Gemini 2.5 Flash-Lite adalah profil ringan dan stabil Google untuk penerjemahan, klasifikasi, dan ekstraksi data sederhana bervolume tinggi. Penalaran hibridanya dapat menggunakan atau tidak menggunakan thinking sesuai tugas. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks. Hasil yang berguna adalah kategori, terjemahan ringkas, rekaman yang diekstrak dari materi yang diberikan, atau penjelasan tertulis dengan cakupan terbatas.
Untuk klasifikasi, definisikan kategori, aturan keputusan, dan bentuk jawaban. Pertahankan pengenal sumber dalam hasil ketika beberapa item independen diproses. Untuk klasifikasi pesan dukungan, klasifikasikan pesan dukungan berdasarkan jenis masalah dan kembalikan kalimat yang mendukung kategori tersebut. Sertakan aturan untuk bukti yang hilang atau ambigu agar jawaban yang lancar tidak mengisi bidang wajib dengan tebakan. Peran ringan model paling berguna ketika masukan dan hasil yang diwajibkan ditentukan dengan jelas.
Thinking nonaktif secara bawaan dalam konfigurasi 2.5 Flash-Lite yang didokumentasikan. Panduan thinking GenerateContent Google mengizinkan anggaran thinking eksplisit dari 512 hingga 24,576 token, nol untuk mempertahankan thinking nonaktif, dan -1 untuk meminta thinking dinamis. Ini adalah kontrol anggaran penalaran, terpisah dari alokasi respons akhir. Aktifkan penalaran tambahan ketika ekstraksi memiliki kondisi yang saling berinteraksi atau klasifikasi memiliki pengecualian; konversi langsung dapat mempertahankan perilaku tanpa thinking bawaan. Panduan mencatat bahwa model dapat menggunakan token thinking lebih banyak atau lebih sedikit daripada anggaran yang diminta.
Untuk penerjemahan, berikan bahasa sasaran, audiens, dan istilah yang harus dipertahankan. Tentukan apakah hasil hanya boleh memuat terjemahan atau rekaman berlabel. Untuk ekstraksi dokumen, definisikan bidang dan minta kutipan sumber yang memungkinkan keluaran diperiksa. Untuk rekaman, bedakan transkrip dari ringkasan dan identifikasi bagian yang penting. Gambar atau video dapat berkontribusi sebagai bukti untuk jawaban teks. Artefak yang diinginkan harus tetap jelas meskipun masukan menggabungkan beberapa jenis media.
Tabel khusus versi stabil mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Fungsi memerlukan tujuan yang jelas dan parameter terdefinisi; aplikasi yang terhubung menjalankan operasi dan memasok hasilnya. Untuk ekstraksi berbasis skema, validasi struktur yang dikembalikan dan bandingkan nilainya dengan materi asli. Keputusan alat atau rekaman yang terbentuk dengan baik hanya berguna dalam konteks sumber dan bukti nyata yang dikembalikan.
Kartu asli memberikan jendela konteks 1M dan keluaran teks 64K. Halaman model API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan percakapan yang dipertahankan menggunakan anggaran masukan, sedangkan penalaran dan batas respons memengaruhi apakah hasil akhir muat. Caching, batch, serta pemrosesan Flex dan Priority dicantumkan untuk profil produsen ini. Untuk tugas berulang, pertahankan definisi kategori atau bidang yang sama dan bawa pengenal ke seluruh hasil agar peninjauan berikutnya dapat menemukan item asal.
Profil stabil ini terpisah dari varian Preview Juni dan September yang dijelaskan di bagian lain keluarga ini. Kartu asli bersama memberi label peningkatan September Preview, termasuk kepatuhan pada instruksi dan keringkasan, secara khusus untuk pratinjau tersebut; peningkatan itu tidak boleh diam-diam dipindahkan ke pengenal stabil. Generasi Flash-Lite berikutnya juga menggunakan kontrol thinking dan tabel kemampuan berbeda. Pertahankan edisi dan pilih pengaturan yang didokumentasikan untuknya, alih-alih mengganti anggaran 2.5 dengan sintaksis tingkat thinking Gemini 3.
Kartu tersebut mencantumkan halusinasi dan keterbatasan dalam pemahaman kausal, deduksi logis kompleks, serta penalaran kontrafaktual, dan memberikan batas pengetahuan Januari 2025. Berikan bukti terkini atau gunakan alur grounding yang didokumentasikan ketika fakta lebih baru penting. Tinjau terjemahan untuk memastikan makna, bidang hasil ekstraksi untuk memastikan dukungan sumber, serta transkrip terhadap audio. Hasil kecil yang terfokus membuat peninjauan ini praktis tanpa menganggap jawaban yang dipoles sebagai bukti bahwa sumber memuat detail yang dinyatakan.
