Gemini 2.5 Flash-Lite Preview 09-2025 adalah edisi September dari Google untuk tugas berulang yang memerlukan hasil teks singkat dan terarah. Pembuatnya menyusun pembaruan ini berdasarkan tiga tema: kepatuhan yang lebih kuat terhadap instruksi rumit dan prompt sistem, pengurangan uraian yang berlebihan, serta peningkatan penerjemahan dan pemahaman multimodal. Nama bertanggal tersebut membedakan pratinjau khusus ini dari pratinjau Flash-Lite Juni, model stabil, dan alias latest yang terus berubah.
Peningkatan kepatuhan terhadap instruksi berguna saat sebuah tugas memiliki beberapa aturan yang harus tetap berlaku secara bersamaan. Berikan materi sumber, pembaca sasaran, dan format yang diperlukan, lalu pisahkan konten wajib dari penjelasan opsional. Tugas pemrosesan dukungan pelanggan dapat memerlukan kategori, pertanyaan persis pelanggan, dan langkah berikutnya yang hanya didasarkan pada referensi yang diberikan. Tugas dokumen dapat menentukan istilah mana yang harus dipertahankan, fakta mana yang harus muncul, dan bagaimana nilai yang tidak tersedia harus dinyatakan. Contoh-contoh ini mengubah instruksi terperinci menjadi hasil dengan persyaratan yang dapat diamati.
Pengurangan uraian berlebihan merupakan karakteristik rilis ini yang dinyatakan secara resmi. Hal ini terutama relevan ketika keluaran menjadi nilai kolom yang singkat, balasan pendek, atau masukan berikutnya dalam alur kerja yang lebih besar. Mintalah informasi yang diperlukan, bukan pembahasan umum: keputusan, sumbernya, dan pertanyaan yang belum terjawab. Untuk ringkasan, cantumkan fakta dan tenggat yang harus tetap ada setelah pemadatan serta tentukan jumlah atau tujuan bagiannya. Keringkasan tidak sama dengan menghilangkan kondisi penting; templat keluaran yang praktis memperjelas konten yang wajib ada.
Google melaporkan peningkatan kualitas terjemahan, pemahaman gambar, dan transkripsi audio untuk pembaruan September ini. Untuk penerjemahan, tentukan pembaca sasaran dan glosarium, serta bedakan nama yang harus tetap sama dari ungkapan yang perlu dilokalkan. Untuk gambar, tandai komponen atau bagian yang harus dijelaskan dan uraikan tujuan penggunaan respons. Untuk transkripsi audio, mintalah versi tertulis dengan bahasa dan aturan pemformatan yang diperlukan untuk langkah berikutnya. Sumber multimedia juga dapat diringkas atau dibandingkan dengan persyaratan tertulis jika pertanyaannya menunjukkan konten yang relevan.
Kartu model dengan penanggalan spesifik mencantumkan teks, gambar, video, audio, dan PDF sebagai masukan, dengan teks sebagai keluaran. Batasnya adalah 1,048,576 token masukan dan 65,536 token keluaran, serta batas pengetahuan yang didokumentasikan adalah Januari 2025. Profil masukan besarnya dapat menggabungkan materi, instruksi, dan contoh; beri label pada setiap sumber dan nyatakan bukti apa yang harus digunakan dalam jawaban. Ini adalah edisi Flash-Lite dengan keluaran teks: ujaran yang dihasilkan, gambar yang dihasilkan, dan antarmuka suara waktu nyata tidak termasuk dalam profil keluaran yang tercantum.
Pembuatnya mendokumentasikan mode berpikir, keluaran terstruktur, pemanggilan fungsi, eksekusi kode, grounding berbasis pencarian, konteks URL, dan pencarian file. Mode berpikir dapat digunakan untuk tugas dengan kondisi yang saling bergantung; respons terstruktur dapat menyediakan kolom untuk ekstraksi atau klasifikasi. Pemanggilan fungsi berisi nama fungsi dan argumen yang diusulkan, sedangkan aplikasi menjalankannya dan mengembalikan hasil. Alat eksekusi kode Google menggunakan Python; alat pencarian dan dokumen menyediakan materi eksternal untuk respons tertulis yang didukung informasi. Profil yang spesifik ini juga mencakup dukungan caching dan pemrosesan batch. Ini merupakan kemampuan model yang terdokumentasi, bukan klaim bahwa suatu aplikasi tertentu telah mengaktifkan semua alat atau menggabungkannya dalam satu permintaan.
