A Gemini 2.5 Flash-Lite Preview 06-17 a Google Flash-Lite modelljének júniusi előzetes kiadása, amelyet gyakori, késleltetésre érzékeny feladatokra terveztek, például üzenetek osztályozására és anyagok nagy léptékű összefoglalására. A Gemini 2.5 gondolkodó modellcsaládhoz tartozik, miközben az egyszerű munkához közvetlen válaszadási útvonalat is megtart. A dátummal ellátott Preview megjelölés ezt a kiadást a stabil Flash-Lite-tól és a későbbi szeptemberi előzetestől külön azonosítja; az utóbbi utasításkövetési és multimodális fejlesztései az adott későbbi kiadáshoz tartoznak.
A júniusi bevezetés az osztályozást és az összefoglalást helyezi a tervezett használat középpontjába. A hasznos osztályozási bemenet tartalmazza az üzenetet, a megengedett címkéket és a határaikat bemutató példákat; a kimenet lehet egy címke, rövid indoklás és a következő feldolgozási lépéshez szükséges információ. Egy összefoglalási feladat meghatározhatja a megőrzendő döntéseket, teendőket, megnevezett határidőket és megoldatlan kérdéseket. Ezek a közölt rendeltetés gyakorlati alkalmazásai: nyitott végű esszé kérése helyett egyértelmű bemenetet és tömör eredményt adnak az ismétlődő műveletnek.
Ebben a júniusi Flash-Lite-előzetesben a gondolkodás elérhető, de alapértelmezés szerint ki van kapcsolva. A Google szabályozható gondolkodási keretet ír le, amely lehetővé teszi további következtetés használatát, ha a feladat feltételei megkövetelik. Egyszerű besoroláshoz vagy rövidítéshez tartsa meg a közvetlen útvonalat; átfedő kategóriákhoz, kivételekhez vagy több egymásra épülő következtetést igénylő kérdéshez használjon következtetést igénylő feladatot. Adja meg, mely feltételek kötelezők, és mi számít helyes válasznak. A gondolkodás feladatfeldolgozási képesség; a hosszabb magyarázat önmagában nem bizonyítja, hogy a következtetés helyes.
A Google műszaki jelentése kifejezetten megnevezi ezt a júniusi modellt, és dokumentálja a multimodális bemenet támogatását, valamint az egymillió tokenes kontextushosszt. Eredménye szöveg. A kontextus helyet biztosít a forrásanyagnak, utasításoknak és példáknak ugyanazon feladaton belül. Minden dokumentumnak vagy résznek adjon egyértelmű szerepet, majd nevezze meg, mit kell a modellnek kinyernie vagy összehasonlítania. Dokumentumasszisztensnél különítse el a kérdést a forrásszövegtől, és kérjen a releváns szövegrészekhez kapcsolt eredményt. Adatkinyerési lépésnél határozza meg a mezőket és az anyagból hiányzó információ ábrázolását. Ez kontextusképesség, nem ígéret arra, hogy az oda nem tartozó tartalom pusztán a beillesztéstől hasznossá válik.
A júniusi bejelentés natív eszközöket sorol fel keresési forrásokkal való alátámasztáshoz, kódfuttatáshoz és URL-kontextushoz, továbbá függvényhívást. A keresési alátámasztás webes információt ad a válaszhoz; az URL-kontextus a megadott oldalak tartalmát használja például dokumentumok összehasonlításához vagy részletek kinyeréséhez. A Google kódfuttató eszköze Python-kódot generál és futtat számításokhoz vagy szövegfeldolgozáshoz, a futtatás eredményét pedig felhasználja a válaszban. A függvényhívás szerepe eltérő: a modell kiválaszt egy deklarált függvényt és az argumentumait, a csatlakoztatott alkalmazás pedig végrehajtja és visszaadja az eredményt. Határozza meg a függvény célját és megengedett paramétereit, hogy az eszközzel támogatott feladatnak explicit következő művelete legyen.
