Gemini 3.1 Flash-Lite Preview adalah edisi pratinjau dari lini ringan Gemini 3.1 Flash-Lite Google. Desainnya berfokus pada tugas berfrekuensi tinggi dengan instruksi jelas: penerjemahan, transkripsi, klasifikasi, ringkasan dokumen, dan ekstraksi data sederhana. Model ini menerima teks, gambar, video, audio, dan PDF serta menghasilkan teks. Tugas yang berguna menentukan satu operasi dan satu bentuk akhir, seperti pesan yang diterjemahkan, transkrip, atau rekaman berisi bidang yang diperlukan aplikasi.
Dokumentasi khusus pratinjau mencantumkan batas masukan 1,048,576 token dan batas keluaran 65,536 token. Keduanya merupakan batas produsen yang terpisah. Materi sumber, instruksi, dan riwayat percakapan berkontribusi pada masukan, sedangkan hasil yang diwajibkan harus muat dalam anggaran keluaran. Untuk kumpulan pesan atau halaman yang besar, pertahankan pengenal dan minta pengenal keluaran yang cocok untuk setiap item yang diproses. Jendela besar tidak menggantikan aturan ekstraksi yang jelas atau membuat definisi bidang yang ambigu menjadi presisi.
Kartu model mencakup thinking, keluaran terstruktur, dan function calling. Kartu tersebut juga mencantumkan eksekusi kode, pencarian berkas, grounding pencarian, grounding Google Maps, konteks URL, dan caching sebagai kemampuan produsen. Ini adalah model berkeluaran teks; masukan audio atau gambar tidak menyiratkan ucapan atau karya visual yang dihasilkan. Aplikasi pemanggil tetap memilih alat yang tersedia, menjalankan permintaan fungsi yang diterima, dan mengembalikan hasilnya. Bedakan tindakan yang diusulkan dari tindakan yang dikonfirmasi oleh aplikasi.
Untuk penerjemahan, berikan pesan sumber, bahasa sasaran, audiens, dan terminologi yang harus dipertahankan. Panduan pengembang memperlihatkan pembatasan jawaban pada teks terjemahan tanpa komentar tambahan. Alur pesan dukungan dapat menjaga nama produk dan referensi pesanan tetap sama sambil menghasilkan balasan alami dalam bahasa pembaca. Jika sumber ambigu, definisikan apakah ambiguitas tersebut harus dipertahankan atau pertanyaan klarifikasi terpisah harus dikembalikan, alih-alih menambahkan detail karangan ke terjemahan.
Untuk transkripsi, berikan audio bersama hasil yang diminta: teks verbatim, transkrip yang dirapikan, atau ringkasan. Ketiganya adalah tugas berbeda. Identifikasi interval yang relevan jika rekaman panjang hanya memuat percakapan singkat yang diperlukan untuk hasil. Untuk PDF, ajukan pertanyaan yang pasti atau definisikan bidang yang harus diekstrak, sambil mempertahankan referensi halaman atau bagian ketika jawaban perlu diperiksa. Untuk sumber visual, tunjukkan objek, label, atau wilayah yang relevan dengan permintaan.
Untuk klasifikasi dan ekstraksi entitas, definisikan kategori, bidang wajib, dan penanganan nilai yang hilang. Panduan pembuat mendemonstrasikan JSON yang dibatasi skema untuk mengekstrak informasi ulasan. Contoh tersendiri adalah mengklasifikasikan tiket dukungan dan mengembalikan produk yang disebutkan, kategori masalah, serta kalimat sumber yang mendukung pilihan. Berikan sejumlah kecil contoh representatif, termasuk kasus yang harus tetap tidak diketahui. Validasi rekaman yang dikembalikan dan bedakan nilai yang valid secara sintaksis dari nilai yang benar-benar didukung sumber.
Materi peluncuran menjelaskan tingkat thinking yang dapat disesuaikan, sehingga tugas dapat menggunakan analisis lebih banyak ketika kondisinya memerlukannya. Konversi bahasa singkat dan klasifikasi dengan beberapa pengecualian dapat menggunakan pengaturan penalaran berbeda. Panduan pengembang juga menyajikan perutean model sebagai tugas klasifikasi: model mengidentifikasi kompleksitas permintaan dan mengembalikan kategori terpilih. Aplikasi yang menaunginya, bukan pengklasifikasi itu sendiri, memutuskan apa yang dijalankan berikutnya. Berikan kriteria perutean sebenarnya dan pilihan yang diizinkan agar keluaran memiliki makna operasional.