Kartu keluarga model menjelaskan transformer dengan arsitektur sparse mixture-of-experts dengan pemahaman multimodal secara native. Prapelatihan mencakup teks web, bahasa pemrograman, gambar, audio, dan video. Pelatihan lanjutan menggunakan pasangan instruksi dan respons yang telah diperiksa, informasi preferensi manusia, serta data penggunaan alat, dengan deduplikasi serta penyaringan keamanan dan kualitas pada tahap persiapan. Kartu yang sama mengidentifikasi kemungkinan mengarang fakta, kesulitan penalaran sebab-akibat dan kontrafaktual, keterbatasan deduksi logis yang rumit, serta kepatuhan yang tidak konsisten terhadap anggaran berpikir. Kartu itu juga mencatat kecenderungan beberapa respons untuk terdengar terlalu menggurui. Ini adalah hal-hal substantif yang perlu ditinjau pada model pemrosesan yang ringkas.
Siapkan masukan yang mewakili kasus biasa, ambigu, dan tidak lengkap untuk tugas berulang. Untuk penerjemahan, bandingkan terminologi, makna, dan format yang hanya memuat hasil yang diminta. Untuk transkripsi atau ekstraksi dokumen, bandingkan detail yang dikembalikan dengan materi yang diberikan dan tunjukkan hal yang tidak dapat dipastikan. Untuk balasan pendek, periksa apakah setiap fakta wajib tetap dipertahankan. Artefak akhirnya dapat berupa bagian teks terjemahan, ringkasan ringkas, kolom hasil ekstraksi, atau kategori dan tindakan berikutnya. Persiapan ini menggunakan penekanan khusus edisi September pada ketepatan instruksi, keringkasan, dan penanganan multimedia, sambil menjaga hasil tetap terkait dengan bukti asli.
", "aboutText": "Gemini 2.5 Flash-Lite Preview 09-2025 adalah edisi September dari Google untuk tugas berulang yang memerlukan hasil teks singkat dan terarah. Pembuatnya menyusun pembaruan ini berdasarkan tiga tema: kepatuhan yang lebih kuat terhadap instruksi rumit dan prompt sistem, pengurangan uraian yang berlebihan, serta peningkatan penerjemahan dan pemahaman multimodal. Nama bertanggal tersebut membedakan pratinjau khusus ini dari pratinjau Flash-Lite Juni, model stabil, dan alias latest yang terus berubah.\n\nPeningkatan kepatuhan terhadap instruksi berguna saat sebuah tugas memiliki beberapa aturan yang harus tetap berlaku secara bersamaan. Berikan materi sumber, pembaca sasaran, dan format yang diperlukan, lalu pisahkan konten wajib dari penjelasan opsional. Tugas pemrosesan dukungan pelanggan dapat memerlukan kategori, pertanyaan persis pelanggan, dan langkah berikutnya yang hanya didasarkan pada referensi yang diberikan. Tugas dokumen dapat menentukan istilah mana yang harus dipertahankan, fakta mana yang harus muncul, dan bagaimana nilai yang tidak tersedia harus dinyatakan. Contoh-contoh ini mengubah instruksi terperinci menjadi hasil dengan persyaratan yang dapat diamati.\n\nPengurangan uraian berlebihan merupakan karakteristik rilis ini yang dinyatakan secara resmi. Hal ini terutama relevan ketika keluaran menjadi nilai kolom yang singkat, balasan pendek, atau masukan berikutnya dalam alur kerja yang lebih besar. Mintalah informasi yang diperlukan, bukan pembahasan umum: keputusan, sumbernya, dan pertanyaan yang belum terjawab. Untuk ringkasan, cantumkan fakta dan tenggat yang harus tetap ada setelah pemadatan serta tentukan jumlah atau tujuan bagiannya. Keringkasan tidak sama dengan menghilangkan kondisi penting; templat keluaran yang praktis memperjelas konten yang wajib ada.