Gemini 3.5 Flash-Lite ist Googles auf Ausführung ausgerichtetes multimodales Textprofil für wiederkehrende Datenarbeit und gezielte Aufgaben von Unteragenten. Es baut auf Gemini 3.1 Flash-Lite auf und verbessert Dokumentverständnis, Werkzeugzuverlässigkeit und das Befolgen von Anweisungen über mehrere Gesprächsrunden. Es nimmt Text, Bilder, Audio, Video und PDF entgegen und gibt Text zurück. Ein hilfreiches Ergebnis ist ein extrahierter Datensatz, eine Klassifikation, eine kurze Übersetzung oder eine begrenzte werkzeuggestützte Analyse innerhalb einer größeren Aufgabe.
Definieren Sie für die Dokumentauswertung die wichtigen Felder und die Belege, die jedes Feld bewahren muss. Geben Sie die relevanten Seiten vor und legen Sie fest, wie fehlende oder mehrdeutige Informationen darzustellen sind. Extrahieren Sie bei einer Supportnachricht Produktcode, genanntes Problem und belegenden Satz und bewahren Sie die Nachrichtenkennung in der Antwort. Enthält ein Dokument mehrere Kandidaten für ein Feld, dürfen diese nicht stillschweigend zu einem geratenen Wert zusammengezogen werden. Strukturiertes JSON kann das Ergebnis für die weitere Verarbeitung nutzbar machen, wenn sein Schema zur tatsächlichen Aufgabe passt.
Die dokumentierten Thinking-Stufen sind minimal, low, medium und high mit minimal als Standard. Der Hersteller empfiehlt diesen Standard für Extraktion, Routing und Klassifikation mit hohem Volumen; medium oder high eignet sich für autonome Arbeit von Unteragenten mit Werkzeugaufrufen, Codeausführung oder mehreren Reasoning-Schritten. Der Leitfaden rät ausdrücklich, für diese längeren Aufgaben den Aufwand zu erhöhen, um vorzeitiges Beenden der Werkzeugnutzung zu vermeiden. Eine Einfeldextraktion und ein Dokumentvergleich mit Ausnahmen profitieren deshalb von unterschiedlichen Aufwandsoptionen. Minimal ist eine unterstützte Einstellung dieser Edition und keine allgemeine Einstellung zur Übertragung auf jedes Flash-Modell.
Eine gezielte Aufgabenbeschreibung für einen Unteragenten sollte einen Auftrag, dessen Quellmaterial, erlaubte Werkzeuge und die erforderliche Endform enthalten. Er kann beispielsweise eine Tabelle auf eine vorgegebene Regel prüfen und die betroffenen Zeilen mit relevanten Werten zurückgeben. Der Hersteller hebt außerdem die Verarbeitung von Tabellendaten und Frontend-JavaScript-Arbeit mit Unterstützung leichter Codeausführung hervor. Die umgebende Anwendung bleibt dafür verantwortlich, eine angeforderte Funktion auszuführen und das tatsächliche Ergebnis zurückzugeben. Halten Sie ein fertiges Ergebnis von einem nicht ausgeführten Vorschlag oder einer ungeklärten Eingabefrage unterscheidbar.
Die genaue Seite von 3.5 Flash-Lite nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps-Grounding und URL-Kontext; Computer Use ist als Preview gekennzeichnet. Strukturierte Ausgabe und Thinking werden unterstützt. Bewahren Sie für eine mehrstufige Persona oder Aufgabe die tatsächlichen Anweisungen und Werkzeugbeobachtungen, damit spätere Antworten demselben Auftrag folgen. Der Entwicklerleitfaden hebt stärkere Persona-Beständigkeit als bei 3.1 Flash-Lite hervor. Verwenden Sie eine knappe Rolle und einen Ausgabevertrag, statt das Ziel bei jeder Anschlussfrage neu zu definieren.
