Gemini 3.1 Flash-Lite es el modelo de texto multimodal ligero y estable de Google para tareas frecuentes y bien definidas. Se basa en Gemini 3 Pro. La traducción y la clasificación son cargas centrales; otras tareas útiles incluyen transcripción, resúmenes documentales, extracción de entidades y clasificación para elegir modelos. Texto, imágenes, audio, video y PDF pueden proporcionar el material de origen, y el resultado es texto. Un encargo útil pide una operación y una forma final, como un mensaje traducido o un registro de campos encontrados en un documento.
Para traducción, proporciona el texto de origen, el idioma de destino, la audiencia y la terminología que debe mantenerse intacta. El ejemplo de Google utiliza instrucciones que devuelven únicamente la traducción. Para traducir un mensaje de soporte, conserva los nombres de productos y las referencias de pedidos mientras traduces el resto de forma natural. Especifica cómo manejar la ambigüedad para que el resultado no agregue una fecha, promesa o detalle ausente de la fuente. Mantén la forma solicitada apropiada para el destino, como una respuesta corta o un registro de traducción etiquetado.
Para transcripción, proporciona la grabación y define si la respuesta debe ser las palabras habladas, una transcripción editada legible o un resumen. Son salidas distintas. Identifica el intervalo pertinente cuando una grabación larga contenga un solo pasaje necesario para la tarea. El ejemplo para desarrolladores del fabricante envía audio directamente y solicita una transcripción textual. Comprueba nombres, números y pasajes poco claros frente a la grabación, conservando la fuente original para revisión. Este perfil general de texto multimodal no implica por sí mismo salida de audio ni un resultado específico de diarización de hablantes.
Para clasificación o extracción, define las categorías, el esquema y la regla para valores ausentes. La guía para desarrolladores muestra JSON estructurado para analizar una reseña de cliente, con una cita de respaldo y campos definidos. Un registro estructurado puede contener el producto mencionado, la categoría del problema y la oración que justifica la elección. Incluye un caso representativo que deba permanecer desconocido en lugar de forzarse a una categoría. Un registro sintácticamente válido sigue necesitando compararse con el texto real de origen.
El procesamiento documental puede convertir un PDF en un resumen conciso o un registro de campos. Indica la pregunta y conserva referencias de páginas o secciones donde el hallazgo necesite comprobarse. Una revisión de tabla debe especificar las columnas y la regla importantes; una tarea visual debe identificar la etiqueta o región necesaria para la respuesta. El enrutamiento de modelos es otro uso documentado: el modelo clasifica la complejidad de una solicitud y devuelve una elección permitida. La aplicación conectada, en lugar del texto de clasificación en sí, decide qué ejecutar después.
Se admite pensamiento, y el fabricante muestra un esfuerzo mayor para tareas que se benefician de más análisis. La página exacta de la versión estable también enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salida estructurada. Computer Use no es compatible con este perfil estable de 3.1; el perfil posterior de 3.5 Flash-Lite tiene una tabla diferente de capacidades. Define claramente los propósitos y parámetros de las herramientas y continúa a partir de resultados reales devueltos. Una sugerencia de función no establece que la operación se haya realizado.
La ficha nativa del modelo enumera hasta 1M de contexto y 64K de salida textual; la tabla de API estable especifica 1,048,576 tokens de entrada y 65,536 de salida. Incluye las instrucciones, la conversación y los medios de origen al preparar la entrada y solicita una salida del tamaño adecuado para el entregable previsto. Se documentan caché y procesamiento por lotes, Flex y Priority para este perfil del productor. Para elementos independientes repetidos, lleva el identificador de entrada al resultado y conserva un esquema consistente para poder identificar una respuesta ausente.
Este identificador estable del modelo es distinto de Gemini 3.1 Flash-Lite Preview y de ediciones posteriores de Flash-Lite. Conserva la edición exacta al preparar procesamiento repetido, en lugar de tratar un nombre familiar de familia como garantía de una revisión fija. Revisa las traducciones para comprobar significado y términos conservados, las transcripciones frente al audio y los campos extraídos frente al documento. El papel práctico del perfil es procesamiento textual multimodal enfocado con un resultado claro, dejando el razonamiento de una tarea más amplia o las acciones externas al paso posterior apropiado.
