Gemini 3.5 Flash-Lite est le profil textuel multimodal de Google orienté vers l’exécution, pour les traitements de données répétés et les tâches ciblées de sous-agents. Il s’appuie sur Gemini 3.1 Flash-Lite en améliorant la compréhension documentaire, la fiabilité des outils et le suivi des instructions sur plusieurs tours. Il accepte le texte, les images, l’audio, la vidéo et le PDF et renvoie du texte. Un résultat utile peut être un enregistrement extrait, une classification, une traduction courte ou une analyse délimitée assistée par outils au sein d’une tâche plus large.
Pour l’analyse documentaire, définissez les champs importants et les preuves que chaque champ doit conserver. Fournissez les pages pertinentes et précisez comment représenter les informations absentes ou ambiguës. Pour l’extraction d’un message d’assistance, extrayez un code produit, le problème mentionné et une phrase justificative en conservant l’identifiant du message dans la réponse. Un document comportant plusieurs candidats pour un champ ne doit pas les réduire silencieusement à une valeur devinée. Du JSON structuré peut rendre le résultat exploitable pour un traitement ultérieur lorsque son schéma correspond à la tâche réelle.
Les niveaux de réflexion documentés sont minimal (minimal), faible (low), moyen (medium) et élevé (high), avec le niveau minimal par défaut. Le fabricant recommande ce dernier pour l’extraction à grand volume, le routage et la classification, tandis que les niveaux moyen ou élevé conviennent au travail autonome de sous-agents impliquant des appels d’outils, l’exécution de code ou plusieurs étapes de raisonnement. Le guide recommande expressément d’augmenter l’effort pour ces tâches plus longues afin d’éviter l’arrêt prématuré de l’utilisation des outils. L’extraction d’un champ et une comparaison documentaire avec des exceptions bénéficient donc de choix d’effort différents. Le niveau minimal est un réglage pris en charge par cette édition plutôt qu’un réglage général à transférer à tous les modèles Flash.
Des instructions ciblées de sous-agent doivent contenir une tâche, ses éléments sources, les outils autorisés et la forme finale requise. Par exemple, le sous-agent peut examiner un tableau selon une règle définie et renvoyer les lignes concernées avec leurs valeurs pertinentes. Le fabricant souligne aussi le traitement de données tabulaires et les travaux JavaScript sur les interfaces utilisateur assistés par une exécution de code légère. L’application environnante reste responsable de l’exécution d’une fonction demandée et du renvoi de son résultat réel. Distinguez un résultat terminé d’une suggestion non exécutée ou d’une question d’entrée non résolue.
La page exacte 3.5 Flash-Lite indique les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps et le contexte d’URL, avec Computer Use indiqué en préversion. Les sorties structurées et la réflexion sont prises en charge. Pour un persona ou une tâche à plusieurs tours, conservez les instructions réelles et les observations d’outils afin que les réponses ultérieures suivent la même mission. Le guide développeur souligne une persistance de persona plus forte que dans 3.1 Flash-Lite. Utilisez un rôle concis et un contrat de sortie plutôt que de redéfinir l’objectif à chaque suivi.
Le guide rend également obsolètes les anciens réglages d’échantillonnage et les tours finaux préremplis du modèle pour cette édition. Contrôlez une réponse délimitée avec des instructions explicites ou un schéma plutôt que de tenter de commencer la réponse dans un tour synthétique au rôle model. Préservez le contexte de signatures de réflexion Gemini 3 lorsque l’interface l’exige et associez les résultats de fonctions à leurs appels. Ces règles de préparation permettent une poursuite qui conserve les preuves nécessaires pour accomplir la même tâche.
La fiche native indique un contexte allant jusqu’à 1M et une sortie textuelle de 64K ; la page API exacte spécifie 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Les instructions, les enregistrements, l’historique et les médias contribuent tous à la préparation de l’entrée. Les options de mise en cache et de traitement par lots, Flex et Priority sont indiquées pour le profil du fabricant. Pour les requêtes répétées, utilisez des identifiants stables et un format de réponse compact et cohérent afin que chaque extraction puisse être comparée à sa source. Les entrées audio, image ou vidéo produisent dans ce profil une interprétation textuelle ou une transcription plutôt que de la parole ou des illustrations générées.