Untuk pemrosesan yang dapat diulang, pertahankan pengenal Preview yang tepat ini, versi masukan, serta skema atau format keluaran yang diminta. Periksa hasil uji awal pada jenis materi nyata yang sama sebelum memproses kumpulan yang lebih besar. Bandingkan bidang hasil ekstraksi dengan pesan asli, tinjau transkrip terhadap rekaman, dan pastikan istilah yang diterjemahkan tetap utuh. Keunggulan praktis profil ini adalah pemrosesan teks multimodal terfokus dengan hasil yang terdefinisi; teks yang lancar atau saran alat sendiri tidak membuktikan kebenaran faktual maupun eksekusi eksternal yang telah selesai.
", "aboutText": "Gemini 3.1 Flash-Lite Preview adalah edisi pratinjau dari lini ringan Gemini 3.1 Flash-Lite Google. Desainnya berfokus pada tugas berfrekuensi tinggi dengan instruksi jelas: penerjemahan, transkripsi, klasifikasi, ringkasan dokumen, dan ekstraksi data sederhana. Model ini menerima teks, gambar, video, audio, dan PDF serta menghasilkan teks. Tugas yang berguna menentukan satu operasi dan satu bentuk akhir, seperti pesan yang diterjemahkan, transkrip, atau rekaman berisi bidang yang diperlukan aplikasi.\n\nDokumentasi khusus pratinjau mencantumkan batas masukan 1,048,576 token dan batas keluaran 65,536 token. Keduanya merupakan batas produsen yang terpisah. Materi sumber, instruksi, dan riwayat percakapan berkontribusi pada masukan, sedangkan hasil yang diwajibkan harus muat dalam anggaran keluaran. Untuk kumpulan pesan atau halaman yang besar, pertahankan pengenal dan minta pengenal keluaran yang cocok untuk setiap item yang diproses. Jendela besar tidak menggantikan aturan ekstraksi yang jelas atau membuat definisi bidang yang ambigu menjadi presisi.\n\nKartu model mencakup thinking, keluaran terstruktur, dan function calling. Kartu tersebut juga mencantumkan eksekusi kode, pencarian berkas, grounding pencarian, grounding Google Maps, konteks URL, dan caching sebagai kemampuan produsen. Ini adalah model berkeluaran teks; masukan audio atau gambar tidak menyiratkan ucapan atau karya visual yang dihasilkan. Aplikasi pemanggil tetap memilih alat yang tersedia, menjalankan permintaan fungsi yang diterima, dan mengembalikan hasilnya. Bedakan tindakan yang diusulkan dari tindakan yang dikonfirmasi oleh aplikasi.\n\nUntuk penerjemahan, berikan pesan sumber, bahasa sasaran, audiens, dan terminologi yang harus dipertahankan. Panduan pengembang memperlihatkan pembatasan jawaban pada teks terjemahan tanpa komentar tambahan. Alur pesan dukungan dapat menjaga nama produk dan referensi pesanan tetap sama sambil menghasilkan balasan alami dalam bahasa pembaca. Jika sumber ambigu, definisikan apakah ambiguitas tersebut harus dipertahankan atau pertanyaan klarifikasi terpisah harus dikembalikan, alih-alih menambahkan detail karangan ke terjemahan.\n\nUntuk transkripsi, berikan audio bersama hasil yang diminta: teks verbatim, transkrip yang dirapikan, atau ringkasan. Ketiganya adalah tugas berbeda. Identifikasi interval yang relevan jika rekaman panjang hanya memuat percakapan singkat yang diperlukan untuk hasil. Untuk PDF, ajukan pertanyaan yang pasti atau definisikan bidang yang harus diekstrak, sambil mempertahankan referensi halaman atau bagian ketika jawaban perlu diperiksa. Untuk sumber visual, tunjukkan objek, label, atau wilayah yang relevan dengan permintaan.\n\nUntuk klasifikasi dan ekstraksi entitas, definisikan kategori, bidang wajib, dan penanganan nilai yang hilang. Panduan pembuat mendemonstrasikan JSON yang dibatasi skema untuk mengekstrak informasi ulasan. Contoh tersendiri adalah mengklasifikasikan tiket dukungan dan mengembalikan produk yang disebutkan, kategori masalah, serta kalimat sumber yang mendukung pilihan. Berikan sejumlah kecil contoh representatif, termasuk kasus yang harus tetap tidak diketahui. Validasi rekaman yang dikembalikan dan bedakan nilai yang valid secara sintaksis dari nilai yang benar-benar didukung sumber.