Gemini 2.5 Flash-Lite Preview 09-2025 es la edición de septiembre de Google para tareas frecuentes que necesitan un resultado textual conciso y bien dirigido. El fabricante organiza la actualización en torno a tres temas: un mejor seguimiento de instrucciones complejas e instrucciones de sistema, menor verbosidad y mejoras en la traducción y la comprensión multimodal. El nombre fechado identifica esta edición preliminar concreta por separado de la preliminar de Flash-Lite de junio, el modelo estable y un alias móvil de la versión más reciente.
La mejora en el seguimiento de instrucciones resulta útil cuando una tarea tiene varias reglas que deben mantenerse activas al mismo tiempo. Proporciona el material de origen, el público y el formato requerido, y separa después el contenido obligatorio de la explicación opcional. Una tarea de procesamiento de consultas de soporte podría exigir una categoría, la pregunta exacta del cliente y un siguiente paso basado únicamente en una referencia proporcionada. Una tarea documental podría especificar qué términos conservar, qué hechos deben aparecer y cómo representar los valores ausentes. Estos ejemplos convierten una instrucción detallada en un resultado con requisitos observables.
La menor verbosidad es una característica declarada de esta versión. Es especialmente relevante cuando la salida se convierte en el valor breve de un campo, una respuesta corta o la siguiente entrada de un flujo de trabajo mayor. Pide la información necesaria en lugar de una exposición general: la decisión, su fuente y la pregunta pendiente. Para un resumen, enumera los hechos y plazos que deben conservarse al condensar el texto y especifica el número o la finalidad de las secciones. La concisión no equivale a omitir condiciones importantes; una plantilla de salida práctica explicita el contenido requerido.
Google comunica mejoras en la calidad de la traducción, la comprensión de imágenes y la transcripción de audio para esta actualización de septiembre. Para traducir, identifica el público destinatario y un glosario, y distingue los nombres que deben mantenerse de la redacción que debe adaptarse al idioma. Para una imagen, señala el componente o pasaje que debe explicarse y describe el uso previsto de la respuesta. Para transcribir audio, pide una versión escrita con el idioma y las reglas de formato que necesita el siguiente paso. Una fuente multimedia también puede resumirse o compararse con un requisito textual cuando la pregunta identifica el contenido pertinente.
La ficha de esta edición fechada enumera texto, imágenes, vídeo, audio y PDF como entradas, con texto como salida. Sus límites son 1,048,576 tokens de entrada y 65,536 tokens de salida, y su fecha límite de conocimientos documentada es enero de 2025. La amplia capacidad de entrada permite combinar materiales, instrucciones y ejemplos; asigna una etiqueta a cada fuente e indica qué pruebas debe utilizar la respuesta. Esta es la edición de Flash-Lite con salida textual: la voz generada, las imágenes generadas y una interfaz de voz en tiempo real no forman parte de su perfil de salida enumerado.
El fabricante documenta razonamiento, salidas estructuradas, llamadas a funciones, ejecución de código, fundamentación mediante búsquedas, contexto de URL y búsqueda de archivos. El razonamiento puede utilizarse para una tarea con condiciones dependientes; una respuesta estructurada puede ofrecer campos para extracción o clasificación. Una llamada a función contiene un nombre de función propuesto y sus argumentos, mientras que la aplicación la ejecuta y devuelve el resultado. La herramienta de ejecución de código de Google utiliza Python; las herramientas de búsqueda y documentos aportan material externo para una respuesta escrita informada. El perfil concreto también incluye compatibilidad con caché y procesamiento por lotes. Estas son capacidades documentadas del modelo, no una afirmación de que una aplicación determinada haya habilitado todas las herramientas o las haya combinado en una sola solicitud.
La ficha de la familia describe un transformador disperso de mezcla de expertos con comprensión multimodal nativa. El preentrenamiento incluye texto web, lenguajes de programación, imágenes, audio y vídeo. El ajuste posterior utiliza pares revisados de instrucciones y respuestas, información sobre preferencias humanas y datos de uso de herramientas, con deduplicación y filtros de seguridad y calidad durante la preparación. La misma ficha identifica la posible invención de hechos, las dificultades de razonamiento causal y contrafactual, los límites de deducción lógica compleja y el cumplimiento irregular de los presupuestos de razonamiento. También registra una tendencia de algunas respuestas a sonar excesivamente aleccionadoras. Estos son aspectos sustanciales que revisar en un modelo de procesamiento conciso.