Der Leitfaden stuft außerdem alte Sampling-Einstellungen und vorab befüllte endgültige Modellbeiträge für diese Edition als veraltet ein. Steuern Sie eine begrenzte Antwort mit ausdrücklichen Anweisungen oder einem Schema, statt die Antwort in einem künstlichen Beitrag mit Modellrolle zu beginnen. Bewahren Sie den Kontext der Gemini-3-Gedankensignaturen, wo die Schnittstelle ihn verlangt, und ordnen Sie Funktionsergebnisse ihren Aufrufen zu. Diese Vorbereitungsregeln unterstützen eine Fortsetzung, die weiterhin die zur Erledigung desselben Auftrags nötigen Belege enthält.
Die native Modellkarte nennt bis zu 1M Kontext und 64K Textausgabe; die genaue API-Seite legt 1.048.576 Eingabetoken und 65.536 Ausgabetoken fest. Anweisungen, Datensätze, Verlauf und Medien tragen alle zur Eingabevorbereitung bei. Caching, Batch, Flex und Priority sind als Optionen des Herstellerprofils aufgeführt. Verwenden Sie für wiederholte Anfragen stabile Kennungen und ein kompaktes, einheitliches Antwortformat, damit jede Extraktion mit ihrer Quelle verglichen werden kann. Audio-, Bild- oder Videoeingaben erzeugen in diesem Profil eine Textinterpretation oder ein Transkript und keine erzeugte Sprache oder Grafik.
Mögliche Einschränkungen sind Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Der Wissensstand reicht bis März 2026, in manchen Bereichen nur bis Januar 2025. Quellenabhängige Extraktion sollte zurückgeben, was das bereitgestellte Material stützt; Fragen zu aktuellen Fakten benötigen aktuelle Belege. Gegenüber 3.1 Flash-Lite ergänzt dieses Profil die dokumentierten Ausführungs- und Computerbedienungsfähigkeiten, während 3.6 Flash komplexere Programmier- und räumliche Aufgaben betont. Prüfen Sie extrahierte Felder, Werkzeugergebnisse und beibehaltene Anweisungen, bevor Sie die Antwort in einen größeren Ablauf übernehmen.
", "aboutText": "Gemini 3.5 Flash-Lite ist Googles auf Ausführung ausgerichtetes multimodales Textprofil für wiederkehrende Datenarbeit und gezielte Aufgaben von Unteragenten. Es baut auf Gemini 3.1 Flash-Lite auf und verbessert Dokumentverständnis, Werkzeugzuverlässigkeit und das Befolgen von Anweisungen über mehrere Gesprächsrunden. Es nimmt Text, Bilder, Audio, Video und PDF entgegen und gibt Text zurück. Ein hilfreiches Ergebnis ist ein extrahierter Datensatz, eine Klassifikation, eine kurze Übersetzung oder eine begrenzte werkzeuggestützte Analyse innerhalb einer größeren Aufgabe.\n\nDefinieren Sie für die Dokumentauswertung die wichtigen Felder und die Belege, die jedes Feld bewahren muss. Geben Sie die relevanten Seiten vor und legen Sie fest, wie fehlende oder mehrdeutige Informationen darzustellen sind. Extrahieren Sie bei einer Supportnachricht Produktcode, genanntes Problem und belegenden Satz und bewahren Sie die Nachrichtenkennung in der Antwort. Enthält ein Dokument mehrere Kandidaten für ein Feld, dürfen diese nicht stillschweigend zu einem geratenen Wert zusammengezogen werden. Strukturiertes JSON kann das Ergebnis für die weitere Verarbeitung nutzbar machen, wenn sein Schema zur tatsächlichen Aufgabe passt.\n\nDie dokumentierten Thinking-Stufen sind minimal, low, medium und high mit minimal als Standard. Der Hersteller empfiehlt diesen Standard für Extraktion, Routing und Klassifikation mit hohem Volumen; medium oder high eignet sich für autonome Arbeit von Unteragenten mit Werkzeugaufrufen, Codeausführung oder mehreren Reasoning-Schritten. Der Leitfaden rät ausdrücklich, für diese längeren Aufgaben den Aufwand zu erhöhen, um vorzeitiges Beenden der Werkzeugnutzung zu vermeiden. Eine Einfeldextraktion und ein Dokumentvergleich mit Ausnahmen profitieren deshalb von unterschiedlichen Aufwandsoptionen. Minimal ist eine unterstützte Einstellung dieser Edition und keine allgemeine Einstellung zur Übertragung auf jedes Flash-Modell.