Ismétlődő munkafolyamathoz készítsen elő kis számú reprezentatív bemenetet, mielőtt ugyanazt az utasítást egy nagyobb gyűjteményre alkalmazná. Legyen köztük szokásos eset, kétértelmű eset és hiányos információjú eset. Egy ügyféltámogatási példa kérheti a témát, az ügyfél tényleges kérdését és kizárólag egy mellékelt referenciaszövegre támaszkodó választ. Egy levelezési példa kérhet feladatlistát, benne a művelettel, a megbízó személlyel és csak akkor határidővel, ha az szerepel a szövegben. Ezeket a kért mezőket különítse el a magyarázó prózától, hogy a kapott szöveg összevethető legyen az eredeti elemmel.
A gyártó Flash-Lite családkártyája lehetséges ténykitalálást, valamint az ok-okozati megértés, az összetett logikai levezetés és a tényellentétes következtetés nehézségeit azonosítja. Azt is megjegyzi, hogy a gondolkodási keret betartása következetlen lehet. Kezelje ezeket konkrét ellenőrzési pontként: vesse össze a kinyert tényeket a forrással, ellenőrizze az egymásra épülő számításokat, és különböztesse meg a megfigyelt állítást a kikövetkeztetett magyarázattól. A hasznos kész eredmény tömör osztályozás, összefoglaló, adatkinyerés vagy válasz, amelyben a kötelező tények és a hiányzó információ ellenőrizhető. Ez a júniusi kiadás önálló szövegfeldolgozási választás; a későbbi előzetesek specifikációi nem változtatnak azon, melyik dokumentált kiadást jelöli ez a név.
", "aboutText": "A Gemini 2.5 Flash-Lite Preview 06-17 a Google Flash-Lite modelljének júniusi előzetes kiadása, amelyet gyakori, késleltetésre érzékeny feladatokra terveztek, például üzenetek osztályozására és anyagok nagy léptékű összefoglalására. A Gemini 2.5 gondolkodó modellcsaládhoz tartozik, miközben az egyszerű munkához közvetlen válaszadási útvonalat is megtart. A dátummal ellátott Preview megjelölés ezt a kiadást a stabil Flash-Lite-tól és a későbbi szeptemberi előzetestől külön azonosítja; az utóbbi utasításkövetési és multimodális fejlesztései az adott későbbi kiadáshoz tartoznak.\n\nA júniusi bevezetés az osztályozást és az összefoglalást helyezi a tervezett használat középpontjába. A hasznos osztályozási bemenet tartalmazza az üzenetet, a megengedett címkéket és a határaikat bemutató példákat; a kimenet lehet egy címke, rövid indoklás és a következő feldolgozási lépéshez szükséges információ. Egy összefoglalási feladat meghatározhatja a megőrzendő döntéseket, teendőket, megnevezett határidőket és megoldatlan kérdéseket. Ezek a közölt rendeltetés gyakorlati alkalmazásai: nyitott végű esszé kérése helyett egyértelmű bemenetet és tömör eredményt adnak az ismétlődő műveletnek.\n\nEbben a júniusi Flash-Lite-előzetesben a gondolkodás elérhető, de alapértelmezés szerint ki van kapcsolva. A Google szabályozható gondolkodási keretet ír le, amely lehetővé teszi további következtetés használatát, ha a feladat feltételei megkövetelik. Egyszerű besoroláshoz vagy rövidítéshez tartsa meg a közvetlen útvonalat; átfedő kategóriákhoz, kivételekhez vagy több egymásra épülő következtetést igénylő kérdéshez használjon következtetést igénylő feladatot. Adja meg, mely feltételek kötelezők, és mi számít helyes válasznak. A gondolkodás feladatfeldolgozási képesség; a hosszabb magyarázat önmagában nem bizonyítja, hogy a következtetés helyes.