", "aboutText": "Gemini 2.5 Flash-Lite adalah profil ringan dan stabil Google untuk penerjemahan, klasifikasi, dan ekstraksi data sederhana bervolume tinggi. Penalaran hibridanya dapat menggunakan atau tidak menggunakan thinking sesuai tugas. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks. Hasil yang berguna adalah kategori, terjemahan ringkas, rekaman yang diekstrak dari materi yang diberikan, atau penjelasan tertulis dengan cakupan terbatas.\n\nUntuk klasifikasi, definisikan kategori, aturan keputusan, dan bentuk jawaban. Pertahankan pengenal sumber dalam hasil ketika beberapa item independen diproses. Untuk klasifikasi pesan dukungan, klasifikasikan pesan dukungan berdasarkan jenis masalah dan kembalikan kalimat yang mendukung kategori tersebut. Sertakan aturan untuk bukti yang hilang atau ambigu agar jawaban yang lancar tidak mengisi bidang wajib dengan tebakan. Peran ringan model paling berguna ketika masukan dan hasil yang diwajibkan ditentukan dengan jelas.\n\nThinking nonaktif secara bawaan dalam konfigurasi 2.5 Flash-Lite yang didokumentasikan. Panduan thinking GenerateContent Google mengizinkan anggaran thinking eksplisit dari 512 hingga 24,576 token, nol untuk mempertahankan thinking nonaktif, dan -1 untuk meminta thinking dinamis. Ini adalah kontrol anggaran penalaran, terpisah dari alokasi respons akhir. Aktifkan penalaran tambahan ketika ekstraksi memiliki kondisi yang saling berinteraksi atau klasifikasi memiliki pengecualian; konversi langsung dapat mempertahankan perilaku tanpa thinking bawaan. Panduan mencatat bahwa model dapat menggunakan token thinking lebih banyak atau lebih sedikit daripada anggaran yang diminta.\n\nUntuk penerjemahan, berikan bahasa sasaran, audiens, dan istilah yang harus dipertahankan. Tentukan apakah hasil hanya boleh memuat terjemahan atau rekaman berlabel. Untuk ekstraksi dokumen, definisikan bidang dan minta kutipan sumber yang memungkinkan keluaran diperiksa. Untuk rekaman, bedakan transkrip dari ringkasan dan identifikasi bagian yang penting. Gambar atau video dapat berkontribusi sebagai bukti untuk jawaban teks. Artefak yang diinginkan harus tetap jelas meskipun masukan menggabungkan beberapa jenis media.\n\nTabel khusus versi stabil mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Fungsi memerlukan tujuan yang jelas dan parameter terdefinisi; aplikasi yang terhubung menjalankan operasi dan memasok hasilnya. Untuk ekstraksi berbasis skema, validasi struktur yang dikembalikan dan bandingkan nilainya dengan materi asli. Keputusan alat atau rekaman yang terbentuk dengan baik hanya berguna dalam konteks sumber dan bukti nyata yang dikembalikan.\n\nKartu asli memberikan jendela konteks 1M dan keluaran teks 64K. Halaman model API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan percakapan yang dipertahankan menggunakan anggaran masukan, sedangkan penalaran dan batas respons memengaruhi apakah hasil akhir muat. Caching, batch, serta pemrosesan Flex dan Priority dicantumkan untuk profil produsen ini. Untuk tugas berulang, pertahankan definisi kategori atau bidang yang sama dan bawa pengenal ke seluruh hasil agar peninjauan berikutnya dapat menemukan item asal.\n\nProfil stabil ini terpisah dari varian Preview Juni dan September yang dijelaskan di bagian lain keluarga ini. Kartu asli bersama memberi label peningkatan September Preview, termasuk kepatuhan pada instruksi dan keringkasan, secara khusus untuk pratinjau tersebut; peningkatan itu tidak boleh diam-diam dipindahkan ke pengenal stabil. Generasi Flash-Lite berikutnya juga menggunakan kontrol thinking dan tabel kemampuan berbeda. Pertahankan edisi dan pilih pengaturan yang didokumentasikan untuknya, alih-alih mengganti anggaran 2.5 dengan sintaksis tingkat thinking Gemini 3.\n\nKartu tersebut mencantumkan halusinasi dan keterbatasan dalam pemahaman kausal, deduksi logis kompleks, serta penalaran kontrafaktual, dan memberikan batas pengetahuan Januari 2025. Berikan bukti terkini atau gunakan alur grounding yang didokumentasikan ketika fakta lebih baru penting. Tinjau terjemahan untuk memastikan makna, bidang hasil ekstraksi untuk memastikan dukungan sumber, serta transkrip terhadap audio. Hasil kecil yang terfokus membuat peninjauan ini praktis tanpa menganggap jawaban yang dipoles sebagai bukti bahwa sumber memuat detail yang dinyatakan.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.gemini-2.5-flash-liteGemini 2.5 Flash-Lite adalah model teks multimodal stabil Google untuk klasifikasi, penerjemahan, dan ekstraksi sederhana yang sering dilakukan. Thinking nonaktif secara bawaan dan dapat diaktifkan dengan anggaran penalaran 512–24,576 token. Model ini menerima teks dan media, dengan alat, keluaran terstruktur, serta batas masukan 1,048,576 token.
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 adalah profil ringan dan stabil Google untuk penerjemahan, klasifikasi, dan ekstraksi data sederhana bervolume tinggi. Penalaran hibridanya dapat menggunakan atau tidak menggunakan thinking sesuai tugas. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks. Hasil yang berguna adalah kategori, terjemahan ringkas, rekaman yang diekstrak dari materi yang diberikan, atau penjelasan tertulis dengan cakupan terbatas.
Untuk klasifikasi, definisikan kategori, aturan keputusan, dan bentuk jawaban. Pertahankan pengenal sumber dalam hasil ketika beberapa item independen diproses. Untuk klasifikasi pesan dukungan, klasifikasikan pesan dukungan berdasarkan jenis masalah dan kembalikan kalimat yang mendukung kategori tersebut. Sertakan aturan untuk bukti yang hilang atau ambigu agar jawaban yang lancar tidak mengisi bidang wajib dengan tebakan. Peran ringan model paling berguna ketika masukan dan hasil yang diwajibkan ditentukan dengan jelas.
Thinking nonaktif secara bawaan dalam konfigurasi 2.5 Flash-Lite yang didokumentasikan. Panduan thinking GenerateContent Google mengizinkan anggaran thinking eksplisit dari 512 hingga 24,576 token, nol untuk mempertahankan thinking nonaktif, dan -1 untuk meminta thinking dinamis. Ini adalah kontrol anggaran penalaran, terpisah dari alokasi respons akhir. Aktifkan penalaran tambahan ketika ekstraksi memiliki kondisi yang saling berinteraksi atau klasifikasi memiliki pengecualian; konversi langsung dapat mempertahankan perilaku tanpa thinking bawaan. Panduan mencatat bahwa model dapat menggunakan token thinking lebih banyak atau lebih sedikit daripada anggaran yang diminta.
