Gemini 2.5 Flash-Lite es el perfil ligero y estable de Google para traducción, clasificación y extracción sencilla de datos de gran volumen. Su razonamiento híbrido puede utilizar u omitir pensamiento según la tarea. Acepta texto, imágenes, audio, video y PDF y produce texto. Un resultado útil es una categoría, una traducción concisa, un registro extraído del material proporcionado o una explicación escrita acotada.
Para clasificación, define las categorías, la regla de decisión y la forma de la respuesta. Conserva el identificador de origen en un resultado cuando se procesen varios elementos independientes. Para clasificar mensajes de soporte, clasifica un mensaje según el tipo de problema y devuelve la oración que respalda la categoría. Incluye una regla para evidencia ausente o ambigua, de modo que una respuesta fluida no llene un campo requerido con una suposición. La función ligera del modelo es más útil cuando la entrada y el resultado requerido están claramente especificados.
El pensamiento está desactivado por defecto en la configuración documentada de 2.5 Flash-Lite. La guía de pensamiento GenerateContent de Google permite un presupuesto explícito de pensamiento de 512 a 24,576 tokens, cero para mantenerlo desactivado y -1 para solicitar pensamiento dinámico. Son controles de presupuesto de razonamiento, separados de la capacidad de respuesta final. Habilita razonamiento adicional cuando una extracción tenga condiciones que interactúan o una clasificación tenga excepciones; una conversión sencilla puede conservar el comportamiento predeterminado sin pensamiento. La guía señala que el modelo puede usar más o menos tokens de pensamiento que el presupuesto solicitado.
Para traducción, proporciona el idioma de destino, la audiencia y los términos que deben conservarse. Especifica si el resultado debe contener solo la traducción o un registro etiquetado. Para extracción documental, define los campos y solicita pasajes de origen que permitan comprobar la salida. Para una grabación, distingue una transcripción de un resumen e identifica el pasaje importante. Imágenes o video pueden contribuir evidencia para una respuesta textual. El entregable deseado debe permanecer claro incluso cuando la entrada combine varios tipos de medios.
La tabla exacta de la edición estable enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Las funciones necesitan un propósito claro y parámetros definidos; la aplicación conectada ejecuta la operación y proporciona su resultado. Para extracción basada en esquema, valida la estructura devuelta y compara sus valores con el material original. Una decisión de herramienta o un registro bien formado solo son útiles en el contexto de la fuente y la evidencia real devuelta.
La ficha nativa indica una ventana de contexto de 1M y salida textual de 64K. La página del modelo de API especifica 1,048,576 tokens de entrada y 65,536 de salida. Las instrucciones, el contenido de origen y la conversación conservada consumen el presupuesto de entrada, mientras que el razonamiento y un límite de respuesta afectan si el resultado final cabe. Se enumeran caché y procesamiento por lotes, Flex y Priority para este perfil del productor. Para tareas repetidas, conserva las mismas definiciones de categorías o campos y lleva los identificadores a través del resultado para que una revisión posterior pueda localizar el elemento de origen.
Este perfil estable está separado de las variantes Preview de junio y septiembre descritas en otras partes de la familia. La ficha nativa compartida etiqueta específicamente para September Preview las mejoras de esa edición, incluidos seguimiento de instrucciones y concisión; no deben trasladarse silenciosamente al identificador estable. Las generaciones posteriores de Flash-Lite también utilizan controles diferentes de pensamiento y tablas distintas de capacidades. Conserva la edición y elige sus ajustes documentados en lugar de reemplazar los presupuestos de 2.5 por la sintaxis de niveles de pensamiento de Gemini 3.
La ficha enumera alucinaciones y limitaciones en comprensión causal, deducción lógica compleja y razonamiento contrafactual, y da una fecha de corte de conocimiento de enero de 2025. Proporciona evidencia actual o usa un flujo documentado de fundamentación cuando importen hechos más nuevos. Revisa el significado de las traducciones, el respaldo de origen de los campos extraídos y las transcripciones frente al audio. Un resultado pequeño y enfocado hace práctica esta revisión sin tratar una respuesta pulida como prueba de que la fuente contenía el detalle afirmado.
