Gemini 3.5 Flash-Lite adalah profil teks multimodal Google yang berfokus pada eksekusi untuk pekerjaan data berulang dan tugas subagen terfokus. Model ini dikembangkan dari Gemini 3.1 Flash-Lite, dengan peningkatan pemahaman dokumen, keandalan alat, dan kepatuhan pada instruksi multigiliran. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks. Hasil yang berguna dapat berupa satu rekaman hasil ekstraksi, klasifikasi, terjemahan singkat, atau analisis berbantuan alat dengan cakupan terbatas dalam tugas yang lebih besar.
Untuk parsing dokumen, definisikan bidang yang penting dan bukti yang harus dipertahankan setiap bidang. Berikan halaman yang relevan dan tentukan cara merepresentasikan informasi yang tidak ada atau ambigu. Untuk ekstraksi pesan dukungan, ekstrak kode produk, masalah yang disebutkan, dan kalimat pendukung dari pesan dukungan, sambil mempertahankan pengenal pesan dalam jawaban. Dokumen dengan beberapa kandidat untuk suatu bidang tidak boleh diam-diam meringkasnya menjadi satu nilai tebakan. JSON terstruktur dapat membuat hasil berguna untuk pemrosesan berikutnya jika skemanya sesuai dengan tugas sebenarnya.
Tingkat thinking yang didokumentasikan adalah minimal, low, medium, dan high, dengan minimal sebagai bawaan. Pembuat menyarankannya untuk ekstraksi, perutean, dan klasifikasi bervolume tinggi, sedangkan medium atau high sesuai untuk pekerjaan subagen otonom yang melibatkan pemanggilan alat, eksekusi kode, atau beberapa langkah penalaran. Panduan secara khusus menyarankan peningkatan upaya untuk tugas yang lebih panjang tersebut agar penggunaan alat tidak dihentikan terlalu dini. Karena itu, ekstraksi satu bidang dan perbandingan dokumen dengan pengecualian memperoleh manfaat dari pilihan upaya yang berbeda. Minimal adalah pengaturan yang didukung edisi ini, bukan pengaturan umum untuk diterapkan pada setiap model Flash.
Arahan subagen terfokus harus memuat satu pekerjaan, materi sumbernya, alat yang diizinkan, dan bentuk akhir yang diwajibkan. Misalnya, subagen dapat memeriksa tabel berdasarkan aturan tertentu dan mengembalikan baris yang terpengaruh beserta nilai relevan. Pembuat juga menyoroti pemrosesan data tabular dan pekerjaan JavaScript frontend yang dibantu eksekusi kode ringan. Aplikasi yang menaungi model tetap bertanggung jawab menjalankan fungsi yang diminta dan mengembalikan hasil nyata. Bedakan hasil selesai dari saran yang belum dijalankan atau pertanyaan masukan yang belum terselesaikan.
Halaman khusus 3.5 Flash-Lite mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, dan konteks URL, dengan Computer Use ditandai sebagai pratinjau. Keluaran terstruktur dan thinking didukung. Untuk persona atau tugas multigiliran, pertahankan instruksi sebenarnya dan pengamatan alat agar balasan berikutnya mengikuti penugasan yang sama. Panduan pengembang menyoroti persistensi persona yang lebih kuat daripada 3.1 Flash-Lite. Gunakan peran dan kontrak keluaran yang ringkas, alih-alih mendefinisikan ulang tujuan pada setiap tindak lanjut.
Panduan juga menandai pengaturan sampling lama dan giliran akhir model yang telah diisi sebelumnya sebagai usang untuk edisi ini. Kendalikan jawaban dengan cakupan terbatas melalui instruksi eksplisit atau skema, alih-alih mencoba memulai jawaban di dalam giliran sintetik berperan model. Pertahankan konteks thought signatures Gemini 3 ketika antarmuka mewajibkannya, dan cocokkan hasil fungsi dengan panggilannya. Aturan persiapan ini mendukung kelanjutan yang tetap memiliki bukti yang diperlukan untuk menyelesaikan pekerjaan yang sama.
Kartu model asli mencantumkan konteks hingga 1M dan keluaran teks 64K; halaman API khususnya menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, rekaman, riwayat, dan media semuanya berkontribusi pada persiapan masukan. Opsi caching, batch, Flex, dan Priority dicantumkan untuk profil produsen ini. Untuk permintaan berulang, gunakan pengenal yang stabil dan format jawaban ringkas yang konsisten agar setiap ekstraksi dapat dibandingkan dengan sumbernya. Masukan audio, gambar, atau video menghasilkan interpretasi teks atau transkrip dalam profil ini, bukan ucapan atau karya visual yang dihasilkan.