Les limites possibles comprennent les hallucinations et des retards ou délais d’attente dépassés occasionnels. La date limite de ses connaissances est mars 2026, certains domaines étant limités à janvier 2025. Une extraction dépendant d’une source doit renvoyer ce que les éléments fournis étayent ; les questions sur des faits actuels exigent des preuves actuelles. Par rapport à 3.1 Flash-Lite, ce profil ajoute les capacités documentées d’exécution et d’utilisation d’ordinateur, tandis que 3.6 Flash met l’accent sur une programmation plus complexe et le travail spatial. Vérifiez les champs extraits, les résultats d’outils et les instructions conservées avant d’intégrer la réponse à un processus plus large.
", "aboutText": "Gemini 3.5 Flash-Lite est le profil textuel multimodal de Google orienté vers l’exécution, pour les traitements de données répétés et les tâches ciblées de sous-agents. Il s’appuie sur Gemini 3.1 Flash-Lite en améliorant la compréhension documentaire, la fiabilité des outils et le suivi des instructions sur plusieurs tours. Il accepte le texte, les images, l’audio, la vidéo et le PDF et renvoie du texte. Un résultat utile peut être un enregistrement extrait, une classification, une traduction courte ou une analyse délimitée assistée par outils au sein d’une tâche plus large.\n\nPour l’analyse documentaire, définissez les champs importants et les preuves que chaque champ doit conserver. Fournissez les pages pertinentes et précisez comment représenter les informations absentes ou ambiguës. Pour l’extraction d’un message d’assistance, extrayez un code produit, le problème mentionné et une phrase justificative en conservant l’identifiant du message dans la réponse. Un document comportant plusieurs candidats pour un champ ne doit pas les réduire silencieusement à une valeur devinée. Du JSON structuré peut rendre le résultat exploitable pour un traitement ultérieur lorsque son schéma correspond à la tâche réelle.\n\nLes niveaux de réflexion documentés sont minimal (`minimal`), faible (`low`), moyen (`medium`) et élevé (`high`), avec le niveau minimal par défaut. Le fabricant recommande ce dernier pour l’extraction à grand volume, le routage et la classification, tandis que les niveaux moyen ou élevé conviennent au travail autonome de sous-agents impliquant des appels d’outils, l’exécution de code ou plusieurs étapes de raisonnement. Le guide recommande expressément d’augmenter l’effort pour ces tâches plus longues afin d’éviter l’arrêt prématuré de l’utilisation des outils. L’extraction d’un champ et une comparaison documentaire avec des exceptions bénéficient donc de choix d’effort différents. Le niveau minimal est un réglage pris en charge par cette édition plutôt qu’un réglage général à transférer à tous les modèles Flash.\n\nDes instructions ciblées de sous-agent doivent contenir une tâche, ses éléments sources, les outils autorisés et la forme finale requise. Par exemple, le sous-agent peut examiner un tableau selon une règle définie et renvoyer les lignes concernées avec leurs valeurs pertinentes. Le fabricant souligne aussi le traitement de données tabulaires et les travaux JavaScript sur les interfaces utilisateur assistés par une exécution de code légère. L’application environnante reste responsable de l’exécution d’une fonction demandée et du renvoi de son résultat réel. Distinguez un résultat terminé d’une suggestion non exécutée ou d’une question d’entrée non résolue.\n\nLa page exacte 3.5 Flash-Lite indique les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps et le contexte d’URL, avec Computer Use indiqué en préversion. Les sorties structurées et la réflexion sont prises en charge. Pour un persona ou une tâche à plusieurs tours, conservez les instructions réelles et les observations d’outils afin que les réponses ultérieures suivent la même mission. Le guide développeur souligne une persistance de persona plus forte que dans 3.1 Flash-Lite. Utilisez un rôle concis et un contrat de sortie plutôt que de redéfinir l’objectif à chaque suivi.\n\nLe guide rend également obsolètes les anciens réglages d’échantillonnage et les tours finaux préremplis du modèle pour cette édition. Contrôlez une réponse délimitée avec des instructions explicites ou un schéma plutôt que de tenter de commencer la réponse dans un tour synthétique au rôle `model`. Préservez le contexte de signatures de réflexion Gemini 3 lorsque l’interface l’exige et associez les résultats de fonctions à leurs appels. Ces règles de préparation permettent une poursuite qui conserve les preuves nécessaires pour accomplir la même tâche.