", "aboutText": "Gemini 2.5 Flash-Lite es el perfil ligero y estable de Google para traducción, clasificación y extracción sencilla de datos de gran volumen. Su razonamiento híbrido puede utilizar u omitir pensamiento según la tarea. Acepta texto, imágenes, audio, video y PDF y produce texto. Un resultado útil es una categoría, una traducción concisa, un registro extraído del material proporcionado o una explicación escrita acotada.\n\nPara clasificación, define las categorías, la regla de decisión y la forma de la respuesta. Conserva el identificador de origen en un resultado cuando se procesen varios elementos independientes. Para clasificar mensajes de soporte, clasifica un mensaje según el tipo de problema y devuelve la oración que respalda la categoría. Incluye una regla para evidencia ausente o ambigua, de modo que una respuesta fluida no llene un campo requerido con una suposición. La función ligera del modelo es más útil cuando la entrada y el resultado requerido están claramente especificados.\n\nEl pensamiento está desactivado por defecto en la configuración documentada de 2.5 Flash-Lite. La guía de pensamiento GenerateContent de Google permite un presupuesto explícito de pensamiento de 512 a 24,576 tokens, cero para mantenerlo desactivado y -1 para solicitar pensamiento dinámico. Son controles de presupuesto de razonamiento, separados de la capacidad de respuesta final. Habilita razonamiento adicional cuando una extracción tenga condiciones que interactúan o una clasificación tenga excepciones; una conversión sencilla puede conservar el comportamiento predeterminado sin pensamiento. La guía señala que el modelo puede usar más o menos tokens de pensamiento que el presupuesto solicitado.\n\nPara traducción, proporciona el idioma de destino, la audiencia y los términos que deben conservarse. Especifica si el resultado debe contener solo la traducción o un registro etiquetado. Para extracción documental, define los campos y solicita pasajes de origen que permitan comprobar la salida. Para una grabación, distingue una transcripción de un resumen e identifica el pasaje importante. Imágenes o video pueden contribuir evidencia para una respuesta textual. El entregable deseado debe permanecer claro incluso cuando la entrada combine varios tipos de medios.\n\nLa tabla exacta de la edición estable enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Las funciones necesitan un propósito claro y parámetros definidos; la aplicación conectada ejecuta la operación y proporciona su resultado. Para extracción basada en esquema, valida la estructura devuelta y compara sus valores con el material original. Una decisión de herramienta o un registro bien formado solo son útiles en el contexto de la fuente y la evidencia real devuelta.\n\nLa ficha nativa indica una ventana de contexto de 1M y salida textual de 64K. La página del modelo de API especifica 1,048,576 tokens de entrada y 65,536 de salida. Las instrucciones, el contenido de origen y la conversación conservada consumen el presupuesto de entrada, mientras que el razonamiento y un límite de respuesta afectan si el resultado final cabe. Se enumeran caché y procesamiento por lotes, Flex y Priority para este perfil del productor. Para tareas repetidas, conserva las mismas definiciones de categorías o campos y lleva los identificadores a través del resultado para que una revisión posterior pueda localizar el elemento de origen.\n\nEste perfil estable está separado de las variantes Preview de junio y septiembre descritas en otras partes de la familia. La ficha nativa compartida etiqueta específicamente para September Preview las mejoras de esa edición, incluidos seguimiento de instrucciones y concisión; no deben trasladarse silenciosamente al identificador estable. Las generaciones posteriores de Flash-Lite también utilizan controles diferentes de pensamiento y tablas distintas de capacidades. Conserva la edición y elige sus ajustes documentados en lugar de reemplazar los presupuestos de 2.5 por la sintaxis de niveles de pensamiento de Gemini 3.\n\nLa ficha enumera alucinaciones y limitaciones en comprensión causal, deducción lógica compleja y razonamiento contrafactual, y da una fecha de corte de conocimiento de enero de 2025. Proporciona evidencia actual o usa un flujo documentado de fundamentación cuando importen hechos más nuevos. Revisa el significado de las traducciones, el respaldo de origen de los campos extraídos y las transcripciones frente al audio. Un resultado pequeño y enfocado hace práctica esta revisión sin tratar una respuesta pulida como prueba de que la fuente contenía el detalle afirmado.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.gemini-2.5-flash-liteGemini 2.5 Flash-Lite es el modelo estable de texto multimodal de Google para clasificación, traducción y extracción sencilla frecuentes. El pensamiento está desactivado por defecto y puede habilitarse con un presupuesto de razonamiento de 512–24,576 tokens. Acepta texto y medios, con herramientas, salida estructurada y un límite de entrada de 1,048,576 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 2.5 Flash-Lite es el perfil ligero y estable de Google para traducción, clasificación y extracción sencilla de datos de gran volumen. Su razonamiento híbrido puede utilizar u omitir pensamiento según la tarea. Acepta texto, imágenes, audio, video y PDF y produce texto. Un resultado útil es una categoría, una traducción concisa, un registro extraído del material proporcionado o una explicación escrita acotada.
Para clasificación, define las categorías, la regla de decisión y la forma de la respuesta. Conserva el identificador de origen en un resultado cuando se procesen varios elementos independientes. Para clasificar mensajes de soporte, clasifica un mensaje según el tipo de problema y devuelve la oración que respalda la categoría. Incluye una regla para evidencia ausente o ambigua, de modo que una respuesta fluida no llene un campo requerido con una suposición. La función ligera del modelo es más útil cuando la entrada y el resultado requerido están claramente especificados.