Keterbatasan yang mungkin terjadi mencakup halusinasi serta penundaan atau timeout sesekali. Batas pengetahuannya adalah Maret 2026, dengan sebagian bidang terbatas hingga Januari 2025. Ekstraksi yang bergantung pada sumber harus mengembalikan apa yang didukung materi yang diberikan; pertanyaan tentang fakta terkini memerlukan bukti terkini. Dibandingkan 3.1 Flash-Lite, profil ini menambahkan kemampuan eksekusi dan penggunaan komputer yang didokumentasikan, sedangkan 3.6 Flash menekankan pemrograman dan pekerjaan spasial yang lebih kompleks. Tinjau bidang hasil ekstraksi, hasil alat, dan instruksi yang dipertahankan sebelum memasukkan jawaban ke alur kerja yang lebih besar.
", "aboutText": "Gemini 3.5 Flash-Lite adalah profil teks multimodal Google yang berfokus pada eksekusi untuk pekerjaan data berulang dan tugas subagen terfokus. Model ini dikembangkan dari Gemini 3.1 Flash-Lite, dengan peningkatan pemahaman dokumen, keandalan alat, dan kepatuhan pada instruksi multigiliran. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks. Hasil yang berguna dapat berupa satu rekaman hasil ekstraksi, klasifikasi, terjemahan singkat, atau analisis berbantuan alat dengan cakupan terbatas dalam tugas yang lebih besar.\n\nUntuk parsing dokumen, definisikan bidang yang penting dan bukti yang harus dipertahankan setiap bidang. Berikan halaman yang relevan dan tentukan cara merepresentasikan informasi yang tidak ada atau ambigu. Untuk ekstraksi pesan dukungan, ekstrak kode produk, masalah yang disebutkan, dan kalimat pendukung dari pesan dukungan, sambil mempertahankan pengenal pesan dalam jawaban. Dokumen dengan beberapa kandidat untuk suatu bidang tidak boleh diam-diam meringkasnya menjadi satu nilai tebakan. JSON terstruktur dapat membuat hasil berguna untuk pemrosesan berikutnya jika skemanya sesuai dengan tugas sebenarnya.\n\nTingkat thinking yang didokumentasikan adalah minimal, low, medium, dan high, dengan minimal sebagai bawaan. Pembuat menyarankannya untuk ekstraksi, perutean, dan klasifikasi bervolume tinggi, sedangkan medium atau high sesuai untuk pekerjaan subagen otonom yang melibatkan pemanggilan alat, eksekusi kode, atau beberapa langkah penalaran. Panduan secara khusus menyarankan peningkatan upaya untuk tugas yang lebih panjang tersebut agar penggunaan alat tidak dihentikan terlalu dini. Karena itu, ekstraksi satu bidang dan perbandingan dokumen dengan pengecualian memperoleh manfaat dari pilihan upaya yang berbeda. Minimal adalah pengaturan yang didukung edisi ini, bukan pengaturan umum untuk diterapkan pada setiap model Flash.\n\nArahan subagen terfokus harus memuat satu pekerjaan, materi sumbernya, alat yang diizinkan, dan bentuk akhir yang diwajibkan. Misalnya, subagen dapat memeriksa tabel berdasarkan aturan tertentu dan mengembalikan baris yang terpengaruh beserta nilai relevan. Pembuat juga menyoroti pemrosesan data tabular dan pekerjaan JavaScript frontend yang dibantu eksekusi kode ringan. Aplikasi yang menaungi model tetap bertanggung jawab menjalankan fungsi yang diminta dan mengembalikan hasil nyata. Bedakan hasil selesai dari saran yang belum dijalankan atau pertanyaan masukan yang belum terselesaikan.\n\nHalaman khusus 3.5 Flash-Lite mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, dan konteks URL, dengan Computer Use ditandai sebagai pratinjau. Keluaran terstruktur dan thinking didukung. Untuk persona atau tugas multigiliran, pertahankan instruksi sebenarnya dan pengamatan alat agar balasan berikutnya mengikuti penugasan yang sama. Panduan pengembang menyoroti persistensi persona yang lebih kuat daripada 3.1 Flash-Lite. Gunakan peran dan kontrak keluaran yang ringkas, alih-alih mendefinisikan ulang tujuan pada setiap tindak lanjut.\n\nPanduan juga menandai pengaturan sampling lama dan giliran akhir model yang telah diisi sebelumnya sebagai usang untuk edisi ini. Kendalikan jawaban dengan cakupan terbatas melalui instruksi eksplisit atau skema, alih-alih mencoba memulai jawaban di dalam giliran sintetik berperan model. Pertahankan konteks thought signatures Gemini 3 ketika antarmuka mewajibkannya, dan cocokkan hasil fungsi dengan panggilannya. Aturan persiapan ini mendukung kelanjutan yang tetap memiliki bukti yang diperlukan untuk menyelesaikan pekerjaan yang sama.