Gemini 2.5 Flash-Lite Preview 06-17 est la préversion de juin de Flash-Lite de Google, conçue pour les tâches fréquentes sensibles à la latence, comme la classification de messages et le résumé de contenu à grande échelle. Elle appartient à la famille Gemini 2.5 à raisonnement, tout en conservant une voie de réponse directe pour le travail simple. La désignation datée Preview identifie cette version séparément de Flash-Lite stable et de la préversion de septembre ultérieure, dont les améliorations du respect des instructions et de la compréhension multimodale possèdent leur propre identité d'édition.
Le lancement de juin place la classification et le résumé au centre des usages prévus. Une entrée de classification utile contient le message, les étiquettes permises et des exemples de leurs limites; la sortie peut être une étiquette, une courte justification et l'information nécessaire à l'étape de traitement suivante. Une tâche de résumé peut préciser les décisions, les actions à entreprendre, les échéances nommées et les questions non résolues à conserver. Ce sont des applications pratiques de l'objectif déclaré : elles donnent à une opération répétitive une entrée claire et un résultat compact au lieu de demander une dissertation ouverte.
Le raisonnement est disponible, mais désactivé par défaut dans cette préversion Flash-Lite de juin. Google décrit un budget de raisonnement contrôlable qui permet à la tâche d'utiliser davantage de raisonnement lorsque ses conditions l'exigent. Conservez la voie directe pour la catégorisation ou le raccourcissement simples; utilisez une tâche raisonnée pour les catégories qui se chevauchent, les exceptions ou une question exigeant plusieurs conclusions dépendantes. Précisez quelles conditions sont obligatoires et ce qui constitue une réponse correcte. Le raisonnement est une capacité de traitement de tâches; une explication plus longue ne prouve pas en soi que la conclusion est correcte.
Le rapport technique de Google nomme explicitement ce modèle de juin et documente la prise en charge d'entrées multimodales ainsi qu'une longueur de contexte d'un million de jetons. Son résultat est du texte. Le contexte offre de la place pour les sources, les instructions et les exemples dans une même tâche. Attribuez à chaque document ou section un rôle clair, puis identifiez ce que le modèle doit extraire ou comparer. Pour un assistant documentaire, séparez la question du texte source et demandez un résultat rattaché aux passages pertinents. Pour une étape d'extraction, définissez les champs et la façon de représenter l'information absente des éléments fournis. Il s'agit d'une capacité de contexte, et non d'une promesse que du contenu sans lien deviendra utile simplement parce qu'il est inclus.
L'annonce de juin présente des outils natifs d'ancrage par la recherche, d'exécution de code et de contexte d'URL, ainsi que les appels de fonctions. L'ancrage par la recherche ajoute de l'information Web à une réponse; le contexte d'URL utilise le contenu des pages fournies pour des tâches comme comparer des documents ou extraire des détails. L'outil d'exécution de code de Google génère et exécute du Python pour les calculs ou le traitement de texte et utilise le résultat d'exécution dans la réponse. Les appels de fonctions ont un rôle différent : le modèle sélectionne une fonction déclarée et ses arguments, tandis que l'application connectée l'exécute et retourne le résultat. Définissez l'objectif de la fonction et ses paramètres permis afin qu'une tâche assistée par des outils comporte une prochaine action explicite.
Pour un flux de travail récurrent, préparez un petit ensemble d'entrées représentatives avant d'appliquer la même instruction à une collection plus grande. Incluez un cas ordinaire, un cas ambigu et un cas où de l'information manque. Un exemple de soutien à la clientèle pourrait demander un sujet, la question réelle du client et une réponse fondée uniquement sur un passage de référence joint. Un exemple de correspondance peut demander une liste de tâches avec une action, la personne qui l'assigne et une échéance seulement lorsqu'elle est indiquée. Gardez ces champs demandés séparés de toute prose explicative afin que le texte obtenu puisse être vérifié par rapport à l'élément original.