El pensamiento está desactivado por defecto en la configuración documentada de 2.5 Flash-Lite. La guía de pensamiento GenerateContent de Google permite un presupuesto explícito de pensamiento de 512 a 24,576 tokens, cero para mantenerlo desactivado y -1 para solicitar pensamiento dinámico. Son controles de presupuesto de razonamiento, separados de la capacidad de respuesta final. Habilita razonamiento adicional cuando una extracción tenga condiciones que interactúan o una clasificación tenga excepciones; una conversión sencilla puede conservar el comportamiento predeterminado sin pensamiento. La guía señala que el modelo puede usar más o menos tokens de pensamiento que el presupuesto solicitado.
Para traducción, proporciona el idioma de destino, la audiencia y los términos que deben conservarse. Especifica si el resultado debe contener solo la traducción o un registro etiquetado. Para extracción documental, define los campos y solicita pasajes de origen que permitan comprobar la salida. Para una grabación, distingue una transcripción de un resumen e identifica el pasaje importante. Imágenes o video pueden contribuir evidencia para una respuesta textual. El entregable deseado debe permanecer claro incluso cuando la entrada combine varios tipos de medios.
La tabla exacta de la edición estable enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Las funciones necesitan un propósito claro y parámetros definidos; la aplicación conectada ejecuta la operación y proporciona su resultado. Para extracción basada en esquema, valida la estructura devuelta y compara sus valores con el material original. Una decisión de herramienta o un registro bien formado solo son útiles en el contexto de la fuente y la evidencia real devuelta.
La ficha nativa indica una ventana de contexto de 1M y salida textual de 64K. La página del modelo de API especifica 1,048,576 tokens de entrada y 65,536 de salida. Las instrucciones, el contenido de origen y la conversación conservada consumen el presupuesto de entrada, mientras que el razonamiento y un límite de respuesta afectan si el resultado final cabe. Se enumeran caché y procesamiento por lotes, Flex y Priority para este perfil del productor. Para tareas repetidas, conserva las mismas definiciones de categorías o campos y lleva los identificadores a través del resultado para que una revisión posterior pueda localizar el elemento de origen.
Este perfil estable está separado de las variantes Preview de junio y septiembre descritas en otras partes de la familia. La ficha nativa compartida etiqueta específicamente para September Preview las mejoras de esa edición, incluidos seguimiento de instrucciones y concisión; no deben trasladarse silenciosamente al identificador estable. Las generaciones posteriores de Flash-Lite también utilizan controles diferentes de pensamiento y tablas distintas de capacidades. Conserva la edición y elige sus ajustes documentados en lugar de reemplazar los presupuestos de 2.5 por la sintaxis de niveles de pensamiento de Gemini 3.
La ficha enumera alucinaciones y limitaciones en comprensión causal, deducción lógica compleja y razonamiento contrafactual, y da una fecha de corte de conocimiento de enero de 2025. Proporciona evidencia actual o usa un flujo documentado de fundamentación cuando importen hechos más nuevos. Revisa el significado de las traducciones, el respaldo de origen de los campos extraídos y las transcripciones frente al audio. Un resultado pequeño y enfocado hace práctica esta revisión sin tratar una respuesta pulida como prueba de que la fuente contenía el detalle afirmado.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-2.5-flash-lite | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring|content_block[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Camposystem | Tipostring|content_block[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites Mínimo: 1 El límite se aplica a: límite máximo exacto de la ficha del modelo seleccionado | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop_sequences | Tipostring[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipotool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].name | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: herramienta proporcionada | Predeterminado— |
Campotools[].description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].input_schema | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campothinking.type | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campothinking.budget_tokens | Tipointeger | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campooutput_config.effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campometadata | Tipoobject | RequisitoOpcional | Valores y límites | Predeterminado— |
Campocache_control | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Texto · Texto UTF8
messages[].content o bloque type=text
Texto + imagen
{type:image,source:{type:base64,media_type,data}} o una fuente con type=url
| Parámetro | Contrato |
|---|---|
Parámetromaterial_types | Contratotext, image |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratonull |
Parámetrocontent_type | Contratoapplication/json |
Parámetrotext_file_material | Contratocontenido real en UTF-8 insertado como texto; los ID de archivo y las URLs requieren compatibilidad específica e independiente |
Ciclo de vida: exact retained published method
Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos.
POST /v1/messagesAiloot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
Las tablas de referencia del modelo no cambian la selección del método, las cotizaciones ni los cargos. Los cargos aplicados usan las tarifas del método Ailoot seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónOpenAI Chat · Tarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónOpenAI Chat · Nivel 1 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónAnthropic Messages · Tarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónAnthropic Messages · Nivel 1 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-flash-lite",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-flash-lite",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-2.5-flash-lite',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite es el modelo estable de texto multimodal de Google para clasificación, traducción y extracción sencilla frecuentes. El pensamiento está desactivado por defecto y puede habilitarse con un presupuesto de razonamiento de 512–24,576 tokens. Acepta texto y medios, con herramientas, salida estructurada y un límite de entrada de 1,048,576 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 2.5 Flash-Lite es el perfil ligero y estable de Google para traducción, clasificación y extracción sencilla de datos de gran volumen. Su razonamiento híbrido puede utilizar u omitir pensamiento según la tarea. Acepta texto, imágenes, audio, video y PDF y produce texto. Un resultado útil es una categoría, una traducción concisa, un registro extraído del material proporcionado o una explicación escrita acotada.