Prepara entradas representativas normales, ambiguas e incompletas para una tarea repetida. Para la traducción, compara la terminología, el significado y el formato solicitado de devolver únicamente el resultado. Para la transcripción o extracción documental, compara los detalles devueltos con el material proporcionado e identifica lo que no pudo determinarse. Para una respuesta breve, comprueba que se hayan conservado todos los hechos obligatorios. El entregable terminado podría ser un pasaje traducido, un resumen compacto, campos extraídos o una categoría y una siguiente acción. Esta preparación aprovecha el énfasis específico de la edición de septiembre en la precisión de las instrucciones, la brevedad y el manejo multimedia, manteniendo el resultado vinculado a las pruebas originales.
", "aboutText": "Gemini 2.5 Flash-Lite Preview 09-2025 es la edición de septiembre de Google para tareas frecuentes que necesitan un resultado textual conciso y bien dirigido. El fabricante organiza la actualización en torno a tres temas: un mejor seguimiento de instrucciones complejas e instrucciones de sistema, menor verbosidad y mejoras en la traducción y la comprensión multimodal. El nombre fechado identifica esta edición preliminar concreta por separado de la preliminar de Flash-Lite de junio, el modelo estable y un alias móvil de la versión más reciente.\n\nLa mejora en el seguimiento de instrucciones resulta útil cuando una tarea tiene varias reglas que deben mantenerse activas al mismo tiempo. Proporciona el material de origen, el público y el formato requerido, y separa después el contenido obligatorio de la explicación opcional. Una tarea de procesamiento de consultas de soporte podría exigir una categoría, la pregunta exacta del cliente y un siguiente paso basado únicamente en una referencia proporcionada. Una tarea documental podría especificar qué términos conservar, qué hechos deben aparecer y cómo representar los valores ausentes. Estos ejemplos convierten una instrucción detallada en un resultado con requisitos observables.\n\nLa menor verbosidad es una característica declarada de esta versión. Es especialmente relevante cuando la salida se convierte en el valor breve de un campo, una respuesta corta o la siguiente entrada de un flujo de trabajo mayor. Pide la información necesaria en lugar de una exposición general: la decisión, su fuente y la pregunta pendiente. Para un resumen, enumera los hechos y plazos que deben conservarse al condensar el texto y especifica el número o la finalidad de las secciones. La concisión no equivale a omitir condiciones importantes; una plantilla de salida práctica explicita el contenido requerido.\n\nGoogle comunica mejoras en la calidad de la traducción, la comprensión de imágenes y la transcripción de audio para esta actualización de septiembre. Para traducir, identifica el público destinatario y un glosario, y distingue los nombres que deben mantenerse de la redacción que debe adaptarse al idioma. Para una imagen, señala el componente o pasaje que debe explicarse y describe el uso previsto de la respuesta. Para transcribir audio, pide una versión escrita con el idioma y las reglas de formato que necesita el siguiente paso. Una fuente multimedia también puede resumirse o compararse con un requisito textual cuando la pregunta identifica el contenido pertinente.\n\nLa ficha de esta edición fechada enumera texto, imágenes, vídeo, audio y PDF como entradas, con texto como salida. Sus límites son 1,048,576 tokens de entrada y 65,536 tokens de salida, y su fecha límite de conocimientos documentada es enero de 2025. La amplia capacidad de entrada permite combinar materiales, instrucciones y ejemplos; asigna una etiqueta a cada fuente e indica qué pruebas debe utilizar la respuesta. Esta es la edición de Flash-Lite con salida textual: la voz generada, las imágenes generadas y una interfaz de voz en tiempo real no forman parte de su perfil de salida enumerado.\n\nEl fabricante documenta razonamiento, salidas estructuradas, llamadas a funciones, ejecución de código, fundamentación mediante búsquedas, contexto de URL y búsqueda de archivos. El razonamiento puede utilizarse para una tarea con condiciones dependientes; una respuesta estructurada puede ofrecer campos para extracción o clasificación. Una llamada a función contiene un nombre de función propuesto y sus argumentos, mientras que la aplicación la ejecuta y devuelve el resultado. La herramienta de ejecución de código de Google utiliza Python; las herramientas de búsqueda y documentos aportan material externo para una respuesta escrita informada. El perfil concreto también incluye compatibilidad con caché y procesamiento por lotes. Estas son capacidades documentadas del modelo, no una afirmación de que una aplicación determinada haya habilitado todas las herramientas o las haya combinado en una sola solicitud.