\n\nGoogle melaporkan peningkatan kualitas terjemahan, pemahaman gambar, dan transkripsi audio untuk pembaruan September ini. Untuk penerjemahan, tentukan pembaca sasaran dan glosarium, serta bedakan nama yang harus tetap sama dari ungkapan yang perlu dilokalkan. Untuk gambar, tandai komponen atau bagian yang harus dijelaskan dan uraikan tujuan penggunaan respons. Untuk transkripsi audio, mintalah versi tertulis dengan bahasa dan aturan pemformatan yang diperlukan untuk langkah berikutnya. Sumber multimedia juga dapat diringkas atau dibandingkan dengan persyaratan tertulis jika pertanyaannya menunjukkan konten yang relevan.\n\nKartu model dengan penanggalan spesifik mencantumkan teks, gambar, video, audio, dan PDF sebagai masukan, dengan teks sebagai keluaran. Batasnya adalah 1,048,576 token masukan dan 65,536 token keluaran, serta batas pengetahuan yang didokumentasikan adalah Januari 2025. Profil masukan besarnya dapat menggabungkan materi, instruksi, dan contoh; beri label pada setiap sumber dan nyatakan bukti apa yang harus digunakan dalam jawaban. Ini adalah edisi Flash-Lite dengan keluaran teks: ujaran yang dihasilkan, gambar yang dihasilkan, dan antarmuka suara waktu nyata tidak termasuk dalam profil keluaran yang tercantum.\n\nPembuatnya mendokumentasikan mode berpikir, keluaran terstruktur, pemanggilan fungsi, eksekusi kode, grounding berbasis pencarian, konteks URL, dan pencarian file. Mode berpikir dapat digunakan untuk tugas dengan kondisi yang saling bergantung; respons terstruktur dapat menyediakan kolom untuk ekstraksi atau klasifikasi. Pemanggilan fungsi berisi nama fungsi dan argumen yang diusulkan, sedangkan aplikasi menjalankannya dan mengembalikan hasil. Alat eksekusi kode Google menggunakan Python; alat pencarian dan dokumen menyediakan materi eksternal untuk respons tertulis yang didukung informasi. Profil yang spesifik ini juga mencakup dukungan caching dan pemrosesan batch. Ini merupakan kemampuan model yang terdokumentasi, bukan klaim bahwa suatu aplikasi tertentu telah mengaktifkan semua alat atau menggabungkannya dalam satu permintaan.\n\nKartu keluarga model menjelaskan transformer dengan arsitektur sparse mixture-of-experts dengan pemahaman multimodal secara native. Prapelatihan mencakup teks web, bahasa pemrograman, gambar, audio, dan video. Pelatihan lanjutan menggunakan pasangan instruksi dan respons yang telah diperiksa, informasi preferensi manusia, serta data penggunaan alat, dengan deduplikasi serta penyaringan keamanan dan kualitas pada tahap persiapan. Kartu yang sama mengidentifikasi kemungkinan mengarang fakta, kesulitan penalaran sebab-akibat dan kontrafaktual, keterbatasan deduksi logis yang rumit, serta kepatuhan yang tidak konsisten terhadap anggaran berpikir. Kartu itu juga mencatat kecenderungan beberapa respons untuk terdengar terlalu menggurui. Ini adalah hal-hal substantif yang perlu ditinjau pada model pemrosesan yang ringkas.\n\nSiapkan masukan yang mewakili kasus biasa, ambigu, dan tidak lengkap untuk tugas berulang. Untuk penerjemahan, bandingkan terminologi, makna, dan format yang hanya memuat hasil yang diminta. Untuk transkripsi atau ekstraksi dokumen, bandingkan detail yang dikembalikan dengan materi yang diberikan dan tunjukkan hal yang tidak dapat dipastikan. Untuk balasan pendek, periksa apakah setiap fakta wajib tetap dipertahankan. Artefak akhirnya dapat berupa bagian teks terjemahan, ringkasan ringkas, kolom hasil ekstraksi, atau kategori dan tindakan berikutnya. Persiapan ini menggunakan penekanan khusus edisi September pada ketepatan instruksi, keringkasan, dan penanganan multimedia, sambil menjaga hasil tetap terkait dengan bukti asli.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 berfokus pada kepatuhan terhadap instruksi, teks singkat, penerjemahan, dan pemahaman multimedia. Edisi September dari Google menerima teks, gambar, video, audio, dan PDF, dengan respons terstruktur serta alat terdokumentasi untuk pemrosesan bervolume tinggi.
