Modell ermittelt die Komplexität einer Anfrage und gibt eine gewählte Kategorie zurück. Die umgebende Anwendung entscheidet, was als Nächstes ausgeführt wird, nicht der Klassifikator selbst. Stellen Sie die tatsächlichen Routingkriterien und zulässigen Optionen bereit, damit die Ausgabe eine operative Bedeutung hat.
Erhalten Sie für wiederholbare Verarbeitung genau diese Preview-Kennung, die Eingabeversion und das verlangte Schema oder Ausgabeformat. Prüfen Sie ein Pilotergebnis an derselben Art tatsächlichen Materials, bevor Sie eine grössere Sammlung verarbeiten. Vergleichen Sie extrahierte Felder mit der Originalnachricht, prüfen Sie Transkripte anhand der Aufnahme und bestätigen Sie, dass übersetzte Begriffe erhalten bleiben. Der praktische Vorteil dieses Profils ist die gezielte multimodale Textverarbeitung mit einem definierten Ergebnis; flüssiger Text oder ein Werkzeugvorschlag belegt für sich weder sachliche Richtigkeit noch abgeschlossene externe Ausführung.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.1-flash-lite-preview | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
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 |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmässig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
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.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.003 / 1K Tokens Eingabe · Cache lesen $0.00005 / 1K Tokens Eingabe · Cache schreiben $0.0001666666666666666 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.003 / 1K Tokens Eingabe · Cache lesen $0.00005 / 1K Tokens Eingabe · Cache schreiben $0.0001666666666666666 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.1-flash-lite-preview","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-3.1-flash-lite-preview", 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 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-3.1-flash-lite-preview, google/gemini-3.1-flash-lite-preview
/chat/completions
google/gemini-3.1-flash-lite-preview, gemini-3.1-flash-lite-preview
gemini-3.1-flash-lite-previewGemini 3.1 Flash-Lite Preview ist ein multimodales Textmodell für wiederholte, klar definierte Aufgaben wie Übersetzung, Transkription, Klassifikation und Datenextraktion. Denkfähigkeiten und strukturierte Ausgaben helfen, bereitgestelltes Material in ein knappes Ergebnis umzuwandeln, das eine Anwendung nutzen kann.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.1 Flash-Lite Preview ist die Vorschauedition von Googles schlanker Gemini 3.1 Flash-Lite-Reihe. Ihr Entwurf konzentriert sich auf häufige Aufgaben mit klaren Anweisungen: Übersetzung, Transkription, Klassifikation, Dokumentzusammenfassungen und einfache Datenextraktion. Sie verarbeitet Text, Bilder, Video, Audio und PDF und gibt Text aus. Eine hilfreiche Aufgabe benennt einen Vorgang und eine endgültige Form, etwa eine übersetzte Nachricht, ein Transkript oder einen Datensatz mit den Feldern, die eine Anwendung benötigt.
Die genaue Vorschau-Dokumentation nennt eine Eingabegrenze von 1’048’576 Token und eine Ausgabegrenze von 65’536 Token. Dies sind separate Herstellergrenzen. Ausgangsmaterial, Anweisungen und Gesprächsverlauf zählen zur Eingabe, während das benötigte Ergebnis in das Ausgabebudget passen muss. Erhalten Sie bei einer grossen Sammlung von Nachrichten oder Seiten die Kennungen und verlangen Sie für jedes verarbeitete Element eine entsprechende Ausgabekennung. Ein grosses Fenster ersetzt keine klare Extraktionsregel und macht eine mehrdeutige Felddefinition nicht präzise.
Die Modellkarte umfasst Denken, strukturierte Ausgaben und Funktionsaufrufe. Sie nennt ausserdem Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding, URL-Kontext und Caching als Herstellerfähigkeiten. Dies ist ein Modell mit Textausgabe; Audio- oder Bildeingaben implizieren keine erzeugte Sprache oder Bildgestaltung. Eine aufrufende Anwendung wählt weiterhin die verfügbaren Werkzeuge, führt akzeptierte Funktionsanforderungen aus und gibt ihre Ergebnisse zurück. Halten Sie eine vorgeschlagene Aktion von einer durch die Anwendung bestätigten Aktion unterscheidbar.
Stellen Sie für eine Übersetzung Ausgangsnachricht, Zielsprache, Leserschaft und zu erhaltende Terminologie bereit. Der Entwicklerleitfaden zeigt die Begrenzung der Antwort auf übersetzten Text ohne zusätzlichen Kommentar. Ein Ablauf für Supportnachrichten kann Produktnamen und Bestellreferenzen unverändert lassen und zugleich eine natürliche Antwort in der Sprache des Lesers erzeugen. Legen Sie bei einem mehrdeutigen Ausgangstext fest, ob diese Mehrdeutigkeit erhalten oder eine separate Klärungsfrage zurückgegeben werden soll, statt ein erfundenes Detail in die Übersetzung aufzunehmen.
