Gemini 2.5 Flash-Lite Preview 09-2025 è l'edizione di settembre di Google per attività frequenti che richiedono un risultato testuale conciso e ben orientato. Il produttore organizza l'aggiornamento intorno a tre temi: maggiore rispetto di istruzioni complesse e prompt di sistema, minore verbosità e miglioramento della traduzione e della comprensione multimodale. Il nome datato identifica questa specifica anteprima separatamente dall'anteprima Flash-Lite di giugno, dal modello stabile e da un alias latest che cambia nel tempo.
Il miglioramento nel rispetto delle istruzioni è utile quando un'attività prevede più regole che devono rimanere attive insieme. Fornisci il materiale di partenza, il pubblico e il formato richiesto, quindi separa i contenuti obbligatori dalle spiegazioni facoltative. Un'attività di elaborazione delle richieste di assistenza potrebbe richiedere una categoria, la domanda esatta del cliente e un passo successivo basato soltanto su un riferimento fornito. Un'attività documentale potrebbe specificare quali termini conservare, quali fatti devono comparire e come rappresentare i valori mancanti. Questi esempi trasformano un'istruzione dettagliata in un risultato con requisiti osservabili.
La minore verbosità è una caratteristica dichiarata di questa versione. È particolarmente rilevante quando l'output diventa un breve valore di campo, una risposta corta o l'input successivo di un flusso di lavoro più ampio. Chiedi le informazioni necessarie invece di una discussione generale: la decisione, la sua fonte e la domanda irrisolta. Per un riepilogo, elenca i fatti e le scadenze che devono essere preservati nella sintesi e specifica il numero o lo scopo delle sezioni. La concisione non equivale a omettere condizioni importanti; un modello di output pratico rende espliciti i contenuti richiesti.
Google segnala miglioramenti nella qualità della traduzione, nella comprensione delle immagini e nella trascrizione audio per questo aggiornamento di settembre. Per la traduzione, identifica il pubblico di destinazione e un glossario, distinguendo i nomi che rimangono invariati dalle formulazioni da localizzare. Per un'immagine, indica il componente o il passaggio da spiegare e descrivi l'uso previsto della risposta. Per la trascrizione audio, richiedi una resa scritta con la lingua e le regole di formattazione necessarie al passo successivo. Una fonte multimediale può anche essere riassunta o confrontata con un requisito testuale quando la domanda identifica il contenuto pertinente.
La scheda dell'esatta edizione datata elenca testo, immagini, video, audio e PDF come input, con testo come output. I limiti sono di 1,048,576 token di input e 65,536 token di output e il termine delle conoscenze documentato è gennaio 2025. L'ampio profilo di input può combinare materiali, istruzioni ed esempi; assegna a ogni fonte un'etichetta e specifica quali prove debba usare la risposta. Questa è l'edizione Flash-Lite con output testuale: voce generata, immagini generate e un'interfaccia vocale in tempo reale non fanno parte del suo profilo di output dichiarato.
Il produttore documenta il ragionamento, gli output strutturati, la chiamata di funzioni, l'esecuzione di codice, l'ancoraggio alla ricerca, il contesto da URL e la ricerca nei file. Il ragionamento può essere usato per un'attività con condizioni dipendenti; una risposta strutturata può fornire campi per l'estrazione o la classificazione. Una chiamata di funzione contiene un nome di funzione e argomenti proposti, mentre l'applicazione la esegue e restituisce il risultato. Lo strumento di esecuzione del codice di Google usa Python; gli strumenti di ricerca e documentali forniscono materiale esterno per una risposta scritta informata. Il profilo esatto include inoltre il supporto per cache ed elaborazione in batch. Si tratta di capacità documentate del modello, non dell'affermazione che una particolare applicazione abbia abilitato tutti gli strumenti o li abbia combinati in una sola richiesta.
La scheda della famiglia descrive un transformer mixture-of-experts sparso con comprensione multimodale nativa. Il pre-addestramento include testo web, linguaggi di programmazione, immagini, audio e video. Il post-addestramento usa coppie verificate di istruzioni e risposte, informazioni sulle preferenze umane e dati sull'uso degli strumenti, con deduplicazione e filtri di sicurezza e qualità nella preparazione. La stessa scheda identifica la possibile invenzione di fatti, difficoltà nel ragionamento causale e controfattuale, limiti nella deduzione logica complessa e rispetto discontinuo dei budget di ragionamento. Registra inoltre una tendenza di alcune risposte a risultare eccessivamente didascaliche. Sono aspetti sostanziali da valutare in un modello per elaborazioni concise.