\n\nA Google műszaki jelentése kifejezetten megnevezi ezt a júniusi modellt, és dokumentálja a multimodális bemenet támogatását, valamint az egymillió tokenes kontextushosszt. Eredménye szöveg. A kontextus helyet biztosít a forrásanyagnak, utasításoknak és példáknak ugyanazon feladaton belül. Minden dokumentumnak vagy résznek adjon egyértelmű szerepet, majd nevezze meg, mit kell a modellnek kinyernie vagy összehasonlítania. Dokumentumasszisztensnél különítse el a kérdést a forrásszövegtől, és kérjen a releváns szövegrészekhez kapcsolt eredményt. Adatkinyerési lépésnél határozza meg a mezőket és az anyagból hiányzó információ ábrázolását. Ez kontextusképesség, nem ígéret arra, hogy az oda nem tartozó tartalom pusztán a beillesztéstől hasznossá válik.\n\nA júniusi bejelentés natív eszközöket sorol fel keresési forrásokkal való alátámasztáshoz, kódfuttatáshoz és URL-kontextushoz, továbbá függvényhívást. A keresési alátámasztás webes információt ad a válaszhoz; az URL-kontextus a megadott oldalak tartalmát használja például dokumentumok összehasonlításához vagy részletek kinyeréséhez. A Google kódfuttató eszköze Python-kódot generál és futtat számításokhoz vagy szövegfeldolgozáshoz, a futtatás eredményét pedig felhasználja a válaszban. A függvényhívás szerepe eltérő: a modell kiválaszt egy deklarált függvényt és az argumentumait, a csatlakoztatott alkalmazás pedig végrehajtja és visszaadja az eredményt. Határozza meg a függvény célját és megengedett paramétereit, hogy az eszközzel támogatott feladatnak explicit következő művelete legyen.\n\nIsmétlődő munkafolyamathoz készítsen elő kis számú reprezentatív bemenetet, mielőtt ugyanazt az utasítást egy nagyobb gyűjteményre alkalmazná. Legyen köztük szokásos eset, kétértelmű eset és hiányos információjú eset. Egy ügyféltámogatási példa kérheti a témát, az ügyfél tényleges kérdését és kizárólag egy mellékelt referenciaszövegre támaszkodó választ. Egy levelezési példa kérhet feladatlistát, benne a művelettel, a megbízó személlyel és csak akkor határidővel, ha az szerepel a szövegben. Ezeket a kért mezőket különítse el a magyarázó prózától, hogy a kapott szöveg összevethető legyen az eredeti elemmel.\n\nA gyártó Flash-Lite családkártyája lehetséges ténykitalálást, valamint az ok-okozati megértés, az összetett logikai levezetés és a tényellentétes következtetés nehézségeit azonosítja. Azt is megjegyzi, hogy a gondolkodási keret betartása következetlen lehet. Kezelje ezeket konkrét ellenőrzési pontként: vesse össze a kinyert tényeket a forrással, ellenőrizze az egymásra épülő számításokat, és különböztesse meg a megfigyelt állítást a kikövetkeztetett magyarázattól. A hasznos kész eredmény tömör osztályozás, összefoglaló, adatkinyerés vagy válasz, amelyben a kötelező tények és a hiányzó információ ellenőrizhető. Ez a júniusi kiadás önálló szövegfeldolgozási választás; a későbbi előzetesek specifikációi nem változtatnak azon, melyik dokumentált kiadást jelöli ez a név.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
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-06-17A Gemini 2.5 Flash-Lite Preview 06-17 a Google júniusi kiadása nagy áteresztőképességű osztályozáshoz, összefoglaláshoz és megismételhető szövegfeldolgozáshoz. Egymillió tokenes kontextust, opcionális gondolkodást és dokumentált keresési, kódfuttatási, URL-kontextus- és függvényhívási eszközöket ötvöz.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Gemini 2.5 Flash-Lite Preview 06-17 a Google Flash-Lite modelljének júniusi előzetes kiadása, amelyet gyakori, késleltetésre érzékeny feladatokra terveztek, például üzenetek osztályozására és anyagok nagy léptékű összefoglalására. A Gemini 2.5 gondolkodó modellcsaládhoz tartozik, miközben az egyszerű munkához közvetlen válaszadási útvonalat is megtart. A dátummal ellátott Preview megjelölés ezt a kiadást a stabil Flash-Lite-tól és a későbbi szeptemberi előzetestől külön azonosítja; az utóbbi utasításkövetési és multimodális fejlesztései az adott későbbi kiadáshoz tartoznak.