Stellen Sie für eine Transkription das Audio zusammen mit dem gewünschten Ergebnis bereit: wortgetreuer Text, ein bereinigtes Transkript oder eine Zusammenfassung. Dies sind unterschiedliche Aufgaben. Benennen Sie den betreffenden Abschnitt, wenn eine lange Aufnahme nur einen kurzen für das Ergebnis benötigten Austausch enthält. Stellen Sie bei einer PDF-Datei eine eindeutige Frage oder definieren Sie die zu extrahierenden Felder und erhalten Sie Seiten- oder Abschnittsverweise, wenn die Antwort geprüft werden soll. Benennen Sie bei einer visuellen Quelle das für die Anfrage relevante Objekt, die Beschriftung oder Region.
Definieren Sie für Klassifikation und Entitätsextraktion die Kategorien, erforderlichen Felder und den Umgang mit fehlenden Werten. Der Leitfaden des Herstellers zeigt durch ein Schema begrenztes JSON zur Extraktion von Bewertungsinformationen. Ein eigenes Beispiel ist die Klassifikation eines Supporttickets mit Rückgabe des genannten Produkts, der Problemkategorie und des Quellsatzes, der die Auswahl stützt. Geben Sie eine kleine Sammlung repräsentativer Beispiele, einschliesslich eines Falls, der unbekannt bleiben soll. Validieren Sie den zurückgegebenen Datensatz und unterscheiden Sie einen syntaktisch gültigen Wert von einem tatsächlich durch die Quelle gestützten Wert.
Das Einführungsmaterial beschreibt einstellbare Denkstufen, mit denen eine Aufgabe mehr Analyse nutzen kann, wenn ihre Bedingungen dies verlangen. Eine kurze Sprachübertragung und eine Klassifikation mit mehreren Ausnahmen können unterschiedliche Denkeinstellungen verwenden. Der Entwicklerleitfaden stellt ausserdem Modellrouting als Klassifikationsaufgabe dar: Das Modell ermittelt die Komplexität einer Anfrage und gibt eine gewählte Kategorie zurück. Die umgebende Anwendung entscheidet, was als Nächstes ausgeführt wird, nicht der Klassifikator selbst. Stellen Sie die tatsächlichen Routingkriterien und zulässigen Optionen bereit, damit die Ausgabe eine operative Bedeutung hat.
Erhalten Sie für wiederholbare Verarbeitung genau diese Preview-Kennung, die Eingabeversion und das verlangte Schema oder Ausgabeformat. Prüfen Sie ein Pilotergebnis an derselben Art tatsächlichen Materials, bevor Sie eine grössere Sammlung verarbeiten. Vergleichen Sie extrahierte Felder mit der Originalnachricht, prüfen Sie Transkripte anhand der Aufnahme und bestätigen Sie, dass übersetzte Begriffe erhalten bleiben. Der praktische Vorteil dieses Profils ist die gezielte multimodale Textverarbeitung mit einem definierten Ergebnis; flüssiger Text oder ein Werkzeugvorschlag belegt für sich weder sachliche Richtigkeit noch abgeschlossene externe Ausführung.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.1-flash-lite-preview | 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.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.003 / 1K Tokens Eingabe · Cache lesen $0.00005 / 1K Tokens Eingabe · Cache schreiben $0.0001666666666666666 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.003 / 1K Tokens Eingabe · Cache lesen $0.00005 / 1K Tokens Eingabe · Cache schreiben $0.0001666666666666666 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gemini-3.1-flash-lite-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.1-flash-lite-preview', '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-3.1-flash-lite-preview', '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-3.1-flash-lite-preview, google/gemini-3.1-flash-lite-preview
/chat/completions
google/gemini-3.1-flash-lite-preview, gemini-3.1-flash-lite-preview
google/gemini-3.1-flash-lite-previewGemini 3.1 Flash-Lite Preview ist ein multimodales Textmodell für wiederholte, klar definierte Aufgaben wie Übersetzung, Transkription, Klassifikation und Datenextraktion. Denkfähigkeiten und strukturierte Ausgaben helfen, bereitgestelltes Material in ein knappes Ergebnis umzuwandeln, das eine Anwendung nutzen kann.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.1 Flash-Lite Preview ist die Vorschauedition von Googles schlanker Gemini 3.1 Flash-Lite-Reihe. Ihr Entwurf konzentriert sich auf häufige Aufgaben mit klaren Anweisungen: Übersetzung, Transkription, Klassifikation, Dokumentzusammenfassungen und einfache Datenextraktion. Sie verarbeitet Text, Bilder, Video, Audio und PDF und gibt Text aus. Eine hilfreiche Aufgabe benennt einen Vorgang und eine endgültige Form, etwa eine übersetzte Nachricht, ein Transkript oder einen Datensatz mit den Feldern, die eine Anwendung benötigt.