Prepara input rappresentativi ordinari, ambigui e incompleti per un'attività ripetuta. Per la traduzione, confronta terminologia, significato e rispetto del formato richiesto contenente soltanto l'output. Per la trascrizione o l'estrazione documentale, confronta i dettagli restituiti con il materiale fornito e identifica ciò che non è stato possibile stabilire. Per una risposta breve, verifica che tutti i fatti obbligatori siano stati mantenuti. L'elaborato finito potrebbe essere un passaggio tradotto, un riepilogo compatto, campi estratti oppure una categoria e un'azione successiva. Questa preparazione sfrutta l'attenzione specifica dell'edizione di settembre alla precisione delle istruzioni, alla compattezza e alla gestione multimediale, mantenendo il risultato legato alle prove originali.
", "aboutText": "Gemini 2.5 Flash-Lite Preview 09-2025 è l'edizione di settembre di Google per attività frequenti che richiedono un risultato testuale conciso e ben orientato. Il produttore organizza l'aggiornamento intorno a tre temi: maggiore rispetto di istruzioni complesse e prompt di sistema, minore verbosità e miglioramento della traduzione e della comprensione multimodale. Il nome datato identifica questa specifica anteprima separatamente dall'anteprima Flash-Lite di giugno, dal modello stabile e da un alias latest che cambia nel tempo.\n\nIl miglioramento nel rispetto delle istruzioni è utile quando un'attività prevede più regole che devono rimanere attive insieme. Fornisci il materiale di partenza, il pubblico e il formato richiesto, quindi separa i contenuti obbligatori dalle spiegazioni facoltative. Un'attività di elaborazione delle richieste di assistenza potrebbe richiedere una categoria, la domanda esatta del cliente e un passo successivo basato soltanto su un riferimento fornito. Un'attività documentale potrebbe specificare quali termini conservare, quali fatti devono comparire e come rappresentare i valori mancanti. Questi esempi trasformano un'istruzione dettagliata in un risultato con requisiti osservabili.\n\nLa minore verbosità è una caratteristica dichiarata di questa versione. È particolarmente rilevante quando l'output diventa un breve valore di campo, una risposta corta o l'input successivo di un flusso di lavoro più ampio. Chiedi le informazioni necessarie invece di una discussione generale: la decisione, la sua fonte e la domanda irrisolta. Per un riepilogo, elenca i fatti e le scadenze che devono essere preservati nella sintesi e specifica il numero o lo scopo delle sezioni. La concisione non equivale a omettere condizioni importanti; un modello di output pratico rende espliciti i contenuti richiesti.\n\nGoogle segnala miglioramenti nella qualità della traduzione, nella comprensione delle immagini e nella trascrizione audio per questo aggiornamento di settembre. Per la traduzione, identifica il pubblico di destinazione e un glossario, distinguendo i nomi che rimangono invariati dalle formulazioni da localizzare. Per un'immagine, indica il componente o il passaggio da spiegare e descrivi l'uso previsto della risposta. Per la trascrizione audio, richiedi una resa scritta con la lingua e le regole di formattazione necessarie al passo successivo. Una fonte multimediale può anche essere riassunta o confrontata con un requisito testuale quando la domanda identifica il contenuto pertinente.\n\nLa scheda dell'esatta edizione datata elenca testo, immagini, video, audio e PDF come input, con testo come output. I limiti sono di 1,048,576 token di input e 65,536 token di output e il termine delle conoscenze documentato è gennaio 2025. L'ampio profilo di input può combinare materiali, istruzioni ed esempi; assegna a ogni fonte un'etichetta e specifica quali prove debba usare la risposta. Questa è l'edizione Flash-Lite con output testuale: voce generata, immagini generate e un'interfaccia vocale in tempo reale non fanno parte del suo profilo di output dichiarato.\n\nIl produttore documenta il ragionamento, gli output strutturati, la chiamata di funzioni, l'esecuzione di codice, l'ancoraggio alla ricerca, il contesto da URL e la ricerca nei file. Il ragionamento può essere usato per un'attività con condizioni dipendenti; una risposta strutturata può fornire campi per l'estrazione o la classificazione. Una chiamata di funzione contiene un nome di funzione e argomenti proposti, mentre l'applicazione la esegue e restituisce il risultato. Lo strumento di esecuzione del codice di Google usa Python; gli strumenti di ricerca e documentali forniscono materiale esterno per una risposta scritta informata. Il profilo esatto include inoltre il supporto per cache ed elaborazione in batch. Si tratta di capacità documentate del modello, non dell'affermazione che una particolare applicazione abbia abilitato tutti gli strumenti o li abbia combinati in una sola richiesta.