\n\nLa ficha de la familia describe un transformador disperso de mezcla de expertos con comprensión multimodal nativa. El preentrenamiento incluye texto web, lenguajes de programación, imágenes, audio y vídeo. El ajuste posterior utiliza pares revisados de instrucciones y respuestas, información sobre preferencias humanas y datos de uso de herramientas, con deduplicación y filtros de seguridad y calidad durante la preparación. La misma ficha identifica la posible invención de hechos, las dificultades de razonamiento causal y contrafactual, los límites de deducción lógica compleja y el cumplimiento irregular de los presupuestos de razonamiento. También registra una tendencia de algunas respuestas a sonar excesivamente aleccionadoras. Estos son aspectos sustanciales que revisar en un modelo de procesamiento conciso.\n\nPrepara entradas representativas normales, ambiguas e incompletas para una tarea repetida. Para la traducción, compara la terminología, el significado y el formato solicitado de devolver únicamente el resultado. Para la transcripción o extracción documental, compara los detalles devueltos con el material proporcionado e identifica lo que no pudo determinarse. Para una respuesta breve, comprueba que se hayan conservado todos los hechos obligatorios. El entregable terminado podría ser un pasaje traducido, un resumen compacto, campos extraídos o una categoría y una siguiente acción. Esta preparación aprovecha el énfasis específico de la edición de septiembre en la precisión de las instrucciones, la brevedad y el manejo multimedia, manteniendo el resultado vinculado a las pruebas originales.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 se centra en seguir instrucciones, producir textos concisos, traducir y comprender contenido multimedia. La edición de septiembre de Google acepta texto, imágenes, vídeo, audio y PDF, con respuestas estructuradas y herramientas documentadas para procesar grandes volúmenes.
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 Preview 09-2025 es la edición de septiembre de Google para tareas frecuentes que necesitan un resultado textual conciso y bien dirigido. El fabricante organiza la actualización en torno a tres temas: un mejor seguimiento de instrucciones complejas e instrucciones de sistema, menor verbosidad y mejoras en la traducción y la comprensión multimodal. El nombre fechado identifica esta edición preliminar concreta por separado de la preliminar de Flash-Lite de junio, el modelo estable y un alias móvil de la versión más reciente.
La mejora en el seguimiento de instrucciones resulta útil cuando una tarea tiene varias reglas que deben mantenerse activas al mismo tiempo. Proporciona el material de origen, el público y el formato requerido, y separa después el contenido obligatorio de la explicación opcional. Una tarea de procesamiento de consultas de soporte podría exigir una categoría, la pregunta exacta del cliente y un siguiente paso basado únicamente en una referencia proporcionada. Una tarea documental podría especificar qué términos conservar, qué hechos deben aparecer y cómo representar los valores ausentes. Estos ejemplos convierten una instrucción detallada en un resultado con requisitos observables.
La menor verbosidad es una característica declarada de esta versión. Es especialmente relevante cuando la salida se convierte en el valor breve de un campo, una respuesta corta o la siguiente entrada de un flujo de trabajo mayor. Pide la información necesaria en lugar de una exposición general: la decisión, su fuente y la pregunta pendiente. Para un resumen, enumera los hechos y plazos que deben conservarse al condensar el texto y especifica el número o la finalidad de las secciones. La concisión no equivale a omitir condiciones importantes; una plantilla de salida práctica explicita el contenido requerido.
Google comunica mejoras en la calidad de la traducción, la comprensión de imágenes y la transcripción de audio para esta actualización de septiembre. Para traducir, identifica el público destinatario y un glosario, y distingue los nombres que deben mantenerse de la redacción que debe adaptarse al idioma. Para una imagen, señala el componente o pasaje que debe explicarse y describe el uso previsto de la respuesta. Para transcribir audio, pide una versión escrita con el idioma y las reglas de formato que necesita el siguiente paso. Una fuente multimedia también puede resumirse o compararse con un requisito textual cuando la pregunta identifica el contenido pertinente.
