Gemini 2.5 Flash-Lite Preview 06-17 adalah edisi pratinjau Flash-Lite bulan Juni dari Google, yang dirancang untuk tugas berulang yang peka terhadap latensi, seperti mengklasifikasikan pesan dan merangkum materi dalam skala besar. Model ini termasuk dalam keluarga Gemini 2.5 dengan mode berpikir, sekaligus mempertahankan jalur respons langsung untuk pekerjaan sederhana. Penamaan Preview bertanggal membedakan rilis ini dari Flash-Lite stabil dan pratinjau September yang lebih baru, yang peningkatan kepatuhan terhadap instruksi dan multimodalnya memiliki identitas edisi tersendiri.
Peluncuran Juni menempatkan klasifikasi dan peringkasan sebagai inti tujuan penggunaannya. Masukan klasifikasi yang berguna berisi pesan, label yang diizinkan, dan contoh batasan masing-masing label; keluarannya dapat berupa label, alasan singkat, dan informasi yang diperlukan untuk langkah pemrosesan berikutnya. Tugas peringkasan dapat menentukan keputusan, butir tindakan, tenggat yang disebutkan, dan pertanyaan yang belum terjawab untuk dipertahankan. Ini adalah penerapan praktis dari tujuan yang dinyatakan: memberi operasi berulang masukan yang jelas dan hasil ringkas, alih-alih meminta esai tanpa batasan.
Mode berpikir tersedia tetapi nonaktif secara bawaan dalam pratinjau Flash-Lite Juni ini. Google menjelaskan anggaran berpikir yang dapat dikendalikan, sehingga tugas dapat menggunakan penalaran tambahan saat kondisinya memerlukan. Pertahankan jalur langsung untuk pengategorian atau pemendekan sederhana; gunakan penalaran untuk kategori yang tumpang tindih, pengecualian, atau pertanyaan yang memerlukan beberapa kesimpulan saling bergantung. Tentukan kondisi mana yang wajib dan apa yang dianggap sebagai jawaban benar. Mode berpikir adalah kemampuan pemrosesan tugas; penjelasan yang lebih panjang bukan dengan sendirinya bukti bahwa kesimpulannya benar.
Laporan teknis Google secara eksplisit menyebut model Juni ini dan mendokumentasikan dukungan masukan multimodal serta panjang konteks satu juta token. Hasilnya berupa teks. Konteks tersebut menyediakan ruang untuk materi sumber, instruksi, dan contoh dalam tugas yang sama. Berikan peran yang jelas pada setiap dokumen atau bagian, lalu tentukan apa yang harus diekstrak atau dibandingkan model. Untuk asisten dokumen, pisahkan pertanyaan dari teks sumber dan mintalah hasil yang terkait dengan bagian yang relevan. Untuk langkah ekstraksi, tentukan kolom dan cara menyatakan informasi yang tidak ada dalam materi. Ini merupakan kemampuan konteks, bukan janji bahwa konten yang tidak berkaitan akan menjadi berguna hanya karena disertakan.
Pengumuman Juni mencantumkan alat native untuk grounding berbasis pencarian, eksekusi kode, dan konteks URL, bersama pemanggilan fungsi. Grounding berbasis pencarian menambahkan informasi web ke respons; konteks URL menggunakan isi halaman yang diberikan untuk tugas seperti membandingkan dokumen atau mengekstrak detail. Alat eksekusi kode Google menghasilkan dan menjalankan Python untuk perhitungan atau pemrosesan teks serta menggunakan hasil eksekusi dalam jawaban. Pemanggilan fungsi memiliki peran berbeda: model memilih fungsi yang telah dideklarasikan beserta argumennya, sedangkan aplikasi yang terhubung menjalankannya dan mengembalikan hasil. Tentukan tujuan fungsi dan parameter yang diizinkan agar tugas berbantuan alat memiliki tindakan berikutnya yang eksplisit.