Die genaue Vorschau-Dokumentation nennt eine Eingabegrenze von 1’048’576 Token und eine Ausgabegrenze von 65’536 Token. Dies sind separate Herstellergrenzen. Ausgangsmaterial, Anweisungen und Gesprächsverlauf zählen zur Eingabe, während das benötigte Ergebnis in das Ausgabebudget passen muss. Erhalten Sie bei einer grossen Sammlung von Nachrichten oder Seiten die Kennungen und verlangen Sie für jedes verarbeitete Element eine entsprechende Ausgabekennung. Ein grosses Fenster ersetzt keine klare Extraktionsregel und macht eine mehrdeutige Felddefinition nicht präzise.
Die Modellkarte umfasst Denken, strukturierte Ausgaben und Funktionsaufrufe. Sie nennt ausserdem Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding, URL-Kontext und Caching als Herstellerfähigkeiten. Dies ist ein Modell mit Textausgabe; Audio- oder Bildeingaben implizieren keine erzeugte Sprache oder Bildgestaltung. Eine aufrufende Anwendung wählt weiterhin die verfügbaren Werkzeuge, führt akzeptierte Funktionsanforderungen aus und gibt ihre Ergebnisse zurück. Halten Sie eine vorgeschlagene Aktion von einer durch die Anwendung bestätigten Aktion unterscheidbar.
Stellen Sie für eine Übersetzung Ausgangsnachricht, Zielsprache, Leserschaft und zu erhaltende Terminologie bereit. Der Entwicklerleitfaden zeigt die Begrenzung der Antwort auf übersetzten Text ohne zusätzlichen Kommentar. Ein Ablauf für Supportnachrichten kann Produktnamen und Bestellreferenzen unverändert lassen und zugleich eine natürliche Antwort in der Sprache des Lesers erzeugen. Legen Sie bei einem mehrdeutigen Ausgangstext fest, ob diese Mehrdeutigkeit erhalten oder eine separate Klärungsfrage zurückgegeben werden soll, statt ein erfundenes Detail in die Übersetzung aufzunehmen.
Stellen Sie für eine Transkription das Audio zusammen mit dem gewünschten Ergebnis bereit: wortgetreuer Text, ein bereinigtes Transkript oder eine Zusammenfassung. Dies sind unterschiedliche Aufgaben. Benennen Sie den betreffenden Abschnitt, wenn eine lange Aufnahme nur einen kurzen für das Ergebnis benötigten Austausch enthält. Stellen Sie bei einer PDF-Datei eine eindeutige Frage oder definieren Sie die zu extrahierenden Felder und erhalten Sie Seiten- oder Abschnittsverweise, wenn die Antwort geprüft werden soll. Benennen Sie bei einer visuellen Quelle das für die Anfrage relevante Objekt, die Beschriftung oder Region.
Definieren Sie für Klassifikation und Entitätsextraktion die Kategorien, erforderlichen Felder und den Umgang mit fehlenden Werten. Der Leitfaden des Herstellers zeigt durch ein Schema begrenztes JSON zur Extraktion von Bewertungsinformationen. Ein eigenes Beispiel ist die Klassifikation eines Supporttickets mit Rückgabe des genannten Produkts, der Problemkategorie und des Quellsatzes, der die Auswahl stützt. Geben Sie eine kleine Sammlung repräsentativer Beispiele, einschliesslich eines Falls, der unbekannt bleiben soll. Validieren Sie den zurückgegebenen Datensatz und unterscheiden Sie einen syntaktisch gültigen Wert von einem tatsächlich durch die Quelle gestützten Wert.
Das Einführungsmaterial beschreibt einstellbare Denkstufen, mit denen eine Aufgabe mehr Analyse nutzen kann, wenn ihre Bedingungen dies verlangen. Eine kurze Sprachübertragung und eine Klassifikation mit mehreren Ausnahmen können unterschiedliche Denkeinstellungen verwenden. Der Entwicklerleitfaden stellt ausserdem Modellrouting als Klassifikationsaufgabe dar: Das Modell ermittelt die Komplexität einer Anfrage und gibt eine gewählte Kategorie zurück. Die umgebende Anwendung entscheidet, was als Nächstes ausgeführt wird, nicht der Klassifikator selbst. Stellen Sie die tatsächlichen Routingkriterien und zulässigen Optionen bereit, damit die Ausgabe eine operative Bedeutung hat.