\n\nLa scheda della famiglia descrive un transformer mixture-of-experts sparso con comprensione multimodale nativa. Il pre-addestramento include testo web, linguaggi di programmazione, immagini, audio e video. Il post-addestramento usa coppie verificate di istruzioni e risposte, informazioni sulle preferenze umane e dati sull'uso degli strumenti, con deduplicazione e filtri di sicurezza e qualità nella preparazione. La stessa scheda identifica la possibile invenzione di fatti, difficoltà nel ragionamento causale e controfattuale, limiti nella deduzione logica complessa e rispetto discontinuo dei budget di ragionamento. Registra inoltre una tendenza di alcune risposte a risultare eccessivamente didascaliche. Sono aspetti sostanziali da valutare in un modello per elaborazioni concise.\n\nPrepara input rappresentativi ordinari, ambigui e incompleti per un'attività ripetuta. Per la traduzione, confronta terminologia, significato e rispetto del formato richiesto contenente soltanto l'output. Per la trascrizione o l'estrazione documentale, confronta i dettagli restituiti con il materiale fornito e identifica ciò che non è stato possibile stabilire. Per una risposta breve, verifica che tutti i fatti obbligatori siano stati mantenuti. L'elaborato finito potrebbe essere un passaggio tradotto, un riepilogo compatto, campi estratti oppure una categoria e un'azione successiva. Questa preparazione sfrutta l'attenzione specifica dell'edizione di settembre alla precisione delle istruzioni, alla compattezza e alla gestione multimediale, mantenendo il risultato legato alle prove originali.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 si concentra sul rispetto delle istruzioni, su testi concisi, sulla traduzione e sulla comprensione multimediale. L'edizione di settembre di Google accetta testo, immagini, video, audio e PDF, con risposte strutturate e strumenti documentati per l'elaborazione di grandi volumi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 2.5 Flash-Lite Preview 09-2025 è l'edizione di settembre di Google per attività frequenti che richiedono un risultato testuale conciso e ben orientato. Il produttore organizza l'aggiornamento intorno a tre temi: maggiore rispetto di istruzioni complesse e prompt di sistema, minore verbosità e miglioramento della traduzione e della comprensione multimodale. Il nome datato identifica questa specifica anteprima separatamente dall'anteprima Flash-Lite di giugno, dal modello stabile e da un alias latest che cambia nel tempo.
Il miglioramento nel rispetto delle istruzioni è utile quando un'attività prevede più regole che devono rimanere attive insieme. Fornisci il materiale di partenza, il pubblico e il formato richiesto, quindi separa i contenuti obbligatori dalle spiegazioni facoltative. Un'attività di elaborazione delle richieste di assistenza potrebbe richiedere una categoria, la domanda esatta del cliente e un passo successivo basato soltanto su un riferimento fornito. Un'attività documentale potrebbe specificare quali termini conservare, quali fatti devono comparire e come rappresentare i valori mancanti. Questi esempi trasformano un'istruzione dettagliata in un risultato con requisiti osservabili.
La minore verbosità è una caratteristica dichiarata di questa versione. È particolarmente rilevante quando l'output diventa un breve valore di campo, una risposta corta o l'input successivo di un flusso di lavoro più ampio. Chiedi le informazioni necessarie invece di una discussione generale: la decisione, la sua fonte e la domanda irrisolta. Per un riepilogo, elenca i fatti e le scadenze che devono essere preservati nella sintesi e specifica il numero o lo scopo delle sezioni. La concisione non equivale a omettere condizioni importanti; un modello di output pratico rende espliciti i contenuti richiesti.
Google segnala miglioramenti nella qualità della traduzione, nella comprensione delle immagini e nella trascrizione audio per questo aggiornamento di settembre. Per la traduzione, identifica il pubblico di destinazione e un glossario, distinguendo i nomi che rimangono invariati dalle formulazioni da localizzare. Per un'immagine, indica il componente o il passaggio da spiegare e descrivi l'uso previsto della risposta. Per la trascrizione audio, richiedi una resa scritta con la lingua e le regole di formattazione necessarie al passo successivo. Una fonte multimediale può anche essere riassunta o confrontata con un requisito testuale quando la domanda identifica il contenuto pertinente.