\n\nLa fiche native indique un contexte allant jusqu’à 1M et une sortie textuelle de 64K ; la page API exacte spécifie 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Les instructions, les enregistrements, l’historique et les médias contribuent tous à la préparation de l’entrée. Les options de mise en cache et de traitement par lots, Flex et Priority sont indiquées pour le profil du fabricant. Pour les requêtes répétées, utilisez des identifiants stables et un format de réponse compact et cohérent afin que chaque extraction puisse être comparée à sa source. Les entrées audio, image ou vidéo produisent dans ce profil une interprétation textuelle ou une transcription plutôt que de la parole ou des illustrations générées.\n\nLes limites possibles comprennent les hallucinations et des retards ou délais d’attente dépassés occasionnels. La date limite de ses connaissances est mars 2026, certains domaines étant limités à janvier 2025. Une extraction dépendant d’une source doit renvoyer ce que les éléments fournis étayent ; les questions sur des faits actuels exigent des preuves actuelles. Par rapport à 3.1 Flash-Lite, ce profil ajoute les capacités documentées d’exécution et d’utilisation d’ordinateur, tandis que 3.6 Flash met l’accent sur une programmation plus complexe et le travail spatial. Vérifiez les champs extraits, les résultats d’outils et les instructions conservées avant d’intégrer la réponse à un processus plus large.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "a4abe0375ced65285c8a0b2764c3c8db9fb31e03c961dbf559116d37095d6573", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-be", "methods": [ { "html": "google/gemini-3.5-flash-lite:batchGemini 3.5 Flash-Lite est le modèle multimodal de Google pour les tâches ciblées de sous-agents, l’analyse de documents et l’extraction répétée de données. Son raisonnement minimal par défaut convient aux enregistrements délimités ; les niveaux moyen (`medium`) ou élevé (`high`) sont documentés pour le travail à plusieurs étapes avec des outils. Il renvoie du texte ou des résultats structurés à partir de texte, d’images, d’audio, de vidéo et de PDF.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 3.5 Flash-Lite est le profil textuel multimodal de Google orienté vers l’exécution, pour les traitements de données répétés et les tâches ciblées de sous-agents. Il s’appuie sur Gemini 3.1 Flash-Lite en améliorant la compréhension documentaire, la fiabilité des outils et le suivi des instructions sur plusieurs tours. Il accepte le texte, les images, l’audio, la vidéo et le PDF et renvoie du texte. Un résultat utile peut être un enregistrement extrait, une classification, une traduction courte ou une analyse délimitée assistée par outils au sein d’une tâche plus large.
Pour l’analyse documentaire, définissez les champs importants et les preuves que chaque champ doit conserver. Fournissez les pages pertinentes et précisez comment représenter les informations absentes ou ambiguës. Pour l’extraction d’un message d’assistance, extrayez un code produit, le problème mentionné et une phrase justificative en conservant l’identifiant du message dans la réponse. Un document comportant plusieurs candidats pour un champ ne doit pas les réduire silencieusement à une valeur devinée. Du JSON structuré peut rendre le résultat exploitable pour un traitement ultérieur lorsque son schéma correspond à la tâche réelle.
Les niveaux de réflexion documentés sont minimal (minimal), faible (low), moyen (medium) et élevé (high), avec le niveau minimal par défaut. Le fabricant recommande ce dernier pour l’extraction à grand volume, le routage et la classification, tandis que les niveaux moyen ou élevé conviennent au travail autonome de sous-agents impliquant des appels d’outils, l’exécution de code ou plusieurs étapes de raisonnement. Le guide recommande expressément d’augmenter l’effort pour ces tâches plus longues afin d’éviter l’arrêt prématuré de l’utilisation des outils. L’extraction d’un champ et une comparaison documentaire avec des exceptions bénéficient donc de choix d’effort différents. Le niveau minimal est un réglage pris en charge par cette édition plutôt qu’un réglage général à transférer à tous les modèles Flash.