Erhalten Sie für wiederholbare Verarbeitung genau diese Preview-Kennung, die Eingabeversion und das verlangte Schema oder Ausgabeformat. Prüfen Sie ein Pilotergebnis an derselben Art tatsächlichen Materials, bevor Sie eine grössere Sammlung verarbeiten. Vergleichen Sie extrahierte Felder mit der Originalnachricht, prüfen Sie Transkripte anhand der Aufnahme und bestätigen Sie, dass übersetzte Begriffe erhalten bleiben. Der praktische Vorteil dieses Profils ist die gezielte multimodale Textverarbeitung mit einem definierten Ergebnis; flüssiger Text oder ein Werkzeugvorschlag belegt für sich weder sachliche Richtigkeit noch abgeschlossene externe Ausführung.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-3.1-flash-lite-preview | 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.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.003 / 1K Tokens Eingabe · Cache lesen $0.00005 / 1K Tokens Eingabe · Cache schreiben $0.0001666666666666666 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.003 / 1K Tokens Eingabe · Cache lesen $0.00005 / 1K Tokens Eingabe · Cache schreiben $0.0001666666666666666 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.1-flash-lite-preview", "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-3.1-flash-lite-preview',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-3.1-flash-lite-preview',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-3.1-flash-lite-preview, google/gemini-3.1-flash-lite-preview
/chat/completions
google/gemini-3.1-flash-lite-preview, gemini-3.1-flash-lite-preview
google/gemini-3.1-flash-lite-previewGemini 3.1 Flash-Lite Preview ist ein multimodales Textmodell für wiederholte, klar definierte Aufgaben wie Übersetzung, Transkription, Klassifikation und Datenextraktion. Denkfähigkeiten und strukturierte Ausgaben helfen, bereitgestelltes Material in ein knappes Ergebnis umzuwandeln, das eine Anwendung nutzen kann.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.1 Flash-Lite Preview ist die Vorschauedition von Googles schlanker Gemini 3.1 Flash-Lite-Reihe. Ihr Entwurf konzentriert sich auf häufige Aufgaben mit klaren Anweisungen: Übersetzung, Transkription, Klassifikation, Dokumentzusammenfassungen und einfache Datenextraktion. Sie verarbeitet Text, Bilder, Video, Audio und PDF und gibt Text aus. Eine hilfreiche Aufgabe benennt einen Vorgang und eine endgültige Form, etwa eine übersetzte Nachricht, ein Transkript oder einen Datensatz mit den Feldern, die eine Anwendung benötigt.
Die genaue Vorschau-Dokumentation nennt eine Eingabegrenze von 1’048’576 Token und eine Ausgabegrenze von 65’536 Token. Dies sind separate Herstellergrenzen. Ausgangsmaterial, Anweisungen und Gesprächsverlauf zählen zur Eingabe, während das benötigte Ergebnis in das Ausgabebudget passen muss. Erhalten Sie bei einer grossen Sammlung von Nachrichten oder Seiten die Kennungen und verlangen Sie für jedes verarbeitete Element eine entsprechende Ausgabekennung. Ein grosses Fenster ersetzt keine klare Extraktionsregel und macht eine mehrdeutige Felddefinition nicht präzise.
Die Modellkarte umfasst Denken, strukturierte Ausgaben und Funktionsaufrufe. Sie nennt ausserdem Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding, URL-Kontext und Caching als Herstellerfähigkeiten. Dies ist ein Modell mit Textausgabe; Audio- oder Bildeingaben implizieren keine erzeugte Sprache oder Bildgestaltung. Eine aufrufende Anwendung wählt weiterhin die verfügbaren Werkzeuge, führt akzeptierte Funktionsanforderungen aus und gibt ihre Ergebnisse zurück. Halten Sie eine vorgeschlagene Aktion von einer durch die Anwendung bestätigten Aktion unterscheidbar.
Stellen Sie für eine Übersetzung Ausgangsnachricht, Zielsprache, Leserschaft und zu erhaltende Terminologie bereit. Der Entwicklerleitfaden zeigt die Begrenzung der Antwort auf übersetzten Text ohne zusätzlichen Kommentar. Ein Ablauf für Supportnachrichten kann Produktnamen und Bestellreferenzen unverändert lassen und zugleich eine natürliche Antwort in der Sprache des Lesers erzeugen. Legen Sie bei einem mehrdeutigen Ausgangstext fest, ob diese Mehrdeutigkeit erhalten oder eine separate Klärungsfrage zurückgegeben werden soll, statt ein erfundenes Detail in die Übersetzung aufzunehmen.