\n\nKartu model asli mencantumkan konteks hingga 1M dan keluaran teks 64K; halaman API khususnya menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, rekaman, riwayat, dan media semuanya berkontribusi pada persiapan masukan. Opsi caching, batch, Flex, dan Priority dicantumkan untuk profil produsen ini. Untuk permintaan berulang, gunakan pengenal yang stabil dan format jawaban ringkas yang konsisten agar setiap ekstraksi dapat dibandingkan dengan sumbernya. Masukan audio, gambar, atau video menghasilkan interpretasi teks atau transkrip dalam profil ini, bukan ucapan atau karya visual yang dihasilkan.\n\nKeterbatasan yang mungkin terjadi mencakup halusinasi serta penundaan atau timeout sesekali. Batas pengetahuannya adalah Maret 2026, dengan sebagian bidang terbatas hingga Januari 2025. Ekstraksi yang bergantung pada sumber harus mengembalikan apa yang didukung materi yang diberikan; pertanyaan tentang fakta terkini memerlukan bukti terkini. Dibandingkan 3.1 Flash-Lite, profil ini menambahkan kemampuan eksekusi dan penggunaan komputer yang didokumentasikan, sedangkan 3.6 Flash menekankan pemrograman dan pekerjaan spasial yang lebih kompleks. Tinjau bidang hasil ekstraksi, hasil alat, dan instruksi yang dipertahankan sebelum memasukkan jawaban ke alur kerja yang lebih besar.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "42e2822473940517b1f9a223dfd1c5d436482b99bbbefb18f8186c2ae39e1bb7", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "google/gemini-3.5-flash-lite:batchGemini 3.5 Flash-Lite adalah model multimodal Google untuk tugas subagen terfokus, parsing dokumen, dan ekstraksi data berulang. Penalaran minimal bawaannya sesuai untuk rekaman dengan cakupan terbatas; medium atau high didokumentasikan untuk pekerjaan alat bertahap. Model ini menghasilkan teks atau hasil terstruktur dari teks, gambar, audio, video, dan PDF.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 3.5 Flash-Lite adalah profil teks multimodal Google yang berfokus pada eksekusi untuk pekerjaan data berulang dan tugas subagen terfokus. Model ini dikembangkan dari Gemini 3.1 Flash-Lite, dengan peningkatan pemahaman dokumen, keandalan alat, dan kepatuhan pada instruksi multigiliran. Model ini menerima teks, gambar, audio, video, dan PDF serta menghasilkan teks. Hasil yang berguna dapat berupa satu rekaman hasil ekstraksi, klasifikasi, terjemahan singkat, atau analisis berbantuan alat dengan cakupan terbatas dalam tugas yang lebih besar.
Untuk parsing dokumen, definisikan bidang yang penting dan bukti yang harus dipertahankan setiap bidang. Berikan halaman yang relevan dan tentukan cara merepresentasikan informasi yang tidak ada atau ambigu. Untuk ekstraksi pesan dukungan, ekstrak kode produk, masalah yang disebutkan, dan kalimat pendukung dari pesan dukungan, sambil mempertahankan pengenal pesan dalam jawaban. Dokumen dengan beberapa kandidat untuk suatu bidang tidak boleh diam-diam meringkasnya menjadi satu nilai tebakan. JSON terstruktur dapat membuat hasil berguna untuk pemrosesan berikutnya jika skemanya sesuai dengan tugas sebenarnya.
Tingkat thinking yang didokumentasikan adalah minimal, low, medium, dan high, dengan minimal sebagai bawaan. Pembuat menyarankannya untuk ekstraksi, perutean, dan klasifikasi bervolume tinggi, sedangkan medium atau high sesuai untuk pekerjaan subagen otonom yang melibatkan pemanggilan alat, eksekusi kode, atau beberapa langkah penalaran. Panduan secara khusus menyarankan peningkatan upaya untuk tugas yang lebih panjang tersebut agar penggunaan alat tidak dihentikan terlalu dini. Karena itu, ekstraksi satu bidang dan perbandingan dokumen dengan pengecualian memperoleh manfaat dari pilihan upaya yang berbeda. Minimal adalah pengaturan yang didukung edisi ini, bukan pengaturan umum untuk diterapkan pada setiap model Flash.