La fiche de famille Flash-Lite du fabricant relève l'invention possible de faits et des difficultés de compréhension causale, de déduction logique complexe et de raisonnement contrefactuel. Elle indique aussi que le respect d'un budget de raisonnement peut être irrégulier. Traitez ces limites comme des points de révision concrets : comparez les faits extraits à la source, vérifiez les calculs dépendants et distinguez un énoncé observé d'une explication déduite. Le livrable final utile est une classification, un résumé, une extraction ou une réponse compacts dont les faits requis et l'information manquante peuvent être examinés. Cette édition de juin constitue un choix distinct de traitement textuel; les spécifications des préversions ultérieures ne redéfinissent pas son identité documentée.
", "aboutText": "Gemini 2.5 Flash-Lite Preview 06-17 est la préversion de juin de Flash-Lite de Google, conçue pour les tâches fréquentes sensibles à la latence, comme la classification de messages et le résumé de contenu à grande échelle. Elle appartient à la famille Gemini 2.5 à raisonnement, tout en conservant une voie de réponse directe pour le travail simple. La désignation datée Preview identifie cette version séparément de Flash-Lite stable et de la préversion de septembre ultérieure, dont les améliorations du respect des instructions et de la compréhension multimodale possèdent leur propre identité d'édition.\n\nLe lancement de juin place la classification et le résumé au centre des usages prévus. Une entrée de classification utile contient le message, les étiquettes permises et des exemples de leurs limites; la sortie peut être une étiquette, une courte justification et l'information nécessaire à l'étape de traitement suivante. Une tâche de résumé peut préciser les décisions, les actions à entreprendre, les échéances nommées et les questions non résolues à conserver. Ce sont des applications pratiques de l'objectif déclaré : elles donnent à une opération répétitive une entrée claire et un résultat compact au lieu de demander une dissertation ouverte.\n\nLe raisonnement est disponible, mais désactivé par défaut dans cette préversion Flash-Lite de juin. Google décrit un budget de raisonnement contrôlable qui permet à la tâche d'utiliser davantage de raisonnement lorsque ses conditions l'exigent. Conservez la voie directe pour la catégorisation ou le raccourcissement simples; utilisez une tâche raisonnée pour les catégories qui se chevauchent, les exceptions ou une question exigeant plusieurs conclusions dépendantes. Précisez quelles conditions sont obligatoires et ce qui constitue une réponse correcte. Le raisonnement est une capacité de traitement de tâches; une explication plus longue ne prouve pas en soi que la conclusion est correcte.\n\nLe rapport technique de Google nomme explicitement ce modèle de juin et documente la prise en charge d'entrées multimodales ainsi qu'une longueur de contexte d'un million de jetons. Son résultat est du texte. Le contexte offre de la place pour les sources, les instructions et les exemples dans une même tâche. Attribuez à chaque document ou section un rôle clair, puis identifiez ce que le modèle doit extraire ou comparer. Pour un assistant documentaire, séparez la question du texte source et demandez un résultat rattaché aux passages pertinents. Pour une étape d'extraction, définissez les champs et la façon de représenter l'information absente des éléments fournis. Il s'agit d'une capacité de contexte, et non d'une promesse que du contenu sans lien deviendra utile simplement parce qu'il est inclus.\n\nL'annonce de juin présente des outils natifs d'ancrage par la recherche, d'exécution de code et de contexte d'URL, ainsi que les appels de fonctions. L'ancrage par la recherche ajoute de l'information Web à une réponse; le contexte d'URL utilise le contenu des pages fournies pour des tâches comme comparer des documents ou extraire des détails. L'outil d'exécution de code de Google génère et exécute du Python pour les calculs ou le traitement de texte et utilise le résultat d'exécution dans la réponse. Les appels de fonctions ont un rôle différent : le modèle sélectionne une fonction déclarée et ses arguments, tandis que l'application connectée l'exécute et retourne le résultat. Définissez l'objectif de la fonction et ses paramètres permis afin qu'une tâche assistée par des outils comporte une prochaine action explicite.\n\nPour un flux de travail récurrent, préparez un petit ensemble d'entrées représentatives avant d'appliquer la même instruction à une collection plus grande. Incluez un cas ordinaire, un cas ambigu et un cas où de l'information manque. Un exemple de soutien à la clientèle pourrait demander un sujet, la question réelle du client et une réponse fondée uniquement sur un passage de référence joint. Un exemple de correspondance peut demander une liste de tâches avec une action, la personne qui l'assigne et une échéance seulement lorsqu'elle est indiquée. Gardez ces champs demandés séparés de toute prose explicative afin que le texte obtenu puisse être vérifié par rapport à l'élément original.