Gemini 3.1 Flash-Lite adalah model teks multimodal ringan dan stabil Google untuk tugas yang sering dilakukan serta terdefinisi dengan baik. Model ini berbasis Gemini 3 Pro. Penerjemahan dan klasifikasi merupakan beban kerja utama; tugas berguna lainnya mencakup transkripsi, ringkasan dokumen, ekstraksi entitas, dan klasifikasi pemilihan model. Teks, gambar, audio, video, dan PDF dapat memasok materi sumber, dan hasilnya berupa teks. Arahan yang berguna meminta satu operasi dan satu bentuk akhir, seperti pesan yang diterjemahkan atau rekaman bidang yang ditemukan dalam dokumen.
Untuk penerjemahan, berikan teks sumber, bahasa sasaran, audiens, dan terminologi yang harus tetap utuh. Contoh Google menggunakan instruksi yang hanya mengembalikan terjemahan. Untuk terjemahan pesan dukungan, pertahankan nama produk dan referensi pesanan sambil menerjemahkan sisanya secara alami. Tentukan cara menangani ambiguitas agar hasil tidak menambahkan tanggal, janji, atau detail yang tidak ada dalam sumber. Sesuaikan bentuk yang diminta dengan tujuan penggunaannya, seperti balasan singkat atau rekaman terjemahan berlabel.
Untuk transkripsi, berikan rekaman dan definisikan apakah jawaban harus berupa kata-kata yang diucapkan, transkrip suntingan yang mudah dibaca, atau ringkasan. Ketiganya merupakan keluaran berbeda. Identifikasi interval yang relevan ketika rekaman panjang hanya memuat satu bagian yang diperlukan untuk tugas. Contoh pengembang dari pembuat mengirim audio secara langsung dan meminta transkrip teks. Periksa nama, angka, dan bagian tidak jelas terhadap rekaman, sambil menyimpan sumber asli untuk peninjauan. Profil teks multimodal umum ini sendiri tidak menyiratkan keluaran audio atau hasil khusus diarisasi pembicara.
Untuk klasifikasi atau ekstraksi, definisikan kategori, skema, dan aturan nilai yang hilang. Panduan pengembang menunjukkan JSON terstruktur untuk menganalisis ulasan pelanggan, dengan kutipan pendukung dan bidang yang didefinisikan. Rekaman terstruktur dapat memuat produk yang disebutkan, kategori masalah, dan kalimat yang membenarkan pilihan. Sertakan kasus representatif yang harus tetap tidak diketahui, bukan dipaksakan ke suatu kategori. Rekaman yang valid secara sintaksis tetap perlu dibandingkan dengan teks sumber sebenarnya.
Pemrosesan dokumen dapat mengubah PDF menjadi ringkasan ringkas atau rekaman bidang. Nyatakan pertanyaan dan pertahankan referensi halaman atau bagian ketika temuan perlu diperiksa. Peninjauan tabel harus menentukan kolom dan aturan yang penting; tugas visual harus mengidentifikasi label atau wilayah yang diperlukan untuk jawaban. Perutean model merupakan penggunaan lain yang didokumentasikan: model mengklasifikasikan kompleksitas permintaan dan mengembalikan pilihan yang diizinkan. Aplikasi yang terhubung, bukan teks klasifikasi itu sendiri, memutuskan apa yang dijalankan berikutnya.
Thinking didukung, dan pembuat memperlihatkan upaya lebih tinggi untuk tugas yang memperoleh manfaat dari analisis lebih banyak. Halaman khusus versi stabil juga mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Computer Use tidak didukung dalam profil stabil 3.1 ini; profil 3.5 Flash-Lite yang lebih baru memiliki tabel kemampuan berbeda. Definisikan tujuan dan parameter alat dengan jelas, lalu lanjutkan dari hasil nyata yang dikembalikan. Saran fungsi tidak membuktikan bahwa operasi telah dilakukan.
Kartu model asli mencantumkan konteks hingga 1M dan keluaran teks 64K; tabel API stabil menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Sertakan instruksi, percakapan, dan media sumber dalam persiapan masukan, lalu minta keluaran yang ukurannya sesuai dengan artefak yang dimaksud. Caching, batch, serta pemrosesan Flex dan Priority didokumentasikan untuk profil produsen ini. Untuk item independen yang berulang, bawa pengenal masukan ke hasil dan pertahankan skema yang konsisten agar jawaban yang hilang dapat diidentifikasi.
Pengenal model stabil ini berbeda dari Gemini 3.1 Flash-Lite Preview dan edisi Flash-Lite yang lebih baru. Pertahankan edisi yang tepat ketika menyiapkan pemrosesan berulang, alih-alih menganggap nama keluarga yang dikenal sebagai jaminan revisi tetap. Tinjau terjemahan untuk memastikan makna dan istilah dipertahankan, transkrip terhadap audio, serta bidang hasil ekstraksi terhadap dokumen. Peran praktis profil ini adalah pemrosesan teks multimodal terfokus dengan hasil yang jelas, dengan penalaran tugas yang lebih luas atau tindakan eksternal ditangani pada langkah berikutnya yang sesuai.