\n\nEine gezielte Aufgabenbeschreibung für einen Unteragenten sollte einen Auftrag, dessen Quellmaterial, erlaubte Werkzeuge und die erforderliche Endform enthalten. Er kann beispielsweise eine Tabelle auf eine vorgegebene Regel prüfen und die betroffenen Zeilen mit relevanten Werten zurückgeben. Der Hersteller hebt außerdem die Verarbeitung von Tabellendaten und Frontend-JavaScript-Arbeit mit Unterstützung leichter Codeausführung hervor. Die umgebende Anwendung bleibt dafür verantwortlich, eine angeforderte Funktion auszuführen und das tatsächliche Ergebnis zurückzugeben. Halten Sie ein fertiges Ergebnis von einem nicht ausgeführten Vorschlag oder einer ungeklärten Eingabefrage unterscheidbar.\n\nDie genaue Seite von 3.5 Flash-Lite nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps-Grounding und URL-Kontext; Computer Use ist als Preview gekennzeichnet. Strukturierte Ausgabe und Thinking werden unterstützt. Bewahren Sie für eine mehrstufige Persona oder Aufgabe die tatsächlichen Anweisungen und Werkzeugbeobachtungen, damit spätere Antworten demselben Auftrag folgen. Der Entwicklerleitfaden hebt stärkere Persona-Beständigkeit als bei 3.1 Flash-Lite hervor. Verwenden Sie eine knappe Rolle und einen Ausgabevertrag, statt das Ziel bei jeder Anschlussfrage neu zu definieren.\n\nDer Leitfaden stuft außerdem alte Sampling-Einstellungen und vorab befüllte endgültige Modellbeiträge für diese Edition als veraltet ein. Steuern Sie eine begrenzte Antwort mit ausdrücklichen Anweisungen oder einem Schema, statt die Antwort in einem künstlichen Beitrag mit Modellrolle zu beginnen. Bewahren Sie den Kontext der Gemini-3-Gedankensignaturen, wo die Schnittstelle ihn verlangt, und ordnen Sie Funktionsergebnisse ihren Aufrufen zu. Diese Vorbereitungsregeln unterstützen eine Fortsetzung, die weiterhin die zur Erledigung desselben Auftrags nötigen Belege enthält.\n\nDie native Modellkarte nennt bis zu 1M Kontext und 64K Textausgabe; die genaue API-Seite legt 1.048.576 Eingabetoken und 65.536 Ausgabetoken fest. Anweisungen, Datensätze, Verlauf und Medien tragen alle zur Eingabevorbereitung bei. Caching, Batch, Flex und Priority sind als Optionen des Herstellerprofils aufgeführt. Verwenden Sie für wiederholte Anfragen stabile Kennungen und ein kompaktes, einheitliches Antwortformat, damit jede Extraktion mit ihrer Quelle verglichen werden kann. Audio-, Bild- oder Videoeingaben erzeugen in diesem Profil eine Textinterpretation oder ein Transkript und keine erzeugte Sprache oder Grafik.\n\nMögliche Einschränkungen sind Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Der Wissensstand reicht bis März 2026, in manchen Bereichen nur bis Januar 2025. Quellenabhängige Extraktion sollte zurückgeben, was das bereitgestellte Material stützt; Fragen zu aktuellen Fakten benötigen aktuelle Belege. Gegenüber 3.1 Flash-Lite ergänzt dieses Profil die dokumentierten Ausführungs- und Computerbedienungsfähigkeiten, während 3.6 Flash komplexere Programmier- und räumliche Aufgaben betont. Prüfen Sie extrahierte Felder, Werkzeugergebnisse und beibehaltene Anweisungen, bevor Sie die Antwort in einen größeren Ablauf übernehmen.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "bd47d21eddfb07783a626f80b2c52e4858d4ae1928b6f3d865e6fd668b5879ed", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "google/gemini-3.5-flash-lite:batchGemini 3.5 Flash-Lite ist Googles multimodales Modell für gezielte Teilagentenaufgaben, Dokumentauswertung und wiederholte Datenextraktion. Die Standarddenkstufe minimal eignet sich für klar begrenzte Datensätze; medium oder high ist für mehrstufige Werkzeugarbeit dokumentiert. Es gibt Text oder strukturierte Ergebnisse aus Text, Bildern, Audio, Video und PDF zurück.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.5 Flash-Lite ist Googles auf Ausführung ausgerichtetes multimodales Textprofil für wiederkehrende Datenarbeit und gezielte Aufgaben von Unteragenten. Es baut auf Gemini 3.1 Flash-Lite auf und verbessert Dokumentverständnis, Werkzeugzuverlässigkeit und das Befolgen von Anweisungen über mehrere Gesprächsrunden. Es nimmt Text, Bilder, Audio, Video und PDF entgegen und gibt Text zurück. Ein hilfreiches Ergebnis ist ein extrahierter Datensatz, eine Klassifikation, eine kurze Übersetzung oder eine begrenzte werkzeuggestützte Analyse innerhalb einer größeren Aufgabe.