\n\nLa fiche de famille Flash-Lite du fabricant relève l'invention possible de faits et des difficultés de compréhension causale, de déduction logique complexe et de raisonnement contrefactuel. Elle indique aussi que le respect d'un budget de raisonnement peut être irrégulier. Traitez ces limites comme des points de révision concrets : comparez les faits extraits à la source, vérifiez les calculs dépendants et distinguez un énoncé observé d'une explication déduite. Le livrable final utile est une classification, un résumé, une extraction ou une réponse compacts dont les faits requis et l'information manquante peuvent être examinés. Cette édition de juin constitue un choix distinct de traitement textuel; les spécifications des préversions ultérieures ne redéfinissent pas son identité documentée.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Extract actions from a meeting note\n\nExtract only explicit action items from this note: 'Mira will send the revised price sheet by Friday. Jonas suggested checking packaging later, but nobody accepted that task. Noor will confirm the delivery address; no deadline was set.' Return a table with action, owner and deadline. Use 'not stated' for an absent deadline and exclude unassigned suggestions.A compact action table containing explicit commitments and source-grounded deadline values.The unassigned packaging suggestion is excluded, and Noor's deadline is not invented.gemini-2.5-flash-lite-preview-06-17Gemini 2.5 Flash-Lite Preview 06-17 est l'édition de juin de Google pour la classification à haut débit, le résumé et le traitement textuel répétable. Elle combine un contexte d'un million de jetons, un raisonnement facultatif et des outils documentés de recherche, de code, de contexte d'URL et d'appels de fonctions.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 2.5 Flash-Lite Preview 06-17 est la préversion de juin de Flash-Lite de Google, conçue pour les tâches fréquentes sensibles à la latence, comme la classification de messages et le résumé de contenu à grande échelle. Elle appartient à la famille Gemini 2.5 à raisonnement, tout en conservant une voie de réponse directe pour le travail simple. La désignation datée Preview identifie cette version séparément de Flash-Lite stable et de la préversion de septembre ultérieure, dont les améliorations du respect des instructions et de la compréhension multimodale possèdent leur propre identité d'édition.
Le lancement de juin place la classification et le résumé au centre des usages prévus. Une entrée de classification utile contient le message, les étiquettes permises et des exemples de leurs limites; la sortie peut être une étiquette, une courte justification et l'information nécessaire à l'étape de traitement suivante. Une tâche de résumé peut préciser les décisions, les actions à entreprendre, les échéances nommées et les questions non résolues à conserver. Ce sont des applications pratiques de l'objectif déclaré : elles donnent à une opération répétitive une entrée claire et un résultat compact au lieu de demander une dissertation ouverte.
Le raisonnement est disponible, mais désactivé par défaut dans cette préversion Flash-Lite de juin. Google décrit un budget de raisonnement contrôlable qui permet à la tâche d'utiliser davantage de raisonnement lorsque ses conditions l'exigent. Conservez la voie directe pour la catégorisation ou le raccourcissement simples; utilisez une tâche raisonnée pour les catégories qui se chevauchent, les exceptions ou une question exigeant plusieurs conclusions dépendantes. Précisez quelles conditions sont obligatoires et ce qui constitue une réponse correcte. Le raisonnement est une capacité de traitement de tâches; une explication plus longue ne prouve pas en soi que la conclusion est correcte.
Le rapport technique de Google nomme explicitement ce modèle de juin et documente la prise en charge d'entrées multimodales ainsi qu'une longueur de contexte d'un million de jetons. Son résultat est du texte. Le contexte offre de la place pour les sources, les instructions et les exemples dans une même tâche. Attribuez à chaque document ou section un rôle clair, puis identifiez ce que le modèle doit extraire ou comparer. Pour un assistant documentaire, séparez la question du texte source et demandez un résultat rattaché aux passages pertinents. Pour une étape d'extraction, définissez les champs et la façon de représenter l'information absente des éléments fournis. Il s'agit d'une capacité de contexte, et non d'une promesse que du contenu sans lien deviendra utile simplement parce qu'il est inclus.