", "aboutText": "Gemini 3.1 Flash-Lite adalah model teks multimodal ringan dan stabil Google untuk tugas yang sering dilakukan serta terdefinisi dengan baik. Model ini berbasis Gemini 3 Pro. Penerjemahan dan klasifikasi merupakan beban kerja utama; tugas berguna lainnya mencakup transkripsi, ringkasan dokumen, ekstraksi entitas, dan klasifikasi pemilihan model. Teks, gambar, audio, video, dan PDF dapat memasok materi sumber, dan hasilnya berupa teks. Arahan yang berguna meminta satu operasi dan satu bentuk akhir, seperti pesan yang diterjemahkan atau rekaman bidang yang ditemukan dalam dokumen.\n\nUntuk penerjemahan, berikan teks sumber, bahasa sasaran, audiens, dan terminologi yang harus tetap utuh. Contoh Google menggunakan instruksi yang hanya mengembalikan terjemahan. Untuk terjemahan pesan dukungan, pertahankan nama produk dan referensi pesanan sambil menerjemahkan sisanya secara alami. Tentukan cara menangani ambiguitas agar hasil tidak menambahkan tanggal, janji, atau detail yang tidak ada dalam sumber. Sesuaikan bentuk yang diminta dengan tujuan penggunaannya, seperti balasan singkat atau rekaman terjemahan berlabel.\n\nUntuk transkripsi, berikan rekaman dan definisikan apakah jawaban harus berupa kata-kata yang diucapkan, transkrip suntingan yang mudah dibaca, atau ringkasan. Ketiganya merupakan keluaran berbeda. Identifikasi interval yang relevan ketika rekaman panjang hanya memuat satu bagian yang diperlukan untuk tugas. Contoh pengembang dari pembuat mengirim audio secara langsung dan meminta transkrip teks. Periksa nama, angka, dan bagian tidak jelas terhadap rekaman, sambil menyimpan sumber asli untuk peninjauan. Profil teks multimodal umum ini sendiri tidak menyiratkan keluaran audio atau hasil khusus diarisasi pembicara.\n\nUntuk klasifikasi atau ekstraksi, definisikan kategori, skema, dan aturan nilai yang hilang. Panduan pengembang menunjukkan JSON terstruktur untuk menganalisis ulasan pelanggan, dengan kutipan pendukung dan bidang yang didefinisikan. Rekaman terstruktur dapat memuat produk yang disebutkan, kategori masalah, dan kalimat yang membenarkan pilihan. Sertakan kasus representatif yang harus tetap tidak diketahui, bukan dipaksakan ke suatu kategori. Rekaman yang valid secara sintaksis tetap perlu dibandingkan dengan teks sumber sebenarnya.\n\nPemrosesan dokumen dapat mengubah PDF menjadi ringkasan ringkas atau rekaman bidang. Nyatakan pertanyaan dan pertahankan referensi halaman atau bagian ketika temuan perlu diperiksa. Peninjauan tabel harus menentukan kolom dan aturan yang penting; tugas visual harus mengidentifikasi label atau wilayah yang diperlukan untuk jawaban. Perutean model merupakan penggunaan lain yang didokumentasikan: model mengklasifikasikan kompleksitas permintaan dan mengembalikan pilihan yang diizinkan. Aplikasi yang terhubung, bukan teks klasifikasi itu sendiri, memutuskan apa yang dijalankan berikutnya.\n\nThinking didukung, dan pembuat memperlihatkan upaya lebih tinggi untuk tugas yang memperoleh manfaat dari analisis lebih banyak. Halaman khusus versi stabil juga mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Computer Use tidak didukung dalam profil stabil 3.1 ini; profil 3.5 Flash-Lite yang lebih baru memiliki tabel kemampuan berbeda. Definisikan tujuan dan parameter alat dengan jelas, lalu lanjutkan dari hasil nyata yang dikembalikan. Saran fungsi tidak membuktikan bahwa operasi telah dilakukan.\n\nKartu model asli mencantumkan konteks hingga 1M dan keluaran teks 64K; tabel API stabil menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Sertakan instruksi, percakapan, dan media sumber dalam persiapan masukan, lalu minta keluaran yang ukurannya sesuai dengan artefak yang dimaksud. Caching, batch, serta pemrosesan Flex dan Priority didokumentasikan untuk profil produsen ini. Untuk item independen yang berulang, bawa pengenal masukan ke hasil dan pertahankan skema yang konsisten agar jawaban yang hilang dapat diidentifikasi.\n\nPengenal model stabil ini berbeda dari Gemini 3.1 Flash-Lite Preview dan edisi Flash-Lite yang lebih baru. Pertahankan edisi yang tepat ketika menyiapkan pemrosesan berulang, alih-alih menganggap nama keluarga yang dikenal sebagai jaminan revisi tetap. Tinjau terjemahan untuk memastikan makna dan istilah dipertahankan, transkrip terhadap audio, serta bidang hasil ekstraksi terhadap dokumen. Peran praktis profil ini adalah pemrosesan teks multimodal terfokus dengan hasil yang jelas, dengan penalaran tugas yang lebih luas atau tindakan eksternal ditangani pada langkah berikutnya yang sesuai.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Localize a compact service message\n\nTranslate into Spanish for a small-business customer: “Invoice INV-204 is ready. The bank transfer has not arrived yet; access starts after payment confirmation.” Keep INV-204 unchanged and return only the translated message. Preserve the distinction between invoice availability, receipt of funds and activation.A Spanish message containing the unchanged invoice reference and the original payment-to-access condition.Check that the translation does not imply that payment is received or access is already active.gemini-3.1-flash-liteGemini 3.1 Flash-Lite adalah model multimodal stabil Google untuk penerjemahan, transkripsi, klasifikasi, dan ekstraksi sederhana dalam skala besar. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks, dengan thinking, alat, dan keluaran terstruktur. Batas masukan/keluaran persisnya adalah 1,048,576/65,536 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 3.1 Flash-Lite adalah model teks multimodal ringan dan stabil Google untuk tugas yang sering dilakukan serta terdefinisi dengan baik. Model ini berbasis Gemini 3 Pro. Penerjemahan dan klasifikasi merupakan beban kerja utama; tugas berguna lainnya mencakup transkripsi, ringkasan dokumen, ekstraksi entitas, dan klasifikasi pemilihan model. Teks, gambar, audio, video, dan PDF dapat memasok materi sumber, dan hasilnya berupa teks. Arahan yang berguna meminta satu operasi dan satu bentuk akhir, seperti pesan yang diterjemahkan atau rekaman bidang yang ditemukan dalam dokumen.