", "aboutText": "Gemini 3.1 Flash-Lite es el modelo de texto multimodal ligero y estable de Google para tareas frecuentes y bien definidas. Se basa en Gemini 3 Pro. La traducción y la clasificación son cargas centrales; otras tareas útiles incluyen transcripción, resúmenes documentales, extracción de entidades y clasificación para elegir modelos. Texto, imágenes, audio, video y PDF pueden proporcionar el material de origen, y el resultado es texto. Un encargo útil pide una operación y una forma final, como un mensaje traducido o un registro de campos encontrados en un documento.\n\nPara traducción, proporciona el texto de origen, el idioma de destino, la audiencia y la terminología que debe mantenerse intacta. El ejemplo de Google utiliza instrucciones que devuelven únicamente la traducción. Para traducir un mensaje de soporte, conserva los nombres de productos y las referencias de pedidos mientras traduces el resto de forma natural. Especifica cómo manejar la ambigüedad para que el resultado no agregue una fecha, promesa o detalle ausente de la fuente. Mantén la forma solicitada apropiada para el destino, como una respuesta corta o un registro de traducción etiquetado.\n\nPara transcripción, proporciona la grabación y define si la respuesta debe ser las palabras habladas, una transcripción editada legible o un resumen. Son salidas distintas. Identifica el intervalo pertinente cuando una grabación larga contenga un solo pasaje necesario para la tarea. El ejemplo para desarrolladores del fabricante envía audio directamente y solicita una transcripción textual. Comprueba nombres, números y pasajes poco claros frente a la grabación, conservando la fuente original para revisión. Este perfil general de texto multimodal no implica por sí mismo salida de audio ni un resultado específico de diarización de hablantes.\n\nPara clasificación o extracción, define las categorías, el esquema y la regla para valores ausentes. La guía para desarrolladores muestra JSON estructurado para analizar una reseña de cliente, con una cita de respaldo y campos definidos. Un registro estructurado puede contener el producto mencionado, la categoría del problema y la oración que justifica la elección. Incluye un caso representativo que deba permanecer desconocido en lugar de forzarse a una categoría. Un registro sintácticamente válido sigue necesitando compararse con el texto real de origen.\n\nEl procesamiento documental puede convertir un PDF en un resumen conciso o un registro de campos. Indica la pregunta y conserva referencias de páginas o secciones donde el hallazgo necesite comprobarse. Una revisión de tabla debe especificar las columnas y la regla importantes; una tarea visual debe identificar la etiqueta o región necesaria para la respuesta. El enrutamiento de modelos es otro uso documentado: el modelo clasifica la complejidad de una solicitud y devuelve una elección permitida. La aplicación conectada, en lugar del texto de clasificación en sí, decide qué ejecutar después.\n\nSe admite pensamiento, y el fabricante muestra un esfuerzo mayor para tareas que se benefician de más análisis. La página exacta de la versión estable también enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salida estructurada. Computer Use no es compatible con este perfil estable de 3.1; el perfil posterior de 3.5 Flash-Lite tiene una tabla diferente de capacidades. Define claramente los propósitos y parámetros de las herramientas y continúa a partir de resultados reales devueltos. Una sugerencia de función no establece que la operación se haya realizado.\n\nLa ficha nativa del modelo enumera hasta 1M de contexto y 64K de salida textual; la tabla de API estable especifica 1,048,576 tokens de entrada y 65,536 de salida. Incluye las instrucciones, la conversación y los medios de origen al preparar la entrada y solicita una salida del tamaño adecuado para el entregable previsto. Se documentan caché y procesamiento por lotes, Flex y Priority para este perfil del productor. Para elementos independientes repetidos, lleva el identificador de entrada al resultado y conserva un esquema consistente para poder identificar una respuesta ausente.\n\nEste identificador estable del modelo es distinto de Gemini 3.1 Flash-Lite Preview y de ediciones posteriores de Flash-Lite. Conserva la edición exacta al preparar procesamiento repetido, en lugar de tratar un nombre familiar de familia como garantía de una revisión fija. Revisa las traducciones para comprobar significado y términos conservados, las transcripciones frente al audio y los campos extraídos frente al documento. El papel práctico del perfil es procesamiento textual multimodal enfocado con un resultado claro, dejando el razonamiento de una tarea más amplia o las acciones externas al paso posterior apropiado.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "189e277b6db88fb49f6684c18f160c0462a2c9e78773937a42e279f6a7ee3a45", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es-mx", "methods": [ { "html": "google/gemini-3.1-flash-lite:batchGemini 3.1 Flash-Lite es el modelo multimodal estable de Google para traducción, transcripción, clasificación y extracción sencilla a escala. Acepta texto, imágenes, audio, video y PDF y devuelve texto, con pensamiento, herramientas y salida estructurada. Sus límites exactos de entrada/salida son 1,048,576/65,536 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 3.1 Flash-Lite es el modelo de texto multimodal ligero y estable de Google para tareas frecuentes y bien definidas. Se basa en Gemini 3 Pro. La traducción y la clasificación son cargas centrales; otras tareas útiles incluyen transcripción, resúmenes documentales, extracción de entidades y clasificación para elegir modelos. Texto, imágenes, audio, video y PDF pueden proporcionar el material de origen, y el resultado es texto. Un encargo útil pide una operación y una forma final, como un mensaje traducido o un registro de campos encontrados en un documento.