L'annonce de juin présente des outils natifs d'ancrage par la recherche, d'exécution de code et de contexte d'URL, ainsi que les appels de fonctions. L'ancrage par la recherche ajoute de l'information Web à une réponse; le contexte d'URL utilise le contenu des pages fournies pour des tâches comme comparer des documents ou extraire des détails. L'outil d'exécution de code de Google génère et exécute du Python pour les calculs ou le traitement de texte et utilise le résultat d'exécution dans la réponse. Les appels de fonctions ont un rôle différent : le modèle sélectionne une fonction déclarée et ses arguments, tandis que l'application connectée l'exécute et retourne le résultat. Définissez l'objectif de la fonction et ses paramètres permis afin qu'une tâche assistée par des outils comporte une prochaine action explicite.
Pour un flux de travail récurrent, préparez un petit ensemble d'entrées représentatives avant d'appliquer la même instruction à une collection plus grande. Incluez un cas ordinaire, un cas ambigu et un cas où de l'information manque. Un exemple de soutien à la clientèle pourrait demander un sujet, la question réelle du client et une réponse fondée uniquement sur un passage de référence joint. Un exemple de correspondance peut demander une liste de tâches avec une action, la personne qui l'assigne et une échéance seulement lorsqu'elle est indiquée. Gardez ces champs demandés séparés de toute prose explicative afin que le texte obtenu puisse être vérifié par rapport à l'élément original.
La fiche de famille Flash-Lite du fabricant relève l'invention possible de faits et des difficultés de compréhension causale, de déduction logique complexe et de raisonnement contrefactuel. Elle indique aussi que le respect d'un budget de raisonnement peut être irrégulier. Traitez ces limites comme des points de révision concrets : comparez les faits extraits à la source, vérifiez les calculs dépendants et distinguez un énoncé observé d'une explication déduite. Le livrable final utile est une classification, un résumé, une extraction ou une réponse compacts dont les faits requis et l'information manquante peuvent être examinés. Cette édition de juin constitue un choix distinct de traitement textuel; les spécifications des préversions ultérieures ne redéfinissent pas son identité documentée.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-2.5-flash-lite-preview-06-17 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | Par défaut— |
Texte · Texte UTF8
messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | ContratTableau de messages avec une structure role/content |
Paramètrefile_material | ContratDocument UTF-8 réel inséré comme texte littéral ; aucun ID de fichier déduit |
Paramètreoptional_controls | Contratstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | ContratPropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Cycle de vie : synchronous_or_streamed
Envoyez l’ID exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.0002 / 1K jetons Sortie · Jetons en sortie $0.0008 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite-preview-06-17", "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-06-17',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-06-17',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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gemini-2.5-flash-lite-preview-06-17
Utilisez les chemins de méthode indiqués ci-dessus.
gemini-2.5-flash-lite-preview-06-17Gemini 2.5 Flash-Lite Preview 06-17 est l'édition de juin de Google pour la classification à haut débit, le résumé et le traitement textuel répétable. Elle combine un contexte d'un million de jetons, un raisonnement facultatif et des outils documentés de recherche, de code, de contexte d'URL et d'appels de fonctions.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 2.5 Flash-Lite Preview 06-17 est la préversion de juin de Flash-Lite de Google, conçue pour les tâches fréquentes sensibles à la latence, comme la classification de messages et le résumé de contenu à grande échelle. Elle appartient à la famille Gemini 2.5 à raisonnement, tout en conservant une voie de réponse directe pour le travail simple. La désignation datée Preview identifie cette version séparément de Flash-Lite stable et de la préversion de septembre ultérieure, dont les améliorations du respect des instructions et de la compréhension multimodale possèdent leur propre identité d'édition.
Le lancement de juin place la classification et le résumé au centre des usages prévus. Une entrée de classification utile contient le message, les étiquettes permises et des exemples de leurs limites; la sortie peut être une étiquette, une courte justification et l'information nécessaire à l'étape de traitement suivante. Une tâche de résumé peut préciser les décisions, les actions à entreprendre, les échéances nommées et les questions non résolues à conserver. Ce sont des applications pratiques de l'objectif déclaré : elles donnent à une opération répétitive une entrée claire et un résultat compact au lieu de demander une dissertation ouverte.