Untuk penerjemahan, berikan teks sumber, bahasa sasaran, audiens, dan terminologi yang harus tetap utuh. Contoh Google menggunakan instruksi yang hanya mengembalikan terjemahan. Untuk terjemahan pesan dukungan, pertahankan nama produk dan referensi pesanan sambil menerjemahkan sisanya secara alami. Tentukan cara menangani ambiguitas agar hasil tidak menambahkan tanggal, janji, atau detail yang tidak ada dalam sumber. Sesuaikan bentuk yang diminta dengan tujuan penggunaannya, seperti balasan singkat atau rekaman terjemahan berlabel.
Untuk transkripsi, berikan rekaman dan definisikan apakah jawaban harus berupa kata-kata yang diucapkan, transkrip suntingan yang mudah dibaca, atau ringkasan. Ketiganya merupakan keluaran berbeda. Identifikasi interval yang relevan ketika rekaman panjang hanya memuat satu bagian yang diperlukan untuk tugas. Contoh pengembang dari pembuat mengirim audio secara langsung dan meminta transkrip teks. Periksa nama, angka, dan bagian tidak jelas terhadap rekaman, sambil menyimpan sumber asli untuk peninjauan. Profil teks multimodal umum ini sendiri tidak menyiratkan keluaran audio atau hasil khusus diarisasi pembicara.
Untuk klasifikasi atau ekstraksi, definisikan kategori, skema, dan aturan nilai yang hilang. Panduan pengembang menunjukkan JSON terstruktur untuk menganalisis ulasan pelanggan, dengan kutipan pendukung dan bidang yang didefinisikan. Rekaman terstruktur dapat memuat produk yang disebutkan, kategori masalah, dan kalimat yang membenarkan pilihan. Sertakan kasus representatif yang harus tetap tidak diketahui, bukan dipaksakan ke suatu kategori. Rekaman yang valid secara sintaksis tetap perlu dibandingkan dengan teks sumber sebenarnya.
Pemrosesan dokumen dapat mengubah PDF menjadi ringkasan ringkas atau rekaman bidang. Nyatakan pertanyaan dan pertahankan referensi halaman atau bagian ketika temuan perlu diperiksa. Peninjauan tabel harus menentukan kolom dan aturan yang penting; tugas visual harus mengidentifikasi label atau wilayah yang diperlukan untuk jawaban. Perutean model merupakan penggunaan lain yang didokumentasikan: model mengklasifikasikan kompleksitas permintaan dan mengembalikan pilihan yang diizinkan. Aplikasi yang terhubung, bukan teks klasifikasi itu sendiri, memutuskan apa yang dijalankan berikutnya.
Thinking didukung, dan pembuat memperlihatkan upaya lebih tinggi untuk tugas yang memperoleh manfaat dari analisis lebih banyak. Halaman khusus versi stabil juga mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Computer Use tidak didukung dalam profil stabil 3.1 ini; profil 3.5 Flash-Lite yang lebih baru memiliki tabel kemampuan berbeda. Definisikan tujuan dan parameter alat dengan jelas, lalu lanjutkan dari hasil nyata yang dikembalikan. Saran fungsi tidak membuktikan bahwa operasi telah dilakukan.
Kartu model asli mencantumkan konteks hingga 1M dan keluaran teks 64K; tabel API stabil menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Sertakan instruksi, percakapan, dan media sumber dalam persiapan masukan, lalu minta keluaran yang ukurannya sesuai dengan artefak yang dimaksud. Caching, batch, serta pemrosesan Flex dan Priority didokumentasikan untuk profil produsen ini. Untuk item independen yang berulang, bawa pengenal masukan ke hasil dan pertahankan skema yang konsisten agar jawaban yang hilang dapat diidentifikasi.
Pengenal model stabil ini berbeda dari Gemini 3.1 Flash-Lite Preview dan edisi Flash-Lite yang lebih baru. Pertahankan edisi yang tepat ketika menyiapkan pemrosesan berulang, alih-alih menganggap nama keluarga yang dikenal sebagai jaminan revisi tetap. Tinjau terjemahan untuk memastikan makna dan istilah dipertahankan, transkrip terhadap audio, serta bidang hasil ekstraksi terhadap dokumen. Peran praktis profil ini adalah pemrosesan teks multimodal terfokus dengan hasil yang jelas, dengan penalaran tugas yang lebih luas atau tindakan eksternal ditangani pada langkah berikutnya yang sesuai.
POST /v1/messagestext, imagetext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-3.1-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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 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-3.1-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-3.1-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-3.1-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-3.1-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-3.1-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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
gemini-3.1-flash-liteGemini 3.1 Flash-Lite adalah model multimodal stabil Google untuk penerjemahan, transkripsi, klasifikasi, dan ekstraksi sederhana dalam skala besar. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks, dengan thinking, alat, dan keluaran terstruktur. Batas masukan/keluaran persisnya adalah 1,048,576/65,536 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 3.1 Flash-Lite adalah model teks multimodal ringan dan stabil Google untuk tugas yang sering dilakukan serta terdefinisi dengan baik. Model ini berbasis Gemini 3 Pro. Penerjemahan dan klasifikasi merupakan beban kerja utama; tugas berguna lainnya mencakup transkripsi, ringkasan dokumen, ekstraksi entitas, dan klasifikasi pemilihan model. Teks, gambar, audio, video, dan PDF dapat memasok materi sumber, dan hasilnya berupa teks. Arahan yang berguna meminta satu operasi dan satu bentuk akhir, seperti pesan yang diterjemahkan atau rekaman bidang yang ditemukan dalam dokumen.