La scheda dell'esatta edizione datata elenca testo, immagini, video, audio e PDF come input, con testo come output. I limiti sono di 1,048,576 token di input e 65,536 token di output e il termine delle conoscenze documentato è gennaio 2025. L'ampio profilo di input può combinare materiali, istruzioni ed esempi; assegna a ogni fonte un'etichetta e specifica quali prove debba usare la risposta. Questa è l'edizione Flash-Lite con output testuale: voce generata, immagini generate e un'interfaccia vocale in tempo reale non fanno parte del suo profilo di output dichiarato.
Il produttore documenta il ragionamento, gli output strutturati, la chiamata di funzioni, l'esecuzione di codice, l'ancoraggio alla ricerca, il contesto da URL e la ricerca nei file. Il ragionamento può essere usato per un'attività con condizioni dipendenti; una risposta strutturata può fornire campi per l'estrazione o la classificazione. Una chiamata di funzione contiene un nome di funzione e argomenti proposti, mentre l'applicazione la esegue e restituisce il risultato. Lo strumento di esecuzione del codice di Google usa Python; gli strumenti di ricerca e documentali forniscono materiale esterno per una risposta scritta informata. Il profilo esatto include inoltre il supporto per cache ed elaborazione in batch. Si tratta di capacità documentate del modello, non dell'affermazione che una particolare applicazione abbia abilitato tutti gli strumenti o li abbia combinati in una sola richiesta.
La scheda della famiglia descrive un transformer mixture-of-experts sparso con comprensione multimodale nativa. Il pre-addestramento include testo web, linguaggi di programmazione, immagini, audio e video. Il post-addestramento usa coppie verificate di istruzioni e risposte, informazioni sulle preferenze umane e dati sull'uso degli strumenti, con deduplicazione e filtri di sicurezza e qualità nella preparazione. La stessa scheda identifica la possibile invenzione di fatti, difficoltà nel ragionamento causale e controfattuale, limiti nella deduzione logica complessa e rispetto discontinuo dei budget di ragionamento. Registra inoltre una tendenza di alcune risposte a risultare eccessivamente didascaliche. Sono aspetti sostanziali da valutare in un modello per elaborazioni concise.
Prepara input rappresentativi ordinari, ambigui e incompleti per un'attività ripetuta. Per la traduzione, confronta terminologia, significato e rispetto del formato richiesto contenente soltanto l'output. Per la trascrizione o l'estrazione documentale, confronta i dettagli restituiti con il materiale fornito e identifica ciò che non è stato possibile stabilire. Per una risposta breve, verifica che tutti i fatti obbligatori siano stati mantenuti. L'elaborato finito potrebbe essere un passaggio tradotto, un riepilogo compatto, campi estratti oppure una categoria e un'azione successiva. Questa preparazione sfrutta l'attenzione specifica dell'edizione di settembre alla precisione delle istruzioni, alla compattezza e alla gestione multimediale, mantenendo il risultato legato alle prove originali.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-2.5-flash-lite-preview-09-2025 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Esempi: system, user, assistant, tool, function Condizioni: Questi ruoli sono rappresentati esplicitamente dai tipi di compatibilità del codice sorgente; l’insieme esatto dei ruoli rimane specifico del modello. Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].tool_call_id | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: role=tool; usa l’ID effettivamente restituito | Predefinito— |
Campomessages[].name | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomessages[].reasoning_content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Reinserisci il ragionamento effettivamente restituito quando il modello lo utilizza | Predefinito— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campomax_completion_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop | Tipostring|string[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipofunction_tool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].type | Tipostring | RequisitoFacoltativo | Valori e limiti function Dipende dal modello | Predefinito— |
Campotools[].function.name | Tipostring | RequisitoObbligatorio | Valori e limiti Si applica quando: Funzione fornita come strumento | Predefinito— |
Campotools[].function.description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoparallel_tool_calls | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporesponse_format | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning_effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camporeasoning | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Camposervice_tier | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoinstructions | Tipostring | RequisitoFacoltativo | Valori e limiti Campo di compatibilità | Predefinito— |
Campofunctions | Tipofunction[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campofunction_call | Tipostring|object | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campoprompt_cache_options | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campomodalities | Tipostring[] | RequisitoFacoltativo | Valori e limiti text | Predefinito— |
Campoprovider | Tipoobject | RequisitoFacoltativo | Valori e limiti Condizioni: provider.options viene rifiutato su questa rotta testuale Ultra | Predefinito— |
Campocache_control.ttl | Tipostring | RequisitoFacoltativo | Valori e limiti Condizioni: 1h viene rifiutato nelle posizioni effettive della cache dei prompt | Predefinito— |
Testo · Testo UTF8
messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages |
Parametromaterial_types | Contrattotext |
Parametromessages | ContrattoArray di messaggi con struttura role/content |
Parametrofile_material | ContrattoDocumento UTF-8 effettivo inserito come testo letterale; nessun ID di file dedotto |
Parametrooptional_controls | Contrattostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrocontrol_scope | ContrattoSpecifico del modello; gli strumenti di funzione dell’utente differiscono dagli strumenti ospitati |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Ciclo di vita: synchronous_or_streamed
Invia l’ID esatto del modello con messages.