Untuk alur kerja berulang, siapkan sejumlah kecil masukan yang representatif sebelum menerapkan instruksi yang sama ke kumpulan yang lebih besar. Sertakan kasus biasa, kasus ambigu, dan kasus dengan informasi yang hilang. Contoh dukungan pelanggan dapat meminta topik, pertanyaan pelanggan yang sebenarnya, dan balasan yang hanya didasarkan pada bagian referensi yang menyertainya. Contoh korespondensi dapat meminta daftar tugas beserta tindakan, orang yang menugaskannya, dan tenggat hanya jika disebutkan. Pisahkan kolom yang diminta ini dari uraian penjelas agar teks hasil dapat diperiksa terhadap item aslinya.
Kartu keluarga Flash-Lite dari pembuatnya mengidentifikasi kemungkinan mengarang fakta serta kesulitan dalam pemahaman sebab-akibat, deduksi logis yang rumit, dan penalaran kontrafaktual. Kartu itu juga mencatat bahwa kepatuhan terhadap anggaran berpikir dapat tidak konsisten. Perlakukan hal-hal tersebut sebagai poin peninjauan yang konkret: bandingkan fakta hasil ekstraksi dengan sumber, periksa perhitungan yang saling bergantung, dan bedakan pernyataan yang diamati dari penjelasan hasil inferensi. Artefak akhir yang berguna adalah klasifikasi, ringkasan, ekstraksi, atau jawaban ringkas yang fakta wajib dan informasi hilangnya dapat diperiksa. Edisi Juni ini adalah pilihan pemrosesan teks tersendiri; spesifikasi pratinjau yang lebih baru tidak mendefinisikan ulang identitasnya yang terdokumentasi.
", "aboutText": "Gemini 2.5 Flash-Lite Preview 06-17 adalah edisi pratinjau Flash-Lite bulan Juni dari Google, yang dirancang untuk tugas berulang yang peka terhadap latensi, seperti mengklasifikasikan pesan dan merangkum materi dalam skala besar. Model ini termasuk dalam keluarga Gemini 2.5 dengan mode berpikir, sekaligus mempertahankan jalur respons langsung untuk pekerjaan sederhana. Penamaan Preview bertanggal membedakan rilis ini dari Flash-Lite stabil dan pratinjau September yang lebih baru, yang peningkatan kepatuhan terhadap instruksi dan multimodalnya memiliki identitas edisi tersendiri.\n\nPeluncuran Juni menempatkan klasifikasi dan peringkasan sebagai inti tujuan penggunaannya. Masukan klasifikasi yang berguna berisi pesan, label yang diizinkan, dan contoh batasan masing-masing label; keluarannya dapat berupa label, alasan singkat, dan informasi yang diperlukan untuk langkah pemrosesan berikutnya. Tugas peringkasan dapat menentukan keputusan, butir tindakan, tenggat yang disebutkan, dan pertanyaan yang belum terjawab untuk dipertahankan. Ini adalah penerapan praktis dari tujuan yang dinyatakan: memberi operasi berulang masukan yang jelas dan hasil ringkas, alih-alih meminta esai tanpa batasan.\n\nMode berpikir tersedia tetapi nonaktif secara bawaan dalam pratinjau Flash-Lite Juni ini. Google menjelaskan anggaran berpikir yang dapat dikendalikan, sehingga tugas dapat menggunakan penalaran tambahan saat kondisinya memerlukan. Pertahankan jalur langsung untuk pengategorian atau pemendekan sederhana; gunakan penalaran untuk kategori yang tumpang tindih, pengecualian, atau pertanyaan yang memerlukan beberapa kesimpulan saling bergantung. Tentukan kondisi mana yang wajib dan apa yang dianggap sebagai jawaban benar. Mode berpikir adalah kemampuan pemrosesan tugas; penjelasan yang lebih panjang bukan dengan sendirinya bukti bahwa kesimpulannya benar.\n\nLaporan teknis Google secara eksplisit menyebut model Juni ini dan mendokumentasikan dukungan masukan multimodal serta panjang konteks satu juta token. Hasilnya berupa teks. Konteks tersebut menyediakan ruang untuk materi sumber, instruksi, dan contoh dalam tugas yang sama. Berikan peran yang jelas pada setiap dokumen atau bagian, lalu tentukan apa yang harus diekstrak atau dibandingkan model. Untuk asisten dokumen, pisahkan pertanyaan dari teks sumber dan mintalah hasil yang terkait dengan bagian yang relevan. Untuk langkah ekstraksi, tentukan kolom dan cara menyatakan informasi yang tidak ada dalam materi. Ini merupakan kemampuan konteks, bukan janji bahwa konten yang tidak berkaitan akan menjadi berguna hanya karena disertakan.