Untuk penerjemahan, berikan teks sumber, bahasa sasaran, audiens, dan terminologi yang harus tetap utuh. Contoh Google menggunakan instruksi yang hanya mengembalikan terjemahan. Untuk terjemahan pesan dukungan, pertahankan nama produk dan referensi pesanan sambil menerjemahkan sisanya secara alami. Tentukan cara menangani ambiguitas agar hasil tidak menambahkan tanggal, janji, atau detail yang tidak ada dalam sumber. Sesuaikan bentuk yang diminta dengan tujuan penggunaannya, seperti balasan singkat atau rekaman terjemahan berlabel.
Untuk transkripsi, berikan rekaman dan definisikan apakah jawaban harus berupa kata-kata yang diucapkan, transkrip suntingan yang mudah dibaca, atau ringkasan. Ketiganya merupakan keluaran berbeda. Identifikasi interval yang relevan ketika rekaman panjang hanya memuat satu bagian yang diperlukan untuk tugas. Contoh pengembang dari pembuat mengirim audio secara langsung dan meminta transkrip teks. Periksa nama, angka, dan bagian tidak jelas terhadap rekaman, sambil menyimpan sumber asli untuk peninjauan. Profil teks multimodal umum ini sendiri tidak menyiratkan keluaran audio atau hasil khusus diarisasi pembicara.
Untuk klasifikasi atau ekstraksi, definisikan kategori, skema, dan aturan nilai yang hilang. Panduan pengembang menunjukkan JSON terstruktur untuk menganalisis ulasan pelanggan, dengan kutipan pendukung dan bidang yang didefinisikan. Rekaman terstruktur dapat memuat produk yang disebutkan, kategori masalah, dan kalimat yang membenarkan pilihan. Sertakan kasus representatif yang harus tetap tidak diketahui, bukan dipaksakan ke suatu kategori. Rekaman yang valid secara sintaksis tetap perlu dibandingkan dengan teks sumber sebenarnya.
Pemrosesan dokumen dapat mengubah PDF menjadi ringkasan ringkas atau rekaman bidang. Nyatakan pertanyaan dan pertahankan referensi halaman atau bagian ketika temuan perlu diperiksa. Peninjauan tabel harus menentukan kolom dan aturan yang penting; tugas visual harus mengidentifikasi label atau wilayah yang diperlukan untuk jawaban. Perutean model merupakan penggunaan lain yang didokumentasikan: model mengklasifikasikan kompleksitas permintaan dan mengembalikan pilihan yang diizinkan. Aplikasi yang terhubung, bukan teks klasifikasi itu sendiri, memutuskan apa yang dijalankan berikutnya.
Thinking didukung, dan pembuat memperlihatkan upaya lebih tinggi untuk tugas yang memperoleh manfaat dari analisis lebih banyak. Halaman khusus versi stabil juga mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Computer Use tidak didukung dalam profil stabil 3.1 ini; profil 3.5 Flash-Lite yang lebih baru memiliki tabel kemampuan berbeda. Definisikan tujuan dan parameter alat dengan jelas, lalu lanjutkan dari hasil nyata yang dikembalikan. Saran fungsi tidak membuktikan bahwa operasi telah dilakukan.
Kartu model asli mencantumkan konteks hingga 1M dan keluaran teks 64K; tabel API stabil menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Sertakan instruksi, percakapan, dan media sumber dalam persiapan masukan, lalu minta keluaran yang ukurannya sesuai dengan artefak yang dimaksud. Caching, batch, serta pemrosesan Flex dan Priority didokumentasikan untuk profil produsen ini. Untuk item independen yang berulang, bawa pengenal masukan ke hasil dan pertahankan skema yang konsisten agar jawaban yang hilang dapat diidentifikasi.
Pengenal model stabil ini berbeda dari Gemini 3.1 Flash-Lite Preview dan edisi Flash-Lite yang lebih baru. Pertahankan edisi yang tepat ketika menyiapkan pemrosesan berulang, alih-alih menganggap nama keluarga yang dikenal sebagai jaminan revisi tetap. Tinjau terjemahan untuk memastikan makna dan istilah dipertahankan, transkrip terhadap audio, serta bidang hasil ekstraksi terhadap dokumen. Peran praktis profil ini adalah pemrosesan teks multimodal terfokus dengan hasil yang jelas, dengan penalaran tugas yang lebih luas atau tindakan eksternal ditangani pada langkah berikutnya yang sesuai.
POST /v1beta/models/{model}:generateContenttext, imagetext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolompath.model | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-3.1-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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 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-3.1-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-3.1-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-3.1-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-3.1-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-3.1-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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
gemini-3.1-flash-liteGemini 3.1 Flash-Lite adalah model multimodal stabil Google untuk penerjemahan, transkripsi, klasifikasi, dan ekstraksi sederhana dalam skala besar. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks, dengan thinking, alat, dan keluaran terstruktur. Batas masukan/keluaran persisnya adalah 1,048,576/65,536 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 3.1 Flash-Lite adalah model teks multimodal ringan dan stabil Google untuk tugas yang sering dilakukan serta terdefinisi dengan baik. Model ini berbasis Gemini 3 Pro. Penerjemahan dan klasifikasi merupakan beban kerja utama; tugas berguna lainnya mencakup transkripsi, ringkasan dokumen, ekstraksi entitas, dan klasifikasi pemilihan model. Teks, gambar, audio, video, dan PDF dapat memasok materi sumber, dan hasilnya berupa teks. Arahan yang berguna meminta satu operasi dan satu bentuk akhir, seperti pesan yang diterjemahkan atau rekaman bidang yang ditemukan dalam dokumen.