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 09-2025 adalah edisi September dari Google untuk tugas berulang yang memerlukan hasil teks singkat dan terarah. Pembuatnya menyusun pembaruan ini berdasarkan tiga tema: kepatuhan yang lebih kuat terhadap instruksi rumit dan prompt sistem, pengurangan uraian yang berlebihan, serta peningkatan penerjemahan dan pemahaman multimodal. Nama bertanggal tersebut membedakan pratinjau khusus ini dari pratinjau Flash-Lite Juni, model stabil, dan alias latest yang terus berubah.
Peningkatan kepatuhan terhadap instruksi berguna saat sebuah tugas memiliki beberapa aturan yang harus tetap berlaku secara bersamaan. Berikan materi sumber, pembaca sasaran, dan format yang diperlukan, lalu pisahkan konten wajib dari penjelasan opsional. Tugas pemrosesan dukungan pelanggan dapat memerlukan kategori, pertanyaan persis pelanggan, dan langkah berikutnya yang hanya didasarkan pada referensi yang diberikan. Tugas dokumen dapat menentukan istilah mana yang harus dipertahankan, fakta mana yang harus muncul, dan bagaimana nilai yang tidak tersedia harus dinyatakan. Contoh-contoh ini mengubah instruksi terperinci menjadi hasil dengan persyaratan yang dapat diamati.
Pengurangan uraian berlebihan merupakan karakteristik rilis ini yang dinyatakan secara resmi. Hal ini terutama relevan ketika keluaran menjadi nilai kolom yang singkat, balasan pendek, atau masukan berikutnya dalam alur kerja yang lebih besar. Mintalah informasi yang diperlukan, bukan pembahasan umum: keputusan, sumbernya, dan pertanyaan yang belum terjawab. Untuk ringkasan, cantumkan fakta dan tenggat yang harus tetap ada setelah pemadatan serta tentukan jumlah atau tujuan bagiannya. Keringkasan tidak sama dengan menghilangkan kondisi penting; templat keluaran yang praktis memperjelas konten yang wajib ada.
Google melaporkan peningkatan kualitas terjemahan, pemahaman gambar, dan transkripsi audio untuk pembaruan September ini. Untuk penerjemahan, tentukan pembaca sasaran dan glosarium, serta bedakan nama yang harus tetap sama dari ungkapan yang perlu dilokalkan. Untuk gambar, tandai komponen atau bagian yang harus dijelaskan dan uraikan tujuan penggunaan respons. Untuk transkripsi audio, mintalah versi tertulis dengan bahasa dan aturan pemformatan yang diperlukan untuk langkah berikutnya. Sumber multimedia juga dapat diringkas atau dibandingkan dengan persyaratan tertulis jika pertanyaannya menunjukkan konten yang relevan.
Kartu model dengan penanggalan spesifik mencantumkan teks, gambar, video, audio, dan PDF sebagai masukan, dengan teks sebagai keluaran. Batasnya adalah 1,048,576 token masukan dan 65,536 token keluaran, serta batas pengetahuan yang didokumentasikan adalah Januari 2025. Profil masukan besarnya dapat menggabungkan materi, instruksi, dan contoh; beri label pada setiap sumber dan nyatakan bukti apa yang harus digunakan dalam jawaban. Ini adalah edisi Flash-Lite dengan keluaran teks: ujaran yang dihasilkan, gambar yang dihasilkan, dan antarmuka suara waktu nyata tidak termasuk dalam profil keluaran yang tercantum.
Pembuatnya mendokumentasikan mode berpikir, keluaran terstruktur, pemanggilan fungsi, eksekusi kode, grounding berbasis pencarian, konteks URL, dan pencarian file. Mode berpikir dapat digunakan untuk tugas dengan kondisi yang saling bergantung; respons terstruktur dapat menyediakan kolom untuk ekstraksi atau klasifikasi. Pemanggilan fungsi berisi nama fungsi dan argumen yang diusulkan, sedangkan aplikasi menjalankannya dan mengembalikan hasil. Alat eksekusi kode Google menggunakan Python; alat pencarian dan dokumen menyediakan materi eksternal untuk respons tertulis yang didukung informasi. Profil yang spesifik ini juga mencakup dukungan caching dan pemrosesan batch. Ini merupakan kemampuan model yang terdokumentasi, bukan klaim bahwa suatu aplikasi tertentu telah mengaktifkan semua alat atau menggabungkannya dalam satu permintaan.