\n\nPengumuman Juni mencantumkan alat native untuk grounding berbasis pencarian, eksekusi kode, dan konteks URL, bersama pemanggilan fungsi. Grounding berbasis pencarian menambahkan informasi web ke respons; konteks URL menggunakan isi halaman yang diberikan untuk tugas seperti membandingkan dokumen atau mengekstrak detail. Alat eksekusi kode Google menghasilkan dan menjalankan Python untuk perhitungan atau pemrosesan teks serta menggunakan hasil eksekusi dalam jawaban. Pemanggilan fungsi memiliki peran berbeda: model memilih fungsi yang telah dideklarasikan beserta argumennya, sedangkan aplikasi yang terhubung menjalankannya dan mengembalikan hasil. Tentukan tujuan fungsi dan parameter yang diizinkan agar tugas berbantuan alat memiliki tindakan berikutnya yang eksplisit.\n\nUntuk alur kerja berulang, siapkan sejumlah kecil masukan yang representatif sebelum menerapkan instruksi yang sama ke kumpulan yang lebih besar. Sertakan kasus biasa, kasus ambigu, dan kasus dengan informasi yang hilang. Contoh dukungan pelanggan dapat meminta topik, pertanyaan pelanggan yang sebenarnya, dan balasan yang hanya didasarkan pada bagian referensi yang menyertainya. Contoh korespondensi dapat meminta daftar tugas beserta tindakan, orang yang menugaskannya, dan tenggat hanya jika disebutkan. Pisahkan kolom yang diminta ini dari uraian penjelas agar teks hasil dapat diperiksa terhadap item aslinya.\n\nKartu keluarga Flash-Lite dari pembuatnya mengidentifikasi kemungkinan mengarang fakta serta kesulitan dalam pemahaman sebab-akibat, deduksi logis yang rumit, dan penalaran kontrafaktual. Kartu itu juga mencatat bahwa kepatuhan terhadap anggaran berpikir dapat tidak konsisten. Perlakukan hal-hal tersebut sebagai poin peninjauan yang konkret: bandingkan fakta hasil ekstraksi dengan sumber, periksa perhitungan yang saling bergantung, dan bedakan pernyataan yang diamati dari penjelasan hasil inferensi. Artefak akhir yang berguna adalah klasifikasi, ringkasan, ekstraksi, atau jawaban ringkas yang fakta wajib dan informasi hilangnya dapat diperiksa. Edisi Juni ini adalah pilihan pemrosesan teks tersendiri; spesifikasi pratinjau yang lebih baru tidak mendefinisikan ulang identitasnya yang terdokumentasi.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
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 adalah edisi Juni dari Google untuk klasifikasi, peringkasan, dan pemrosesan teks berulang dengan laju pemrosesan tinggi. Model ini menggabungkan konteks satu juta token, mode berpikir opsional, serta alat pencarian, kode, konteks URL, dan pemanggilan fungsi yang terdokumentasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 2.5 Flash-Lite Preview 06-17 adalah edisi pratinjau Flash-Lite bulan Juni dari Google, yang dirancang untuk tugas berulang yang peka terhadap latensi, seperti mengklasifikasikan pesan dan merangkum materi dalam skala besar. Model ini termasuk dalam keluarga Gemini 2.5 dengan mode berpikir, sekaligus mempertahankan jalur respons langsung untuk pekerjaan sederhana. Penamaan Preview bertanggal membedakan rilis ini dari Flash-Lite stabil dan pratinjau September yang lebih baru, yang peningkatan kepatuhan terhadap instruksi dan multimodalnya memiliki identitas edisi tersendiri.
Peluncuran Juni menempatkan klasifikasi dan peringkasan sebagai inti tujuan penggunaannya. Masukan klasifikasi yang berguna berisi pesan, label yang diizinkan, dan contoh batasan masing-masing label; keluarannya dapat berupa label, alasan singkat, dan informasi yang diperlukan untuk langkah pemrosesan berikutnya. Tugas peringkasan dapat menentukan keputusan, butir tindakan, tenggat yang disebutkan, dan pertanyaan yang belum terjawab untuk dipertahankan. Ini adalah penerapan praktis dari tujuan yang dinyatakan: memberi operasi berulang masukan yang jelas dan hasil ringkas, alih-alih meminta esai tanpa batasan.