A júniusi bevezetés az osztályozást és az összefoglalást helyezi a tervezett használat középpontjába. A hasznos osztályozási bemenet tartalmazza az üzenetet, a megengedett címkéket és a határaikat bemutató példákat; a kimenet lehet egy címke, rövid indoklás és a következő feldolgozási lépéshez szükséges információ. Egy összefoglalási feladat meghatározhatja a megőrzendő döntéseket, teendőket, megnevezett határidőket és megoldatlan kérdéseket. Ezek a közölt rendeltetés gyakorlati alkalmazásai: nyitott végű esszé kérése helyett egyértelmű bemenetet és tömör eredményt adnak az ismétlődő műveletnek.
Ebben a júniusi Flash-Lite-előzetesben a gondolkodás elérhető, de alapértelmezés szerint ki van kapcsolva. A Google szabályozható gondolkodási keretet ír le, amely lehetővé teszi további következtetés használatát, ha a feladat feltételei megkövetelik. Egyszerű besoroláshoz vagy rövidítéshez tartsa meg a közvetlen útvonalat; átfedő kategóriákhoz, kivételekhez vagy több egymásra épülő következtetést igénylő kérdéshez használjon következtetést igénylő feladatot. Adja meg, mely feltételek kötelezők, és mi számít helyes válasznak. A gondolkodás feladatfeldolgozási képesség; a hosszabb magyarázat önmagában nem bizonyítja, hogy a következtetés helyes.
A Google műszaki jelentése kifejezetten megnevezi ezt a júniusi modellt, és dokumentálja a multimodális bemenet támogatását, valamint az egymillió tokenes kontextushosszt. Eredménye szöveg. A kontextus helyet biztosít a forrásanyagnak, utasításoknak és példáknak ugyanazon feladaton belül. Minden dokumentumnak vagy résznek adjon egyértelmű szerepet, majd nevezze meg, mit kell a modellnek kinyernie vagy összehasonlítania. Dokumentumasszisztensnél különítse el a kérdést a forrásszövegtől, és kérjen a releváns szövegrészekhez kapcsolt eredményt. Adatkinyerési lépésnél határozza meg a mezőket és az anyagból hiányzó információ ábrázolását. Ez kontextusképesség, nem ígéret arra, hogy az oda nem tartozó tartalom pusztán a beillesztéstől hasznossá válik.
A júniusi bejelentés natív eszközöket sorol fel keresési forrásokkal való alátámasztáshoz, kódfuttatáshoz és URL-kontextushoz, továbbá függvényhívást. A keresési alátámasztás webes információt ad a válaszhoz; az URL-kontextus a megadott oldalak tartalmát használja például dokumentumok összehasonlításához vagy részletek kinyeréséhez. A Google kódfuttató eszköze Python-kódot generál és futtat számításokhoz vagy szövegfeldolgozáshoz, a futtatás eredményét pedig felhasználja a válaszban. A függvényhívás szerepe eltérő: a modell kiválaszt egy deklarált függvényt és az argumentumait, a csatlakoztatott alkalmazás pedig végrehajtja és visszaadja az eredményt. Határozza meg a függvény célját és megengedett paramétereit, hogy az eszközzel támogatott feladatnak explicit következő művelete legyen.
Ismétlődő munkafolyamathoz készítsen elő kis számú reprezentatív bemenetet, mielőtt ugyanazt az utasítást egy nagyobb gyűjteményre alkalmazná. Legyen köztük szokásos eset, kétértelmű eset és hiányos információjú eset. Egy ügyféltámogatási példa kérheti a témát, az ügyfél tényleges kérdését és kizárólag egy mellékelt referenciaszövegre támaszkodó választ. Egy levelezési példa kérhet feladatlistát, benne a művelettel, a megbízó személlyel és csak akkor határidővel, ha az szerepel a szövegben. Ezeket a kért mezőket különítse el a magyarázó prózától, hogy a kapott szöveg összevethető legyen az eredeti elemmel.