Definieren Sie für die Dokumentauswertung die wichtigen Felder und die Belege, die jedes Feld bewahren muss. Geben Sie die relevanten Seiten vor und legen Sie fest, wie fehlende oder mehrdeutige Informationen darzustellen sind. Extrahieren Sie bei einer Supportnachricht Produktcode, genanntes Problem und belegenden Satz und bewahren Sie die Nachrichtenkennung in der Antwort. Enthält ein Dokument mehrere Kandidaten für ein Feld, dürfen diese nicht stillschweigend zu einem geratenen Wert zusammengezogen werden. Strukturiertes JSON kann das Ergebnis für die weitere Verarbeitung nutzbar machen, wenn sein Schema zur tatsächlichen Aufgabe passt.
Die dokumentierten Thinking-Stufen sind minimal, low, medium und high mit minimal als Standard. Der Hersteller empfiehlt diesen Standard für Extraktion, Routing und Klassifikation mit hohem Volumen; medium oder high eignet sich für autonome Arbeit von Unteragenten mit Werkzeugaufrufen, Codeausführung oder mehreren Reasoning-Schritten. Der Leitfaden rät ausdrücklich, für diese längeren Aufgaben den Aufwand zu erhöhen, um vorzeitiges Beenden der Werkzeugnutzung zu vermeiden. Eine Einfeldextraktion und ein Dokumentvergleich mit Ausnahmen profitieren deshalb von unterschiedlichen Aufwandsoptionen. Minimal ist eine unterstützte Einstellung dieser Edition und keine allgemeine Einstellung zur Übertragung auf jedes Flash-Modell.
Eine gezielte Aufgabenbeschreibung für einen Unteragenten sollte einen Auftrag, dessen Quellmaterial, erlaubte Werkzeuge und die erforderliche Endform enthalten. Er kann beispielsweise eine Tabelle auf eine vorgegebene Regel prüfen und die betroffenen Zeilen mit relevanten Werten zurückgeben. Der Hersteller hebt außerdem die Verarbeitung von Tabellendaten und Frontend-JavaScript-Arbeit mit Unterstützung leichter Codeausführung hervor. Die umgebende Anwendung bleibt dafür verantwortlich, eine angeforderte Funktion auszuführen und das tatsächliche Ergebnis zurückzugeben. Halten Sie ein fertiges Ergebnis von einem nicht ausgeführten Vorschlag oder einer ungeklärten Eingabefrage unterscheidbar.
Die genaue Seite von 3.5 Flash-Lite nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps-Grounding und URL-Kontext; Computer Use ist als Preview gekennzeichnet. Strukturierte Ausgabe und Thinking werden unterstützt. Bewahren Sie für eine mehrstufige Persona oder Aufgabe die tatsächlichen Anweisungen und Werkzeugbeobachtungen, damit spätere Antworten demselben Auftrag folgen. Der Entwicklerleitfaden hebt stärkere Persona-Beständigkeit als bei 3.1 Flash-Lite hervor. Verwenden Sie eine knappe Rolle und einen Ausgabevertrag, statt das Ziel bei jeder Anschlussfrage neu zu definieren.