Arahan subagen terfokus harus memuat satu pekerjaan, materi sumbernya, alat yang diizinkan, dan bentuk akhir yang diwajibkan. Misalnya, subagen dapat memeriksa tabel berdasarkan aturan tertentu dan mengembalikan baris yang terpengaruh beserta nilai relevan. Pembuat juga menyoroti pemrosesan data tabular dan pekerjaan JavaScript frontend yang dibantu eksekusi kode ringan. Aplikasi yang menaungi model tetap bertanggung jawab menjalankan fungsi yang diminta dan mengembalikan hasil nyata. Bedakan hasil selesai dari saran yang belum dijalankan atau pertanyaan masukan yang belum terselesaikan.
Halaman khusus 3.5 Flash-Lite mencantumkan function calling, eksekusi kode, pencarian berkas, grounding pencarian, grounding Maps, dan konteks URL, dengan Computer Use ditandai sebagai pratinjau. Keluaran terstruktur dan thinking didukung. Untuk persona atau tugas multigiliran, pertahankan instruksi sebenarnya dan pengamatan alat agar balasan berikutnya mengikuti penugasan yang sama. Panduan pengembang menyoroti persistensi persona yang lebih kuat daripada 3.1 Flash-Lite. Gunakan peran dan kontrak keluaran yang ringkas, alih-alih mendefinisikan ulang tujuan pada setiap tindak lanjut.
Panduan juga menandai pengaturan sampling lama dan giliran akhir model yang telah diisi sebelumnya sebagai usang untuk edisi ini. Kendalikan jawaban dengan cakupan terbatas melalui instruksi eksplisit atau skema, alih-alih mencoba memulai jawaban di dalam giliran sintetik berperan model. Pertahankan konteks thought signatures Gemini 3 ketika antarmuka mewajibkannya, dan cocokkan hasil fungsi dengan panggilannya. Aturan persiapan ini mendukung kelanjutan yang tetap memiliki bukti yang diperlukan untuk menyelesaikan pekerjaan yang sama.
Kartu model asli mencantumkan konteks hingga 1M dan keluaran teks 64K; halaman API khususnya menetapkan 1,048,576 token masukan dan 65,536 token keluaran. Instruksi, rekaman, riwayat, dan media semuanya berkontribusi pada persiapan masukan. Opsi caching, batch, Flex, dan Priority dicantumkan untuk profil produsen ini. Untuk permintaan berulang, gunakan pengenal yang stabil dan format jawaban ringkas yang konsisten agar setiap ekstraksi dapat dibandingkan dengan sumbernya. Masukan audio, gambar, atau video menghasilkan interpretasi teks atau transkrip dalam profil ini, bukan ucapan atau karya visual yang dihasilkan.
Keterbatasan yang mungkin terjadi mencakup halusinasi serta penundaan atau timeout sesekali. Batas pengetahuannya adalah Maret 2026, dengan sebagian bidang terbatas hingga Januari 2025. Ekstraksi yang bergantung pada sumber harus mengembalikan apa yang didukung materi yang diberikan; pertanyaan tentang fakta terkini memerlukan bukti terkini. Dibandingkan 3.1 Flash-Lite, profil ini menambahkan kemampuan eksekusi dan penggunaan komputer yang didokumentasikan, sedangkan 3.6 Flash menekankan pemrograman dan pekerjaan spasial yang lebih kompleks. Tinjau bidang hasil ekstraksi, hasil alat, dan instruksi yang dipertahankan sebelum memasukkan jawaban ke alur kerja yang lebih besar.