Para clasificación, define las categorías, la regla de decisión y la forma de la respuesta. Conserva el identificador de origen en un resultado cuando se procesen varios elementos independientes. Para clasificar mensajes de soporte, clasifica un mensaje según el tipo de problema y devuelve la oración que respalda la categoría. Incluye una regla para evidencia ausente o ambigua, de modo que una respuesta fluida no llene un campo requerido con una suposición. La función ligera del modelo es más útil cuando la entrada y el resultado requerido están claramente especificados.
El pensamiento está desactivado por defecto en la configuración documentada de 2.5 Flash-Lite. La guía de pensamiento GenerateContent de Google permite un presupuesto explícito de pensamiento de 512 a 24,576 tokens, cero para mantenerlo desactivado y -1 para solicitar pensamiento dinámico. Son controles de presupuesto de razonamiento, separados de la capacidad de respuesta final. Habilita razonamiento adicional cuando una extracción tenga condiciones que interactúan o una clasificación tenga excepciones; una conversión sencilla puede conservar el comportamiento predeterminado sin pensamiento. La guía señala que el modelo puede usar más o menos tokens de pensamiento que el presupuesto solicitado.
Para traducción, proporciona el idioma de destino, la audiencia y los términos que deben conservarse. Especifica si el resultado debe contener solo la traducción o un registro etiquetado. Para extracción documental, define los campos y solicita pasajes de origen que permitan comprobar la salida. Para una grabación, distingue una transcripción de un resumen e identifica el pasaje importante. Imágenes o video pueden contribuir evidencia para una respuesta textual. El entregable deseado debe permanecer claro incluso cuando la entrada combine varios tipos de medios.
La tabla exacta de la edición estable enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Las funciones necesitan un propósito claro y parámetros definidos; la aplicación conectada ejecuta la operación y proporciona su resultado. Para extracción basada en esquema, valida la estructura devuelta y compara sus valores con el material original. Una decisión de herramienta o un registro bien formado solo son útiles en el contexto de la fuente y la evidencia real devuelta.
La ficha nativa indica una ventana de contexto de 1M y salida textual de 64K. La página del modelo de API especifica 1,048,576 tokens de entrada y 65,536 de salida. Las instrucciones, el contenido de origen y la conversación conservada consumen el presupuesto de entrada, mientras que el razonamiento y un límite de respuesta afectan si el resultado final cabe. Se enumeran caché y procesamiento por lotes, Flex y Priority para este perfil del productor. Para tareas repetidas, conserva las mismas definiciones de categorías o campos y lleva los identificadores a través del resultado para que una revisión posterior pueda localizar el elemento de origen.
Este perfil estable está separado de las variantes Preview de junio y septiembre descritas en otras partes de la familia. La ficha nativa compartida etiqueta específicamente para September Preview las mejoras de esa edición, incluidos seguimiento de instrucciones y concisión; no deben trasladarse silenciosamente al identificador estable. Las generaciones posteriores de Flash-Lite también utilizan controles diferentes de pensamiento y tablas distintas de capacidades. Conserva la edición y elige sus ajustes documentados en lugar de reemplazar los presupuestos de 2.5 por la sintaxis de niveles de pensamiento de Gemini 3.
La ficha enumera alucinaciones y limitaciones en comprensión causal, deducción lógica compleja y razonamiento contrafactual, y da una fecha de corte de conocimiento de enero de 2025. Proporciona evidencia actual o usa un flujo documentado de fundamentación cuando importen hechos más nuevos. Revisa el significado de las traducciones, el respaldo de origen de los campos extraídos y las transcripciones frente al audio. Un resultado pequeño y enfocado hace práctica esta revisión sin tratar una respuesta pulida como prueba de que la fuente contenía el detalle afirmado.
POST /v1beta/models/{model}:generateContenttext, imagetext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campopath.model | Tipostring | RequisitoObligatorio | Valores y límites gemini-2.5-flash-lite | Predeterminado— |
Campocontents | Tipocontent[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campocontents[].role | Tipostring | RequisitoOpcional | Valores y límites user, model | Predeterminado— |
Campocontents[].parts | Tipopart[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
CamposystemInstruction | Tipocontent | RequisitoOpcional | Valores y límites | Predeterminado— |
CampogenerationConfig.maxOutputTokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
CampogenerationConfig.temperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.topP | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.topK | Tipointeger | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.stopSequences | Tipostring[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.thinkingConfig.includeThoughts | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.thinkingConfig.thinkingBudget | Tipointeger | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].functionDeclarations | Tipofunction_declaration[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampotoolConfig.functionCallingConfig.mode | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CamposafetySettings | Tipoobject[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CamposessionId | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Texto · Texto UTF8
contents[].parts[].text
Texto + imagen
parts[].inlineData={mimeType,data}
| Parámetro | Contrato |
|---|---|
Parámetromaterial_types | Contratotext, image |
Parámetrorequired | Contratocontents |
Parámetrooptional_controls | Contratonull |
Parámetrocontent_type | Contratoapplication/json |
Parámetrotext_file_material | Contratocontenido real en UTF-8 insertado como texto; los ID de archivo y las URLs requieren compatibilidad específica e independiente |
Ciclo de vida: exact retained published method
Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos.