Untuk penerjemahan, berikan bahasa sasaran, audiens, dan istilah yang harus dipertahankan. Tentukan apakah hasil hanya boleh memuat terjemahan atau rekaman berlabel. Untuk ekstraksi dokumen, definisikan bidang dan minta kutipan sumber yang memungkinkan keluaran diperiksa. Untuk rekaman, bedakan transkrip dari ringkasan dan identifikasi bagian yang penting. Gambar atau video dapat berkontribusi sebagai bukti untuk jawaban teks. Artefak yang diinginkan harus tetap jelas meskipun masukan menggabungkan beberapa jenis media.
Tabel khusus versi stabil mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Fungsi memerlukan tujuan yang jelas dan parameter terdefinisi; aplikasi yang terhubung menjalankan operasi dan memasok hasilnya. Untuk ekstraksi berbasis skema, validasi struktur yang dikembalikan dan bandingkan nilainya dengan materi asli. Keputusan alat atau rekaman yang terbentuk dengan baik hanya berguna dalam konteks sumber dan bukti nyata yang dikembalikan.
Kartu asli memberikan jendela konteks 1M dan keluaran teks 64K. Halaman model API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan percakapan yang dipertahankan menggunakan anggaran masukan, sedangkan penalaran dan batas respons memengaruhi apakah hasil akhir muat. Caching, batch, serta pemrosesan Flex dan Priority dicantumkan untuk profil produsen ini. Untuk tugas berulang, pertahankan definisi kategori atau bidang yang sama dan bawa pengenal ke seluruh hasil agar peninjauan berikutnya dapat menemukan item asal.
Profil stabil ini terpisah dari varian Preview Juni dan September yang dijelaskan di bagian lain keluarga ini. Kartu asli bersama memberi label peningkatan September Preview, termasuk kepatuhan pada instruksi dan keringkasan, secara khusus untuk pratinjau tersebut; peningkatan itu tidak boleh diam-diam dipindahkan ke pengenal stabil. Generasi Flash-Lite berikutnya juga menggunakan kontrol thinking dan tabel kemampuan berbeda. Pertahankan edisi dan pilih pengaturan yang didokumentasikan untuknya, alih-alih mengganti anggaran 2.5 dengan sintaksis tingkat thinking Gemini 3.
Kartu tersebut mencantumkan halusinasi dan keterbatasan dalam pemahaman kausal, deduksi logis kompleks, serta penalaran kontrafaktual, dan memberikan batas pengetahuan Januari 2025. Berikan bukti terkini atau gunakan alur grounding yang didokumentasikan ketika fakta lebih baru penting. Tinjau terjemahan untuk memastikan makna, bidang hasil ekstraksi untuk memastikan dukungan sumber, serta transkrip terhadap audio. Hasil kecil yang terfokus membuat peninjauan ini praktis tanpa menganggap jawaban yang dipoles sebagai bukti bahwa sumber memuat detail yang dinyatakan.
POST /v1/messagestext, imagetext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-2.5-flash-lite | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring|content_block[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomsystem | Jenisstring|content_block[] | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan Minimum: 1 Batas berlaku untuk: batas maksimum yang tepat untuk model/kartu yang dipilih | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Kolomtemperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtop_p | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomstop_sequences | Jenisstring[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools | Jenistool[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].name | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: alat disediakan | Bawaan— |
Kolomtools[].description | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtools[].input_schema | JenisJSON_schema | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomtool_choice | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomthinking.type | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomthinking.budget_tokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomoutput_config.effort | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommetadata | Jenisobject | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomcache_control | Jenisobject | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Teks · Teks UTF8
messages[].content atau blok type=text
Teks + gambar
{type:image,source:{type:base64,media_type,data}} atau sumber dengan type=url
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkonten UTF-8 aktual dimasukkan sebagai teks; ID file atau alamat URL (URLs) memerlukan dukungan yang tepat dan terpisah |
Siklus hidup: exact retained published method
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
POST /v1/messagesAiloot 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 →
Jadwal referensi tingkat model tidak mengubah pemilihan metode, estimasi harga, atau biaya. Biaya aktif menggunakan tarif metode Ailoot yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Tarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tingkat 1 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tingkat 1 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-flash-lite",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-flash-lite",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='gemini-2.5-flash-lite',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite adalah model teks multimodal stabil Google untuk klasifikasi, penerjemahan, dan ekstraksi sederhana yang sering dilakukan. Thinking nonaktif secara bawaan dan dapat diaktifkan dengan anggaran penalaran 512–24,576 token. Model ini menerima teks dan media, dengan alat, keluaran terstruktur, serta batas masukan 1,048,576 token.
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 adalah profil ringan dan stabil Google untuk penerjemahan, klasifikasi, dan ekstraksi data sederhana bervolume tinggi. Penalaran hibridanya dapat menggunakan atau tidak menggunakan thinking sesuai tugas. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks. Hasil yang berguna adalah kategori, terjemahan ringkas, rekaman yang diekstrak dari materi yang diberikan, atau penjelasan tertulis dengan cakupan terbatas.
Untuk klasifikasi, definisikan kategori, aturan keputusan, dan bentuk jawaban. Pertahankan pengenal sumber dalam hasil ketika beberapa item independen diproses. Untuk klasifikasi pesan dukungan, klasifikasikan pesan dukungan berdasarkan jenis masalah dan kembalikan kalimat yang mendukung kategori tersebut. Sertakan aturan untuk bukti yang hilang atau ambigu agar jawaban yang lancar tidak mengisi bidang wajib dengan tebakan. Peran ringan model paling berguna ketika masukan dan hasil yang diwajibkan ditentukan dengan jelas.