Untuk penerjemahan, berikan teks sumber, bahasa sasaran, audiens, dan terminologi yang harus tetap utuh. Contoh Google menggunakan instruksi yang hanya mengembalikan terjemahan. Untuk terjemahan pesan dukungan, pertahankan nama produk dan referensi pesanan sambil menerjemahkan sisanya secara alami. Tentukan cara menangani ambiguitas agar hasil tidak menambahkan tanggal, janji, atau detail yang tidak ada dalam sumber. Sesuaikan bentuk yang diminta dengan tujuan penggunaannya, seperti balasan singkat atau rekaman terjemahan berlabel.
Untuk transkripsi, berikan rekaman dan definisikan apakah jawaban harus berupa kata-kata yang diucapkan, transkrip suntingan yang mudah dibaca, atau ringkasan. Ketiganya merupakan keluaran berbeda. Identifikasi interval yang relevan ketika rekaman panjang hanya memuat satu bagian yang diperlukan untuk tugas. Contoh pengembang dari pembuat mengirim audio secara langsung dan meminta transkrip teks. Periksa nama, angka, dan bagian tidak jelas terhadap rekaman, sambil menyimpan sumber asli untuk peninjauan. Profil teks multimodal umum ini sendiri tidak menyiratkan keluaran audio atau hasil khusus diarisasi pembicara.
Untuk klasifikasi atau ekstraksi, definisikan kategori, skema, dan aturan nilai yang hilang. Panduan pengembang menunjukkan JSON terstruktur untuk menganalisis ulasan pelanggan, dengan kutipan pendukung dan bidang yang didefinisikan. Rekaman terstruktur dapat memuat produk yang disebutkan, kategori masalah, dan kalimat yang membenarkan pilihan. Sertakan kasus representatif yang harus tetap tidak diketahui, bukan dipaksakan ke suatu kategori. Rekaman yang valid secara sintaksis tetap perlu dibandingkan dengan teks sumber sebenarnya.
Pemrosesan dokumen dapat mengubah PDF menjadi ringkasan ringkas atau rekaman bidang. Nyatakan pertanyaan dan pertahankan referensi halaman atau bagian ketika temuan perlu diperiksa. Peninjauan tabel harus menentukan kolom dan aturan yang penting; tugas visual harus mengidentifikasi label atau wilayah yang diperlukan untuk jawaban. Perutean model merupakan penggunaan lain yang didokumentasikan: model mengklasifikasikan kompleksitas permintaan dan mengembalikan pilihan yang diizinkan. Aplikasi yang terhubung, bukan teks klasifikasi itu sendiri, memutuskan apa yang dijalankan berikutnya.
Thinking didukung, dan pembuat memperlihatkan upaya lebih tinggi untuk tugas yang memperoleh manfaat dari analisis lebih banyak. Halaman khusus versi stabil juga mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Computer Use tidak didukung dalam profil stabil 3.1 ini; profil 3.5 Flash-Lite yang lebih baru memiliki tabel kemampuan berbeda. Definisikan tujuan dan parameter alat dengan jelas, lalu lanjutkan dari hasil nyata yang dikembalikan. Saran fungsi tidak membuktikan bahwa operasi telah dilakukan.
Kartu model asli mencantumkan konteks hingga 1M dan keluaran teks 64K; tabel API stabil menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Sertakan instruksi, percakapan, dan media sumber dalam persiapan masukan, lalu minta keluaran yang ukurannya sesuai dengan artefak yang dimaksud. Caching, batch, serta pemrosesan Flex dan Priority didokumentasikan untuk profil produsen ini. Untuk item independen yang berulang, bawa pengenal masukan ke hasil dan pertahankan skema yang konsisten agar jawaban yang hilang dapat diidentifikasi.
Pengenal model stabil ini berbeda dari Gemini 3.1 Flash-Lite Preview dan edisi Flash-Lite yang lebih baru. Pertahankan edisi yang tepat ketika menyiapkan pemrosesan berulang, alih-alih menganggap nama keluarga yang dikenal sebagai jaminan revisi tetap. Tinjau terjemahan untuk memastikan makna dan istilah dipertahankan, transkrip terhadap audio, serta bidang hasil ekstraksi terhadap dokumen. Peran praktis profil ini adalah pemrosesan teks multimodal terfokus dengan hasil yang jelas, dengan penalaran tugas yang lebih luas atau tindakan eksternal ditangani pada langkah berikutnya yang sesuai.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-3.1-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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 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-3.1-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-3.1-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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
gemini-3.1-flash-liteGemini 3.1 Flash-Lite adalah model multimodal stabil Google untuk penerjemahan, transkripsi, klasifikasi, dan ekstraksi sederhana dalam skala besar. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks, dengan thinking, alat, dan keluaran terstruktur. Batas masukan/keluaran persisnya adalah 1,048,576/65,536 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 3.1 Flash-Lite adalah model teks multimodal ringan dan stabil Google untuk tugas yang sering dilakukan serta terdefinisi dengan baik. Model ini berbasis Gemini 3 Pro. Penerjemahan dan klasifikasi merupakan beban kerja utama; tugas berguna lainnya mencakup transkripsi, ringkasan dokumen, ekstraksi entitas, dan klasifikasi pemilihan model. Teks, gambar, audio, video, dan PDF dapat memasok materi sumber, dan hasilnya berupa teks. Arahan yang berguna meminta satu operasi dan satu bentuk akhir, seperti pesan yang diterjemahkan atau rekaman bidang yang ditemukan dalam dokumen.