Mode berpikir tersedia tetapi nonaktif secara bawaan dalam pratinjau Flash-Lite Juni ini. Google menjelaskan anggaran berpikir yang dapat dikendalikan, sehingga tugas dapat menggunakan penalaran tambahan saat kondisinya memerlukan. Pertahankan jalur langsung untuk pengategorian atau pemendekan sederhana; gunakan penalaran untuk kategori yang tumpang tindih, pengecualian, atau pertanyaan yang memerlukan beberapa kesimpulan saling bergantung. Tentukan kondisi mana yang wajib dan apa yang dianggap sebagai jawaban benar. Mode berpikir adalah kemampuan pemrosesan tugas; penjelasan yang lebih panjang bukan dengan sendirinya bukti bahwa kesimpulannya benar.
Laporan teknis Google secara eksplisit menyebut model Juni ini dan mendokumentasikan dukungan masukan multimodal serta panjang konteks satu juta token. Hasilnya berupa teks. Konteks tersebut menyediakan ruang untuk materi sumber, instruksi, dan contoh dalam tugas yang sama. Berikan peran yang jelas pada setiap dokumen atau bagian, lalu tentukan apa yang harus diekstrak atau dibandingkan model. Untuk asisten dokumen, pisahkan pertanyaan dari teks sumber dan mintalah hasil yang terkait dengan bagian yang relevan. Untuk langkah ekstraksi, tentukan kolom dan cara menyatakan informasi yang tidak ada dalam materi. Ini merupakan kemampuan konteks, bukan janji bahwa konten yang tidak berkaitan akan menjadi berguna hanya karena disertakan.
Pengumuman Juni mencantumkan alat native untuk grounding berbasis pencarian, eksekusi kode, dan konteks URL, bersama pemanggilan fungsi. Grounding berbasis pencarian menambahkan informasi web ke respons; konteks URL menggunakan isi halaman yang diberikan untuk tugas seperti membandingkan dokumen atau mengekstrak detail. Alat eksekusi kode Google menghasilkan dan menjalankan Python untuk perhitungan atau pemrosesan teks serta menggunakan hasil eksekusi dalam jawaban. Pemanggilan fungsi memiliki peran berbeda: model memilih fungsi yang telah dideklarasikan beserta argumennya, sedangkan aplikasi yang terhubung menjalankannya dan mengembalikan hasil. Tentukan tujuan fungsi dan parameter yang diizinkan agar tugas berbantuan alat memiliki tindakan berikutnya yang eksplisit.
Untuk alur kerja berulang, siapkan sejumlah kecil masukan yang representatif sebelum menerapkan instruksi yang sama ke kumpulan yang lebih besar. Sertakan kasus biasa, kasus ambigu, dan kasus dengan informasi yang hilang. Contoh dukungan pelanggan dapat meminta topik, pertanyaan pelanggan yang sebenarnya, dan balasan yang hanya didasarkan pada bagian referensi yang menyertainya. Contoh korespondensi dapat meminta daftar tugas beserta tindakan, orang yang menugaskannya, dan tenggat hanya jika disebutkan. Pisahkan kolom yang diminta ini dari uraian penjelas agar teks hasil dapat diperiksa terhadap item aslinya.