Thinking nonaktif secara bawaan dalam konfigurasi 2.5 Flash-Lite yang didokumentasikan. Panduan thinking GenerateContent Google mengizinkan anggaran thinking eksplisit dari 512 hingga 24,576 token, nol untuk mempertahankan thinking nonaktif, dan -1 untuk meminta thinking dinamis. Ini adalah kontrol anggaran penalaran, terpisah dari alokasi respons akhir. Aktifkan penalaran tambahan ketika ekstraksi memiliki kondisi yang saling berinteraksi atau klasifikasi memiliki pengecualian; konversi langsung dapat mempertahankan perilaku tanpa thinking bawaan. Panduan mencatat bahwa model dapat menggunakan token thinking lebih banyak atau lebih sedikit daripada anggaran yang diminta.
Untuk penerjemahan, berikan bahasa sasaran, audiens, dan istilah yang harus dipertahankan. Tentukan apakah hasil hanya boleh memuat terjemahan atau rekaman berlabel. Untuk ekstraksi dokumen, definisikan bidang dan minta kutipan sumber yang memungkinkan keluaran diperiksa. Untuk rekaman, bedakan transkrip dari ringkasan dan identifikasi bagian yang penting. Gambar atau video dapat berkontribusi sebagai bukti untuk jawaban teks. Artefak yang diinginkan harus tetap jelas meskipun masukan menggabungkan beberapa jenis media.
Tabel khusus versi stabil mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Fungsi memerlukan tujuan yang jelas dan parameter terdefinisi; aplikasi yang terhubung menjalankan operasi dan memasok hasilnya. Untuk ekstraksi berbasis skema, validasi struktur yang dikembalikan dan bandingkan nilainya dengan materi asli. Keputusan alat atau rekaman yang terbentuk dengan baik hanya berguna dalam konteks sumber dan bukti nyata yang dikembalikan.
Kartu asli memberikan jendela konteks 1M dan keluaran teks 64K. Halaman model API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan percakapan yang dipertahankan menggunakan anggaran masukan, sedangkan penalaran dan batas respons memengaruhi apakah hasil akhir muat. Caching, batch, serta pemrosesan Flex dan Priority dicantumkan untuk profil produsen ini. Untuk tugas berulang, pertahankan definisi kategori atau bidang yang sama dan bawa pengenal ke seluruh hasil agar peninjauan berikutnya dapat menemukan item asal.
Profil stabil ini terpisah dari varian Preview Juni dan September yang dijelaskan di bagian lain keluarga ini. Kartu asli bersama memberi label peningkatan September Preview, termasuk kepatuhan pada instruksi dan keringkasan, secara khusus untuk pratinjau tersebut; peningkatan itu tidak boleh diam-diam dipindahkan ke pengenal stabil. Generasi Flash-Lite berikutnya juga menggunakan kontrol thinking dan tabel kemampuan berbeda. Pertahankan edisi dan pilih pengaturan yang didokumentasikan untuknya, alih-alih mengganti anggaran 2.5 dengan sintaksis tingkat thinking Gemini 3.
Kartu tersebut mencantumkan halusinasi dan keterbatasan dalam pemahaman kausal, deduksi logis kompleks, serta penalaran kontrafaktual, dan memberikan batas pengetahuan Januari 2025. Berikan bukti terkini atau gunakan alur grounding yang didokumentasikan ketika fakta lebih baru penting. Tinjau terjemahan untuk memastikan makna, bidang hasil ekstraksi untuk memastikan dukungan sumber, serta transkrip terhadap audio. Hasil kecil yang terfokus membuat peninjauan ini praktis tanpa menganggap jawaban yang dipoles sebagai bukti bahwa sumber memuat detail yang dinyatakan.
POST /v1beta/models/{model}:generateContenttext, imagetext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolompath.model | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-2.5-flash-lite | Bawaan— |
Kolomcontents | Jeniscontent[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolomcontents[].role | Jenisstring | PersyaratanOpsional | Nilai & batasan user, model | Bawaan— |
Kolomcontents[].parts | Jenispart[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
KolomsystemInstruction | Jeniscontent | PersyaratanOpsional | Nilai & batasan | Bawaan— |
KolomgenerationConfig.maxOutputTokens | Jenisinteger | PersyaratanOpsional | Nilai & batasan Minimum: 1 Bergantung pada model | Bawaan— |
KolomgenerationConfig.temperature | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomgenerationConfig.topP | Jenisnumber | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomgenerationConfig.topK | Jenisinteger | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomgenerationConfig.stopSequences | Jenisstring[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomgenerationConfig.thinkingConfig.includeThoughts | Jenisboolean | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomgenerationConfig.thinkingConfig.thinkingBudget | Jenisinteger | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
Kolomtools[].functionDeclarations | Jenisfunction_declaration[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomtoolConfig.functionCallingConfig.mode | Jenisstring | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomsafetySettings | Jenisobject[] | PersyaratanOpsional | Nilai & batasan Bergantung pada model | Bawaan— |
KolomsessionId | Jenisstring | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Teks · Teks UTF8
contents[].parts[].text
Teks + gambar
parts[].inlineData={mimeType,data}
| Parameter | Kontrak |
|---|---|
Parametermaterial_types | Kontraktext, image |
Parameterrequired | Kontrakcontents |
Parameteroptional_controls | Kontraknull |
Parametercontent_type | Kontrakapplication/json |
Parametertext_file_material | Kontrakkonten UTF-8 aktual dimasukkan sebagai teks; ID file atau alamat URL (URLs) memerlukan dukungan yang tepat dan terpisah |
Siklus hidup: exact retained published method
Struktur metode dan ID bersifat eksak; kemampuan pemasok terpisah dari penerimaan permintaan.