A gyártó Flash-Lite családkártyája lehetséges ténykitalálást, valamint az ok-okozati megértés, az összetett logikai levezetés és a tényellentétes következtetés nehézségeit azonosítja. Azt is megjegyzi, hogy a gondolkodási keret betartása következetlen lehet. Kezelje ezeket konkrét ellenőrzési pontként: vesse össze a kinyert tényeket a forrással, ellenőrizze az egymásra épülő számításokat, és különböztesse meg a megfigyelt állítást a kikövetkeztetett magyarázattól. A hasznos kész eredmény tömör osztályozás, összefoglaló, adatkinyerés vagy válasz, amelyben a kötelező tények és a hiányzó információ ellenőrizhető. Ez a júniusi kiadás önálló szövegfeldolgozási választás; a későbbi előzetesek specifikációi nem változtatnak azon, melyik dokumentált kiadást jelöli ez a név.
POST /v1/chat/completionstexttext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok gemini-2.5-flash-lite-preview-06-17 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok Példák: system, user, assistant, tool, function Feltételek: Ezeket a szerepeket a forráskód kompatibilitási típusai kifejezetten reprezentálják; a pontos szerepkészlet továbbra is modellspecifikus. Modelltől függ | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_part[]|null | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_calls | Típustool_call[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].tool_call_id | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: role=tool; használja a ténylegesen visszaadott ID-t | Alapértelmezett— |
Mezőmessages[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].reasoning_content | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Küldje vissza a ténylegesen visszaadott gondolkodási tartalmat, ha ez a modell használja | Alapértelmezett— |
Mezőmessages[].reasoning_details | Típusobject|array | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőmax_completion_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőstream_options.include_usage | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop | Típusstring|string[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típusfunction_tool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].type | Típusstring | KövetelményOpcionális | Értékek és korlátok function Modelltől függ | Alapértelmezett— |
Mezőtools[].function.name | Típusstring | KövetelményKötelező | Értékek és korlátok Akkor alkalmazandó, ha: Függvényeszköz megadva | Alapértelmezett— |
Mezőtools[].function.description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].function.parameters | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőparallel_tool_calls | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőresponse_format | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning_effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőreasoning | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőservice_tier | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőinstructions | Típusstring | KövetelményOpcionális | Értékek és korlátok Kompatibilitási mező | Alapértelmezett— |
Mezőfunctions | Típusfunction[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőfunction_call | Típusstring|object | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőprompt_cache_options | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmodalities | Típusstring[] | KövetelményOpcionális | Értékek és korlátok text | Alapértelmezett— |
Mezőprovider | Típusobject | KövetelményOpcionális | Értékek és korlátok Feltételek: A provider.options elutasításra kerül ezen az Ultra szöveges útvonalon | Alapértelmezett— |
Mezőcache_control.ttl | Típusstring | KövetelményOpcionális | Értékek és korlátok Feltételek: Az 1h elutasításra kerül a tényleges prompt-gyorsítótárazási helyeken | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages |
Paramétermaterial_types | Szerződéstext |
Paramétermessages | Szerződésüzenettömb role/content szerkezettel |
Paraméterfile_material | Szerződésa tényleges UTF-8 dokumentum szó szerinti szövegként beillesztve; nincs kikövetkeztetett fájlazonosító |
Paraméteroptional_controls | Szerződésstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramétercontrol_scope | Szerződésmodellspecifikus; a felhasználói függvényeszközök eltérnek a hosztolt eszközöktől |
Paraméteroutput_modalities | Szerződéstext |
Paraméterhosted_operations | Szerződésfalse |
Paramétermultimodal_input_binding | Szerződésnull |
Életciklus: synchronous_or_streamed
Küldje el a pontos modellazonosítót a messages mellett.
A kontextushossz nem kimeneti felső korlát.
Egy szövegfájl szó szerinti szöveget adhat meg; a kép-/hang-/fájlobjektum-bemenetek pontos hozzárendelést igényelnek.