Der Leitfaden stuft außerdem alte Sampling-Einstellungen und vorab befüllte endgültige Modellbeiträge für diese Edition als veraltet ein. Steuern Sie eine begrenzte Antwort mit ausdrücklichen Anweisungen oder einem Schema, statt die Antwort in einem künstlichen Beitrag mit Modellrolle zu beginnen. Bewahren Sie den Kontext der Gemini-3-Gedankensignaturen, wo die Schnittstelle ihn verlangt, und ordnen Sie Funktionsergebnisse ihren Aufrufen zu. Diese Vorbereitungsregeln unterstützen eine Fortsetzung, die weiterhin die zur Erledigung desselben Auftrags nötigen Belege enthält.
Die native Modellkarte nennt bis zu 1M Kontext und 64K Textausgabe; die genaue API-Seite legt 1.048.576 Eingabetoken und 65.536 Ausgabetoken fest. Anweisungen, Datensätze, Verlauf und Medien tragen alle zur Eingabevorbereitung bei. Caching, Batch, Flex und Priority sind als Optionen des Herstellerprofils aufgeführt. Verwenden Sie für wiederholte Anfragen stabile Kennungen und ein kompaktes, einheitliches Antwortformat, damit jede Extraktion mit ihrer Quelle verglichen werden kann. Audio-, Bild- oder Videoeingaben erzeugen in diesem Profil eine Textinterpretation oder ein Transkript und keine erzeugte Sprache oder Grafik.
Mögliche Einschränkungen sind Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Der Wissensstand reicht bis März 2026, in manchen Bereichen nur bis Januar 2025. Quellenabhängige Extraktion sollte zurückgeben, was das bereitgestellte Material stützt; Fragen zu aktuellen Fakten benötigen aktuelle Belege. Gegenüber 3.1 Flash-Lite ergänzt dieses Profil die dokumentierten Ausführungs- und Computerbedienungsfähigkeiten, während 3.6 Flash komplexere Programmier- und räumliche Aufgaben betont. Prüfen Sie extrahierte Felder, Werkzeugergebnisse und beibehaltene Anweisungen, bevor Sie die Antwort in einen größeren Ablauf übernehmen.
POST /v1/batchestexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldendpoint | Typstring | AnforderungErforderlich | Werte und Limits /v1/chat/completions | Standard— |
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-3.5-flash-lite:batch | Standard— |
Feldrequests | Typbatch_item[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldrequests[].custom_id | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldrequests[].body.messages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldcompletion_window | Typstring | AnforderungOptional | Werte und Limits 24h | Standard— |
Feldprovider | Typobject|null | AnforderungOptional | Werte und Limits | Standard— |
Feldrequests[].body.model | Typstring | AnforderungOptional | Werte und Limits google/gemini-3.5-flash-lite:batch, google/gemini-3.5-flash-lite | Standard— |
Feldprovider.only | Typstring[] | AnforderungOptional | Werte und Limits google-vertex/global | Standard— |
Feldprovider.allow_fallbacks | Typboolean|null | AnforderungOptional | Werte und Limits false, null | Standard— |
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragendpoint, model, requests |
Parametermaterial_types | Vertragtext |
Parameterrepresentation | Vertrageingebettete requests[]; jedes Element enthält custom_id und body |
Parameterrequest_endpoint_profile | Vertrag/v1/chat/completions |
Parameterfile_material | VertragDer Aufrufer kann tatsächliches UTF-8-JSONL lokal in requests[] einlesen. Es werden weder ein Upload-Zweck noch input_file_id oder eine Dateireferenz verwendet. Fehlendes oder leeres Kundenmaterial stoppt die Vorbereitung vor POST. |
Parameterserialization_order | Vertragendpoint, model, provider (falls angegeben), completion_window (falls angegeben), requests als letztes Feld |
Parameteroptional_controls | Vertragprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | VertragAnfragekörper für Text Chat Completions in der dokumentierten Inline-Batch-Struktur. |
Lebenszyklus: asynchronous
GET /v1/batches/{operation_id} · die tatsächliche response.id der ursprünglichen Erstellungsantwort; derselbe Nutzer/Schlüssel/dieselbe Gruppe
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 $0.0003 / 1K Token Ausgabe · Ausgabetoken $0.0025 / 1K Token Eingabe · Cache-Lesen $0.00003 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0003 / 1K Token Ausgabe · Ausgabetoken $0.0025 / 1K Token Eingabe · Cache-Lesen $0.00003 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-3.5-flash-lite:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-3.5-flash-lite:batch', 'google/gemini-3.5-flash-lite']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.5-flash-lite:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\neingebettetes JSON unter results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Das vollständige ursprüngliche Status-JSON, jedes Ergebnis/jede custom_id und den vollständigen Antwort- oder Fehlerkörper aufbewahren. Abgeschlossene results[] ohne Filterung als JSONL speichern.