La ficha de esta edición fechada enumera texto, imágenes, vídeo, audio y PDF como entradas, con texto como salida. Sus límites son 1,048,576 tokens de entrada y 65,536 tokens de salida, y su fecha límite de conocimientos documentada es enero de 2025. La amplia capacidad de entrada permite combinar materiales, instrucciones y ejemplos; asigna una etiqueta a cada fuente e indica qué pruebas debe utilizar la respuesta. Esta es la edición de Flash-Lite con salida textual: la voz generada, las imágenes generadas y una interfaz de voz en tiempo real no forman parte de su perfil de salida enumerado.
El fabricante documenta razonamiento, salidas estructuradas, llamadas a funciones, ejecución de código, fundamentación mediante búsquedas, contexto de URL y búsqueda de archivos. El razonamiento puede utilizarse para una tarea con condiciones dependientes; una respuesta estructurada puede ofrecer campos para extracción o clasificación. Una llamada a función contiene un nombre de función propuesto y sus argumentos, mientras que la aplicación la ejecuta y devuelve el resultado. La herramienta de ejecución de código de Google utiliza Python; las herramientas de búsqueda y documentos aportan material externo para una respuesta escrita informada. El perfil concreto también incluye compatibilidad con caché y procesamiento por lotes. Estas son capacidades documentadas del modelo, no una afirmación de que una aplicación determinada haya habilitado todas las herramientas o las haya combinado en una sola solicitud.
La ficha de la familia describe un transformador disperso de mezcla de expertos con comprensión multimodal nativa. El preentrenamiento incluye texto web, lenguajes de programación, imágenes, audio y vídeo. El ajuste posterior utiliza pares revisados de instrucciones y respuestas, información sobre preferencias humanas y datos de uso de herramientas, con deduplicación y filtros de seguridad y calidad durante la preparación. La misma ficha identifica la posible invención de hechos, las dificultades de razonamiento causal y contrafactual, los límites de deducción lógica compleja y el cumplimiento irregular de los presupuestos de razonamiento. También registra una tendencia de algunas respuestas a sonar excesivamente aleccionadoras. Estos son aspectos sustanciales que revisar en un modelo de procesamiento conciso.
Prepara entradas representativas normales, ambiguas e incompletas para una tarea repetida. Para la traducción, compara la terminología, el significado y el formato solicitado de devolver únicamente el resultado. Para la transcripción o extracción documental, compara los detalles devueltos con el material proporcionado e identifica lo que no pudo determinarse. Para una respuesta breve, comprueba que se hayan conservado todos los hechos obligatorios. El entregable terminado podría ser un pasaje traducido, un resumen compacto, campos extraídos o una categoría y una siguiente acción. Esta preparación aprovecha el énfasis específico de la edición de septiembre en la precisión de las instrucciones, la brevedad y el manejo multimedia, manteniendo el resultado vinculado a las pruebas originales.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-2.5-flash-lite-preview-09-2025 | 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.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-preview-09-2025", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gemini-2.5-flash-lite-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gemini-2.5-flash-lite-preview-09-2025',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 las cabeceras. 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 Ultra gemini-2.5-flash-lite-preview-09-2025
Usa las rutas de método indicadas arriba.
gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 se centra en seguir instrucciones, producir textos concisos, traducir y comprender contenido multimedia. La edición de septiembre de Google acepta texto, imágenes, vídeo, audio y PDF, con respuestas estructuradas y herramientas documentadas para procesar grandes volúmenes.
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 Preview 09-2025 es la edición de septiembre de Google para tareas frecuentes que necesitan un resultado textual conciso y bien dirigido. El fabricante organiza la actualización en torno a tres temas: un mejor seguimiento de instrucciones complejas e instrucciones de sistema, menor verbosidad y mejoras en la traducción y la comprensión multimodal. El nombre fechado identifica esta edición preliminar concreta por separado de la preliminar de Flash-Lite de junio, el modelo estable y un alias móvil de la versión más reciente.
La mejora en el seguimiento de instrucciones resulta útil cuando una tarea tiene varias reglas que deben mantenerse activas al mismo tiempo. Proporciona el material de origen, el público y el formato requerido, y separa después el contenido obligatorio de la explicación opcional. Una tarea de procesamiento de consultas de soporte podría exigir una categoría, la pregunta exacta del cliente y un siguiente paso basado únicamente en una referencia proporcionada. Una tarea documental podría especificar qué términos conservar, qué hechos deben aparecer y cómo representar los valores ausentes. Estos ejemplos convierten una instrucción detallada en un resultado con requisitos observables.