Untuk penerjemahan, berikan teks sumber, bahasa sasaran, audiens, dan terminologi yang harus tetap utuh. Contoh Google menggunakan instruksi yang hanya mengembalikan terjemahan. Untuk terjemahan pesan dukungan, pertahankan nama produk dan referensi pesanan sambil menerjemahkan sisanya secara alami. Tentukan cara menangani ambiguitas agar hasil tidak menambahkan tanggal, janji, atau detail yang tidak ada dalam sumber. Sesuaikan bentuk yang diminta dengan tujuan penggunaannya, seperti balasan singkat atau rekaman terjemahan berlabel.
Untuk transkripsi, berikan rekaman dan definisikan apakah jawaban harus berupa kata-kata yang diucapkan, transkrip suntingan yang mudah dibaca, atau ringkasan. Ketiganya merupakan keluaran berbeda. Identifikasi interval yang relevan ketika rekaman panjang hanya memuat satu bagian yang diperlukan untuk tugas. Contoh pengembang dari pembuat mengirim audio secara langsung dan meminta transkrip teks. Periksa nama, angka, dan bagian tidak jelas terhadap rekaman, sambil menyimpan sumber asli untuk peninjauan. Profil teks multimodal umum ini sendiri tidak menyiratkan keluaran audio atau hasil khusus diarisasi pembicara.
Untuk klasifikasi atau ekstraksi, definisikan kategori, skema, dan aturan nilai yang hilang. Panduan pengembang menunjukkan JSON terstruktur untuk menganalisis ulasan pelanggan, dengan kutipan pendukung dan bidang yang didefinisikan. Rekaman terstruktur dapat memuat produk yang disebutkan, kategori masalah, dan kalimat yang membenarkan pilihan. Sertakan kasus representatif yang harus tetap tidak diketahui, bukan dipaksakan ke suatu kategori. Rekaman yang valid secara sintaksis tetap perlu dibandingkan dengan teks sumber sebenarnya.
Pemrosesan dokumen dapat mengubah PDF menjadi ringkasan ringkas atau rekaman bidang. Nyatakan pertanyaan dan pertahankan referensi halaman atau bagian ketika temuan perlu diperiksa. Peninjauan tabel harus menentukan kolom dan aturan yang penting; tugas visual harus mengidentifikasi label atau wilayah yang diperlukan untuk jawaban. Perutean model merupakan penggunaan lain yang didokumentasikan: model mengklasifikasikan kompleksitas permintaan dan mengembalikan pilihan yang diizinkan. Aplikasi yang terhubung, bukan teks klasifikasi itu sendiri, memutuskan apa yang dijalankan berikutnya.
Thinking didukung, dan pembuat memperlihatkan upaya lebih tinggi untuk tugas yang memperoleh manfaat dari analisis lebih banyak. Halaman khusus versi stabil juga mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Computer Use tidak didukung dalam profil stabil 3.1 ini; profil 3.5 Flash-Lite yang lebih baru memiliki tabel kemampuan berbeda. Definisikan tujuan dan parameter alat dengan jelas, lalu lanjutkan dari hasil nyata yang dikembalikan. Saran fungsi tidak membuktikan bahwa operasi telah dilakukan.
Kartu model asli mencantumkan konteks hingga 1M dan keluaran teks 64K; tabel API stabil menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Sertakan instruksi, percakapan, dan media sumber dalam persiapan masukan, lalu minta keluaran yang ukurannya sesuai dengan artefak yang dimaksud. Caching, batch, serta pemrosesan Flex dan Priority didokumentasikan untuk profil produsen ini. Untuk item independen yang berulang, bawa pengenal masukan ke hasil dan pertahankan skema yang konsisten agar jawaban yang hilang dapat diidentifikasi.
Pengenal model stabil ini berbeda dari Gemini 3.1 Flash-Lite Preview dan edisi Flash-Lite yang lebih baru. Pertahankan edisi yang tepat ketika menyiapkan pemrosesan berulang, alih-alih menganggap nama keluarga yang dikenal sebagai jaminan revisi tetap. Tinjau terjemahan untuk memastikan makna dan istilah dipertahankan, transkrip terhadap audio, serta bidang hasil ekstraksi terhadap dokumen. Peran praktis profil ini adalah pemrosesan teks multimodal terfokus dengan hasil yang jelas, dengan penalaran tugas yang lebih luas atau tindakan eksternal ditangani pada langkah berikutnya yang sesuai.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-3.1-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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "gemini-3.1-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.1-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-3.1-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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
google/gemini-3.1-flash-liteGemini 3.1 Flash-Lite adalah model multimodal stabil Google untuk penerjemahan, transkripsi, klasifikasi, dan ekstraksi sederhana dalam skala besar. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks, dengan thinking, alat, dan keluaran terstruktur. Batas masukan/keluaran persisnya adalah 1,048,576/65,536 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 3.1 Flash-Lite adalah model teks multimodal ringan dan stabil Google untuk tugas yang sering dilakukan serta terdefinisi dengan baik. Model ini berbasis Gemini 3 Pro. Penerjemahan dan klasifikasi merupakan beban kerja utama; tugas berguna lainnya mencakup transkripsi, ringkasan dokumen, ekstraksi entitas, dan klasifikasi pemilihan model. Teks, gambar, audio, video, dan PDF dapat memasok materi sumber, dan hasilnya berupa teks. Arahan yang berguna meminta satu operasi dan satu bentuk akhir, seperti pesan yang diterjemahkan atau rekaman bidang yang ditemukan dalam dokumen.