Kartu keluarga model menjelaskan transformer dengan arsitektur sparse mixture-of-experts dengan pemahaman multimodal secara native. Prapelatihan mencakup teks web, bahasa pemrograman, gambar, audio, dan video. Pelatihan lanjutan menggunakan pasangan instruksi dan respons yang telah diperiksa, informasi preferensi manusia, serta data penggunaan alat, dengan deduplikasi serta penyaringan keamanan dan kualitas pada tahap persiapan. Kartu yang sama mengidentifikasi kemungkinan mengarang fakta, kesulitan penalaran sebab-akibat dan kontrafaktual, keterbatasan deduksi logis yang rumit, serta kepatuhan yang tidak konsisten terhadap anggaran berpikir. Kartu itu juga mencatat kecenderungan beberapa respons untuk terdengar terlalu menggurui. Ini adalah hal-hal substantif yang perlu ditinjau pada model pemrosesan yang ringkas.
Siapkan masukan yang mewakili kasus biasa, ambigu, dan tidak lengkap untuk tugas berulang. Untuk penerjemahan, bandingkan terminologi, makna, dan format yang hanya memuat hasil yang diminta. Untuk transkripsi atau ekstraksi dokumen, bandingkan detail yang dikembalikan dengan materi yang diberikan dan tunjukkan hal yang tidak dapat dipastikan. Untuk balasan pendek, periksa apakah setiap fakta wajib tetap dipertahankan. Artefak akhirnya dapat berupa bagian teks terjemahan, ringkasan ringkas, kolom hasil ekstraksi, atau kategori dan tindakan berikutnya. Persiapan ini menggunakan penekanan khusus edisi September pada ketepatan instruksi, keringkasan, dan penanganan multimedia, sambil menjaga hasil tetap terkait dengan bukti asli.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-2.5-flash-lite-preview-09-2025 | 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-09-2025", "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-09-2025',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-09-2025',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-09-2025
Gunakan jalur metode yang ditampilkan di atas.
gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 berfokus pada kepatuhan terhadap instruksi, teks singkat, penerjemahan, dan pemahaman multimedia. Edisi September dari Google menerima teks, gambar, video, audio, dan PDF, dengan respons terstruktur serta alat terdokumentasi untuk pemrosesan bervolume tinggi.
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 09-2025 adalah edisi September dari Google untuk tugas berulang yang memerlukan hasil teks singkat dan terarah. Pembuatnya menyusun pembaruan ini berdasarkan tiga tema: kepatuhan yang lebih kuat terhadap instruksi rumit dan prompt sistem, pengurangan uraian yang berlebihan, serta peningkatan penerjemahan dan pemahaman multimodal. Nama bertanggal tersebut membedakan pratinjau khusus ini dari pratinjau Flash-Lite Juni, model stabil, dan alias latest yang terus berubah.
Peningkatan kepatuhan terhadap instruksi berguna saat sebuah tugas memiliki beberapa aturan yang harus tetap berlaku secara bersamaan. Berikan materi sumber, pembaca sasaran, dan format yang diperlukan, lalu pisahkan konten wajib dari penjelasan opsional. Tugas pemrosesan dukungan pelanggan dapat memerlukan kategori, pertanyaan persis pelanggan, dan langkah berikutnya yang hanya didasarkan pada referensi yang diberikan. Tugas dokumen dapat menentukan istilah mana yang harus dipertahankan, fakta mana yang harus muncul, dan bagaimana nilai yang tidak tersedia harus dinyatakan. Contoh-contoh ini mengubah instruksi terperinci menjadi hasil dengan persyaratan yang dapat diamati.
Pengurangan uraian berlebihan merupakan karakteristik rilis ini yang dinyatakan secara resmi. Hal ini terutama relevan ketika keluaran menjadi nilai kolom yang singkat, balasan pendek, atau masukan berikutnya dalam alur kerja yang lebih besar. Mintalah informasi yang diperlukan, bukan pembahasan umum: keputusan, sumbernya, dan pertanyaan yang belum terjawab. Untuk ringkasan, cantumkan fakta dan tenggat yang harus tetap ada setelah pemadatan serta tentukan jumlah atau tujuan bagiannya. Keringkasan tidak sama dengan menghilangkan kondisi penting; templat keluaran yang praktis memperjelas konten yang wajib ada.