\n\nMateri peluncuran menjelaskan tingkat thinking yang dapat disesuaikan, sehingga tugas dapat menggunakan analisis lebih banyak ketika kondisinya memerlukannya. Konversi bahasa singkat dan klasifikasi dengan beberapa pengecualian dapat menggunakan pengaturan penalaran berbeda. Panduan pengembang juga menyajikan perutean model sebagai tugas klasifikasi: model mengidentifikasi kompleksitas permintaan dan mengembalikan kategori terpilih. Aplikasi yang menaunginya, bukan pengklasifikasi itu sendiri, memutuskan apa yang dijalankan berikutnya. Berikan kriteria perutean sebenarnya dan pilihan yang diizinkan agar keluaran memiliki makna operasional.\n\nUntuk pemrosesan yang dapat diulang, pertahankan pengenal Preview yang tepat ini, versi masukan, serta skema atau format keluaran yang diminta. Periksa hasil uji awal pada jenis materi nyata yang sama sebelum memproses kumpulan yang lebih besar. Bandingkan bidang hasil ekstraksi dengan pesan asli, tinjau transkrip terhadap rekaman, dan pastikan istilah yang diterjemahkan tetap utuh. Keunggulan praktis profil ini adalah pemrosesan teks multimodal terfokus dengan hasil yang terdefinisi; teks yang lancar atau saran alat sendiri tidak membuktikan kebenaran faktual maupun eksekusi eksternal yang telah selesai.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknis dalam bahasa Inggris
Translate a support message without additions\n\nTranslate this customer-service message into English for a customer. Preserve order reference K-204 and product name Orbit Mini exactly: 'Votre commande K-204 contenant Orbit Mini est prête à être retirée. Merci de présenter une pièce d’identité.' Return only the translation; do not add a collection address or deadline.Only the English translation, retaining the two exact identifiers and the identity-document requirement.K-204 and Orbit Mini remain unchanged, with no invented address, deadline or additional policy.gemini-3.1-flash-lite-previewGemini 3.1 Flash-Lite Preview adalah model teks multimodal untuk tugas berulang yang terdefinisi dengan baik, seperti penerjemahan, transkripsi, klasifikasi, dan ekstraksi data. Kemampuan thinking dan keluaran terstruktur membantu mengubah materi yang diberikan menjadi hasil ringkas yang dapat digunakan aplikasi.
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 Preview adalah edisi pratinjau dari lini ringan Gemini 3.1 Flash-Lite Google. Desainnya berfokus pada tugas berfrekuensi tinggi dengan instruksi jelas: penerjemahan, transkripsi, klasifikasi, ringkasan dokumen, dan ekstraksi data sederhana. Model ini menerima teks, gambar, video, audio, dan PDF serta menghasilkan teks. Tugas yang berguna menentukan satu operasi dan satu bentuk akhir, seperti pesan yang diterjemahkan, transkrip, atau rekaman berisi bidang yang diperlukan aplikasi.
Dokumentasi khusus pratinjau mencantumkan batas masukan 1,048,576 token dan batas keluaran 65,536 token. Keduanya merupakan batas produsen yang terpisah. Materi sumber, instruksi, dan riwayat percakapan berkontribusi pada masukan, sedangkan hasil yang diwajibkan harus muat dalam anggaran keluaran. Untuk kumpulan pesan atau halaman yang besar, pertahankan pengenal dan minta pengenal keluaran yang cocok untuk setiap item yang diproses. Jendela besar tidak menggantikan aturan ekstraksi yang jelas atau membuat definisi bidang yang ambigu menjadi presisi.
Kartu model mencakup thinking, keluaran terstruktur, dan function calling. Kartu tersebut juga mencantumkan eksekusi kode, pencarian berkas, grounding pencarian, grounding Google Maps, konteks URL, dan caching sebagai kemampuan produsen. Ini adalah model berkeluaran teks; masukan audio atau gambar tidak menyiratkan ucapan atau karya visual yang dihasilkan. Aplikasi pemanggil tetap memilih alat yang tersedia, menjalankan permintaan fungsi yang diterima, dan mengembalikan hasilnya. Bedakan tindakan yang diusulkan dari tindakan yang dikonfirmasi oleh aplikasi.