Untuk penerjemahan, berikan teks sumber, bahasa sasaran, audiens, dan terminologi yang harus tetap utuh. Contoh Google menggunakan instruksi yang hanya mengembalikan terjemahan. Untuk terjemahan pesan dukungan, pertahankan nama produk dan referensi pesanan sambil menerjemahkan sisanya secara alami. Tentukan cara menangani ambiguitas agar hasil tidak menambahkan tanggal, janji, atau detail yang tidak ada dalam sumber. Sesuaikan bentuk yang diminta dengan tujuan penggunaannya, seperti balasan singkat atau rekaman terjemahan berlabel.
Untuk transkripsi, berikan rekaman dan definisikan apakah jawaban harus berupa kata-kata yang diucapkan, transkrip suntingan yang mudah dibaca, atau ringkasan. Ketiganya merupakan keluaran berbeda. Identifikasi interval yang relevan ketika rekaman panjang hanya memuat satu bagian yang diperlukan untuk tugas. Contoh pengembang dari pembuat mengirim audio secara langsung dan meminta transkrip teks. Periksa nama, angka, dan bagian tidak jelas terhadap rekaman, sambil menyimpan sumber asli untuk peninjauan. Profil teks multimodal umum ini sendiri tidak menyiratkan keluaran audio atau hasil khusus diarisasi pembicara.
Untuk klasifikasi atau ekstraksi, definisikan kategori, skema, dan aturan nilai yang hilang. Panduan pengembang menunjukkan JSON terstruktur untuk menganalisis ulasan pelanggan, dengan kutipan pendukung dan bidang yang didefinisikan. Rekaman terstruktur dapat memuat produk yang disebutkan, kategori masalah, dan kalimat yang membenarkan pilihan. Sertakan kasus representatif yang harus tetap tidak diketahui, bukan dipaksakan ke suatu kategori. Rekaman yang valid secara sintaksis tetap perlu dibandingkan dengan teks sumber sebenarnya.
Pemrosesan dokumen dapat mengubah PDF menjadi ringkasan ringkas atau rekaman bidang. Nyatakan pertanyaan dan pertahankan referensi halaman atau bagian ketika temuan perlu diperiksa. Peninjauan tabel harus menentukan kolom dan aturan yang penting; tugas visual harus mengidentifikasi label atau wilayah yang diperlukan untuk jawaban. Perutean model merupakan penggunaan lain yang didokumentasikan: model mengklasifikasikan kompleksitas permintaan dan mengembalikan pilihan yang diizinkan. Aplikasi yang terhubung, bukan teks klasifikasi itu sendiri, memutuskan apa yang dijalankan berikutnya.
Thinking didukung, dan pembuat memperlihatkan upaya lebih tinggi untuk tugas yang memperoleh manfaat dari analisis lebih banyak. Halaman khusus versi stabil juga mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Computer Use tidak didukung dalam profil stabil 3.1 ini; profil 3.5 Flash-Lite yang lebih baru memiliki tabel kemampuan berbeda. Definisikan tujuan dan parameter alat dengan jelas, lalu lanjutkan dari hasil nyata yang dikembalikan. Saran fungsi tidak membuktikan bahwa operasi telah dilakukan.
Kartu model asli mencantumkan konteks hingga 1M dan keluaran teks 64K; tabel API stabil menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Sertakan instruksi, percakapan, dan media sumber dalam persiapan masukan, lalu minta keluaran yang ukurannya sesuai dengan artefak yang dimaksud. Caching, batch, serta pemrosesan Flex dan Priority didokumentasikan untuk profil produsen ini. Untuk item independen yang berulang, bawa pengenal masukan ke hasil dan pertahankan skema yang konsisten agar jawaban yang hilang dapat diidentifikasi.
Pengenal model stabil ini berbeda dari Gemini 3.1 Flash-Lite Preview dan edisi Flash-Lite yang lebih baru. Pertahankan edisi yang tepat ketika menyiapkan pemrosesan berulang, alih-alih menganggap nama keluarga yang dikenal sebagai jaminan revisi tetap. Tinjau terjemahan untuk memastikan makna dan istilah dipertahankan, transkrip terhadap audio, serta bidang hasil ekstraksi terhadap dokumen. Peran praktis profil ini adalah pemrosesan teks multimodal terfokus dengan hasil yang jelas, dengan penalaran tugas yang lebih luas atau tindakan eksternal ditangani pada langkah berikutnya yang sesuai.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemini-3.1-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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 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-3.1-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-3.1-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-3.1-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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
google/gemini-3.1-flash-liteGemini 3.1 Flash-Lite adalah model multimodal stabil Google untuk penerjemahan, transkripsi, klasifikasi, dan ekstraksi sederhana dalam skala besar. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks, dengan thinking, alat, dan keluaran terstruktur. Batas masukan/keluaran persisnya adalah 1,048,576/65,536 token.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 3.1 Flash-Lite adalah model teks multimodal ringan dan stabil Google untuk tugas yang sering dilakukan serta terdefinisi dengan baik. Model ini berbasis Gemini 3 Pro. Penerjemahan dan klasifikasi merupakan beban kerja utama; tugas berguna lainnya mencakup transkripsi, ringkasan dokumen, ekstraksi entitas, dan klasifikasi pemilihan model. Teks, gambar, audio, video, dan PDF dapat memasok materi sumber, dan hasilnya berupa teks. Arahan yang berguna meminta satu operasi dan satu bentuk akhir, seperti pesan yang diterjemahkan atau rekaman bidang yang ditemukan dalam dokumen.
