Gemini 3.1 Flash-Lite es el modelo de texto multimodal, ligero y estable de Google para tareas frecuentes y bien definidas. Está basado en Gemini 3 Pro. La traducción y la clasificación son cargas de trabajo centrales; otras tareas útiles incluyen la transcripción, los resúmenes de documentos, la extracción de entidades y la clasificación para la selección de modelos. El material de origen puede ser texto, imágenes, audio, vídeo y PDF, y el resultado es texto. Unas instrucciones útiles piden una única operación y un único formato final, como un mensaje traducido o un registro de los campos encontrados en un documento.
Para la traducción, proporciona el texto de origen, el idioma de destino, el público y la terminología que debe permanecer intacta. El ejemplo de Google utiliza instrucciones para devolver únicamente la traducción. Al traducir un mensaje de soporte, conserva los nombres de los productos y las referencias de los pedidos, y traduce el resto con naturalidad. Especifica cómo debe tratarse la ambigüedad para que el resultado no añada una fecha, una promesa o un detalle ausente en el original. Mantén un formato de respuesta adecuado para el destino, como una respuesta breve o un registro de traducción etiquetado.
Para la transcripción, proporciona la grabación y define si la respuesta debe contener las palabras pronunciadas, una transcripción editada para facilitar la lectura o un resumen. Son salidas diferentes. Identifica el intervalo pertinente cuando una grabación larga solo contenga un pasaje necesario para la tarea. El ejemplo del fabricante para desarrolladores proporciona el audio directamente y solicita una transcripción textual. Comprueba los nombres, los números y los pasajes poco claros comparándolos con la grabación, y conserva la fuente original para su revisión. Este perfil general de texto multimodal no implica por sí mismo una salida de audio ni un resultado específico de diarización de hablantes.
Para la clasificación o la extracción, define las categorías, el esquema y la regla para los valores ausentes. La guía para desarrolladores muestra JSON estructurado para analizar una reseña de un cliente, con una cita justificativa y campos definidos. Un registro estructurado puede contener el producto mencionado, la categoría del problema y la frase que justifica la elección. Incluye un caso representativo que deba permanecer como desconocido en lugar de forzarlo a encajar en una categoría. Un registro sintácticamente válido sigue necesitando una comparación con el texto de origen real.
El procesamiento de documentos puede convertir un PDF en un resumen conciso o en un registro de campos. Formula la pregunta y conserva las referencias de página o sección cuando sea necesario comprobar el hallazgo. Una revisión de una tabla debe especificar las columnas y la regla relevantes; una tarea visual debe identificar la etiqueta o la región necesaria para la respuesta. El enrutamiento a modelos es otro uso documentado: el modelo clasifica la complejidad de una solicitud y devuelve una opción permitida. La aplicación conectada, y no el propio texto de clasificación, decide qué ejecutar a continuación.
Se admite el razonamiento, y el fabricante muestra un mayor esfuerzo para las tareas que se benefician de un análisis más profundo. La página específica de la versión estable también incluye 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 3.5 Flash-Lite tiene una tabla de capacidades diferente. Define claramente los fines y los parámetros de las herramientas, y continúa a partir de resultados reales devueltos. Sugerir una función no demuestra que la operación haya tenido lugar.
La ficha del modelo nativo indica hasta 1M de contexto y 64K de salida textual; la tabla de la API estable especifica 1,048,576 tokens de entrada y 65,536 tokens de salida. Incluye las instrucciones, la conversación y los medios de origen en la preparación de la entrada, y solicita una salida con un tamaño adecuado para el artefacto previsto. El almacenamiento en caché y el procesamiento por lotes, Flex y Priority están documentados para este perfil del proveedor. Para elementos independientes que se procesan de forma repetida, incorpora el identificador de entrada al resultado y conserva un esquema uniforme para poder identificar una respuesta ausente.
Este identificador del modelo estable es distinto de Gemini 3.1 Flash-Lite Preview y de las ediciones posteriores de Flash-Lite. Conserva la edición exacta al preparar un procesamiento repetido, en lugar de dar por hecho que un nombre de familia conocido garantiza una revisión fija. Revisa que las traducciones conserven el significado y los términos, contrasta las transcripciones con el audio y los campos extraídos con el documento. La función práctica de este perfil es el procesamiento enfocado de texto multimodal con un resultado claro, dejando el razonamiento de una tarea más amplia o las acciones externas para el paso posterior adecuado.