POST /v1beta/models/{model}:generateContentAiloot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
Las tablas de referencia del modelo no cambian la selección del método, las cotizaciones ni los cargos. Los cargos aplicados usan las tarifas del método Ailoot seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónOpenAI Chat · Tarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónOpenAI Chat · Nivel 1 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónAnthropic Messages · Tarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónAnthropic Messages · Nivel 1 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-flash-lite", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-flash-lite", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-flash-lite',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson o transmisión en flujo compatible
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los candidatos y sus partes, incluidas las llamadas de función, las firmas de razonamiento y el uso; ensambla los fragmentos de la transmisión en flujo en orden.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
CamporesponseId | Tipostring |
CampomodelVersion | Tipostring |
Campocandidates[].content.parts[] | Tipotext|inlineData|functionCall|other part |
Campocandidates[].finishReason | Tipostring |
CampousageMetadata | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite es el modelo estable de texto multimodal de Google para clasificación, traducción y extracción sencilla frecuentes. El pensamiento está desactivado por defecto y puede habilitarse con un presupuesto de razonamiento de 512–24,576 tokens. Acepta texto y medios, con herramientas, salida estructurada y un límite de entrada de 1,048,576 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 2.5 Flash-Lite es el perfil ligero y estable de Google para traducción, clasificación y extracción sencilla de datos de gran volumen. Su razonamiento híbrido puede utilizar u omitir pensamiento según la tarea. Acepta texto, imágenes, audio, video y PDF y produce texto. Un resultado útil es una categoría, una traducción concisa, un registro extraído del material proporcionado o una explicación escrita acotada.
Para clasificación, define las categorías, la regla de decisión y la forma de la respuesta. Conserva el identificador de origen en un resultado cuando se procesen varios elementos independientes. Para clasificar mensajes de soporte, clasifica un mensaje según el tipo de problema y devuelve la oración que respalda la categoría. Incluye una regla para evidencia ausente o ambigua, de modo que una respuesta fluida no llene un campo requerido con una suposición. La función ligera del modelo es más útil cuando la entrada y el resultado requerido están claramente especificados.
El pensamiento está desactivado por defecto en la configuración documentada de 2.5 Flash-Lite. La guía de pensamiento GenerateContent de Google permite un presupuesto explícito de pensamiento de 512 a 24,576 tokens, cero para mantenerlo desactivado y -1 para solicitar pensamiento dinámico. Son controles de presupuesto de razonamiento, separados de la capacidad de respuesta final. Habilita razonamiento adicional cuando una extracción tenga condiciones que interactúan o una clasificación tenga excepciones; una conversión sencilla puede conservar el comportamiento predeterminado sin pensamiento. La guía señala que el modelo puede usar más o menos tokens de pensamiento que el presupuesto solicitado.
Para traducción, proporciona el idioma de destino, la audiencia y los términos que deben conservarse. Especifica si el resultado debe contener solo la traducción o un registro etiquetado. Para extracción documental, define los campos y solicita pasajes de origen que permitan comprobar la salida. Para una grabación, distingue una transcripción de un resumen e identifica el pasaje importante. Imágenes o video pueden contribuir evidencia para una respuesta textual. El entregable deseado debe permanecer claro incluso cuando la entrada combine varios tipos de medios.
La tabla exacta de la edición estable enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Las funciones necesitan un propósito claro y parámetros definidos; la aplicación conectada ejecuta la operación y proporciona su resultado. Para extracción basada en esquema, valida la estructura devuelta y compara sus valores con el material original. Una decisión de herramienta o un registro bien formado solo son útiles en el contexto de la fuente y la evidencia real devuelta.
La ficha nativa indica una ventana de contexto de 1M y salida textual de 64K. La página del modelo de API especifica 1,048,576 tokens de entrada y 65,536 de salida. Las instrucciones, el contenido de origen y la conversación conservada consumen el presupuesto de entrada, mientras que el razonamiento y un límite de respuesta afectan si el resultado final cabe. Se enumeran caché y procesamiento por lotes, Flex y Priority para este perfil del productor. Para tareas repetidas, conserva las mismas definiciones de categorías o campos y lleva los identificadores a través del resultado para que una revisión posterior pueda localizar el elemento de origen.
