Gemini 2.5 Flash-Lite est le profil léger stable de Google pour la traduction, la classification et l’extraction simple de données à grand volume. Son raisonnement hybride peut utiliser ou omettre la réflexion selon la tâche. Il accepte le texte, les images, l’audio, la vidéo et les PDF et produit du texte. Un résultat utile est une catégorie, une traduction concise, un enregistrement extrait des éléments fournis ou une explication écrite délimitée.
Pour la classification, définissez les catégories, la règle de décision et la forme de la réponse. Gardez l’identifiant de source dans un résultat lorsque plusieurs éléments indépendants sont traités. Pour la classification de messages de soutien, classez un message par type de problème et renvoyez la phrase qui appuie la catégorie. Incluez une règle pour les données probantes manquantes ou ambiguës afin qu’une réponse fluide ne remplisse pas un champ requis avec une supposition. Le rôle léger du modèle est surtout utile lorsque l’entrée et le résultat requis sont clairement précisés.
La réflexion est désactivée par défaut dans la configuration documentée de 2.5 Flash-Lite. Le guide de réflexion GenerateContent de Google permet un budget explicite de réflexion de 512 à 24 576 jetons, zéro pour garder la réflexion désactivée et -1 pour demander une réflexion dynamique. Ce sont des contrôles de budget de raisonnement, distincts de la capacité de réponse finale. Activez du raisonnement supplémentaire lorsqu’une extraction comporte des conditions qui interagissent ou qu’une classification comporte des exceptions; une conversion simple peut conserver le comportement sans réflexion par défaut. Le guide note que le modèle peut utiliser plus ou moins de jetons de réflexion que le budget demandé.
Pour la traduction, fournissez la langue cible, le public et les termes à préserver. Précisez si le résultat doit contenir uniquement la traduction ou un enregistrement étiqueté. Pour l’extraction documentaire, définissez les champs et demandez des passages sources permettant de vérifier la sortie. Pour un enregistrement, distinguez la transcription du résumé et identifiez le passage important. Les images ou la vidéo peuvent apporter des données probantes à une réponse textuelle. Le livrable souhaité doit rester clair même lorsque l’entrée combine plusieurs types de médias.
Le tableau stable exact indique les appels de fonctions, l’exécution de code, la recherche de fichiers, l’ancrage par recherche, l’ancrage avec Maps, le contexte URL et les sorties structurées. Les fonctions nécessitent une finalité claire et des paramètres définis; l’application connectée exécute l’opération et fournit son résultat. Pour une extraction fondée sur un schéma, validez la structure renvoyée et comparez ses valeurs aux éléments originaux. Une décision d’outil ou un enregistrement bien formé n’est utile que dans le contexte de la source et des données probantes réellement renvoyées.
La fiche native donne une fenêtre de contexte de 1M et une sortie textuelle de 64K. La page API du modèle précise 1 048 576 jetons d’entrée et 65 536 jetons de sortie. Les instructions, le contenu source et la conversation conservée consomment le budget d’entrée, tandis que le raisonnement et une limite de réponse influencent la capacité du résultat final à tenir. La mise en cache et les traitements par lots, Flex et Priority sont indiqués pour ce profil du producteur. Pour les tâches répétées, conservez les mêmes définitions de catégories ou de champs et transférez les identifiants dans le résultat afin qu’une vérification ultérieure puisse retrouver l’élément d’origine.
Ce profil stable est distinct des variantes Preview de juin et de septembre décrites ailleurs dans la famille. La fiche native partagée attribue les améliorations de September Preview, notamment le suivi des instructions et la concision, précisément à cette préversion; elles ne doivent pas être transférées discrètement à l’identifiant stable. Les générations Flash-Lite ultérieures utilisent aussi des contrôles de réflexion et des tableaux de capacités différents. Préservez l’édition et choisissez les réglages documentés pour elle plutôt que de remplacer les budgets 2.5 par la syntaxe de niveaux de réflexion Gemini 3.
La fiche indique des hallucinations et des limites de compréhension causale, de déduction logique complexe et de raisonnement contrefactuel, et donne un arrêt des connaissances en janvier 2025. Fournissez des données actuelles ou utilisez un flux d’ancrage documenté lorsque les faits plus récents comptent. Vérifiez le sens des traductions, l’appui des champs extraits dans la source et les transcriptions à l’écoute de l’audio. Un petit résultat ciblé rend cette vérification pratique sans traiter une réponse soignée comme une preuve que la source contenait le détail affirmé.