Untuk penerjemahan, berikan teks sumber, bahasa sasaran, audiens, dan terminologi yang harus tetap utuh. Contoh Google menggunakan instruksi yang hanya mengembalikan terjemahan. Untuk terjemahan pesan dukungan, pertahankan nama produk dan referensi pesanan sambil menerjemahkan sisanya secara alami. Tentukan cara menangani ambiguitas agar hasil tidak menambahkan tanggal, janji, atau detail yang tidak ada dalam sumber. Sesuaikan bentuk yang diminta dengan tujuan penggunaannya, seperti balasan singkat atau rekaman terjemahan berlabel.
Untuk transkripsi, berikan rekaman dan definisikan apakah jawaban harus berupa kata-kata yang diucapkan, transkrip suntingan yang mudah dibaca, atau ringkasan. Ketiganya merupakan keluaran berbeda. Identifikasi interval yang relevan ketika rekaman panjang hanya memuat satu bagian yang diperlukan untuk tugas. Contoh pengembang dari pembuat mengirim audio secara langsung dan meminta transkrip teks. Periksa nama, angka, dan bagian tidak jelas terhadap rekaman, sambil menyimpan sumber asli untuk peninjauan. Profil teks multimodal umum ini sendiri tidak menyiratkan keluaran audio atau hasil khusus diarisasi pembicara.
Untuk klasifikasi atau ekstraksi, definisikan kategori, skema, dan aturan nilai yang hilang. Panduan pengembang menunjukkan JSON terstruktur untuk menganalisis ulasan pelanggan, dengan kutipan pendukung dan bidang yang didefinisikan. Rekaman terstruktur dapat memuat produk yang disebutkan, kategori masalah, dan kalimat yang membenarkan pilihan. Sertakan kasus representatif yang harus tetap tidak diketahui, bukan dipaksakan ke suatu kategori. Rekaman yang valid secara sintaksis tetap perlu dibandingkan dengan teks sumber sebenarnya.
Pemrosesan dokumen dapat mengubah PDF menjadi ringkasan ringkas atau rekaman bidang. Nyatakan pertanyaan dan pertahankan referensi halaman atau bagian ketika temuan perlu diperiksa. Peninjauan tabel harus menentukan kolom dan aturan yang penting; tugas visual harus mengidentifikasi label atau wilayah yang diperlukan untuk jawaban. Perutean model merupakan penggunaan lain yang didokumentasikan: model mengklasifikasikan kompleksitas permintaan dan mengembalikan pilihan yang diizinkan. Aplikasi yang terhubung, bukan teks klasifikasi itu sendiri, memutuskan apa yang dijalankan berikutnya.
Thinking didukung, dan pembuat memperlihatkan upaya lebih tinggi untuk tugas yang memperoleh manfaat dari analisis lebih banyak. Halaman khusus versi stabil juga mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, konteks URL, dan keluaran terstruktur. Computer Use tidak didukung dalam profil stabil 3.1 ini; profil 3.5 Flash-Lite yang lebih baru memiliki tabel kemampuan berbeda. Definisikan tujuan dan parameter alat dengan jelas, lalu lanjutkan dari hasil nyata yang dikembalikan. Saran fungsi tidak membuktikan bahwa operasi telah dilakukan.
Kartu model asli mencantumkan konteks hingga 1M dan keluaran teks 64K; tabel API stabil menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Sertakan instruksi, percakapan, dan media sumber dalam persiapan masukan, lalu minta keluaran yang ukurannya sesuai dengan artefak yang dimaksud. Caching, batch, serta pemrosesan Flex dan Priority didokumentasikan untuk profil produsen ini. Untuk item independen yang berulang, bawa pengenal masukan ke hasil dan pertahankan skema yang konsisten agar jawaban yang hilang dapat diidentifikasi.
Pengenal model stabil ini berbeda dari Gemini 3.1 Flash-Lite Preview dan edisi Flash-Lite yang lebih baru. Pertahankan edisi yang tepat ketika menyiapkan pemrosesan berulang, alih-alih menganggap nama keluarga yang dikenal sebagai jaminan revisi tetap. Tinjau terjemahan untuk memastikan makna dan istilah dipertahankan, transkrip terhadap audio, serta bidang hasil ekstraksi terhadap dokumen. Peran praktis profil ini adalah pemrosesan teks multimodal terfokus dengan hasil yang jelas, dengan penalaran tugas yang lebih luas atau tindakan eksternal ditangani pada langkah berikutnya yang sesuai.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemini-3.1-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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 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 $0.0005 / 1K token Keluaran · Token keluaran $0.003 / 1K token Masukan · Pembacaan cache $0.00005 / 1K token Masukan · Penulisan cache $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "google/gemini-3.1-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.1-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-3.1-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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
Contoh teknis dalam bahasa Inggris
Localize a compact service message\n\nTranslate into Spanish for a small-business customer: “Invoice INV-204 is ready. The bank transfer has not arrived yet; access starts after payment confirmation.” Keep INV-204 unchanged and return only the translated message. Preserve the distinction between invoice availability, receipt of funds and activation.A Spanish message containing the unchanged invoice reference and the original payment-to-access condition.Check that the translation does not imply that payment is received or access is already active.