Para traducción, proporciona el texto de origen, el idioma de destino, la audiencia y la terminología que debe mantenerse intacta. El ejemplo de Google utiliza instrucciones que devuelven únicamente la traducción. Para traducir un mensaje de soporte, conserva los nombres de productos y las referencias de pedidos mientras traduces el resto de forma natural. Especifica cómo manejar la ambigüedad para que el resultado no agregue una fecha, promesa o detalle ausente de la fuente. Mantén la forma solicitada apropiada para el destino, como una respuesta corta o un registro de traducción etiquetado.
Para transcripción, proporciona la grabación y define si la respuesta debe ser las palabras habladas, una transcripción editada legible o un resumen. Son salidas distintas. Identifica el intervalo pertinente cuando una grabación larga contenga un solo pasaje necesario para la tarea. El ejemplo para desarrolladores del fabricante envía audio directamente y solicita una transcripción textual. Comprueba nombres, números y pasajes poco claros frente a la grabación, conservando la fuente original para revisión. Este perfil general de texto multimodal no implica por sí mismo salida de audio ni un resultado específico de diarización de hablantes.
Para clasificación o extracción, define las categorías, el esquema y la regla para valores ausentes. La guía para desarrolladores muestra JSON estructurado para analizar una reseña de cliente, con una cita de respaldo y campos definidos. Un registro estructurado puede contener el producto mencionado, la categoría del problema y la oración que justifica la elección. Incluye un caso representativo que deba permanecer desconocido en lugar de forzarse a una categoría. Un registro sintácticamente válido sigue necesitando compararse con el texto real de origen.
El procesamiento documental puede convertir un PDF en un resumen conciso o un registro de campos. Indica la pregunta y conserva referencias de páginas o secciones donde el hallazgo necesite comprobarse. Una revisión de tabla debe especificar las columnas y la regla importantes; una tarea visual debe identificar la etiqueta o región necesaria para la respuesta. El enrutamiento de modelos es otro uso documentado: el modelo clasifica la complejidad de una solicitud y devuelve una elección permitida. La aplicación conectada, en lugar del texto de clasificación en sí, decide qué ejecutar después.
Se admite pensamiento, y el fabricante muestra un esfuerzo mayor para tareas que se benefician de más análisis. La página exacta de la versión estable también enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salida estructurada. Computer Use no es compatible con este perfil estable de 3.1; el perfil posterior de 3.5 Flash-Lite tiene una tabla diferente de capacidades. Define claramente los propósitos y parámetros de las herramientas y continúa a partir de resultados reales devueltos. Una sugerencia de función no establece que la operación se haya realizado.
La ficha nativa del modelo enumera hasta 1M de contexto y 64K de salida textual; la tabla de API estable especifica 1,048,576 tokens de entrada y 65,536 de salida. Incluye las instrucciones, la conversación y los medios de origen al preparar la entrada y solicita una salida del tamaño adecuado para el entregable previsto. Se documentan caché y procesamiento por lotes, Flex y Priority para este perfil del productor. Para elementos independientes repetidos, lleva el identificador de entrada al resultado y conserva un esquema consistente para poder identificar una respuesta ausente.
