Gemini 3.5 Flash-Lite es el perfil multimodal de generación de texto de Google orientado a la ejecución, para trabajos repetidos con datos y tareas específicas de subagentes. Se basa en Gemini 3.1 Flash-Lite y mejora la comprensión de documentos, la fiabilidad de las herramientas y el seguimiento de instrucciones a lo largo de varios turnos. Acepta texto, imágenes, audio, vídeo y PDF, y devuelve texto. Un resultado útil puede ser un registro extraído, una clasificación, una traducción breve o un análisis de alcance acotado asistido por herramientas dentro de una tarea de mayor alcance.
Para el análisis de documentos, defina los campos relevantes y las pruebas que debe conservar cada campo. Proporcione las páginas pertinentes y especifique cómo representar la información ausente o ambigua. Para extraer información de mensajes de soporte, extraiga de un mensaje de soporte un código de producto, el problema mencionado y una frase que lo respalde, conservando el identificador del mensaje en la respuesta. Un documento con varios valores candidatos para un campo no debe reducirlos, sin indicarlo, a un único valor supuesto. Un JSON estructurado puede hacer que el resultado sea utilizable en un procesamiento posterior cuando su esquema se ajuste a la tarea real.
Los niveles de razonamiento documentados son mínimo, bajo, medio y alto, con el mínimo como predeterminado. El fabricante lo recomienda para la extracción, el enrutamiento y la clasificación de gran volumen, mientras que los niveles medio o alto son adecuados para el trabajo autónomo de subagentes que implique llamadas a herramientas, ejecución de código o varios pasos de razonamiento. La guía aconseja expresamente aumentar el esfuerzo para esas tareas más largas, a fin de evitar la finalización prematura del uso de herramientas. Por tanto, una extracción de un solo campo y una comparación de documentos con excepciones se benefician de elecciones distintas del nivel de esfuerzo. El nivel mínimo es un ajuste compatible con esta edición, no un ajuste general que deba trasladarse a todos los modelos Flash.
Un encargo específico para un subagente debe contener una sola tarea, su material de origen, las herramientas permitidas y el formato final requerido. Por ejemplo, puede examinar una tabla para comprobar una regla indicada y devolver las filas afectadas con los valores pertinentes. El fabricante también destaca el procesamiento de datos tabulares y el trabajo con JavaScript para frontend asistido por ejecución ligera de código. La aplicación que integra el modelo sigue siendo responsable de ejecutar una función solicitada y devolver el resultado real. Mantenga claramente diferenciado un resultado terminado de una sugerencia sin ejecutar o de una cuestión de entrada sin resolver.
La página específica de 3.5 Flash-Lite enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación con búsquedas, fundamentación con Maps y contexto de URL, con Computer Use señalado como función en vista previa. Se admiten la salida estructurada y el razonamiento. Para mantener una personalidad o una tarea a lo largo de varios turnos, conserve las instrucciones reales y las observaciones obtenidas con las herramientas, de modo que las respuestas posteriores sigan el mismo encargo. La guía para desarrolladores destaca una mayor persistencia de la personalidad que en 3.1 Flash-Lite. Utilice un rol conciso y un contrato de salida en lugar de redefinir el objetivo en cada continuación.
La guía también declara obsoletos los ajustes de muestreo heredados y los turnos finales del modelo prerrellenados para esta edición. Controle una respuesta de alcance acotado mediante instrucciones explícitas o un esquema, en lugar de intentar iniciar la respuesta dentro de un turno sintético con el rol de modelo. Conserve el contexto de las firmas de pensamiento de Gemini 3 cuando la interfaz lo requiera y haga coincidir los resultados de las funciones con sus llamadas. Estas reglas de preparación permiten una continuación que siga disponiendo de las pruebas necesarias para completar la misma tarea.
La ficha nativa indica hasta 1M de contexto y 64K de salida de texto; la página exacta de la API especifica 1 048 576 tokens de entrada y 65 536 tokens de salida. Las instrucciones, los registros, el historial y el contenido multimedia cuentan en la preparación de la entrada. Para el perfil del fabricante se enumeran opciones de almacenamiento en caché, procesamiento por lotes, Flex y Priority. En las solicitudes repetidas, utilice identificadores estables y un formato de respuesta compacto y uniforme para poder comparar cada extracción con su fuente. En este perfil, la entrada de audio, imagen o vídeo produce una interpretación textual o una transcripción, en lugar de voz o imágenes generadas.