Este perfil estable está separado de las variantes Preview de junio y septiembre descritas en otras partes de la familia. La ficha nativa compartida etiqueta específicamente para September Preview las mejoras de esa edición, incluidos seguimiento de instrucciones y concisión; no deben trasladarse silenciosamente al identificador estable. Las generaciones posteriores de Flash-Lite también utilizan controles diferentes de pensamiento y tablas distintas de capacidades. Conserva la edición y elige sus ajustes documentados en lugar de reemplazar los presupuestos de 2.5 por la sintaxis de niveles de pensamiento de Gemini 3.
La ficha enumera alucinaciones y limitaciones en comprensión causal, deducción lógica compleja y razonamiento contrafactual, y da una fecha de corte de conocimiento de enero de 2025. Proporciona evidencia actual o usa un flujo documentado de fundamentación cuando importen hechos más nuevos. Revisa el significado de las traducciones, el respaldo de origen de los campos extraídos y las transcripciones frente al audio. Un resultado pequeño y enfocado hace práctica esta revisión sin tratar una respuesta pulida como prueba de que la fuente contenía el detalle afirmado.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-2.5-flash-lite | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Conversación textual | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream |
Parámetrocontrol_scope | ContratoConversación textual; stream es un booleano y su valor predeterminado es false. |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Alias de método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-2.5-flash-lite","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-2.5-flash-lite", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite es el modelo estable de texto multimodal de Google para clasificación, traducción y extracción sencilla frecuentes. El pensamiento está desactivado por defecto y puede habilitarse con un presupuesto de razonamiento de 512–24,576 tokens. Acepta texto y medios, con herramientas, salida estructurada y un límite de entrada de 1,048,576 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 2.5 Flash-Lite es el perfil ligero y estable de Google para traducción, clasificación y extracción sencilla de datos de gran volumen. Su razonamiento híbrido puede utilizar u omitir pensamiento según la tarea. Acepta texto, imágenes, audio, video y PDF y produce texto. Un resultado útil es una categoría, una traducción concisa, un registro extraído del material proporcionado o una explicación escrita acotada.
Para clasificación, define las categorías, la regla de decisión y la forma de la respuesta. Conserva el identificador de origen en un resultado cuando se procesen varios elementos independientes. Para clasificar mensajes de soporte, clasifica un mensaje según el tipo de problema y devuelve la oración que respalda la categoría. Incluye una regla para evidencia ausente o ambigua, de modo que una respuesta fluida no llene un campo requerido con una suposición. La función ligera del modelo es más útil cuando la entrada y el resultado requerido están claramente especificados.
El pensamiento está desactivado por defecto en la configuración documentada de 2.5 Flash-Lite. La guía de pensamiento GenerateContent de Google permite un presupuesto explícito de pensamiento de 512 a 24,576 tokens, cero para mantenerlo desactivado y -1 para solicitar pensamiento dinámico. Son controles de presupuesto de razonamiento, separados de la capacidad de respuesta final. Habilita razonamiento adicional cuando una extracción tenga condiciones que interactúan o una clasificación tenga excepciones; una conversión sencilla puede conservar el comportamiento predeterminado sin pensamiento. La guía señala que el modelo puede usar más o menos tokens de pensamiento que el presupuesto solicitado.
Para traducción, proporciona el idioma de destino, la audiencia y los términos que deben conservarse. Especifica si el resultado debe contener solo la traducción o un registro etiquetado. Para extracción documental, define los campos y solicita pasajes de origen que permitan comprobar la salida. Para una grabación, distingue una transcripción de un resumen e identifica el pasaje importante. Imágenes o video pueden contribuir evidencia para una respuesta textual. El entregable deseado debe permanecer claro incluso cuando la entrada combine varios tipos de medios.
La tabla exacta de la edición estable enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Las funciones necesitan un propósito claro y parámetros definidos; la aplicación conectada ejecuta la operación y proporciona su resultado. Para extracción basada en esquema, valida la estructura devuelta y compara sus valores con el material original. Una decisión de herramienta o un registro bien formado solo son útiles en el contexto de la fuente y la evidencia real devuelta.
La ficha nativa indica una ventana de contexto de 1M y salida textual de 64K. La página del modelo de API especifica 1,048,576 tokens de entrada y 65,536 de salida. Las instrucciones, el contenido de origen y la conversación conservada consumen el presupuesto de entrada, mientras que el razonamiento y un límite de respuesta afectan si el resultado final cabe. Se enumeran caché y procesamiento por lotes, Flex y Priority para este perfil del productor. Para tareas repetidas, conserva las mismas definiciones de categorías o campos y lleva los identificadores a través del resultado para que una revisión posterior pueda localizar el elemento de origen.
Este perfil estable está separado de las variantes Preview de junio y septiembre descritas en otras partes de la familia. La ficha nativa compartida etiqueta específicamente para September Preview las mejoras de esa edición, incluidos seguimiento de instrucciones y concisión; no deben trasladarse silenciosamente al identificador estable. Las generaciones posteriores de Flash-Lite también utilizan controles diferentes de pensamiento y tablas distintas de capacidades. Conserva la edición y elige sus ajustes documentados en lugar de reemplazar los presupuestos de 2.5 por la sintaxis de niveles de pensamiento de Gemini 3.