Este identificador estable del modelo es distinto de Gemini 3.1 Flash-Lite Preview y de ediciones posteriores de Flash-Lite. Conserva la edición exacta al preparar procesamiento repetido, en lugar de tratar un nombre familiar de familia como garantía de una revisión fija. Revisa las traducciones para comprobar significado y términos conservados, las transcripciones frente al audio y los campos extraídos frente al documento. El papel práctico del perfil es procesamiento textual multimodal enfocado con un resultado claro, dejando el razonamiento de una tarea más amplia o las acciones externas al paso posterior apropiado.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObligatorio | Valores y límites /v1/chat/completions | Predeterminado— |
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-3.1-flash-lite:batch | Predeterminado— |
Camporequests | Tipobatch_item[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Camporequests[].custom_id | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campocompletion_window | Tipostring | RequisitoOpcional | Valores y límites 24h | Predeterminado— |
Campoprovider | Tipoobject|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Camporequests[].body.model | Tipostring | RequisitoOpcional | Valores y límites google/gemini-3.1-flash-lite:batch, google/gemini-3.1-flash-lite | Predeterminado— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores y límites google-vertex/global | Predeterminado— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores y límites false, null | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratoendpoint, model, requests |
Parámetromaterial_types | Contratotext |
Parámetrorepresentation | Contratorequests[] en línea; cada elemento tiene custom_id y body |
Parámetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parámetrofile_material | ContratoQuien realiza la llamada puede leer localmente el JSONL UTF-8 real e incorporarlo a requests[]. No se utiliza el campo purpose para cargas, ni input_file_id ni referencias a archivos. Si falta el material del cliente o está vacío, la preparación se detiene antes del POST. |
Parámetroserialization_order | Contratoendpoint, model, provider (si se proporciona), completion_window (si se proporciona), requests al final |
Parámetrooptional_controls | Contratoprovider.only, provider.allow_fallbacks, completion_window |
Parámetroschema_scope | ContratoCuerpos de solicitudes de texto de Chat Completions dentro de la estructura Batch en línea documentada. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · El response.id real de la respuesta de creación original; el mismo usuario, clave y grupo
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 $0.00025 / 1K tokens Salida · Tokens de salida $0.0015 / 1K tokens Entrada · Lectura de caché $0.000025 / 1K tokens Entrada · Escritura en caché — / 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 $0.00025 / 1K tokens Salida · Tokens de salida $0.0015 / 1K tokens Entrada · Lectura de caché $0.000025 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-3.1-flash-lite:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-3.1-flash-lite:batch', 'google/gemini-3.1-flash-lite']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.1-flash-lite:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON de results[].response.body en línea
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nConserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva el JSON completo del estado original, cada result/custom_id y el cuerpo completo de la respuesta o del error. Guarda results[] completados como JSONL sin filtrar.
Conserva el ID de la operación original. La respuesta 503 result_pending_check incluye X-Should-Retry:false; nunca vuelvas a enviar un lote original cuyo resultado sea desconocido.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónLa estructura en línea documentada no es válida, hay claves duplicadas, existe un problema con la identidad de los elementos o hay un conflicto entre las capacidades configuradas del modelo. | Siguiente pasoCorrige los campos indicados antes de realizar cualquier nuevo envío. |
Respuesta401 · authentication_error | CondiciónClave de API no válida. | Siguiente pasoUsa la clave de Ailoot autorizada. |
Respuesta403 · permission_error | CondiciónGrupo de Batch no disponible. | Siguiente pasoVerifica los permisos de la clave y el grupo. |
Respuesta422 · invalid_request_error | CondiciónBatch usa facturación contra saldo; se rechazan las solicitudes de creación con una suscripción. | Siguiente pasoUsa el grupo autorizado con facturación contra saldo. |
Respuesta422 · price_unavailable | CondiciónNo se puede cotizar la entrada de Batch. | Siguiente pasoConserva la respuesta; usa la entrada documentada para la familia. |
Respuesta402 · billing_error | CondiciónReserva de Batch no disponible. | Siguiente pasoResuelve los requisitos de admisión antes de realizar una nueva solicitud. |
Respuesta503 · price_unavailable | CondiciónPrecio del método Batch o tarifas nativas no disponibles. | Siguiente pasoConserva la respuesta; no sustituyas los precios. |
Respuesta503 · api_error | CondiciónLa ruta exacta del proveedor no está disponible. | Siguiente pasoConserva la respuesta para reparar la ruta. |
Respuesta503 · result_pending_check | CondiciónEl resultado original requiere una revisión; X-Should-Retry:false. | Siguiente pasoConserva el operation_id/id original y consulta su estado; nunca repitas el POST original. |
Respuesta404 · not_found | CondiciónLa operación de consulta de estado de Batch no existe o pertenece a otra identidad. | Siguiente pasoUsa el id original exacto y el mismo usuario, clave y grupo. |
Ailoot Ultra google/gemini-3.1-flash-lite:batch
Usa las rutas de método indicadas arriba.