", "aboutText": "Gemini 3.1 Flash-Lite es el modelo de texto multimodal, ligero y estable de Google para tareas frecuentes y bien definidas. Está basado en Gemini 3 Pro. La traducción y la clasificación son cargas de trabajo centrales; otras tareas útiles incluyen la transcripción, los resúmenes de documentos, la extracción de entidades y la clasificación para la selección de modelos. El material de origen puede ser texto, imágenes, audio, vídeo y PDF, y el resultado es texto. Unas instrucciones útiles piden una única operación y un único formato final, como un mensaje traducido o un registro de los campos encontrados en un documento.\n\nPara la traducción, proporciona el texto de origen, el idioma de destino, el público y la terminología que debe permanecer intacta. El ejemplo de Google utiliza instrucciones para devolver únicamente la traducción. Al traducir un mensaje de soporte, conserva los nombres de los productos y las referencias de los pedidos, y traduce el resto con naturalidad. Especifica cómo debe tratarse la ambigüedad para que el resultado no añada una fecha, una promesa o un detalle ausente en el original. Mantén un formato de respuesta adecuado para el destino, como una respuesta breve o un registro de traducción etiquetado.\n\nPara la transcripción, proporciona la grabación y define si la respuesta debe contener las palabras pronunciadas, una transcripción editada para facilitar la lectura o un resumen. Son salidas diferentes. Identifica el intervalo pertinente cuando una grabación larga solo contenga un pasaje necesario para la tarea. El ejemplo del fabricante para desarrolladores proporciona el audio directamente y solicita una transcripción textual. Comprueba los nombres, los números y los pasajes poco claros comparándolos con la grabación, y conserva la fuente original para su revisión. Este perfil general de texto multimodal no implica por sí mismo una salida de audio ni un resultado específico de diarización de hablantes.\n\nPara la clasificación o la extracción, define las categorías, el esquema y la regla para los valores ausentes. La guía para desarrolladores muestra JSON estructurado para analizar una reseña de un cliente, con una cita justificativa y campos definidos. Un registro estructurado puede contener el producto mencionado, la categoría del problema y la frase que justifica la elección. Incluye un caso representativo que deba permanecer como desconocido en lugar de forzarlo a encajar en una categoría. Un registro sintácticamente válido sigue necesitando una comparación con el texto de origen real.\n\nEl procesamiento de documentos puede convertir un PDF en un resumen conciso o en un registro de campos. Formula la pregunta y conserva las referencias de página o sección cuando sea necesario comprobar el hallazgo. Una revisión de una tabla debe especificar las columnas y la regla relevantes; una tarea visual debe identificar la etiqueta o la región necesaria para la respuesta. El enrutamiento a modelos es otro uso documentado: el modelo clasifica la complejidad de una solicitud y devuelve una opción permitida. La aplicación conectada, y no el propio texto de clasificación, decide qué ejecutar a continuación.\n\nSe admite el razonamiento, y el fabricante muestra un mayor esfuerzo para las tareas que se benefician de un análisis más profundo. La página específica de la versión estable también incluye 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 3.5 Flash-Lite tiene una tabla de capacidades diferente. Define claramente los fines y los parámetros de las herramientas, y continúa a partir de resultados reales devueltos. Sugerir una función no demuestra que la operación haya tenido lugar.\n\nLa ficha del modelo nativo indica hasta 1M de contexto y 64K de salida textual; la tabla de la API estable especifica 1,048,576 tokens de entrada y 65,536 tokens de salida. Incluye las instrucciones, la conversación y los medios de origen en la preparación de la entrada, y solicita una salida con un tamaño adecuado para el artefacto previsto. El almacenamiento en caché y el procesamiento por lotes, Flex y Priority están documentados para este perfil del proveedor. Para elementos independientes que se procesan de forma repetida, incorpora el identificador de entrada al resultado y conserva un esquema uniforme para poder identificar una respuesta ausente.\n\nEste identificador del modelo estable es distinto de Gemini 3.1 Flash-Lite Preview y de las ediciones posteriores de Flash-Lite. Conserva la edición exacta al preparar un procesamiento repetido, en lugar de dar por hecho que un nombre de familia conocido garantiza una revisión fija. Revisa que las traducciones conserven el significado y los términos, contrasta las transcripciones con el audio y los campos extraídos con el documento. La función práctica de este perfil es el procesamiento enfocado de texto multimodal con un resultado claro, dejando el razonamiento de una tarea más amplia o las acciones externas para el paso posterior adecuado.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "cee8785ae95294030bc72e12afbb4da452e35c9b18884bba52a2f02c91171949", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "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 gran escala. Acepta texto, imágenes, audio, vídeo y PDF, y devuelve texto, con razonamiento, herramientas y salida estructurada. Sus límites exactos de entrada/salida son de 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. Está basado en Gemini 3 Pro. La traducción y la clasificación son cargas de trabajo centrales; otras tareas útiles incluyen la transcripción, los resúmenes de documentos, la extracción de entidades y la clasificación para la selección de modelos. El material de origen puede ser texto, imágenes, audio, vídeo y PDF, y el resultado es texto. Unas instrucciones útiles piden una única operación y un único formato final, como un mensaje traducido o un registro de los campos encontrados en un documento.
Para la traducción, proporciona el texto de origen, el idioma de destino, el público y la terminología que debe permanecer intacta. El ejemplo de Google utiliza instrucciones para devolver únicamente la traducción. Al traducir un mensaje de soporte, conserva los nombres de los productos y las referencias de los pedidos, y traduce el resto con naturalidad. Especifica cómo debe tratarse la ambigüedad para que el resultado no añada una fecha, una promesa o un detalle ausente en el original. Mantén un formato de respuesta adecuado para el destino, como una respuesta breve o un registro de traducción etiquetado.