La lunghezza del contesto non è un limite di uscita.
Un file di testo può fornire testo letterale; gli ingressi immagine/audio/oggetto file richiedono un’associazione esatta.
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite-preview-09-2025", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gemini-2.5-flash-lite-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gemini-2.5-flash-lite-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva ogni scelta con contenuto, chiamate agli strumenti e ragionamento. In SSE assembla i delta per indice di scelta e strumento e conserva il motivo finale di completamento e i dati di utilizzo.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra gemini-2.5-flash-lite-preview-09-2025
Usa i percorsi dei metodi indicati sopra.
gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 si concentra sul rispetto delle istruzioni, su testi concisi, sulla traduzione e sulla comprensione multimediale. L'edizione di settembre di Google accetta testo, immagini, video, audio e PDF, con risposte strutturate e strumenti documentati per l'elaborazione di grandi volumi.
Questa descrizione illustra le funzionalità del modello. Gli input, gli output e le opzioni disponibili in Ailoot per il metodo selezionato sono elencati di seguito.
Gemini 2.5 Flash-Lite Preview 09-2025 è l'edizione di settembre di Google per attività frequenti che richiedono un risultato testuale conciso e ben orientato. Il produttore organizza l'aggiornamento intorno a tre temi: maggiore rispetto di istruzioni complesse e prompt di sistema, minore verbosità e miglioramento della traduzione e della comprensione multimodale. Il nome datato identifica questa specifica anteprima separatamente dall'anteprima Flash-Lite di giugno, dal modello stabile e da un alias latest che cambia nel tempo.
Il miglioramento nel rispetto delle istruzioni è utile quando un'attività prevede più regole che devono rimanere attive insieme. Fornisci il materiale di partenza, il pubblico e il formato richiesto, quindi separa i contenuti obbligatori dalle spiegazioni facoltative. Un'attività di elaborazione delle richieste di assistenza potrebbe richiedere una categoria, la domanda esatta del cliente e un passo successivo basato soltanto su un riferimento fornito. Un'attività documentale potrebbe specificare quali termini conservare, quali fatti devono comparire e come rappresentare i valori mancanti. Questi esempi trasformano un'istruzione dettagliata in un risultato con requisiti osservabili.
La minore verbosità è una caratteristica dichiarata di questa versione. È particolarmente rilevante quando l'output diventa un breve valore di campo, una risposta corta o l'input successivo di un flusso di lavoro più ampio. Chiedi le informazioni necessarie invece di una discussione generale: la decisione, la sua fonte e la domanda irrisolta. Per un riepilogo, elenca i fatti e le scadenze che devono essere preservati nella sintesi e specifica il numero o lo scopo delle sezioni. La concisione non equivale a omettere condizioni importanti; un modello di output pratico rende espliciti i contenuti richiesti.
Google segnala miglioramenti nella qualità della traduzione, nella comprensione delle immagini e nella trascrizione audio per questo aggiornamento di settembre. Per la traduzione, identifica il pubblico di destinazione e un glossario, distinguendo i nomi che rimangono invariati dalle formulazioni da localizzare. Per un'immagine, indica il componente o il passaggio da spiegare e descrivi l'uso previsto della risposta. Per la trascrizione audio, richiedi una resa scritta con la lingua e le regole di formattazione necessarie al passo successivo. Una fonte multimediale può anche essere riassunta o confrontata con un requisito testuale quando la domanda identifica il contenuto pertinente.