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.0002 / 1K token Kimenet · Kimeneti tokenek $0.0008 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszváltozatot és azok tartalmát/eszközhívásait/gondolkodási tartalmát. SSE esetén válaszváltozat- és eszközindex szerint állítsa össze a részleges frissítéseket, és tartsa meg a végső befejezési okot és a használati adatokat.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőchoices[].index | Típusinteger |
Mezőchoices[].message.content | Típusstring|null |
Mezőchoices[].message.tool_calls | Típustool_call[] |
Mezőchoices[].message.reasoning_content | Típusstring |
Mezőchoices[].message.reasoning_details | Típusobject|array |
Mezőchoices[].finish_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra gemini-2.5-flash-lite-preview-06-17
Használja a fent látható metódusútvonalakat.
gemini-2.5-flash-lite-preview-06-17A Gemini 2.5 Flash-Lite Preview 06-17 a Google júniusi kiadása nagy áteresztőképességű osztályozáshoz, összefoglaláshoz és megismételhető szövegfeldolgozáshoz. Egymillió tokenes kontextust, opcionális gondolkodást és dokumentált keresési, kódfuttatási, URL-kontextus- és függvényhívási eszközöket ötvöz.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Gemini 2.5 Flash-Lite Preview 06-17 a Google Flash-Lite modelljének júniusi előzetes kiadása, amelyet gyakori, késleltetésre érzékeny feladatokra terveztek, például üzenetek osztályozására és anyagok nagy léptékű összefoglalására. A Gemini 2.5 gondolkodó modellcsaládhoz tartozik, miközben az egyszerű munkához közvetlen válaszadási útvonalat is megtart. A dátummal ellátott Preview megjelölés ezt a kiadást a stabil Flash-Lite-tól és a későbbi szeptemberi előzetestől külön azonosítja; az utóbbi utasításkövetési és multimodális fejlesztései az adott későbbi kiadáshoz tartoznak.
A júniusi bevezetés az osztályozást és az összefoglalást helyezi a tervezett használat középpontjába. A hasznos osztályozási bemenet tartalmazza az üzenetet, a megengedett címkéket és a határaikat bemutató példákat; a kimenet lehet egy címke, rövid indoklás és a következő feldolgozási lépéshez szükséges információ. Egy összefoglalási feladat meghatározhatja a megőrzendő döntéseket, teendőket, megnevezett határidőket és megoldatlan kérdéseket. Ezek a közölt rendeltetés gyakorlati alkalmazásai: nyitott végű esszé kérése helyett egyértelmű bemenetet és tömör eredményt adnak az ismétlődő műveletnek.
Ebben a júniusi Flash-Lite-előzetesben a gondolkodás elérhető, de alapértelmezés szerint ki van kapcsolva. A Google szabályozható gondolkodási keretet ír le, amely lehetővé teszi további következtetés használatát, ha a feladat feltételei megkövetelik. Egyszerű besoroláshoz vagy rövidítéshez tartsa meg a közvetlen útvonalat; átfedő kategóriákhoz, kivételekhez vagy több egymásra épülő következtetést igénylő kérdéshez használjon következtetést igénylő feladatot. Adja meg, mely feltételek kötelezők, és mi számít helyes válasznak. A gondolkodás feladatfeldolgozási képesség; a hosszabb magyarázat önmagában nem bizonyítja, hogy a következtetés helyes.
A Google műszaki jelentése kifejezetten megnevezi ezt a júniusi modellt, és dokumentálja a multimodális bemenet támogatását, valamint az egymillió tokenes kontextushosszt. Eredménye szöveg. A kontextus helyet biztosít a forrásanyagnak, utasításoknak és példáknak ugyanazon feladaton belül. Minden dokumentumnak vagy résznek adjon egyértelmű szerepet, majd nevezze meg, mit kell a modellnek kinyernie vagy összehasonlítania. Dokumentumasszisztensnél különítse el a kérdést a forrásszövegtől, és kérjen a releváns szövegrészekhez kapcsolt eredményt. Adatkinyerési lépésnél határozza meg a mezőket és az anyagból hiányzó információ ábrázolását. Ez kontextusképesség, nem ígéret arra, hogy az oda nem tartozó tartalom pusztán a beillesztéstől hasznossá válik.