La menor verbosidad es una característica declarada de esta versión. Es especialmente relevante cuando la salida se convierte en el valor breve de un campo, una respuesta corta o la siguiente entrada de un flujo de trabajo mayor. Pide la información necesaria en lugar de una exposición general: la decisión, su fuente y la pregunta pendiente. Para un resumen, enumera los hechos y plazos que deben conservarse al condensar el texto y especifica el número o la finalidad de las secciones. La concisión no equivale a omitir condiciones importantes; una plantilla de salida práctica explicita el contenido requerido.
Google comunica mejoras en la calidad de la traducción, la comprensión de imágenes y la transcripción de audio para esta actualización de septiembre. Para traducir, identifica el público destinatario y un glosario, y distingue los nombres que deben mantenerse de la redacción que debe adaptarse al idioma. Para una imagen, señala el componente o pasaje que debe explicarse y describe el uso previsto de la respuesta. Para transcribir audio, pide una versión escrita con el idioma y las reglas de formato que necesita el siguiente paso. Una fuente multimedia también puede resumirse o compararse con un requisito textual cuando la pregunta identifica el contenido pertinente.
La ficha de esta edición fechada enumera texto, imágenes, vídeo, audio y PDF como entradas, con texto como salida. Sus límites son 1,048,576 tokens de entrada y 65,536 tokens de salida, y su fecha límite de conocimientos documentada es enero de 2025. La amplia capacidad de entrada permite combinar materiales, instrucciones y ejemplos; asigna una etiqueta a cada fuente e indica qué pruebas debe utilizar la respuesta. Esta es la edición de Flash-Lite con salida textual: la voz generada, las imágenes generadas y una interfaz de voz en tiempo real no forman parte de su perfil de salida enumerado.
El fabricante documenta razonamiento, salidas estructuradas, llamadas a funciones, ejecución de código, fundamentación mediante búsquedas, contexto de URL y búsqueda de archivos. El razonamiento puede utilizarse para una tarea con condiciones dependientes; una respuesta estructurada puede ofrecer campos para extracción o clasificación. Una llamada a función contiene un nombre de función propuesto y sus argumentos, mientras que la aplicación la ejecuta y devuelve el resultado. La herramienta de ejecución de código de Google utiliza Python; las herramientas de búsqueda y documentos aportan material externo para una respuesta escrita informada. El perfil concreto también incluye compatibilidad con caché y procesamiento por lotes. Estas son capacidades documentadas del modelo, no una afirmación de que una aplicación determinada haya habilitado todas las herramientas o las haya combinado en una sola solicitud.
La ficha de la familia describe un transformador disperso de mezcla de expertos con comprensión multimodal nativa. El preentrenamiento incluye texto web, lenguajes de programación, imágenes, audio y vídeo. El ajuste posterior utiliza pares revisados de instrucciones y respuestas, información sobre preferencias humanas y datos de uso de herramientas, con deduplicación y filtros de seguridad y calidad durante la preparación. La misma ficha identifica la posible invención de hechos, las dificultades de razonamiento causal y contrafactual, los límites de deducción lógica compleja y el cumplimiento irregular de los presupuestos de razonamiento. También registra una tendencia de algunas respuestas a sonar excesivamente aleccionadoras. Estos son aspectos sustanciales que revisar en un modelo de procesamiento conciso.
Prepara entradas representativas normales, ambiguas e incompletas para una tarea repetida. Para la traducción, compara la terminología, el significado y el formato solicitado de devolver únicamente el resultado. Para la transcripción o extracción documental, compara los detalles devueltos con el material proporcionado e identifica lo que no pudo determinarse. Para una respuesta breve, comprueba que se hayan conservado todos los hechos obligatorios. El entregable terminado podría ser un pasaje traducido, un resumen compacto, campos extraídos o una categoría y una siguiente acción. Esta preparación aprovecha el énfasis específico de la edición de septiembre en la precisión de las instrucciones, la brevedad y el manejo multimedia, manteniendo el resultado vinculado a las pruebas originales.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-2.5-flash-lite-preview-09-2025 | 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.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.0002 / 1K tokens Salida · Tokens de salida $0.0008 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gemini-2.5-flash-lite-preview-09-2025",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-preview-09-2025', '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-preview-09-2025', '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 las cabeceras. 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 Ultra gemini-2.5-flash-lite-preview-09-2025
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.