Kartu keluarga Flash-Lite dari pembuatnya mengidentifikasi kemungkinan mengarang fakta serta kesulitan dalam pemahaman sebab-akibat, deduksi logis yang rumit, dan penalaran kontrafaktual. Kartu itu juga mencatat bahwa kepatuhan terhadap anggaran berpikir dapat tidak konsisten. Perlakukan hal-hal tersebut sebagai poin peninjauan yang konkret: bandingkan fakta hasil ekstraksi dengan sumber, periksa perhitungan yang saling bergantung, dan bedakan pernyataan yang diamati dari penjelasan hasil inferensi. Artefak akhir yang berguna adalah klasifikasi, ringkasan, ekstraksi, atau jawaban ringkas yang fakta wajib dan informasi hilangnya dapat diperiksa. Edisi Juni ini adalah pilihan pemrosesan teks tersendiri; spesifikasi pratinjau yang lebih baru tidak mendefinisikan ulang identitasnya yang terdokumentasi.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-2.5-flash-lite-preview-06-17 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Contoh: system, user, assistant, tool, function Kondisi: Peran ini direpresentasikan secara eksplisit oleh tipe kompatibilitas dalam kode sumber; kumpulan peran model yang tepat tetap khusus untuk tiap model. Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring|content_part[]|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_calls | Jenistool_call[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].tool_call_id | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: role=tool; gunakan ID yang benar-benar dikembalikan | Bawaan— |
Kolommessages[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommessages[].reasoning_content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Kirim kembali penalaran yang benar-benar dikembalikan jika model ini menggunakannya | Bawaan— |
Kolommessages[].reasoning_details | Jenisobject|array | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolommax_completion_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomstream_options.include_usage | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop | Jenisstring|string[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenisfunction_tool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].type | Jenisstring | PersyaratanOpsional | Nilai & batasan function Bergantung pada model | Bawaan— |
Kolomtools[].function.name | Jenisstring | PersyaratanWajib | Nilai & batasan Berlaku jika: alat fungsi disediakan | Bawaan— |
Kolomtools[].function.description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].function.parameters | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomparallel_tool_calls | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomresponse_format | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning_effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomreasoning | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomservice_tier | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolominstructions | Jenisstring | PersyaratanOpsional | Nilai & batasan Kolom kompatibilitas | Bawaan— |
Kolomfunctions | Jenisfunction[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomfunction_call | Jenisstring|object | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomprompt_cache_options | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommodalities | Jenisstring[] | PersyaratanOpsional | Nilai & batasan text | Bawaan— |
Kolomprovider | Jenisobject | PersyaratanOpsional | Nilai & batasan Kondisi: provider.options ditolak pada rute teks Ultra ini | Bawaan— |
Kolomcache_control.ttl | Jenisstring | PersyaratanOpsional | Nilai & batasan Kondisi: 1h ditolak pada lokasi cache prompt yang digunakan | Bawaan— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeda dari alat yang dihosting |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gemini-2.5-flash-lite-preview-06-17
Gunakan jalur metode yang ditampilkan di atas.
gemini-2.5-flash-lite-preview-06-17Gemini 2.5 Flash-Lite Preview 06-17 adalah edisi Juni dari Google untuk klasifikasi, peringkasan, dan pemrosesan teks berulang dengan laju pemrosesan tinggi. Model ini menggabungkan konteks satu juta token, mode berpikir opsional, serta alat pencarian, kode, konteks URL, dan pemanggilan fungsi yang terdokumentasi.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 2.5 Flash-Lite Preview 06-17 adalah edisi pratinjau Flash-Lite bulan Juni dari Google, yang dirancang untuk tugas berulang yang peka terhadap latensi, seperti mengklasifikasikan pesan dan merangkum materi dalam skala besar. Model ini termasuk dalam keluarga Gemini 2.5 dengan mode berpikir, sekaligus mempertahankan jalur respons langsung untuk pekerjaan sederhana. Penamaan Preview bertanggal membedakan rilis ini dari Flash-Lite stabil dan pratinjau September yang lebih baru, yang peningkatan kepatuhan terhadap instruksi dan multimodalnya memiliki identitas edisi tersendiri.
Peluncuran Juni menempatkan klasifikasi dan peringkasan sebagai inti tujuan penggunaannya. Masukan klasifikasi yang berguna berisi pesan, label yang diizinkan, dan contoh batasan masing-masing label; keluarannya dapat berupa label, alasan singkat, dan informasi yang diperlukan untuk langkah pemrosesan berikutnya. Tugas peringkasan dapat menentukan keputusan, butir tindakan, tenggat yang disebutkan, dan pertanyaan yang belum terjawab untuk dipertahankan. Ini adalah penerapan praktis dari tujuan yang dinyatakan: memberi operasi berulang masukan yang jelas dan hasil ringkas, alih-alih meminta esai tanpa batasan.