", "aboutText": "Gemini 2.5 Flash-Lite est le profil léger stable de Google pour la traduction, la classification et l’extraction simple de données à grand volume. Son raisonnement hybride peut utiliser ou omettre la réflexion selon la tâche. Il accepte le texte, les images, l’audio, la vidéo et les PDF et produit du texte. Un résultat utile est une catégorie, une traduction concise, un enregistrement extrait des éléments fournis ou une explication écrite délimitée.\n\nPour la classification, définissez les catégories, la règle de décision et la forme de la réponse. Gardez l’identifiant de source dans un résultat lorsque plusieurs éléments indépendants sont traités. Pour la classification de messages de soutien, classez un message par type de problème et renvoyez la phrase qui appuie la catégorie. Incluez une règle pour les données probantes manquantes ou ambiguës afin qu’une réponse fluide ne remplisse pas un champ requis avec une supposition. Le rôle léger du modèle est surtout utile lorsque l’entrée et le résultat requis sont clairement précisés.\n\nLa réflexion est désactivée par défaut dans la configuration documentée de 2.5 Flash-Lite. Le guide de réflexion GenerateContent de Google permet un budget explicite de réflexion de 512 à 24 576 jetons, zéro pour garder la réflexion désactivée et -1 pour demander une réflexion dynamique. Ce sont des contrôles de budget de raisonnement, distincts de la capacité de réponse finale. Activez du raisonnement supplémentaire lorsqu’une extraction comporte des conditions qui interagissent ou qu’une classification comporte des exceptions; une conversion simple peut conserver le comportement sans réflexion par défaut. Le guide note que le modèle peut utiliser plus ou moins de jetons de réflexion que le budget demandé.\n\nPour la traduction, fournissez la langue cible, le public et les termes à préserver. Précisez si le résultat doit contenir uniquement la traduction ou un enregistrement étiqueté. Pour l’extraction documentaire, définissez les champs et demandez des passages sources permettant de vérifier la sortie. Pour un enregistrement, distinguez la transcription du résumé et identifiez le passage important. Les images ou la vidéo peuvent apporter des données probantes à une réponse textuelle. Le livrable souhaité doit rester clair même lorsque l’entrée combine plusieurs types de médias.\n\nLe tableau stable exact indique les appels de fonctions, l’exécution de code, la recherche de fichiers, l’ancrage par recherche, l’ancrage avec Maps, le contexte URL et les sorties structurées. Les fonctions nécessitent une finalité claire et des paramètres définis; l’application connectée exécute l’opération et fournit son résultat. Pour une extraction fondée sur un schéma, validez la structure renvoyée et comparez ses valeurs aux éléments originaux. Une décision d’outil ou un enregistrement bien formé n’est utile que dans le contexte de la source et des données probantes réellement renvoyées.\n\nLa fiche native donne une fenêtre de contexte de 1M et une sortie textuelle de 64K. La page API du modèle précise 1 048 576 jetons d’entrée et 65 536 jetons de sortie. Les instructions, le contenu source et la conversation conservée consomment le budget d’entrée, tandis que le raisonnement et une limite de réponse influencent la capacité du résultat final à tenir. La mise en cache et les traitements par lots, Flex et Priority sont indiqués pour ce profil du producteur. Pour les tâches répétées, conservez les mêmes définitions de catégories ou de champs et transférez les identifiants dans le résultat afin qu’une vérification ultérieure puisse retrouver l’élément d’origine.\n\nCe profil stable est distinct des variantes Preview de juin et de septembre décrites ailleurs dans la famille. La fiche native partagée attribue les améliorations de September Preview, notamment le suivi des instructions et la concision, précisément à cette préversion; elles ne doivent pas être transférées discrètement à l’identifiant stable. Les générations Flash-Lite ultérieures utilisent aussi des contrôles de réflexion et des tableaux de capacités différents. Préservez l’édition et choisissez les réglages documentés pour elle plutôt que de remplacer les budgets 2.5 par la syntaxe de niveaux de réflexion Gemini 3.\n\nLa fiche indique des hallucinations et des limites de compréhension causale, de déduction logique complexe et de raisonnement contrefactuel, et donne un arrêt des connaissances en janvier 2025. Fournissez des données actuelles ou utilisez un flux d’ancrage documenté lorsque les faits plus récents comptent. Vérifiez le sens des traductions, l’appui des champs extraits dans la source et les transcriptions à l’écoute de l’audio. Un petit résultat ciblé rend cette vérification pratique sans traiter une réponse soignée comme une preuve que la source contenait le détail affirmé.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "59e3e43d585933963d75d7fdffb5fe1c1d4ded9d7ec7c3ed904e24604e4e4747", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ca", "methods": [ { "html": "google/gemini-2.5-flash-lite:batchGemini 2.5 Flash-Lite est le modèle textuel multimodal stable de Google pour la classification fréquente, la traduction et l’extraction simple. La réflexion est désactivée par défaut et peut être activée avec un budget de raisonnement de 512–24 576 jetons. Il accepte le texte et les médias, avec des outils, une sortie structurée et une limite d’entrée de 1 048 576 jetons.
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 est le profil léger stable de Google pour la traduction, la classification et l’extraction simple de données à grand volume. Son raisonnement hybride peut utiliser ou omettre la réflexion selon la tâche. Il accepte le texte, les images, l’audio, la vidéo et les PDF et produit du texte. Un résultat utile est une catégorie, une traduction concise, un enregistrement extrait des éléments fournis ou une explication écrite délimitée.