La ficha enumera alucinaciones y limitaciones en comprensión causal, deducción lógica compleja y razonamiento contrafactual, y da una fecha de corte de conocimiento de enero de 2025. Proporciona evidencia actual o usa un flujo documentado de fundamentación cuando importen hechos más nuevos. Revisa el significado de las traducciones, el respaldo de origen de los campos extraídos y las transcripciones frente al audio. Un resultado pequeño y enfocado hace práctica esta revisión sin tratar una respuesta pulida como prueba de que la fuente contenía el detalle afirmado.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-2.5-flash-lite | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite es el modelo estable de texto multimodal de Google para clasificación, traducción y extracción sencilla frecuentes. El pensamiento está desactivado por defecto y puede habilitarse con un presupuesto de razonamiento de 512–24,576 tokens. Acepta texto y medios, con herramientas, salida estructurada y un límite de entrada de 1,048,576 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 2.5 Flash-Lite es el perfil ligero y estable de Google para traducción, clasificación y extracción sencilla de datos de gran volumen. Su razonamiento híbrido puede utilizar u omitir pensamiento según la tarea. Acepta texto, imágenes, audio, video y PDF y produce texto. Un resultado útil es una categoría, una traducción concisa, un registro extraído del material proporcionado o una explicación escrita acotada.
Para clasificación, define las categorías, la regla de decisión y la forma de la respuesta. Conserva el identificador de origen en un resultado cuando se procesen varios elementos independientes. Para clasificar mensajes de soporte, clasifica un mensaje según el tipo de problema y devuelve la oración que respalda la categoría. Incluye una regla para evidencia ausente o ambigua, de modo que una respuesta fluida no llene un campo requerido con una suposición. La función ligera del modelo es más útil cuando la entrada y el resultado requerido están claramente especificados.
El pensamiento está desactivado por defecto en la configuración documentada de 2.5 Flash-Lite. La guía de pensamiento GenerateContent de Google permite un presupuesto explícito de pensamiento de 512 a 24,576 tokens, cero para mantenerlo desactivado y -1 para solicitar pensamiento dinámico. Son controles de presupuesto de razonamiento, separados de la capacidad de respuesta final. Habilita razonamiento adicional cuando una extracción tenga condiciones que interactúan o una clasificación tenga excepciones; una conversión sencilla puede conservar el comportamiento predeterminado sin pensamiento. La guía señala que el modelo puede usar más o menos tokens de pensamiento que el presupuesto solicitado.
Para traducción, proporciona el idioma de destino, la audiencia y los términos que deben conservarse. Especifica si el resultado debe contener solo la traducción o un registro etiquetado. Para extracción documental, define los campos y solicita pasajes de origen que permitan comprobar la salida. Para una grabación, distingue una transcripción de un resumen e identifica el pasaje importante. Imágenes o video pueden contribuir evidencia para una respuesta textual. El entregable deseado debe permanecer claro incluso cuando la entrada combine varios tipos de medios.
La tabla exacta de la edición estable enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Las funciones necesitan un propósito claro y parámetros definidos; la aplicación conectada ejecuta la operación y proporciona su resultado. Para extracción basada en esquema, valida la estructura devuelta y compara sus valores con el material original. Una decisión de herramienta o un registro bien formado solo son útiles en el contexto de la fuente y la evidencia real devuelta.
La ficha nativa indica una ventana de contexto de 1M y salida textual de 64K. La página del modelo de API especifica 1,048,576 tokens de entrada y 65,536 de salida. Las instrucciones, el contenido de origen y la conversación conservada consumen el presupuesto de entrada, mientras que el razonamiento y un límite de respuesta afectan si el resultado final cabe. Se enumeran caché y procesamiento por lotes, Flex y Priority para este perfil del productor. Para tareas repetidas, conserva las mismas definiciones de categorías o campos y lleva los identificadores a través del resultado para que una revisión posterior pueda localizar el elemento de origen.
Este perfil estable está separado de las variantes Preview de junio y septiembre descritas en otras partes de la familia. La ficha nativa compartida etiqueta específicamente para September Preview las mejoras de esa edición, incluidos seguimiento de instrucciones y concisión; no deben trasladarse silenciosamente al identificador estable. Las generaciones posteriores de Flash-Lite también utilizan controles diferentes de pensamiento y tablas distintas de capacidades. Conserva la edición y elige sus ajustes documentados en lugar de reemplazar los presupuestos de 2.5 por la sintaxis de niveles de pensamiento de Gemini 3.