Le raisonnement est disponible, mais désactivé par défaut dans cette préversion Flash-Lite de juin. Google décrit un budget de raisonnement contrôlable qui permet à la tâche d'utiliser davantage de raisonnement lorsque ses conditions l'exigent. Conservez la voie directe pour la catégorisation ou le raccourcissement simples; utilisez une tâche raisonnée pour les catégories qui se chevauchent, les exceptions ou une question exigeant plusieurs conclusions dépendantes. Précisez quelles conditions sont obligatoires et ce qui constitue une réponse correcte. Le raisonnement est une capacité de traitement de tâches; une explication plus longue ne prouve pas en soi que la conclusion est correcte.
Le rapport technique de Google nomme explicitement ce modèle de juin et documente la prise en charge d'entrées multimodales ainsi qu'une longueur de contexte d'un million de jetons. Son résultat est du texte. Le contexte offre de la place pour les sources, les instructions et les exemples dans une même tâche. Attribuez à chaque document ou section un rôle clair, puis identifiez ce que le modèle doit extraire ou comparer. Pour un assistant documentaire, séparez la question du texte source et demandez un résultat rattaché aux passages pertinents. Pour une étape d'extraction, définissez les champs et la façon de représenter l'information absente des éléments fournis. Il s'agit d'une capacité de contexte, et non d'une promesse que du contenu sans lien deviendra utile simplement parce qu'il est inclus.
L'annonce de juin présente des outils natifs d'ancrage par la recherche, d'exécution de code et de contexte d'URL, ainsi que les appels de fonctions. L'ancrage par la recherche ajoute de l'information Web à une réponse; le contexte d'URL utilise le contenu des pages fournies pour des tâches comme comparer des documents ou extraire des détails. L'outil d'exécution de code de Google génère et exécute du Python pour les calculs ou le traitement de texte et utilise le résultat d'exécution dans la réponse. Les appels de fonctions ont un rôle différent : le modèle sélectionne une fonction déclarée et ses arguments, tandis que l'application connectée l'exécute et retourne le résultat. Définissez l'objectif de la fonction et ses paramètres permis afin qu'une tâche assistée par des outils comporte une prochaine action explicite.
Pour un flux de travail récurrent, préparez un petit ensemble d'entrées représentatives avant d'appliquer la même instruction à une collection plus grande. Incluez un cas ordinaire, un cas ambigu et un cas où de l'information manque. Un exemple de soutien à la clientèle pourrait demander un sujet, la question réelle du client et une réponse fondée uniquement sur un passage de référence joint. Un exemple de correspondance peut demander une liste de tâches avec une action, la personne qui l'assigne et une échéance seulement lorsqu'elle est indiquée. Gardez ces champs demandés séparés de toute prose explicative afin que le texte obtenu puisse être vérifié par rapport à l'élément original.
La fiche de famille Flash-Lite du fabricant relève l'invention possible de faits et des difficultés de compréhension causale, de déduction logique complexe et de raisonnement contrefactuel. Elle indique aussi que le respect d'un budget de raisonnement peut être irrégulier. Traitez ces limites comme des points de révision concrets : comparez les faits extraits à la source, vérifiez les calculs dépendants et distinguez un énoncé observé d'une explication déduite. Le livrable final utile est une classification, un résumé, une extraction ou une réponse compacts dont les faits requis et l'information manquante peuvent être examinés. Cette édition de juin constitue un choix distinct de traitement textuel; les spécifications des préversions ultérieures ne redéfinissent pas son identité documentée.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-2.5-flash-lite-preview-06-17 | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Texte · Texte UTF-8
Chaîne messages[].content
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.0002 / 1K jetons Sortie · Jetons en sortie $0.0008 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "gemini-2.5-flash-lite-preview-06-17",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-06-17', '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-06-17', '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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gemini-2.5-flash-lite-preview-06-17
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Extract actions from a meeting note\n\nExtract only explicit action items from this note: 'Mira will send the revised price sheet by Friday. Jonas suggested checking packaging later, but nobody accepted that task. Noor will confirm the delivery address; no deadline was set.' Return a table with action, owner and deadline. Use 'not stated' for an absent deadline and exclude unassigned suggestions.A compact action table containing explicit commitments and source-grounded deadline values.The unassigned packaging suggestion is excluded, and Noor's deadline is not invented.