Die ursprüngliche Vorgangs-ID beibehalten. Bei 503 result_pending_check gilt X-Should-Retry:false; einen ursprünglichen Batch mit unbekanntem Ausgang niemals erneut einreichen.
| Feld | Typ |
|---|---|
Feldresults[].custom_id | Typstring |
Feldresults[].response.body.choices[].message.content | Typstring|null |
Feldresults[].error | Typobject|null |
Feldusage | Typobject|null |
Feldid | Typstring |
Feldmodel | Typstring |
Feldendpoint | Typstring |
Feldstatus | Typstring |
Feldrequest_counts | Typobject |
Feldresults[].id | Typstring |
Feldresults[].response.status_code | Typinteger |
Feldresults[].response.request_id | Typstring |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungUngültige Struktur der dokumentierten Inline-Einbettung, doppelte Schlüssel, ungültige Identitätsangaben zu einem Element oder ein Konflikt mit den konfigurierten Modellfähigkeiten. | Nächster SchrittDie angegebenen Felder vor jeder neuen Einreichung korrigieren. |
Antwort401 · authentication_error | BedingungUngültiger API-Schlüssel. | Nächster SchrittDen autorisierten Ailoot-Schlüssel verwenden. |
Antwort403 · permission_error | BedingungGruppe für Stapelverarbeitung nicht verfügbar. | Nächster SchrittDie Berechtigung des Schlüssels bzw. der Gruppe prüfen. |
Antwort422 · invalid_request_error | BedingungStapelverarbeitung wird über das Guthaben abgerechnet; die Erstellung über ein Abonnement wird abgelehnt. | Nächster SchrittDie autorisierte Gruppe mit Guthabenabrechnung verwenden. |
Antwort422 · price_unavailable | BedingungFür die Batch-Eingabe kann kein Preisangebot erstellt werden. | Nächster SchrittAntwort aufbewahren; die dokumentierte Eingabe der API-Familie verwenden. |
Antwort402 · billing_error | BedingungReservierung für Stapelverarbeitung nicht verfügbar. | Nächster SchrittDie Zulassung klären, bevor eine neue Anfrage gestellt wird. |
Antwort503 · price_unavailable | BedingungMethodenpreis bzw. native Tarife für Stapelverarbeitung nicht verfügbar. | Nächster SchrittAntwort aufbewahren; keine anderen Preise einsetzen. |
Antwort503 · api_error | BedingungDie genaue Anbieterroute ist nicht verfügbar. | Nächster SchrittAntwort zur Reparatur der Route aufbewahren. |
Antwort503 · result_pending_check | BedingungDas ursprüngliche Ergebnis muss geprüft werden; X-Should-Retry:false. | Nächster SchrittDie ursprüngliche operation_id/id beibehalten und ihren Status lesen; den ursprünglichen POST niemals wiederholen. |
Antwort404 · not_found | BedingungDer Batch-Vorgang, dessen Status abgefragt wird, ist nicht vorhanden oder gehört einer anderen Identität. | Nächster SchrittDie genaue ursprüngliche id und denselben Nutzer/Schlüssel/dieselbe Gruppe verwenden. |
Ailoot Ultra google/gemini-3.5-flash-lite:batch
Verwenden Sie die oben angezeigten Methodenpfade.