Des instructions ciblées de sous-agent doivent contenir une tâche, ses éléments sources, les outils autorisés et la forme finale requise. Par exemple, le sous-agent peut examiner un tableau selon une règle définie et renvoyer les lignes concernées avec leurs valeurs pertinentes. Le fabricant souligne aussi le traitement de données tabulaires et les travaux JavaScript sur les interfaces utilisateur assistés par une exécution de code légère. L’application environnante reste responsable de l’exécution d’une fonction demandée et du renvoi de son résultat réel. Distinguez un résultat terminé d’une suggestion non exécutée ou d’une question d’entrée non résolue.
La page exacte 3.5 Flash-Lite indique les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps et le contexte d’URL, avec Computer Use indiqué en préversion. Les sorties structurées et la réflexion sont prises en charge. Pour un persona ou une tâche à plusieurs tours, conservez les instructions réelles et les observations d’outils afin que les réponses ultérieures suivent la même mission. Le guide développeur souligne une persistance de persona plus forte que dans 3.1 Flash-Lite. Utilisez un rôle concis et un contrat de sortie plutôt que de redéfinir l’objectif à chaque suivi.
Le guide rend également obsolètes les anciens réglages d’échantillonnage et les tours finaux préremplis du modèle pour cette édition. Contrôlez une réponse délimitée avec des instructions explicites ou un schéma plutôt que de tenter de commencer la réponse dans un tour synthétique au rôle model. Préservez le contexte de signatures de réflexion Gemini 3 lorsque l’interface l’exige et associez les résultats de fonctions à leurs appels. Ces règles de préparation permettent une poursuite qui conserve les preuves nécessaires pour accomplir la même tâche.
La fiche native indique un contexte allant jusqu’à 1M et une sortie textuelle de 64K ; la page API exacte spécifie 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Les instructions, les enregistrements, l’historique et les médias contribuent tous à la préparation de l’entrée. Les options de mise en cache et de traitement par lots, Flex et Priority sont indiquées pour le profil du fabricant. Pour les requêtes répétées, utilisez des identifiants stables et un format de réponse compact et cohérent afin que chaque extraction puisse être comparée à sa source. Les entrées audio, image ou vidéo produisent dans ce profil une interprétation textuelle ou une transcription plutôt que de la parole ou des illustrations générées.
Les limites possibles comprennent les hallucinations et des retards ou délais d’attente dépassés occasionnels. La date limite de ses connaissances est mars 2026, certains domaines étant limités à janvier 2025. Une extraction dépendant d’une source doit renvoyer ce que les éléments fournis étayent ; les questions sur des faits actuels exigent des preuves actuelles. Par rapport à 3.1 Flash-Lite, ce profil ajoute les capacités documentées d’exécution et d’utilisation d’ordinateur, tandis que 3.6 Flash met l’accent sur une programmation plus complexe et le travail spatial. Vérifiez les champs extraits, les résultats d’outils et les instructions conservées avant d’intégrer la réponse à un processus plus large.