Pour la classification, définissez les catégories, la règle de décision et la forme de la réponse. Gardez l’identifiant de source dans un résultat lorsque plusieurs éléments indépendants sont traités. Pour la classification de messages de soutien, classez un message par type de problème et renvoyez la phrase qui appuie la catégorie. Incluez une règle pour les données probantes manquantes ou ambiguës afin qu’une réponse fluide ne remplisse pas un champ requis avec une supposition. Le rôle léger du modèle est surtout utile lorsque l’entrée et le résultat requis sont clairement précisés.
La réflexion est désactivée par défaut dans la configuration documentée de 2.5 Flash-Lite. Le guide de réflexion GenerateContent de Google permet un budget explicite de réflexion de 512 à 24 576 jetons, zéro pour garder la réflexion désactivée et -1 pour demander une réflexion dynamique. Ce sont des contrôles de budget de raisonnement, distincts de la capacité de réponse finale. Activez du raisonnement supplémentaire lorsqu’une extraction comporte des conditions qui interagissent ou qu’une classification comporte des exceptions; une conversion simple peut conserver le comportement sans réflexion par défaut. Le guide note que le modèle peut utiliser plus ou moins de jetons de réflexion que le budget demandé.
Pour la traduction, fournissez la langue cible, le public et les termes à préserver. Précisez si le résultat doit contenir uniquement la traduction ou un enregistrement étiqueté. Pour l’extraction documentaire, définissez les champs et demandez des passages sources permettant de vérifier la sortie. Pour un enregistrement, distinguez la transcription du résumé et identifiez le passage important. Les images ou la vidéo peuvent apporter des données probantes à une réponse textuelle. Le livrable souhaité doit rester clair même lorsque l’entrée combine plusieurs types de médias.
Le tableau stable exact indique les appels de fonctions, l’exécution de code, la recherche de fichiers, l’ancrage par recherche, l’ancrage avec Maps, le contexte URL et les sorties structurées. Les fonctions nécessitent une finalité claire et des paramètres définis; l’application connectée exécute l’opération et fournit son résultat. Pour une extraction fondée sur un schéma, validez la structure renvoyée et comparez ses valeurs aux éléments originaux. Une décision d’outil ou un enregistrement bien formé n’est utile que dans le contexte de la source et des données probantes réellement renvoyées.
La fiche native donne une fenêtre de contexte de 1M et une sortie textuelle de 64K. La page API du modèle précise 1 048 576 jetons d’entrée et 65 536 jetons de sortie. Les instructions, le contenu source et la conversation conservée consomment le budget d’entrée, tandis que le raisonnement et une limite de réponse influencent la capacité du résultat final à tenir. La mise en cache et les traitements par lots, Flex et Priority sont indiqués pour ce profil du producteur. Pour les tâches répétées, conservez les mêmes définitions de catégories ou de champs et transférez les identifiants dans le résultat afin qu’une vérification ultérieure puisse retrouver l’élément d’origine.
Ce profil stable est distinct des variantes Preview de juin et de septembre décrites ailleurs dans la famille. La fiche native partagée attribue les améliorations de September Preview, notamment le suivi des instructions et la concision, précisément à cette préversion; elles ne doivent pas être transférées discrètement à l’identifiant stable. Les générations Flash-Lite ultérieures utilisent aussi des contrôles de réflexion et des tableaux de capacités différents. Préservez l’édition et choisissez les réglages documentés pour elle plutôt que de remplacer les budgets 2.5 par la syntaxe de niveaux de réflexion Gemini 3.
La fiche indique des hallucinations et des limites de compréhension causale, de déduction logique complexe et de raisonnement contrefactuel, et donne un arrêt des connaissances en janvier 2025. Fournissez des données actuelles ou utilisez un flux d’ancrage documenté lorsque les faits plus récents comptent. Vérifiez le sens des traductions, l’appui des champs extraits dans la source et les transcriptions à l’écoute de l’audio. Un petit résultat ciblé rend cette vérification pratique sans traiter une réponse soignée comme une preuve que la source contenait le détail affirmé.
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-2.5-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-2.5-flash-lite:batch, google/gemini-2.5-flash-lite | Par défaut— |
Champprovider.only | Typestring[] | ExigenceFacultatif | Valeurs et limites google-ai-studio | 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 | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0001 / 1K jetons Sortie · Jetons en sortie $0.0004 / 1K jetons Entrée · Lecture du cache $0.00002 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0001 / 1K jetons Sortie · Jetons en sortie $0.0004 / 1K jetons Entrée · Lecture du cache $0.00002 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-2.5-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-2.5-flash-lite:batch', 'google/gemini-2.5-flash-lite']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-2.5-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 suivanteRésolvez le problème d’admission avant d’envoyer une nouvelle requête. |
Réponse503 · price_unavailable | ConditionPrix de la méthode Batch/tarifs natifs indisponibles. | Étape suivanteConservez la réponse ; ne remplacez pas les prix par d’autres. |
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-2.5-flash-lite:batch
Utilisez les chemins de méthode indiqués ci-dessus.