Untuk penerjemahan, berikan pesan sumber, bahasa sasaran, audiens, dan terminologi yang harus dipertahankan. Panduan pengembang memperlihatkan pembatasan jawaban pada teks terjemahan tanpa komentar tambahan. Alur pesan dukungan dapat menjaga nama produk dan referensi pesanan tetap sama sambil menghasilkan balasan alami dalam bahasa pembaca. Jika sumber ambigu, definisikan apakah ambiguitas tersebut harus dipertahankan atau pertanyaan klarifikasi terpisah harus dikembalikan, alih-alih menambahkan detail karangan ke terjemahan.
Untuk transkripsi, berikan audio bersama hasil yang diminta: teks verbatim, transkrip yang dirapikan, atau ringkasan. Ketiganya adalah tugas berbeda. Identifikasi interval yang relevan jika rekaman panjang hanya memuat percakapan singkat yang diperlukan untuk hasil. Untuk PDF, ajukan pertanyaan yang pasti atau definisikan bidang yang harus diekstrak, sambil mempertahankan referensi halaman atau bagian ketika jawaban perlu diperiksa. Untuk sumber visual, tunjukkan objek, label, atau wilayah yang relevan dengan permintaan.
Untuk klasifikasi dan ekstraksi entitas, definisikan kategori, bidang wajib, dan penanganan nilai yang hilang. Panduan pembuat mendemonstrasikan JSON yang dibatasi skema untuk mengekstrak informasi ulasan. Contoh tersendiri adalah mengklasifikasikan tiket dukungan dan mengembalikan produk yang disebutkan, kategori masalah, serta kalimat sumber yang mendukung pilihan. Berikan sejumlah kecil contoh representatif, termasuk kasus yang harus tetap tidak diketahui. Validasi rekaman yang dikembalikan dan bedakan nilai yang valid secara sintaksis dari nilai yang benar-benar didukung sumber.
Materi peluncuran menjelaskan tingkat thinking yang dapat disesuaikan, sehingga tugas dapat menggunakan analisis lebih banyak ketika kondisinya memerlukannya. Konversi bahasa singkat dan klasifikasi dengan beberapa pengecualian dapat menggunakan pengaturan penalaran berbeda. Panduan pengembang juga menyajikan perutean model sebagai tugas klasifikasi: model mengidentifikasi kompleksitas permintaan dan mengembalikan kategori terpilih. Aplikasi yang menaunginya, bukan pengklasifikasi itu sendiri, memutuskan apa yang dijalankan berikutnya. Berikan kriteria perutean sebenarnya dan pilihan yang diizinkan agar keluaran memiliki makna operasional.
Untuk pemrosesan yang dapat diulang, pertahankan pengenal Preview yang tepat ini, versi masukan, serta skema atau format keluaran yang diminta. Periksa hasil uji awal pada jenis materi nyata yang sama sebelum memproses kumpulan yang lebih besar. Bandingkan bidang hasil ekstraksi dengan pesan asli, tinjau transkrip terhadap rekaman, dan pastikan istilah yang diterjemahkan tetap utuh. Keunggulan praktis profil ini adalah pemrosesan teks multimodal terfokus dengan hasil yang terdefinisi; teks yang lancar atau saran alat sendiri tidak membuktikan kebenaran faktual maupun eksekusi eksternal yang telah selesai.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-3.1-flash-lite-preview | 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-preview","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-preview", 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 Ultra gemini-3.1-flash-lite-preview, google/gemini-3.1-flash-lite-preview
/chat/completions
google/gemini-3.1-flash-lite-preview, gemini-3.1-flash-lite-preview
gemini-3.1-flash-lite-previewGemini 3.1 Flash-Lite Preview adalah model teks multimodal untuk tugas berulang yang terdefinisi dengan baik, seperti penerjemahan, transkripsi, klasifikasi, dan ekstraksi data. Kemampuan thinking dan keluaran terstruktur membantu mengubah materi yang diberikan menjadi hasil ringkas yang dapat digunakan aplikasi.