POST /v1beta/models/{model}:generateContentAiloot 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 →
Jadwal referensi tingkat model tidak mengubah pemilihan metode, estimasi harga, atau biaya. Biaya aktif menggunakan tarif metode Ailoot yang dipilih.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiOpenAI Chat · Tarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiOpenAI Chat · Tingkat 1 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiAnthropic Messages · Tingkat 1 berdasarkan panjang permintaan | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-flash-lite", contents="Explain the difference between an observation and a hypothesis 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(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-flash-lite", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\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=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\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\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-flash-lite',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson atau streaming yang didukung
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua kandidat dan bagian, termasuk panggilan fungsi, tanda tangan pemikiran, dan data penggunaan; gabungkan potongan stream secara berurutan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
KolomresponseId | Jenisstring |
KolommodelVersion | Jenisstring |
Kolomcandidates[].content.parts[] | Jenistext|inlineData|functionCall|other part |
Kolomcandidates[].finishReason | Jenisstring |
KolomusageMetadata | 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite adalah model teks multimodal stabil Google untuk klasifikasi, penerjemahan, dan ekstraksi sederhana yang sering dilakukan. Thinking nonaktif secara bawaan dan dapat diaktifkan dengan anggaran penalaran 512–24,576 token. Model ini menerima teks dan media, dengan alat, keluaran terstruktur, serta batas masukan 1,048,576 token.
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 adalah profil ringan dan stabil Google untuk penerjemahan, klasifikasi, dan ekstraksi data sederhana bervolume tinggi. Penalaran hibridanya dapat menggunakan atau tidak menggunakan thinking sesuai tugas. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks. Hasil yang berguna adalah kategori, terjemahan ringkas, rekaman yang diekstrak dari materi yang diberikan, atau penjelasan tertulis dengan cakupan terbatas.
Untuk klasifikasi, definisikan kategori, aturan keputusan, dan bentuk jawaban. Pertahankan pengenal sumber dalam hasil ketika beberapa item independen diproses. Untuk klasifikasi pesan dukungan, klasifikasikan pesan dukungan berdasarkan jenis masalah dan kembalikan kalimat yang mendukung kategori tersebut. Sertakan aturan untuk bukti yang hilang atau ambigu agar jawaban yang lancar tidak mengisi bidang wajib dengan tebakan. Peran ringan model paling berguna ketika masukan dan hasil yang diwajibkan ditentukan dengan jelas.
Thinking nonaktif secara bawaan dalam konfigurasi 2.5 Flash-Lite yang didokumentasikan. Panduan thinking GenerateContent Google mengizinkan anggaran thinking eksplisit dari 512 hingga 24,576 token, nol untuk mempertahankan thinking nonaktif, dan -1 untuk meminta thinking dinamis. Ini adalah kontrol anggaran penalaran, terpisah dari alokasi respons akhir. Aktifkan penalaran tambahan ketika ekstraksi memiliki kondisi yang saling berinteraksi atau klasifikasi memiliki pengecualian; konversi langsung dapat mempertahankan perilaku tanpa thinking bawaan. Panduan mencatat bahwa model dapat menggunakan token thinking lebih banyak atau lebih sedikit daripada anggaran yang diminta.
Untuk penerjemahan, berikan bahasa sasaran, audiens, dan istilah yang harus dipertahankan. Tentukan apakah hasil hanya boleh memuat terjemahan atau rekaman berlabel. Untuk ekstraksi dokumen, definisikan bidang dan minta kutipan sumber yang memungkinkan keluaran diperiksa. Untuk rekaman, bedakan transkrip dari ringkasan dan identifikasi bagian yang penting. Gambar atau video dapat berkontribusi sebagai bukti untuk jawaban teks. Artefak yang diinginkan harus tetap jelas meskipun masukan menggabungkan beberapa jenis media.
Tabel khusus versi stabil mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Fungsi memerlukan tujuan yang jelas dan parameter terdefinisi; aplikasi yang terhubung menjalankan operasi dan memasok hasilnya. Untuk ekstraksi berbasis skema, validasi struktur yang dikembalikan dan bandingkan nilainya dengan materi asli. Keputusan alat atau rekaman yang terbentuk dengan baik hanya berguna dalam konteks sumber dan bukti nyata yang dikembalikan.
Kartu asli memberikan jendela konteks 1M dan keluaran teks 64K. Halaman model API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan percakapan yang dipertahankan menggunakan anggaran masukan, sedangkan penalaran dan batas respons memengaruhi apakah hasil akhir muat. Caching, batch, serta pemrosesan Flex dan Priority dicantumkan untuk profil produsen ini. Untuk tugas berulang, pertahankan definisi kategori atau bidang yang sama dan bawa pengenal ke seluruh hasil agar peninjauan berikutnya dapat menemukan item asal.
Profil stabil ini terpisah dari varian Preview Juni dan September yang dijelaskan di bagian lain keluarga ini. Kartu asli bersama memberi label peningkatan September Preview, termasuk kepatuhan pada instruksi dan keringkasan, secara khusus untuk pratinjau tersebut; peningkatan itu tidak boleh diam-diam dipindahkan ke pengenal stabil. Generasi Flash-Lite berikutnya juga menggunakan kontrol thinking dan tabel kemampuan berbeda. Pertahankan edisi dan pilih pengaturan yang didokumentasikan untuknya, alih-alih mengganti anggaran 2.5 dengan sintaksis tingkat thinking Gemini 3.