Entre las posibles limitaciones se encuentran las alucinaciones y los retrasos o tiempos de espera agotados ocasionales. Su fecha de corte de conocimientos es marzo de 2026, con algunos ámbitos limitados a enero de 2025. La extracción dependiente de fuentes debe devolver lo que respalde el material proporcionado; las preguntas sobre hechos actuales necesitan pruebas actuales. En comparación con 3.1 Flash-Lite, este perfil añade las capacidades documentadas de ejecución y uso del ordenador, mientras que 3.6 Flash se centra en trabajos más complejos de programación y razonamiento espacial. Revise los campos extraídos, los resultados de las herramientas y las instrucciones conservadas antes de incorporar la respuesta a un flujo de trabajo de mayor alcance.
", "aboutText": "Gemini 3.5 Flash-Lite es el perfil multimodal de generación de texto de Google orientado a la ejecución, para trabajos repetidos con datos y tareas específicas de subagentes. Se basa en Gemini 3.1 Flash-Lite y mejora la comprensión de documentos, la fiabilidad de las herramientas y el seguimiento de instrucciones a lo largo de varios turnos. Acepta texto, imágenes, audio, vídeo y PDF, y devuelve texto. Un resultado útil puede ser un registro extraído, una clasificación, una traducción breve o un análisis de alcance acotado asistido por herramientas dentro de una tarea de mayor alcance.\n\nPara el análisis de documentos, defina los campos relevantes y las pruebas que debe conservar cada campo. Proporcione las páginas pertinentes y especifique cómo representar la información ausente o ambigua. Para extraer información de mensajes de soporte, extraiga de un mensaje de soporte un código de producto, el problema mencionado y una frase que lo respalde, conservando el identificador del mensaje en la respuesta. Un documento con varios valores candidatos para un campo no debe reducirlos, sin indicarlo, a un único valor supuesto. Un JSON estructurado puede hacer que el resultado sea utilizable en un procesamiento posterior cuando su esquema se ajuste a la tarea real.\n\nLos niveles de razonamiento documentados son mínimo, bajo, medio y alto, con el mínimo como predeterminado. El fabricante lo recomienda para la extracción, el enrutamiento y la clasificación de gran volumen, mientras que los niveles medio o alto son adecuados para el trabajo autónomo de subagentes que implique llamadas a herramientas, ejecución de código o varios pasos de razonamiento. La guía aconseja expresamente aumentar el esfuerzo para esas tareas más largas, a fin de evitar la finalización prematura del uso de herramientas. Por tanto, una extracción de un solo campo y una comparación de documentos con excepciones se benefician de elecciones distintas del nivel de esfuerzo. El nivel mínimo es un ajuste compatible con esta edición, no un ajuste general que deba trasladarse a todos los modelos Flash.\n\nUn encargo específico para un subagente debe contener una sola tarea, su material de origen, las herramientas permitidas y el formato final requerido. Por ejemplo, puede examinar una tabla para comprobar una regla indicada y devolver las filas afectadas con los valores pertinentes. El fabricante también destaca el procesamiento de datos tabulares y el trabajo con JavaScript para frontend asistido por ejecución ligera de código. La aplicación que integra el modelo sigue siendo responsable de ejecutar una función solicitada y devolver el resultado real. Mantenga claramente diferenciado un resultado terminado de una sugerencia sin ejecutar o de una cuestión de entrada sin resolver.\n\nLa página específica de 3.5 Flash-Lite enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación con búsquedas, fundamentación con Maps y contexto de URL, con Computer Use señalado como función en vista previa. Se admiten la salida estructurada y el razonamiento. Para mantener una personalidad o una tarea a lo largo de varios turnos, conserve las instrucciones reales y las observaciones obtenidas con las herramientas, de modo que las respuestas posteriores sigan el mismo encargo. La guía para desarrolladores destaca una mayor persistencia de la personalidad que en 3.1 Flash-Lite. Utilice un rol conciso y un contrato de salida en lugar de redefinir el objetivo en cada continuación.