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 Preview adalah edisi pratinjau dari lini ringan Gemini 3.1 Flash-Lite Google. Desainnya berfokus pada tugas berfrekuensi tinggi dengan instruksi jelas: penerjemahan, transkripsi, klasifikasi, ringkasan dokumen, dan ekstraksi data sederhana. Model ini menerima teks, gambar, video, audio, dan PDF serta menghasilkan teks. Tugas yang berguna menentukan satu operasi dan satu bentuk akhir, seperti pesan yang diterjemahkan, transkrip, atau rekaman berisi bidang yang diperlukan aplikasi.
Dokumentasi khusus pratinjau mencantumkan batas masukan 1,048,576 token dan batas keluaran 65,536 token. Keduanya merupakan batas produsen yang terpisah. Materi sumber, instruksi, dan riwayat percakapan berkontribusi pada masukan, sedangkan hasil yang diwajibkan harus muat dalam anggaran keluaran. Untuk kumpulan pesan atau halaman yang besar, pertahankan pengenal dan minta pengenal keluaran yang cocok untuk setiap item yang diproses. Jendela besar tidak menggantikan aturan ekstraksi yang jelas atau membuat definisi bidang yang ambigu menjadi presisi.
Kartu model mencakup thinking, keluaran terstruktur, dan function calling. Kartu tersebut juga mencantumkan eksekusi kode, pencarian berkas, grounding pencarian, grounding Google Maps, konteks URL, dan caching sebagai kemampuan produsen. Ini adalah model berkeluaran teks; masukan audio atau gambar tidak menyiratkan ucapan atau karya visual yang dihasilkan. Aplikasi pemanggil tetap memilih alat yang tersedia, menjalankan permintaan fungsi yang diterima, dan mengembalikan hasilnya. Bedakan tindakan yang diusulkan dari tindakan yang dikonfirmasi oleh aplikasi.
Untuk penerjemahan, berikan pesan sumber, bahasa sasaran, audiens, dan terminologi yang harus dipertahankan. Panduan pengembang memperlihatkan pembatasan jawaban pada teks terjemahan tanpa komentar tambahan. Alur pesan dukungan dapat menjaga nama produk dan referensi pesanan tetap sama sambil menghasilkan balasan alami dalam bahasa pembaca. Jika sumber ambigu, definisikan apakah ambiguitas tersebut harus dipertahankan atau pertanyaan klarifikasi terpisah harus dikembalikan, alih-alih menambahkan detail karangan ke terjemahan.
Untuk transkripsi, berikan audio bersama hasil yang diminta: teks verbatim, transkrip yang dirapikan, atau ringkasan. Ketiganya adalah tugas berbeda. Identifikasi interval yang relevan jika rekaman panjang hanya memuat percakapan singkat yang diperlukan untuk hasil. Untuk PDF, ajukan pertanyaan yang pasti atau definisikan bidang yang harus diekstrak, sambil mempertahankan referensi halaman atau bagian ketika jawaban perlu diperiksa. Untuk sumber visual, tunjukkan objek, label, atau wilayah yang relevan dengan permintaan.
Untuk klasifikasi dan ekstraksi entitas, definisikan kategori, bidang wajib, dan penanganan nilai yang hilang. Panduan pembuat mendemonstrasikan JSON yang dibatasi skema untuk mengekstrak informasi ulasan. Contoh tersendiri adalah mengklasifikasikan tiket dukungan dan mengembalikan produk yang disebutkan, kategori masalah, serta kalimat sumber yang mendukung pilihan. Berikan sejumlah kecil contoh representatif, termasuk kasus yang harus tetap tidak diketahui. Validasi rekaman yang dikembalikan dan bedakan nilai yang valid secara sintaksis dari nilai yang benar-benar didukung sumber.
Materi peluncuran menjelaskan tingkat thinking yang dapat disesuaikan, sehingga tugas dapat menggunakan analisis lebih banyak ketika kondisinya memerlukannya. Konversi bahasa singkat dan klasifikasi dengan beberapa pengecualian dapat menggunakan pengaturan penalaran berbeda. Panduan pengembang juga menyajikan perutean model sebagai tugas klasifikasi: model mengidentifikasi kompleksitas permintaan dan mengembalikan kategori terpilih. Aplikasi yang menaunginya, bukan pengklasifikasi itu sendiri, memutuskan apa yang dijalankan berikutnya. Berikan kriteria perutean sebenarnya dan pilihan yang diizinkan agar keluaran memiliki makna operasional.