Mode berpikir tersedia tetapi nonaktif secara bawaan dalam pratinjau Flash-Lite Juni ini. Google menjelaskan anggaran berpikir yang dapat dikendalikan, sehingga tugas dapat menggunakan penalaran tambahan saat kondisinya memerlukan. Pertahankan jalur langsung untuk pengategorian atau pemendekan sederhana; gunakan penalaran untuk kategori yang tumpang tindih, pengecualian, atau pertanyaan yang memerlukan beberapa kesimpulan saling bergantung. Tentukan kondisi mana yang wajib dan apa yang dianggap sebagai jawaban benar. Mode berpikir adalah kemampuan pemrosesan tugas; penjelasan yang lebih panjang bukan dengan sendirinya bukti bahwa kesimpulannya benar.
Laporan teknis Google secara eksplisit menyebut model Juni ini dan mendokumentasikan dukungan masukan multimodal serta panjang konteks satu juta token. Hasilnya berupa teks. Konteks tersebut menyediakan ruang untuk materi sumber, instruksi, dan contoh dalam tugas yang sama. Berikan peran yang jelas pada setiap dokumen atau bagian, lalu tentukan apa yang harus diekstrak atau dibandingkan model. Untuk asisten dokumen, pisahkan pertanyaan dari teks sumber dan mintalah hasil yang terkait dengan bagian yang relevan. Untuk langkah ekstraksi, tentukan kolom dan cara menyatakan informasi yang tidak ada dalam materi. Ini merupakan kemampuan konteks, bukan janji bahwa konten yang tidak berkaitan akan menjadi berguna hanya karena disertakan.
Pengumuman Juni mencantumkan alat native untuk grounding berbasis pencarian, eksekusi kode, dan konteks URL, bersama pemanggilan fungsi. Grounding berbasis pencarian menambahkan informasi web ke respons; konteks URL menggunakan isi halaman yang diberikan untuk tugas seperti membandingkan dokumen atau mengekstrak detail. Alat eksekusi kode Google menghasilkan dan menjalankan Python untuk perhitungan atau pemrosesan teks serta menggunakan hasil eksekusi dalam jawaban. Pemanggilan fungsi memiliki peran berbeda: model memilih fungsi yang telah dideklarasikan beserta argumennya, sedangkan aplikasi yang terhubung menjalankannya dan mengembalikan hasil. Tentukan tujuan fungsi dan parameter yang diizinkan agar tugas berbantuan alat memiliki tindakan berikutnya yang eksplisit.
Untuk alur kerja berulang, siapkan sejumlah kecil masukan yang representatif sebelum menerapkan instruksi yang sama ke kumpulan yang lebih besar. Sertakan kasus biasa, kasus ambigu, dan kasus dengan informasi yang hilang. Contoh dukungan pelanggan dapat meminta topik, pertanyaan pelanggan yang sebenarnya, dan balasan yang hanya didasarkan pada bagian referensi yang menyertainya. Contoh korespondensi dapat meminta daftar tugas beserta tindakan, orang yang menugaskannya, dan tenggat hanya jika disebutkan. Pisahkan kolom yang diminta ini dari uraian penjelas agar teks hasil dapat diperiksa terhadap item aslinya.
Kartu keluarga Flash-Lite dari pembuatnya mengidentifikasi kemungkinan mengarang fakta serta kesulitan dalam pemahaman sebab-akibat, deduksi logis yang rumit, dan penalaran kontrafaktual. Kartu itu juga mencatat bahwa kepatuhan terhadap anggaran berpikir dapat tidak konsisten. Perlakukan hal-hal tersebut sebagai poin peninjauan yang konkret: bandingkan fakta hasil ekstraksi dengan sumber, periksa perhitungan yang saling bergantung, dan bedakan pernyataan yang diamati dari penjelasan hasil inferensi. Artefak akhir yang berguna adalah klasifikasi, ringkasan, ekstraksi, atau jawaban ringkas yang fakta wajib dan informasi hilangnya dapat diperiksa. Edisi Juni ini adalah pilihan pemrosesan teks tersendiri; spesifikasi pratinjau yang lebih baru tidak mendefinisikan ulang identitasnya yang terdokumentasi.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-2.5-flash-lite-preview-06-17 | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "gemini-2.5-flash-lite-preview-06-17",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gemini-2.5-flash-lite-preview-06-17
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
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.