\n\nLa guía también declara obsoletos los ajustes de muestreo heredados y los turnos finales del modelo prerrellenados para esta edición. Controle una respuesta de alcance acotado mediante instrucciones explícitas o un esquema, en lugar de intentar iniciar la respuesta dentro de un turno sintético con el rol de modelo. Conserve el contexto de las firmas de pensamiento de Gemini 3 cuando la interfaz lo requiera y haga coincidir los resultados de las funciones con sus llamadas. Estas reglas de preparación permiten una continuación que siga disponiendo de las pruebas necesarias para completar la misma tarea.\n\nLa ficha nativa indica hasta 1M de contexto y 64K de salida de texto; la página exacta de la API especifica 1 048 576 tokens de entrada y 65 536 tokens de salida. Las instrucciones, los registros, el historial y el contenido multimedia cuentan en la preparación de la entrada. Para el perfil del fabricante se enumeran opciones de almacenamiento en caché, procesamiento por lotes, Flex y Priority. En las solicitudes repetidas, utilice identificadores estables y un formato de respuesta compacto y uniforme para poder comparar cada extracción con su fuente. En este perfil, la entrada de audio, imagen o vídeo produce una interpretación textual o una transcripción, en lugar de voz o imágenes generadas.\n\nEntre las posibles limitaciones se encuentran las alucinaciones y los retrasos o tiempos de espera agotados ocasionales. Su fecha de corte de conocimientos es marzo de 2026, con algunos ámbitos limitados a enero de 2025. La extracción dependiente de fuentes debe devolver lo que respalde el material proporcionado; las preguntas sobre hechos actuales necesitan pruebas actuales. En comparación con 3.1 Flash-Lite, este perfil añade las capacidades documentadas de ejecución y uso del ordenador, mientras que 3.6 Flash se centra en trabajos más complejos de programación y razonamiento espacial. Revise los campos extraídos, los resultados de las herramientas y las instrucciones conservadas antes de incorporar la respuesta a un flujo de trabajo de mayor alcance.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "4ba59178a9de2ed6099dd698753ee6b812d4812f4048f79fe38986036516a2ed", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "google/gemini-3.5-flash-lite:batchGemini 3.5 Flash-Lite es el modelo multimodal de Google para tareas específicas de subagentes, análisis de documentos y extracción repetida de datos. Su razonamiento mínimo predeterminado resulta adecuado para registros de alcance acotado; los niveles medio o alto están documentados para trabajos con herramientas de varios pasos. Devuelve texto o resultados estructurados a partir de texto, imágenes, audio, vídeo y PDF.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.5 Flash-Lite es el perfil multimodal de generación de texto de Google orientado a la ejecución, para trabajos repetidos con datos y tareas específicas de subagentes. Se basa en Gemini 3.1 Flash-Lite y mejora la comprensión de documentos, la fiabilidad de las herramientas y el seguimiento de instrucciones a lo largo de varios turnos. Acepta texto, imágenes, audio, vídeo y PDF, y devuelve texto. Un resultado útil puede ser un registro extraído, una clasificación, una traducción breve o un análisis de alcance acotado asistido por herramientas dentro de una tarea de mayor alcance.
Para el análisis de documentos, defina los campos relevantes y las pruebas que debe conservar cada campo. Proporcione las páginas pertinentes y especifique cómo representar la información ausente o ambigua. Para extraer información de mensajes de soporte, extraiga de un mensaje de soporte un código de producto, el problema mencionado y una frase que lo respalde, conservando el identificador del mensaje en la respuesta. Un documento con varios valores candidatos para un campo no debe reducirlos, sin indicarlo, a un único valor supuesto. Un JSON estructurado puede hacer que el resultado sea utilizable en un procesamiento posterior cuando su esquema se ajuste a la tarea real.