Untuk pemrosesan yang dapat diulang, pertahankan pengenal Preview yang tepat ini, versi masukan, serta skema atau format keluaran yang diminta. Periksa hasil uji awal pada jenis materi nyata yang sama sebelum memproses kumpulan yang lebih besar. Bandingkan bidang hasil ekstraksi dengan pesan asli, tinjau transkrip terhadap rekaman, dan pastikan istilah yang diterjemahkan tetap utuh. Keunggulan praktis profil ini adalah pemrosesan teks multimodal terfokus dengan hasil yang terdefinisi; teks yang lancar atau saran alat sendiri tidak membuktikan kebenaran faktual maupun eksekusi eksternal yang telah selesai.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-3.1-flash-lite-preview | 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 $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "gemini-3.1-flash-lite-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-preview', '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-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gemini-3.1-flash-lite-preview, google/gemini-3.1-flash-lite-preview
/chat/completions
google/gemini-3.1-flash-lite-preview, gemini-3.1-flash-lite-preview
google/gemini-3.1-flash-lite-previewGemini 3.1 Flash-Lite Preview adalah model teks multimodal untuk tugas berulang yang terdefinisi dengan baik, seperti penerjemahan, transkripsi, klasifikasi, dan ekstraksi data. Kemampuan thinking dan keluaran terstruktur membantu mengubah materi yang diberikan menjadi hasil ringkas yang dapat digunakan aplikasi.
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 Preview adalah edisi pratinjau dari lini ringan Gemini 3.1 Flash-Lite Google. Desainnya berfokus pada tugas berfrekuensi tinggi dengan instruksi jelas: penerjemahan, transkripsi, klasifikasi, ringkasan dokumen, dan ekstraksi data sederhana. Model ini menerima teks, gambar, video, audio, dan PDF serta menghasilkan teks. Tugas yang berguna menentukan satu operasi dan satu bentuk akhir, seperti pesan yang diterjemahkan, transkrip, atau rekaman berisi bidang yang diperlukan aplikasi.
Dokumentasi khusus pratinjau mencantumkan batas masukan 1,048,576 token dan batas keluaran 65,536 token. Keduanya merupakan batas produsen yang terpisah. Materi sumber, instruksi, dan riwayat percakapan berkontribusi pada masukan, sedangkan hasil yang diwajibkan harus muat dalam anggaran keluaran. Untuk kumpulan pesan atau halaman yang besar, pertahankan pengenal dan minta pengenal keluaran yang cocok untuk setiap item yang diproses. Jendela besar tidak menggantikan aturan ekstraksi yang jelas atau membuat definisi bidang yang ambigu menjadi presisi.
Kartu model mencakup thinking, keluaran terstruktur, dan function calling. Kartu tersebut juga mencantumkan eksekusi kode, pencarian berkas, grounding pencarian, grounding Google Maps, konteks URL, dan caching sebagai kemampuan produsen. Ini adalah model berkeluaran teks; masukan audio atau gambar tidak menyiratkan ucapan atau karya visual yang dihasilkan. Aplikasi pemanggil tetap memilih alat yang tersedia, menjalankan permintaan fungsi yang diterima, dan mengembalikan hasilnya. Bedakan tindakan yang diusulkan dari tindakan yang dikonfirmasi oleh aplikasi.
Untuk penerjemahan, berikan pesan sumber, bahasa sasaran, audiens, dan terminologi yang harus dipertahankan. Panduan pengembang memperlihatkan pembatasan jawaban pada teks terjemahan tanpa komentar tambahan. Alur pesan dukungan dapat menjaga nama produk dan referensi pesanan tetap sama sambil menghasilkan balasan alami dalam bahasa pembaca. Jika sumber ambigu, definisikan apakah ambiguitas tersebut harus dipertahankan atau pertanyaan klarifikasi terpisah harus dikembalikan, alih-alih menambahkan detail karangan ke terjemahan.
Untuk transkripsi, berikan audio bersama hasil yang diminta: teks verbatim, transkrip yang dirapikan, atau ringkasan. Ketiganya adalah tugas berbeda. Identifikasi interval yang relevan jika rekaman panjang hanya memuat percakapan singkat yang diperlukan untuk hasil. Untuk PDF, ajukan pertanyaan yang pasti atau definisikan bidang yang harus diekstrak, sambil mempertahankan referensi halaman atau bagian ketika jawaban perlu diperiksa. Untuk sumber visual, tunjukkan objek, label, atau wilayah yang relevan dengan permintaan.