POST /v1/batchestexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolomendpoint | Jenisstring | PersyaratanWajib | Nilai & batasan /v1/chat/completions | Bawaan— |
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan google/gemini-3.5-flash-lite:batch | Bawaan— |
Kolomrequests | Jenisbatch_item[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolomrequests[].custom_id | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomrequests[].body.messages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomcompletion_window | Jenisstring | PersyaratanOpsional | Nilai & batasan 24h | Bawaan— |
Kolomprovider | Jenisobject|null | PersyaratanOpsional | Nilai & batasan | Bawaan— |
Kolomrequests[].body.model | Jenisstring | PersyaratanOpsional | Nilai & batasan google/gemini-3.5-flash-lite:batch, google/gemini-3.5-flash-lite | Bawaan— |
Kolomprovider.only | Jenisstring[] | PersyaratanOpsional | Nilai & batasan google-vertex/global | Bawaan— |
Kolomprovider.allow_fallbacks | Jenisboolean|null | PersyaratanOpsional | Nilai & batasan false, null | Bawaan— |
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakendpoint, model, requests |
Parametermaterial_types | Kontraktext |
Parameterrepresentation | Kontrakrequests[] inline; setiap item memiliki custom_id dan body |
Parameterrequest_endpoint_profile | Kontrak/v1/chat/completions |
Parameterfile_material | KontrakPemanggil dapat membaca JSONL UTF-8 aktual secara lokal ke dalam requests[]. Tidak menggunakan purpose unggahan, input_file_id, atau referensi file. Materi pelanggan yang tidak ada atau kosong menghentikan persiapan sebelum POST. |
Parameterserialization_order | Kontrakendpoint, model, provider (jika disertakan), completion_window (jika disertakan), requests paling akhir |
Parameteroptional_controls | Kontrakprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | Kontrakbody teks Chat Completions dalam envelope Batch inline yang didokumentasikan. |
Siklus hidup: asynchronous
GET /v1/batches/{operation_id} · response.id aktual dari operasi create awal; user/key/group yang sama
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 $0.0003 / 1K token Keluaran · Token keluaran $0.0025 / 1K token Masukan · Pembacaan cache $0.00003 / 1K token Masukan · Penulisan cache — / 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 $0.0003 / 1K token Keluaran · Token keluaran $0.0025 / 1K token Masukan · Pembacaan cache $0.00003 / 1K token Masukan · Penulisan cache — / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-3.5-flash-lite:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-3.5-flash-lite:batch', 'google/gemini-3.5-flash-lite']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.5-flash-lite:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON inline pada results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nSimpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Pertahankan JSON status asli secara lengkap, setiap result/custom_id, serta body response atau error yang lengkap. Simpan results[] yang telah selesai sebagai JSONL tanpa penyaringan.
Pertahankan ID operasi asli. 503 result_pending_check memiliki X-Should-Retry:false; jangan pernah kirim ulang batch asli yang statusnya tidak diketahui.
| Kolom | Jenis |
|---|---|
Kolomresults[].custom_id | Jenisstring |
Kolomresults[].response.body.choices[].message.content | Jenisstring|null |
Kolomresults[].error | Jenisobject|null |
Kolomusage | Jenisobject|null |
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomendpoint | Jenisstring |
Kolomstatus | Jenisstring |
Kolomrequest_counts | Jenisobject |
Kolomresults[].id | Jenisstring |
Kolomresults[].response.status_code | Jenisinteger |
Kolomresults[].response.request_id | Jenisstring |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiEnvelope inline yang didokumentasikan tidak valid, ada kunci duplikat, atau terdapat konflik pada identitas item atau kemampuan model yang dikonfigurasi. | Langkah berikutnyaPerbaiki kolom yang ditunjukkan sebelum pengiriman baru apa pun. |
Respons401 · authentication_error | KondisiKunci API tidak valid. | Langkah berikutnyaGunakan kunci Ailoot yang berizin. |
Respons403 · permission_error | KondisiGrup Batch tidak tersedia. | Langkah berikutnyaPeriksa hak akses key/group. |
Respons422 · invalid_request_error | KondisiBatch menggunakan penagihan dari saldo; pembuatan dengan langganan ditolak. | Langkah berikutnyaGunakan grup berizin yang ditagih dari saldo. |
Respons422 · price_unavailable | KondisiPenawaran harga untuk input Batch tidak dapat dibuat. | Langkah berikutnyaSimpan respons; gunakan input keluarga API yang didokumentasikan. |
Respons402 · billing_error | KondisiCadangan Batch tidak tersedia. | Langkah berikutnyaSelesaikan kendala penerimaan sebelum mengirim permintaan baru. |
Respons503 · price_unavailable | KondisiHarga metode Batch/tarif native tidak tersedia. | Langkah berikutnyaSimpan respons; jangan mengganti harga. |
Respons503 · api_error | KondisiRute pemasok yang tepat tidak tersedia. | Langkah berikutnyaSimpan respons untuk perbaikan rute. |
Respons503 · result_pending_check | KondisiHasil asli perlu diperiksa; X-Should-Retry:false. | Langkah berikutnyaSimpan operation_id/id asli dan baca statusnya; jangan pernah mengulangi POST asli. |
Respons404 · not_found | KondisiOperasi status Batch tidak ada atau dimiliki oleh identitas lain. | Langkah berikutnyaGunakan id asli yang persis sama dan user/key/group yang sama. |
Ailoot Ultra google/gemini-3.5-flash-lite:batch
Gunakan jalur metode yang ditampilkan di atas.