Para la transcripción, proporciona la grabación y define si la respuesta debe contener las palabras pronunciadas, una transcripción editada para facilitar la lectura o un resumen. Son salidas diferentes. Identifica el intervalo pertinente cuando una grabación larga solo contenga un pasaje necesario para la tarea. El ejemplo del fabricante para desarrolladores proporciona el audio directamente y solicita una transcripción textual. Comprueba los nombres, los números y los pasajes poco claros comparándolos con la grabación, y conserva la fuente original para su revisión. Este perfil general de texto multimodal no implica por sí mismo una salida de audio ni un resultado específico de diarización de hablantes.
Para la clasificación o la extracción, define las categorías, el esquema y la regla para los valores ausentes. La guía para desarrolladores muestra JSON estructurado para analizar una reseña de un cliente, con una cita justificativa y campos definidos. Un registro estructurado puede contener el producto mencionado, la categoría del problema y la frase que justifica la elección. Incluye un caso representativo que deba permanecer como desconocido en lugar de forzarlo a encajar en una categoría. Un registro sintácticamente válido sigue necesitando una comparación con el texto de origen real.
El procesamiento de documentos puede convertir un PDF en un resumen conciso o en un registro de campos. Formula la pregunta y conserva las referencias de página o sección cuando sea necesario comprobar el hallazgo. Una revisión de una tabla debe especificar las columnas y la regla relevantes; una tarea visual debe identificar la etiqueta o la región necesaria para la respuesta. El enrutamiento a modelos es otro uso documentado: el modelo clasifica la complejidad de una solicitud y devuelve una opción permitida. La aplicación conectada, y no el propio texto de clasificación, decide qué ejecutar a continuación.
Se admite el razonamiento, y el fabricante muestra un mayor esfuerzo para las tareas que se benefician de un análisis más profundo. La página específica de la versión estable también incluye 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 3.5 Flash-Lite tiene una tabla de capacidades diferente. Define claramente los fines y los parámetros de las herramientas, y continúa a partir de resultados reales devueltos. Sugerir una función no demuestra que la operación haya tenido lugar.
La ficha del modelo nativo indica hasta 1M de contexto y 64K de salida textual; la tabla de la API estable especifica 1,048,576 tokens de entrada y 65,536 tokens de salida. Incluye las instrucciones, la conversación y los medios de origen en la preparación de la entrada, y solicita una salida con un tamaño adecuado para el artefacto previsto. El almacenamiento en caché y el procesamiento por lotes, Flex y Priority están documentados para este perfil del proveedor. Para elementos independientes que se procesan de forma repetida, incorpora el identificador de entrada al resultado y conserva un esquema uniforme para poder identificar una respuesta ausente.
Este identificador del modelo estable es distinto de Gemini 3.1 Flash-Lite Preview y de las ediciones posteriores de Flash-Lite. Conserva la edición exacta al preparar un procesamiento repetido, en lugar de dar por hecho que un nombre de familia conocido garantiza una revisión fija. Revisa que las traducciones conserven el significado y los términos, contrasta las transcripciones con el audio y los campos extraídos con el documento. La función práctica de este perfil es el procesamiento enfocado de texto multimodal con un resultado claro, dejando el razonamiento de una tarea más amplia o las acciones externas para el paso posterior adecuado.
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 la propia solicitud; cada elemento tiene custom_id y body |
Parámetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parámetrofile_material | ContratoEl cliente puede leer localmente el JSONL real en UTF-8 e incorporarlo a requests[]. No se utiliza purpose de carga, input_file_id ni ninguna referencia 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 Chat Completions de texto incluidos directamente en el contenedor Batch documentado. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · response.id real de la respuesta de creación original; 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 |
| ConfiguraciónTramo 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 $0.000025 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\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 incluido directamente
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 resultado y su custom_id, y el cuerpo completo de la respuesta o del error. Guarda los results[] completados como JSONL sin filtrarlos.
Conserva el ID de la operación original. 503 result_pending_check incluye X-Should-Retry:false; nunca vuelvas a enviar un lote original cuyo resultado se desconoce.
| 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 | CondiciónEl contenedor documentado con contenido incluido directamente no es válido, hay claves duplicadas, la identidad de un elemento no es válida o existe un conflicto con las capacidades configuradas del modelo. | Siguiente pasoCorrige los campos indicados antes de cualquier nuevo envío. |
Respuesta401 · authentication_error | CondiciónClave API no válida. | Siguiente pasoUsa la clave Ailoot autorizada. |
Respuesta403 · permission_error | CondiciónGrupo de Batch no disponible. | Siguiente pasoComprueba los permisos de la clave y del grupo. |
Respuesta422 · invalid_request_error | CondiciónBatch se factura con cargo al saldo; se rechaza su creación con una suscripción. | Siguiente pasoUsa el grupo autorizado que se factura con cargo al saldo. |
Respuesta422 · price_unavailable | CondiciónNo se puede calcular el presupuesto de 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 la admisión antes de enviar 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 comprobación; 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.