Untuk klasifikasi dan ekstraksi entitas, definisikan kategori, bidang wajib, dan penanganan nilai yang hilang. Panduan pembuat mendemonstrasikan JSON yang dibatasi skema untuk mengekstrak informasi ulasan. Contoh tersendiri adalah mengklasifikasikan tiket dukungan dan mengembalikan produk yang disebutkan, kategori masalah, serta kalimat sumber yang mendukung pilihan. Berikan sejumlah kecil contoh representatif, termasuk kasus yang harus tetap tidak diketahui. Validasi rekaman yang dikembalikan dan bedakan nilai yang valid secara sintaksis dari nilai yang benar-benar didukung sumber.
Materi peluncuran menjelaskan tingkat thinking yang dapat disesuaikan, sehingga tugas dapat menggunakan analisis lebih banyak ketika kondisinya memerlukannya. Konversi bahasa singkat dan klasifikasi dengan beberapa pengecualian dapat menggunakan pengaturan penalaran berbeda. Panduan pengembang juga menyajikan perutean model sebagai tugas klasifikasi: model mengidentifikasi kompleksitas permintaan dan mengembalikan kategori terpilih. Aplikasi yang menaunginya, bukan pengklasifikasi itu sendiri, memutuskan apa yang dijalankan berikutnya. Berikan kriteria perutean sebenarnya dan pilihan yang diizinkan agar keluaran memiliki makna operasional.
Untuk pemrosesan yang dapat diulang, pertahankan pengenal Preview yang tepat ini, versi masukan, serta skema atau format keluaran yang diminta. Periksa hasil uji awal pada jenis materi nyata yang sama sebelum memproses kumpulan yang lebih besar. Bandingkan bidang hasil ekstraksi dengan pesan asli, tinjau transkrip terhadap rekaman, dan pastikan istilah yang diterjemahkan tetap utuh. Keunggulan praktis profil ini adalah pemrosesan teks multimodal terfokus dengan hasil yang terdefinisi; teks yang lancar atau saran alat sendiri tidak membuktikan kebenaran faktual maupun eksekusi eksternal yang telah selesai.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemini-3.1-flash-lite-preview | 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-preview", "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-preview',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-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gemini-3.1-flash-lite-preview, google/gemini-3.1-flash-lite-preview
/chat/completions
google/gemini-3.1-flash-lite-preview, gemini-3.1-flash-lite-preview
google/gemini-3.1-flash-lite-previewGemini 3.1 Flash-Lite Preview adalah model teks multimodal untuk tugas berulang yang terdefinisi dengan baik, seperti penerjemahan, transkripsi, klasifikasi, dan ekstraksi data. Kemampuan thinking dan keluaran terstruktur membantu mengubah materi yang diberikan menjadi hasil ringkas yang dapat digunakan aplikasi.
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 Preview adalah edisi pratinjau dari lini ringan Gemini 3.1 Flash-Lite Google. Desainnya berfokus pada tugas berfrekuensi tinggi dengan instruksi jelas: penerjemahan, transkripsi, klasifikasi, ringkasan dokumen, dan ekstraksi data sederhana. Model ini menerima teks, gambar, video, audio, dan PDF serta menghasilkan teks. Tugas yang berguna menentukan satu operasi dan satu bentuk akhir, seperti pesan yang diterjemahkan, transkrip, atau rekaman berisi bidang yang diperlukan aplikasi.
Dokumentasi khusus pratinjau mencantumkan batas masukan 1,048,576 token dan batas keluaran 65,536 token. Keduanya merupakan batas produsen yang terpisah. Materi sumber, instruksi, dan riwayat percakapan berkontribusi pada masukan, sedangkan hasil yang diwajibkan harus muat dalam anggaran keluaran. Untuk kumpulan pesan atau halaman yang besar, pertahankan pengenal dan minta pengenal keluaran yang cocok untuk setiap item yang diproses. Jendela besar tidak menggantikan aturan ekstraksi yang jelas atau membuat definisi bidang yang ambigu menjadi presisi.
Kartu model mencakup thinking, keluaran terstruktur, dan function calling. Kartu tersebut juga mencantumkan eksekusi kode, pencarian berkas, grounding pencarian, grounding Google Maps, konteks URL, dan caching sebagai kemampuan produsen. Ini adalah model berkeluaran teks; masukan audio atau gambar tidak menyiratkan ucapan atau karya visual yang dihasilkan. Aplikasi pemanggil tetap memilih alat yang tersedia, menjalankan permintaan fungsi yang diterima, dan mengembalikan hasilnya. Bedakan tindakan yang diusulkan dari tindakan yang dikonfirmasi oleh aplikasi.