Google melaporkan peningkatan kualitas terjemahan, pemahaman gambar, dan transkripsi audio untuk pembaruan September ini. Untuk penerjemahan, tentukan pembaca sasaran dan glosarium, serta bedakan nama yang harus tetap sama dari ungkapan yang perlu dilokalkan. Untuk gambar, tandai komponen atau bagian yang harus dijelaskan dan uraikan tujuan penggunaan respons. Untuk transkripsi audio, mintalah versi tertulis dengan bahasa dan aturan pemformatan yang diperlukan untuk langkah berikutnya. Sumber multimedia juga dapat diringkas atau dibandingkan dengan persyaratan tertulis jika pertanyaannya menunjukkan konten yang relevan.
Kartu model dengan penanggalan spesifik mencantumkan teks, gambar, video, audio, dan PDF sebagai masukan, dengan teks sebagai keluaran. Batasnya adalah 1,048,576 token masukan dan 65,536 token keluaran, serta batas pengetahuan yang didokumentasikan adalah Januari 2025. Profil masukan besarnya dapat menggabungkan materi, instruksi, dan contoh; beri label pada setiap sumber dan nyatakan bukti apa yang harus digunakan dalam jawaban. Ini adalah edisi Flash-Lite dengan keluaran teks: ujaran yang dihasilkan, gambar yang dihasilkan, dan antarmuka suara waktu nyata tidak termasuk dalam profil keluaran yang tercantum.
Pembuatnya mendokumentasikan mode berpikir, keluaran terstruktur, pemanggilan fungsi, eksekusi kode, grounding berbasis pencarian, konteks URL, dan pencarian file. Mode berpikir dapat digunakan untuk tugas dengan kondisi yang saling bergantung; respons terstruktur dapat menyediakan kolom untuk ekstraksi atau klasifikasi. Pemanggilan fungsi berisi nama fungsi dan argumen yang diusulkan, sedangkan aplikasi menjalankannya dan mengembalikan hasil. Alat eksekusi kode Google menggunakan Python; alat pencarian dan dokumen menyediakan materi eksternal untuk respons tertulis yang didukung informasi. Profil yang spesifik ini juga mencakup dukungan caching dan pemrosesan batch. Ini merupakan kemampuan model yang terdokumentasi, bukan klaim bahwa suatu aplikasi tertentu telah mengaktifkan semua alat atau menggabungkannya dalam satu permintaan.
Kartu keluarga model menjelaskan transformer dengan arsitektur sparse mixture-of-experts dengan pemahaman multimodal secara native. Prapelatihan mencakup teks web, bahasa pemrograman, gambar, audio, dan video. Pelatihan lanjutan menggunakan pasangan instruksi dan respons yang telah diperiksa, informasi preferensi manusia, serta data penggunaan alat, dengan deduplikasi serta penyaringan keamanan dan kualitas pada tahap persiapan. Kartu yang sama mengidentifikasi kemungkinan mengarang fakta, kesulitan penalaran sebab-akibat dan kontrafaktual, keterbatasan deduksi logis yang rumit, serta kepatuhan yang tidak konsisten terhadap anggaran berpikir. Kartu itu juga mencatat kecenderungan beberapa respons untuk terdengar terlalu menggurui. Ini adalah hal-hal substantif yang perlu ditinjau pada model pemrosesan yang ringkas.
Siapkan masukan yang mewakili kasus biasa, ambigu, dan tidak lengkap untuk tugas berulang. Untuk penerjemahan, bandingkan terminologi, makna, dan format yang hanya memuat hasil yang diminta. Untuk transkripsi atau ekstraksi dokumen, bandingkan detail yang dikembalikan dengan materi yang diberikan dan tunjukkan hal yang tidak dapat dipastikan. Untuk balasan pendek, periksa apakah setiap fakta wajib tetap dipertahankan. Artefak akhirnya dapat berupa bagian teks terjemahan, ringkasan ringkas, kolom hasil ekstraksi, atau kategori dan tindakan berikutnya. Persiapan ini menggunakan penekanan khusus edisi September pada ketepatan instruksi, keringkasan, dan penanganan multimedia, sambil menjaga hasil tetap terkait dengan bukti asli.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-2.5-flash-lite-preview-09-2025 | 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 $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "gemini-2.5-flash-lite-preview-09-2025",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-09-2025', '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-09-2025', '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-09-2025
Gunakan jalur metode yang ditampilkan di atas.
Contoh teknis dalam bahasa Inggris
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.