La ficha enumera alucinaciones y limitaciones en comprensión causal, deducción lógica compleja y razonamiento contrafactual, y da una fecha de corte de conocimiento de enero de 2025. Proporciona evidencia actual o usa un flujo documentado de fundamentación cuando importen hechos más nuevos. Revisa el significado de las traducciones, el respaldo de origen de los campos extraídos y las transcripciones frente al audio. Un resultado pequeño y enfocado hace práctica esta revisión sin tratar una respuesta pulida como prueba de que la fuente contenía el detalle afirmado.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-2.5-flash-lite | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-flash-lite", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-2.5-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-2.5-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite es el modelo estable de texto multimodal de Google para clasificación, traducción y extracción sencilla frecuentes. El pensamiento está desactivado por defecto y puede habilitarse con un presupuesto de razonamiento de 512–24,576 tokens. Acepta texto y medios, con herramientas, salida estructurada y un límite de entrada de 1,048,576 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 2.5 Flash-Lite es el perfil ligero y estable de Google para traducción, clasificación y extracción sencilla de datos de gran volumen. Su razonamiento híbrido puede utilizar u omitir pensamiento según la tarea. Acepta texto, imágenes, audio, video y PDF y produce texto. Un resultado útil es una categoría, una traducción concisa, un registro extraído del material proporcionado o una explicación escrita acotada.
Para clasificación, define las categorías, la regla de decisión y la forma de la respuesta. Conserva el identificador de origen en un resultado cuando se procesen varios elementos independientes. Para clasificar mensajes de soporte, clasifica un mensaje según el tipo de problema y devuelve la oración que respalda la categoría. Incluye una regla para evidencia ausente o ambigua, de modo que una respuesta fluida no llene un campo requerido con una suposición. La función ligera del modelo es más útil cuando la entrada y el resultado requerido están claramente especificados.
El pensamiento está desactivado por defecto en la configuración documentada de 2.5 Flash-Lite. La guía de pensamiento GenerateContent de Google permite un presupuesto explícito de pensamiento de 512 a 24,576 tokens, cero para mantenerlo desactivado y -1 para solicitar pensamiento dinámico. Son controles de presupuesto de razonamiento, separados de la capacidad de respuesta final. Habilita razonamiento adicional cuando una extracción tenga condiciones que interactúan o una clasificación tenga excepciones; una conversión sencilla puede conservar el comportamiento predeterminado sin pensamiento. La guía señala que el modelo puede usar más o menos tokens de pensamiento que el presupuesto solicitado.
Para traducción, proporciona el idioma de destino, la audiencia y los términos que deben conservarse. Especifica si el resultado debe contener solo la traducción o un registro etiquetado. Para extracción documental, define los campos y solicita pasajes de origen que permitan comprobar la salida. Para una grabación, distingue una transcripción de un resumen e identifica el pasaje importante. Imágenes o video pueden contribuir evidencia para una respuesta textual. El entregable deseado debe permanecer claro incluso cuando la entrada combine varios tipos de medios.
La tabla exacta de la edición estable enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Las funciones necesitan un propósito claro y parámetros definidos; la aplicación conectada ejecuta la operación y proporciona su resultado. Para extracción basada en esquema, valida la estructura devuelta y compara sus valores con el material original. Una decisión de herramienta o un registro bien formado solo son útiles en el contexto de la fuente y la evidencia real devuelta.
La ficha nativa indica una ventana de contexto de 1M y salida textual de 64K. La página del modelo de API especifica 1,048,576 tokens de entrada y 65,536 de salida. Las instrucciones, el contenido de origen y la conversación conservada consumen el presupuesto de entrada, mientras que el razonamiento y un límite de respuesta afectan si el resultado final cabe. Se enumeran caché y procesamiento por lotes, Flex y Priority para este perfil del productor. Para tareas repetidas, conserva las mismas definiciones de categorías o campos y lleva los identificadores a través del resultado para que una revisión posterior pueda localizar el elemento de origen.
Este perfil estable está separado de las variantes Preview de junio y septiembre descritas en otras partes de la familia. La ficha nativa compartida etiqueta específicamente para September Preview las mejoras de esa edición, incluidos seguimiento de instrucciones y concisión; no deben trasladarse silenciosamente al identificador estable. Las generaciones posteriores de Flash-Lite también utilizan controles diferentes de pensamiento y tablas distintas de capacidades. Conserva la edición y elige sus ajustes documentados en lugar de reemplazar los presupuestos de 2.5 por la sintaxis de niveles de pensamiento de Gemini 3.
La ficha enumera alucinaciones y limitaciones en comprensión causal, deducción lógica compleja y razonamiento contrafactual, y da una fecha de corte de conocimiento de enero de 2025. Proporciona evidencia actual o usa un flujo documentado de fundamentación cuando importen hechos más nuevos. Revisa el significado de las traducciones, el respaldo de origen de los campos extraídos y las transcripciones frente al audio. Un resultado pequeño y enfocado hace práctica esta revisión sin tratar una respuesta pulida como prueba de que la fuente contenía el detalle afirmado.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-2.5-flash-lite | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0.00002 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "google/gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
Ejemplo técnico en inglés
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.