Stellen Sie für eine Transkription das Audio zusammen mit dem gewünschten Ergebnis bereit: wortgetreuer Text, ein bereinigtes Transkript oder eine Zusammenfassung. Dies sind unterschiedliche Aufgaben. Benennen Sie den betreffenden Abschnitt, wenn eine lange Aufnahme nur einen kurzen für das Ergebnis benötigten Austausch enthält. Stellen Sie bei einer PDF-Datei eine eindeutige Frage oder definieren Sie die zu extrahierenden Felder und erhalten Sie Seiten- oder Abschnittsverweise, wenn die Antwort geprüft werden soll. Benennen Sie bei einer visuellen Quelle das für die Anfrage relevante Objekt, die Beschriftung oder Region.
Definieren Sie für Klassifikation und Entitätsextraktion die Kategorien, erforderlichen Felder und den Umgang mit fehlenden Werten. Der Leitfaden des Herstellers zeigt durch ein Schema begrenztes JSON zur Extraktion von Bewertungsinformationen. Ein eigenes Beispiel ist die Klassifikation eines Supporttickets mit Rückgabe des genannten Produkts, der Problemkategorie und des Quellsatzes, der die Auswahl stützt. Geben Sie eine kleine Sammlung repräsentativer Beispiele, einschliesslich eines Falls, der unbekannt bleiben soll. Validieren Sie den zurückgegebenen Datensatz und unterscheiden Sie einen syntaktisch gültigen Wert von einem tatsächlich durch die Quelle gestützten Wert.
Das Einführungsmaterial beschreibt einstellbare Denkstufen, mit denen eine Aufgabe mehr Analyse nutzen kann, wenn ihre Bedingungen dies verlangen. Eine kurze Sprachübertragung und eine Klassifikation mit mehreren Ausnahmen können unterschiedliche Denkeinstellungen verwenden. Der Entwicklerleitfaden stellt ausserdem Modellrouting als Klassifikationsaufgabe dar: Das Modell ermittelt die Komplexität einer Anfrage und gibt eine gewählte Kategorie zurück. Die umgebende Anwendung entscheidet, was als Nächstes ausgeführt wird, nicht der Klassifikator selbst. Stellen Sie die tatsächlichen Routingkriterien und zulässigen Optionen bereit, damit die Ausgabe eine operative Bedeutung hat.
Erhalten Sie für wiederholbare Verarbeitung genau diese Preview-Kennung, die Eingabeversion und das verlangte Schema oder Ausgabeformat. Prüfen Sie ein Pilotergebnis an derselben Art tatsächlichen Materials, bevor Sie eine grössere Sammlung verarbeiten. Vergleichen Sie extrahierte Felder mit der Originalnachricht, prüfen Sie Transkripte anhand der Aufnahme und bestätigen Sie, dass übersetzte Begriffe erhalten bleiben. Der praktische Vorteil dieses Profils ist die gezielte multimodale Textverarbeitung mit einem definierten Ergebnis; flüssiger Text oder ein Werkzeugvorschlag belegt für sich weder sachliche Richtigkeit noch abgeschlossene externe Ausführung.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-3.1-flash-lite-preview | 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.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschliesslich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.003 / 1K Tokens Eingabe · Cache lesen $0.00005 / 1K Tokens Eingabe · Cache schreiben $0.0001666666666666666 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschliesslichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0005 / 1K Tokens Ausgabe · Ausgabetoken $0.003 / 1K Tokens Eingabe · Cache lesen $0.00005 / 1K Tokens Eingabe · Cache schreiben $0.0001666666666666666 / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "google/gemini-3.1-flash-lite-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.1-flash-lite-preview', '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-3.1-flash-lite-preview', '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-3.1-flash-lite-preview, google/gemini-3.1-flash-lite-preview
/chat/completions
google/gemini-3.1-flash-lite-preview, gemini-3.1-flash-lite-preview
Technisches Beispiel auf Englisch
Translate a support message without additions\n\nTranslate this customer-service message into English for a customer. Preserve order reference K-204 and product name Orbit Mini exactly: 'Votre commande K-204 contenant Orbit Mini est prête à être retirée. Merci de présenter une pièce d’identité.' Return only the translation; do not add a collection address or deadline.Only the English translation, retaining the two exact identifiers and the identity-document requirement.K-204 and Orbit Mini remain unchanged, with no invented address, deadline or additional policy.