Kartu tersebut mencantumkan halusinasi dan keterbatasan dalam pemahaman kausal, deduksi logis kompleks, serta penalaran kontrafaktual, dan memberikan batas pengetahuan Januari 2025. Berikan bukti terkini atau gunakan alur grounding yang didokumentasikan ketika fakta lebih baru penting. Tinjau terjemahan untuk memastikan makna, bidang hasil ekstraksi untuk memastikan dukungan sumber, serta transkrip terhadap audio. Hasil kecil yang terfokus membuat peninjauan ini praktis tanpa menganggap jawaban yang dipoles sebagai bukti bahwa sumber memuat detail yang dinyatakan.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-2.5-flash-lite | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Percakapan teks | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
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 |
Parametercontrol_scope | KontrakPercakapan teks; stream adalah nilai boolean dengan false sebagai bawaan. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias metode: /chat/completions
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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${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","messages":[{"role":"user","content":"hello"}],"stream":false}')\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", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite adalah model teks multimodal stabil Google untuk klasifikasi, penerjemahan, dan ekstraksi sederhana yang sering dilakukan. Thinking nonaktif secara bawaan dan dapat diaktifkan dengan anggaran penalaran 512–24,576 token. Model ini menerima teks dan media, dengan alat, keluaran terstruktur, serta batas masukan 1,048,576 token.
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 adalah profil ringan dan stabil Google untuk penerjemahan, klasifikasi, dan ekstraksi data sederhana bervolume tinggi. Penalaran hibridanya dapat menggunakan atau tidak menggunakan thinking sesuai tugas. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks. Hasil yang berguna adalah kategori, terjemahan ringkas, rekaman yang diekstrak dari materi yang diberikan, atau penjelasan tertulis dengan cakupan terbatas.
Untuk klasifikasi, definisikan kategori, aturan keputusan, dan bentuk jawaban. Pertahankan pengenal sumber dalam hasil ketika beberapa item independen diproses. Untuk klasifikasi pesan dukungan, klasifikasikan pesan dukungan berdasarkan jenis masalah dan kembalikan kalimat yang mendukung kategori tersebut. Sertakan aturan untuk bukti yang hilang atau ambigu agar jawaban yang lancar tidak mengisi bidang wajib dengan tebakan. Peran ringan model paling berguna ketika masukan dan hasil yang diwajibkan ditentukan dengan jelas.
Thinking nonaktif secara bawaan dalam konfigurasi 2.5 Flash-Lite yang didokumentasikan. Panduan thinking GenerateContent Google mengizinkan anggaran thinking eksplisit dari 512 hingga 24,576 token, nol untuk mempertahankan thinking nonaktif, dan -1 untuk meminta thinking dinamis. Ini adalah kontrol anggaran penalaran, terpisah dari alokasi respons akhir. Aktifkan penalaran tambahan ketika ekstraksi memiliki kondisi yang saling berinteraksi atau klasifikasi memiliki pengecualian; konversi langsung dapat mempertahankan perilaku tanpa thinking bawaan. Panduan mencatat bahwa model dapat menggunakan token thinking lebih banyak atau lebih sedikit daripada anggaran yang diminta.
Untuk penerjemahan, berikan bahasa sasaran, audiens, dan istilah yang harus dipertahankan. Tentukan apakah hasil hanya boleh memuat terjemahan atau rekaman berlabel. Untuk ekstraksi dokumen, definisikan bidang dan minta kutipan sumber yang memungkinkan keluaran diperiksa. Untuk rekaman, bedakan transkrip dari ringkasan dan identifikasi bagian yang penting. Gambar atau video dapat berkontribusi sebagai bukti untuk jawaban teks. Artefak yang diinginkan harus tetap jelas meskipun masukan menggabungkan beberapa jenis media.
Tabel khusus versi stabil mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Fungsi memerlukan tujuan yang jelas dan parameter terdefinisi; aplikasi yang terhubung menjalankan operasi dan memasok hasilnya. Untuk ekstraksi berbasis skema, validasi struktur yang dikembalikan dan bandingkan nilainya dengan materi asli. Keputusan alat atau rekaman yang terbentuk dengan baik hanya berguna dalam konteks sumber dan bukti nyata yang dikembalikan.
Kartu asli memberikan jendela konteks 1M dan keluaran teks 64K. Halaman model API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan percakapan yang dipertahankan menggunakan anggaran masukan, sedangkan penalaran dan batas respons memengaruhi apakah hasil akhir muat. Caching, batch, serta pemrosesan Flex dan Priority dicantumkan untuk profil produsen ini. Untuk tugas berulang, pertahankan definisi kategori atau bidang yang sama dan bawa pengenal ke seluruh hasil agar peninjauan berikutnya dapat menemukan item asal.
Profil stabil ini terpisah dari varian Preview Juni dan September yang dijelaskan di bagian lain keluarga ini. Kartu asli bersama memberi label peningkatan September Preview, termasuk kepatuhan pada instruksi dan keringkasan, secara khusus untuk pratinjau tersebut; peningkatan itu tidak boleh diam-diam dipindahkan ke pengenal stabil. Generasi Flash-Lite berikutnya juga menggunakan kontrol thinking dan tabel kemampuan berbeda. Pertahankan edisi dan pilih pengaturan yang didokumentasikan untuknya, alih-alih mengganti anggaran 2.5 dengan sintaksis tingkat thinking Gemini 3.