A júniusi bejelentés natív eszközöket sorol fel keresési forrásokkal való alátámasztáshoz, kódfuttatáshoz és URL-kontextushoz, továbbá függvényhívást. A keresési alátámasztás webes információt ad a válaszhoz; az URL-kontextus a megadott oldalak tartalmát használja például dokumentumok összehasonlításához vagy részletek kinyeréséhez. A Google kódfuttató eszköze Python-kódot generál és futtat számításokhoz vagy szövegfeldolgozáshoz, a futtatás eredményét pedig felhasználja a válaszban. A függvényhívás szerepe eltérő: a modell kiválaszt egy deklarált függvényt és az argumentumait, a csatlakoztatott alkalmazás pedig végrehajtja és visszaadja az eredményt. Határozza meg a függvény célját és megengedett paramétereit, hogy az eszközzel támogatott feladatnak explicit következő művelete legyen.
Ismétlődő munkafolyamathoz készítsen elő kis számú reprezentatív bemenetet, mielőtt ugyanazt az utasítást egy nagyobb gyűjteményre alkalmazná. Legyen köztük szokásos eset, kétértelmű eset és hiányos információjú eset. Egy ügyféltámogatási példa kérheti a témát, az ügyfél tényleges kérdését és kizárólag egy mellékelt referenciaszövegre támaszkodó választ. Egy levelezési példa kérhet feladatlistát, benne a művelettel, a megbízó személlyel és csak akkor határidővel, ha az szerepel a szövegben. Ezeket a kért mezőket különítse el a magyarázó prózától, hogy a kapott szöveg összevethető legyen az eredeti elemmel.
A gyártó Flash-Lite családkártyája lehetséges ténykitalálást, valamint az ok-okozati megértés, az összetett logikai levezetés és a tényellentétes következtetés nehézségeit azonosítja. Azt is megjegyzi, hogy a gondolkodási keret betartása következetlen lehet. Kezelje ezeket konkrét ellenőrzési pontként: vesse össze a kinyert tényeket a forrással, ellenőrizze az egymásra épülő számításokat, és különböztesse meg a megfigyelt állítást a kikövetkeztetett magyarázattól. A hasznos kész eredmény tömör osztályozás, összefoglaló, adatkinyerés vagy válasz, amelyben a kötelező tények és a hiányzó információ ellenőrizhető. Ez a júniusi kiadás önálló szövegfeldolgozási választás; a későbbi előzetesek specifikációi nem változtatnak azon, melyik dokumentált kiadást jelöli ez a név.
POST /v1/messagestextjson, sse| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok gemini-2.5-flash-lite-preview-06-17 | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Szöveg · UTF-8 szöveg
messages[].content karakterlánc
| Paraméter | Szerződés |
|---|---|
Paramétercontent_type | Szerződésapplication/json |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésstream |
Paramétermaterial_types | Szerződéstext |
Paramétertext_file_material | SzerződésOlvassa el a tényleges UTF-8 dokumentumot, és tegye a szövegét a jelzett bemeneti karakterláncba vagy az üzenettartalom karakterláncába. |
Életciklus: synchronous_or_streamed
A díjszabás nem ad új kérési lehetőségeket. A támogatott paraméterek a kiválasztott módszernél szerepelnek.
| Beállítás | Díjtáblázat | Díj |
|---|---|---|
| BeállításTokenenkénti alapárak | DíjtáblázatAlapdíj | Díj Bemenet · Bemeneti tokenek $0.0002 / 1K token Kimenet · Kimeneti tokenek $0.0008 / 1K token Bemenet · Gyorsítótár olvasása $0 / 1K token Bemenet · Írás a gyorsítótárba $0 / 1K token Bemenet · Írás a gyorsítótárba, 1 óra — / 1K token |
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
{\n "model": "gemini-2.5-flash-lite-preview-06-17",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot Ultra gemini-2.5-flash-lite-preview-06-17
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
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.