Los niveles de razonamiento documentados son mínimo, bajo, medio y alto, con el mínimo como predeterminado. El fabricante lo recomienda para la extracción, el enrutamiento y la clasificación de gran volumen, mientras que los niveles medio o alto son adecuados para el trabajo autónomo de subagentes que implique llamadas a herramientas, ejecución de código o varios pasos de razonamiento. La guía aconseja expresamente aumentar el esfuerzo para esas tareas más largas, a fin de evitar la finalización prematura del uso de herramientas. Por tanto, una extracción de un solo campo y una comparación de documentos con excepciones se benefician de elecciones distintas del nivel de esfuerzo. El nivel mínimo es un ajuste compatible con esta edición, no un ajuste general que deba trasladarse a todos los modelos Flash.
Un encargo específico para un subagente debe contener una sola tarea, su material de origen, las herramientas permitidas y el formato final requerido. Por ejemplo, puede examinar una tabla para comprobar una regla indicada y devolver las filas afectadas con los valores pertinentes. El fabricante también destaca el procesamiento de datos tabulares y el trabajo con JavaScript para frontend asistido por ejecución ligera de código. La aplicación que integra el modelo sigue siendo responsable de ejecutar una función solicitada y devolver el resultado real. Mantenga claramente diferenciado un resultado terminado de una sugerencia sin ejecutar o de una cuestión de entrada sin resolver.
La página específica de 3.5 Flash-Lite enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación con búsquedas, fundamentación con Maps y contexto de URL, con Computer Use señalado como función en vista previa. Se admiten la salida estructurada y el razonamiento. Para mantener una personalidad o una tarea a lo largo de varios turnos, conserve las instrucciones reales y las observaciones obtenidas con las herramientas, de modo que las respuestas posteriores sigan el mismo encargo. La guía para desarrolladores destaca una mayor persistencia de la personalidad que en 3.1 Flash-Lite. Utilice un rol conciso y un contrato de salida en lugar de redefinir el objetivo en cada continuación.
La guía también declara obsoletos los ajustes de muestreo heredados y los turnos finales del modelo prerrellenados para esta edición. Controle una respuesta de alcance acotado mediante instrucciones explícitas o un esquema, en lugar de intentar iniciar la respuesta dentro de un turno sintético con el rol de modelo. Conserve el contexto de las firmas de pensamiento de Gemini 3 cuando la interfaz lo requiera y haga coincidir los resultados de las funciones con sus llamadas. Estas reglas de preparación permiten una continuación que siga disponiendo de las pruebas necesarias para completar la misma tarea.
La ficha nativa indica hasta 1M de contexto y 64K de salida de texto; la página exacta de la API especifica 1 048 576 tokens de entrada y 65 536 tokens de salida. Las instrucciones, los registros, el historial y el contenido multimedia cuentan en la preparación de la entrada. Para el perfil del fabricante se enumeran opciones de almacenamiento en caché, procesamiento por lotes, Flex y Priority. En las solicitudes repetidas, utilice identificadores estables y un formato de respuesta compacto y uniforme para poder comparar cada extracción con su fuente. En este perfil, la entrada de audio, imagen o vídeo produce una interpretación textual o una transcripción, en lugar de voz o imágenes generadas.
Entre las posibles limitaciones se encuentran las alucinaciones y los retrasos o tiempos de espera agotados ocasionales. Su fecha de corte de conocimientos es marzo de 2026, con algunos ámbitos limitados a enero de 2025. La extracción dependiente de fuentes debe devolver lo que respalde el material proporcionado; las preguntas sobre hechos actuales necesitan pruebas actuales. En comparación con 3.1 Flash-Lite, este perfil añade las capacidades documentadas de ejecución y uso del ordenador, mientras que 3.6 Flash se centra en trabajos más complejos de programación y razonamiento espacial. Revise los campos extraídos, los resultados de las herramientas y las instrucciones conservadas antes de incorporar la respuesta a un flujo de trabajo de mayor alcance.
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-3.5-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-3.5-flash-lite:batch, google/gemini-3.5-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 $0.0003 / 1K tokens Salida · Tokens de salida $0.0025 / 1K tokens Entrada · Lectura de caché $0.00003 / 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 $0.0003 / 1K tokens Salida · Tokens de salida $0.0025 / 1K tokens Entrada · Lectura de caché $0.00003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-3.5-flash-lite:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-3.5-flash-lite:batch', 'google/gemini-3.5-flash-lite']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.5-flash-lite:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\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-3.5-flash-lite:batch
Usa las rutas de método indicadas arriba.