POST /v1/batchestexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champendpoint | Typestring | ExigenceObligatoire | Valeurs et limites /v1/chat/completions | Par défaut— |
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemini-3.5-flash-lite:batch | Par défaut— |
Champrequests | Typebatch_item[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champrequests[].custom_id | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champrequests[].body.messages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champcompletion_window | Typestring | ExigenceFacultatif | Valeurs et limites 24h | Par défaut— |
Champprovider | Typeobject|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champrequests[].body.model | Typestring | ExigenceFacultatif | Valeurs et limites google/gemini-3.5-flash-lite:batch, google/gemini-3.5-flash-lite | Par défaut— |
Champprovider.only | Typestring[] | ExigenceFacultatif | Valeurs et limites google-vertex/global | Par défaut— |
Champprovider.allow_fallbacks | Typeboolean|null | ExigenceFacultatif | Valeurs et limites false, null | Par défaut— |
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratendpoint, model, requests |
Paramètrematerial_types | Contrattext |
Paramètrerepresentation | Contratrequests[] intégré ; chaque élément comporte custom_id et body |
Paramètrerequest_endpoint_profile | Contrat/v1/chat/completions |
Paramètrefile_material | ContratL’appelant peut charger localement le contenu JSONL UTF-8 effectif dans requests[]. Aucun paramètre purpose de téléversement, input_file_id ni référence à un fichier n’est utilisé. Si les données du client sont absentes ou vides, la préparation s’arrête avant le POST. |
Paramètreserialization_order | Contratendpoint, model, provider (si fourni), completion_window (si fourni), requests en dernier |
Paramètreoptional_controls | Contratprovider.only, provider.allow_fallbacks, completion_window |
Paramètreschema_scope | ContratCorps de requêtes Chat Completions textuelles dans l’enveloppe Batch intégrée documentée. |
Cycle de vie : asynchronous
GET /v1/batches/{operation_id} · response.id effectivement renvoyé lors de la création d’origine ; même utilisateur, même clé et même groupe
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0003 / 1K tokens Sortie · Tokens en sortie $0.0025 / 1K tokens Entrée · Lecture du cache $0.00003 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0003 / 1K tokens Sortie · Tokens en sortie $0.0025 / 1K tokens Entrée · Lecture du cache $0.00003 / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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 results[].response.body intégré
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\nConservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez l’intégralité du JSON de statut d’origine, chaque résultat/custom_id et le corps complet de la réponse ou de l’erreur. Enregistrez les results[] terminés au format JSONL sans filtrage.
Conservez l’identifiant de l’opération d’origine. La réponse 503 result_pending_check contient X-Should-Retry:false ; ne soumettez jamais à nouveau un lot d’origine dont l’issue est inconnue.
| Champ | Type |
|---|---|
Champresults[].custom_id | Typestring |
Champresults[].response.body.choices[].message.content | Typestring|null |
Champresults[].error | Typeobject|null |
Champusage | Typeobject|null |
Champid | Typestring |
Champmodel | Typestring |
Champendpoint | Typestring |
Champstatus | Typestring |
Champrequest_counts | Typeobject |
Champresults[].id | Typestring |
Champresults[].response.status_code | Typeinteger |
Champresults[].response.request_id | Typestring |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionEnveloppe intégrée documentée invalide, clés dupliquées, identité d’élément incorrecte ou conflit avec les capacités configurées du modèle. | Étape suivanteCorrigez les champs indiqués avant toute nouvelle soumission. |
Réponse401 · authentication_error | ConditionClé API invalide. | Étape suivanteUtilisez la clé Ailoot autorisée. |
Réponse403 · permission_error | ConditionGroupe de traitement par lots indisponible. | Étape suivanteVérifiez les droits d’accès de la clé/du groupe. |
Réponse422 · invalid_request_error | ConditionLe traitement par lots est facturé sur le solde ; la création via un abonnement est refusée. | Étape suivanteUtilisez le groupe autorisé dont la facturation est prélevée sur le solde. |
Réponse422 · price_unavailable | ConditionImpossible d’établir un devis pour les données d’entrée du traitement par lots. | Étape suivanteConservez la réponse ; utilisez les données d’entrée documentées pour cette famille. |
Réponse402 · billing_error | ConditionRéserve pour le traitement par lots indisponible. | Étape suivanteRéglez les conditions d’admission avant une nouvelle requête. |
Réponse503 · price_unavailable | ConditionPrix de la méthode Batch/tarifs natifs indisponibles. | Étape suivanteConservez la réponse ; ne substituez pas d’autres prix. |
Réponse503 · api_error | ConditionRoute exacte du fournisseur indisponible. | Étape suivanteConservez la réponse pour réparer la route. |
Réponse503 · result_pending_check | ConditionLe résultat d’origine nécessite une vérification ; X-Should-Retry:false. | Étape suivanteConservez l’operation_id/id d’origine et consultez son statut ; ne répétez jamais le POST d’origine. |
Réponse404 · not_found | ConditionOpération de suivi du traitement par lots absente ou appartenant à une autre identité. | Étape suivanteUtilisez l’id exact d’origine avec le même utilisateur, la même clé et le même groupe. |
Ailoot Ultra google/gemini-3.5-flash-lite:batch
Utilisez les chemins de méthode indiqués ci-dessus.