La scheda dell'esatta edizione datata elenca testo, immagini, video, audio e PDF come input, con testo come output. I limiti sono di 1,048,576 token di input e 65,536 token di output e il termine delle conoscenze documentato è gennaio 2025. L'ampio profilo di input può combinare materiali, istruzioni ed esempi; assegna a ogni fonte un'etichetta e specifica quali prove debba usare la risposta. Questa è l'edizione Flash-Lite con output testuale: voce generata, immagini generate e un'interfaccia vocale in tempo reale non fanno parte del suo profilo di output dichiarato.
Il produttore documenta il ragionamento, gli output strutturati, la chiamata di funzioni, l'esecuzione di codice, l'ancoraggio alla ricerca, il contesto da URL e la ricerca nei file. Il ragionamento può essere usato per un'attività con condizioni dipendenti; una risposta strutturata può fornire campi per l'estrazione o la classificazione. Una chiamata di funzione contiene un nome di funzione e argomenti proposti, mentre l'applicazione la esegue e restituisce il risultato. Lo strumento di esecuzione del codice di Google usa Python; gli strumenti di ricerca e documentali forniscono materiale esterno per una risposta scritta informata. Il profilo esatto include inoltre il supporto per cache ed elaborazione in batch. Si tratta di capacità documentate del modello, non dell'affermazione che una particolare applicazione abbia abilitato tutti gli strumenti o li abbia combinati in una sola richiesta.
La scheda della famiglia descrive un transformer mixture-of-experts sparso con comprensione multimodale nativa. Il pre-addestramento include testo web, linguaggi di programmazione, immagini, audio e video. Il post-addestramento usa coppie verificate di istruzioni e risposte, informazioni sulle preferenze umane e dati sull'uso degli strumenti, con deduplicazione e filtri di sicurezza e qualità nella preparazione. La stessa scheda identifica la possibile invenzione di fatti, difficoltà nel ragionamento causale e controfattuale, limiti nella deduzione logica complessa e rispetto discontinuo dei budget di ragionamento. Registra inoltre una tendenza di alcune risposte a risultare eccessivamente didascaliche. Sono aspetti sostanziali da valutare in un modello per elaborazioni concise.
Prepara input rappresentativi ordinari, ambigui e incompleti per un'attività ripetuta. Per la traduzione, confronta terminologia, significato e rispetto del formato richiesto contenente soltanto l'output. Per la trascrizione o l'estrazione documentale, confronta i dettagli restituiti con il materiale fornito e identifica ciò che non è stato possibile stabilire. Per una risposta breve, verifica che tutti i fatti obbligatori siano stati mantenuti. L'elaborato finito potrebbe essere un passaggio tradotto, un riepilogo compatto, campi estratti oppure una categoria e un'azione successiva. Questa preparazione sfrutta l'attenzione specifica dell'edizione di settembre alla precisione delle istruzioni, alla compattezza e alla gestione multimediale, mantenendo il risultato legato alle prove originali.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-2.5-flash-lite-preview-09-2025 | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Testo · Testo UTF-8
Stringa messages[].content
| Parametro | Contratto |
|---|---|
Parametrocontent_type | Contrattoapplication/json |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattostream |
Parametromaterial_types | Contrattotext |
Parametrotext_file_material | ContrattoLeggi il documento UTF-8 effettivo e inserisci il testo nell’ingresso indicato o nella stringa del contenuto del messaggio. |
Ciclo di vita: synchronous_or_streamed
Le tariffe non aggiungono opzioni alla richiesta. I parametri supportati sono elencati nel metodo selezionato.
| Configurazione | Listino delle tariffe | Costo |
|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0 / 1K token Input · Scrittura nella cache $0 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "gemini-2.5-flash-lite-preview-09-2025",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i blocchi di contenuto, le firme di ragionamento e gli ID effettivi di utilizzo degli strumenti. Assembla tutti i delta dei blocchi SSE; il primo blocco di testo non è l’uscita completa.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Risposta | Condizione | Passaggio successivo |
|---|---|---|
Risposta400 · invalid_request_error | CondizioneCampi obbligatori, rappresentazione del materiale o valore del parametro non validi | Passaggio successivoCorreggi i campi indicati prima di una nuova richiesta di creazione. |
Ailoot Ultra gemini-2.5-flash-lite-preview-09-2025
Usa i percorsi dei metodi indicati sopra.
Esempio tecnico in inglese
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.