Kartu tersebut mencantumkan halusinasi dan keterbatasan dalam pemahaman kausal, deduksi logis kompleks, serta penalaran kontrafaktual, dan memberikan batas pengetahuan Januari 2025. Berikan bukti terkini atau gunakan alur grounding yang didokumentasikan ketika fakta lebih baru penting. Tinjau terjemahan untuk memastikan makna, bidang hasil ekstraksi untuk memastikan dukungan sumber, serta transkrip terhadap audio. Hasil kecil yang terfokus membuat peninjauan ini praktis tanpa menganggap jawaban yang dipoles sebagai bukti bahwa sumber memuat detail yang dinyatakan.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-2.5-flash-lite | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite adalah model teks multimodal stabil Google untuk klasifikasi, penerjemahan, dan ekstraksi sederhana yang sering dilakukan. Thinking nonaktif secara bawaan dan dapat diaktifkan dengan anggaran penalaran 512–24,576 token. Model ini menerima teks dan media, dengan alat, keluaran terstruktur, serta batas masukan 1,048,576 token.
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 adalah profil ringan dan stabil Google untuk penerjemahan, klasifikasi, dan ekstraksi data sederhana bervolume tinggi. Penalaran hibridanya dapat menggunakan atau tidak menggunakan thinking sesuai tugas. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks. Hasil yang berguna adalah kategori, terjemahan ringkas, rekaman yang diekstrak dari materi yang diberikan, atau penjelasan tertulis dengan cakupan terbatas.
Untuk klasifikasi, definisikan kategori, aturan keputusan, dan bentuk jawaban. Pertahankan pengenal sumber dalam hasil ketika beberapa item independen diproses. Untuk klasifikasi pesan dukungan, klasifikasikan pesan dukungan berdasarkan jenis masalah dan kembalikan kalimat yang mendukung kategori tersebut. Sertakan aturan untuk bukti yang hilang atau ambigu agar jawaban yang lancar tidak mengisi bidang wajib dengan tebakan. Peran ringan model paling berguna ketika masukan dan hasil yang diwajibkan ditentukan dengan jelas.
Thinking nonaktif secara bawaan dalam konfigurasi 2.5 Flash-Lite yang didokumentasikan. Panduan thinking GenerateContent Google mengizinkan anggaran thinking eksplisit dari 512 hingga 24,576 token, nol untuk mempertahankan thinking nonaktif, dan -1 untuk meminta thinking dinamis. Ini adalah kontrol anggaran penalaran, terpisah dari alokasi respons akhir. Aktifkan penalaran tambahan ketika ekstraksi memiliki kondisi yang saling berinteraksi atau klasifikasi memiliki pengecualian; konversi langsung dapat mempertahankan perilaku tanpa thinking bawaan. Panduan mencatat bahwa model dapat menggunakan token thinking lebih banyak atau lebih sedikit daripada anggaran yang diminta.
Untuk penerjemahan, berikan bahasa sasaran, audiens, dan istilah yang harus dipertahankan. Tentukan apakah hasil hanya boleh memuat terjemahan atau rekaman berlabel. Untuk ekstraksi dokumen, definisikan bidang dan minta kutipan sumber yang memungkinkan keluaran diperiksa. Untuk rekaman, bedakan transkrip dari ringkasan dan identifikasi bagian yang penting. Gambar atau video dapat berkontribusi sebagai bukti untuk jawaban teks. Artefak yang diinginkan harus tetap jelas meskipun masukan menggabungkan beberapa jenis media.
Tabel khusus versi stabil mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Fungsi memerlukan tujuan yang jelas dan parameter terdefinisi; aplikasi yang terhubung menjalankan operasi dan memasok hasilnya. Untuk ekstraksi berbasis skema, validasi struktur yang dikembalikan dan bandingkan nilainya dengan materi asli. Keputusan alat atau rekaman yang terbentuk dengan baik hanya berguna dalam konteks sumber dan bukti nyata yang dikembalikan.
Kartu asli memberikan jendela konteks 1M dan keluaran teks 64K. Halaman model API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan percakapan yang dipertahankan menggunakan anggaran masukan, sedangkan penalaran dan batas respons memengaruhi apakah hasil akhir muat. Caching, batch, serta pemrosesan Flex dan Priority dicantumkan untuk profil produsen ini. Untuk tugas berulang, pertahankan definisi kategori atau bidang yang sama dan bawa pengenal ke seluruh hasil agar peninjauan berikutnya dapat menemukan item asal.
Profil stabil ini terpisah dari varian Preview Juni dan September yang dijelaskan di bagian lain keluarga ini. Kartu asli bersama memberi label peningkatan September Preview, termasuk kepatuhan pada instruksi dan keringkasan, secara khusus untuk pratinjau tersebut; peningkatan itu tidak boleh diam-diam dipindahkan ke pengenal stabil. Generasi Flash-Lite berikutnya juga menggunakan kontrol thinking dan tabel kemampuan berbeda. Pertahankan edisi dan pilih pengaturan yang didokumentasikan untuknya, alih-alih mengganti anggaran 2.5 dengan sintaksis tingkat thinking Gemini 3.
Kartu tersebut mencantumkan halusinasi dan keterbatasan dalam pemahaman kausal, deduksi logis kompleks, serta penalaran kontrafaktual, dan memberikan batas pengetahuan Januari 2025. Berikan bukti terkini atau gunakan alur grounding yang didokumentasikan ketika fakta lebih baru penting. Tinjau terjemahan untuk memastikan makna, bidang hasil ekstraksi untuk memastikan dukungan sumber, serta transkrip terhadap audio. Hasil kecil yang terfokus membuat peninjauan ini praktis tanpa menganggap jawaban yang dipoles sebagai bukti bahwa sumber memuat detail yang dinyatakan.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemini-2.5-flash-lite | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-flash-lite", "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='google/gemini-2.5-flash-lite',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='google/gemini-2.5-flash-lite',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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite adalah model teks multimodal stabil Google untuk klasifikasi, penerjemahan, dan ekstraksi sederhana yang sering dilakukan. Thinking nonaktif secara bawaan dan dapat diaktifkan dengan anggaran penalaran 512–24,576 token. Model ini menerima teks dan media, dengan alat, keluaran terstruktur, serta batas masukan 1,048,576 token.