Untuk penerjemahan, berikan pesan sumber, bahasa sasaran, audiens, dan terminologi yang harus dipertahankan. Panduan pengembang memperlihatkan pembatasan jawaban pada teks terjemahan tanpa komentar tambahan. Alur pesan dukungan dapat menjaga nama produk dan referensi pesanan tetap sama sambil menghasilkan balasan alami dalam bahasa pembaca. Jika sumber ambigu, definisikan apakah ambiguitas tersebut harus dipertahankan atau pertanyaan klarifikasi terpisah harus dikembalikan, alih-alih menambahkan detail karangan ke terjemahan.
Untuk transkripsi, berikan audio bersama hasil yang diminta: teks verbatim, transkrip yang dirapikan, atau ringkasan. Ketiganya adalah tugas berbeda. Identifikasi interval yang relevan jika rekaman panjang hanya memuat percakapan singkat yang diperlukan untuk hasil. Untuk PDF, ajukan pertanyaan yang pasti atau definisikan bidang yang harus diekstrak, sambil mempertahankan referensi halaman atau bagian ketika jawaban perlu diperiksa. Untuk sumber visual, tunjukkan objek, label, atau wilayah yang relevan dengan permintaan.
Untuk klasifikasi dan ekstraksi entitas, definisikan kategori, bidang wajib, dan penanganan nilai yang hilang. Panduan pembuat mendemonstrasikan JSON yang dibatasi skema untuk mengekstrak informasi ulasan. Contoh tersendiri adalah mengklasifikasikan tiket dukungan dan mengembalikan produk yang disebutkan, kategori masalah, serta kalimat sumber yang mendukung pilihan. Berikan sejumlah kecil contoh representatif, termasuk kasus yang harus tetap tidak diketahui. Validasi rekaman yang dikembalikan dan bedakan nilai yang valid secara sintaksis dari nilai yang benar-benar didukung sumber.
Materi peluncuran menjelaskan tingkat thinking yang dapat disesuaikan, sehingga tugas dapat menggunakan analisis lebih banyak ketika kondisinya memerlukannya. Konversi bahasa singkat dan klasifikasi dengan beberapa pengecualian dapat menggunakan pengaturan penalaran berbeda. Panduan pengembang juga menyajikan perutean model sebagai tugas klasifikasi: model mengidentifikasi kompleksitas permintaan dan mengembalikan kategori terpilih. Aplikasi yang menaunginya, bukan pengklasifikasi itu sendiri, memutuskan apa yang dijalankan berikutnya. Berikan kriteria perutean sebenarnya dan pilihan yang diizinkan agar keluaran memiliki makna operasional.
Untuk pemrosesan yang dapat diulang, pertahankan pengenal Preview yang tepat ini, versi masukan, serta skema atau format keluaran yang diminta. Periksa hasil uji awal pada jenis materi nyata yang sama sebelum memproses kumpulan yang lebih besar. Bandingkan bidang hasil ekstraksi dengan pesan asli, tinjau transkrip terhadap rekaman, dan pastikan istilah yang diterjemahkan tetap utuh. Keunggulan praktis profil ini adalah pemrosesan teks multimodal terfokus dengan hasil yang terdefinisi; teks yang lancar atau saran alat sendiri tidak membuktikan kebenaran faktual maupun eksekusi eksternal yang telah selesai.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemini-3.1-flash-lite-preview | 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 $0.0001666666666666666 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "google/gemini-3.1-flash-lite-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-preview', '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-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gemini-3.1-flash-lite-preview, google/gemini-3.1-flash-lite-preview
/chat/completions
google/gemini-3.1-flash-lite-preview, gemini-3.1-flash-lite-preview
Contoh teknis dalam bahasa Inggris
Translate a support message without additions\n\nTranslate this customer-service message into English for a customer. Preserve order reference K-204 and product name Orbit Mini exactly: 'Votre commande K-204 contenant Orbit Mini est prête à être retirée. Merci de présenter une pièce d’identité.' Return only the translation; do not add a collection address or deadline.Only the English translation, retaining the two exact identifiers and the identity-document requirement.K-204 and Orbit Mini remain unchanged, with no invented address, deadline or additional policy.