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 adalah profil ringan dan stabil Google untuk penerjemahan, klasifikasi, dan ekstraksi data sederhana bervolume tinggi. Penalaran hibridanya dapat menggunakan atau tidak menggunakan thinking sesuai tugas. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks. Hasil yang berguna adalah kategori, terjemahan ringkas, rekaman yang diekstrak dari materi yang diberikan, atau penjelasan tertulis dengan cakupan terbatas.
Untuk klasifikasi, definisikan kategori, aturan keputusan, dan bentuk jawaban. Pertahankan pengenal sumber dalam hasil ketika beberapa item independen diproses. Untuk klasifikasi pesan dukungan, klasifikasikan pesan dukungan berdasarkan jenis masalah dan kembalikan kalimat yang mendukung kategori tersebut. Sertakan aturan untuk bukti yang hilang atau ambigu agar jawaban yang lancar tidak mengisi bidang wajib dengan tebakan. Peran ringan model paling berguna ketika masukan dan hasil yang diwajibkan ditentukan dengan jelas.
Thinking nonaktif secara bawaan dalam konfigurasi 2.5 Flash-Lite yang didokumentasikan. Panduan thinking GenerateContent Google mengizinkan anggaran thinking eksplisit dari 512 hingga 24,576 token, nol untuk mempertahankan thinking nonaktif, dan -1 untuk meminta thinking dinamis. Ini adalah kontrol anggaran penalaran, terpisah dari alokasi respons akhir. Aktifkan penalaran tambahan ketika ekstraksi memiliki kondisi yang saling berinteraksi atau klasifikasi memiliki pengecualian; konversi langsung dapat mempertahankan perilaku tanpa thinking bawaan. Panduan mencatat bahwa model dapat menggunakan token thinking lebih banyak atau lebih sedikit daripada anggaran yang diminta.
Untuk penerjemahan, berikan bahasa sasaran, audiens, dan istilah yang harus dipertahankan. Tentukan apakah hasil hanya boleh memuat terjemahan atau rekaman berlabel. Untuk ekstraksi dokumen, definisikan bidang dan minta kutipan sumber yang memungkinkan keluaran diperiksa. Untuk rekaman, bedakan transkrip dari ringkasan dan identifikasi bagian yang penting. Gambar atau video dapat berkontribusi sebagai bukti untuk jawaban teks. Artefak yang diinginkan harus tetap jelas meskipun masukan menggabungkan beberapa jenis media.
Tabel khusus versi stabil mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Fungsi memerlukan tujuan yang jelas dan parameter terdefinisi; aplikasi yang terhubung menjalankan operasi dan memasok hasilnya. Untuk ekstraksi berbasis skema, validasi struktur yang dikembalikan dan bandingkan nilainya dengan materi asli. Keputusan alat atau rekaman yang terbentuk dengan baik hanya berguna dalam konteks sumber dan bukti nyata yang dikembalikan.
Kartu asli memberikan jendela konteks 1M dan keluaran teks 64K. Halaman model API menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, konten sumber, dan percakapan yang dipertahankan menggunakan anggaran masukan, sedangkan penalaran dan batas respons memengaruhi apakah hasil akhir muat. Caching, batch, serta pemrosesan Flex dan Priority dicantumkan untuk profil produsen ini. Untuk tugas berulang, pertahankan definisi kategori atau bidang yang sama dan bawa pengenal ke seluruh hasil agar peninjauan berikutnya dapat menemukan item asal.
Profil stabil ini terpisah dari varian Preview Juni dan September yang dijelaskan di bagian lain keluarga ini. Kartu asli bersama memberi label peningkatan September Preview, termasuk kepatuhan pada instruksi dan keringkasan, secara khusus untuk pratinjau tersebut; peningkatan itu tidak boleh diam-diam dipindahkan ke pengenal stabil. Generasi Flash-Lite berikutnya juga menggunakan kontrol thinking dan tabel kemampuan berbeda. Pertahankan edisi dan pilih pengaturan yang didokumentasikan untuknya, alih-alih mengganti anggaran 2.5 dengan sintaksis tingkat thinking Gemini 3.
Kartu tersebut mencantumkan halusinasi dan keterbatasan dalam pemahaman kausal, deduksi logis kompleks, serta penalaran kontrafaktual, dan memberikan batas pengetahuan Januari 2025. Berikan bukti terkini atau gunakan alur grounding yang didokumentasikan ketika fakta lebih baru penting. Tinjau terjemahan untuk memastikan makna, bidang hasil ekstraksi untuk memastikan dukungan sumber, serta transkrip terhadap audio. Hasil kecil yang terfokus membuat peninjauan ini praktis tanpa menganggap jawaban yang dipoles sebagai bukti bahwa sumber memuat detail yang dinyatakan.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemini-2.5-flash-lite | 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.
Cocokkan setiap biaya dengan kondisi yang ditampilkan. Gunakan satu tarif untuk setiap kelompok konfigurasi alternatif.
| Konfigurasi | Jadwal tarif | Token konteks, lebih dari | Token konteks, hingga dan termasuk | Biaya |
|---|---|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Token konteks, lebih dari— | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiPanjang permintaan · tingkat 1 | Jadwal tarif— | Token konteks, lebih dari0 | Token konteks, hingga dan termasukTanpa batas atas | Biaya Masukan · Token masukan $0.0002 / 1K token Keluaran · Token keluaran $0.0008 / 1K token Masukan · Pembacaan cache $0.00002 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "google/gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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': 'google/gemini-2.5-flash-lite', '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': 'google/gemini-2.5-flash-lite', '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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
Contoh teknis dalam bahasa Inggris
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.