Gemini 2.5 Flash-Lite è il profilo leggero stabile di Google per traduzione ad alto volume, classificazione e semplice estrazione di dati. Il suo ragionamento ibrido può usare o omettere il thinking in base al compito. Accetta testo, immagini, audio, video e PDF e produce testo. Un risultato utile è una categoria, una traduzione concisa, un record estratto dal materiale fornito o una spiegazione scritta delimitata.
Per la classificazione, definisci categorie, regola decisionale e forma della risposta. Mantieni l'identificativo della fonte in un risultato quando vengono elaborati più elementi indipendenti. Per la classificazione di messaggi di assistenza, classifica un messaggio per tipo di problema e restituisci la frase che sostiene la categoria. Includi una regola per prove mancanti o ambigue, affinché una risposta scorrevole non riempia un campo obbligatorio con un'ipotesi. Il ruolo leggero del modello è più utile quando input e risultato richiesto sono chiaramente specificati.
Il thinking è disattivato per impostazione predefinita nella configurazione documentata di 2.5 Flash-Lite. La guida al thinking di Google GenerateContent consente un budget di thinking esplicito da 512 a 24,576 token, zero per mantenerlo disattivato e -1 per richiedere thinking dinamico. Sono controlli del budget di ragionamento, separati dalla capacità di risposta finale. Abilita ragionamento aggiuntivo quando un'estrazione ha condizioni interagenti o una classificazione ha eccezioni; una conversione semplice può conservare il comportamento predefinito senza thinking. La guida osserva che il modello può usare più o meno token di thinking rispetto al budget richiesto.
Per la traduzione, fornisci lingua di destinazione, pubblico e termini da conservare. Specifica se il risultato debba contenere soltanto la traduzione o un record etichettato. Per l'estrazione documentale, definisci i campi e richiedi brani sorgente che consentano di verificare l'output. Per una registrazione, distingui una trascrizione da un riepilogo e identifica il brano rilevante. Immagini o video possono fornire elementi a sostegno di una risposta testuale. Il risultato desiderato dovrebbe rimanere chiaro anche quando l'input combina più tipi di contenuti multimediali.
La tabella dell'esatto modello stabile elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Le funzioni necessitano di uno scopo chiaro e parametri definiti; l'applicazione collegata esegue l'operazione e ne fornisce il risultato. Per l'estrazione basata su schema, convalida la struttura restituita e confrontane i valori con il materiale originale. Una decisione sugli strumenti o un record ben formato sono utili soltanto nel contesto della fonte e delle prove effettivamente restituite.
La scheda nativa indica una finestra di contesto di 1M e output testuale di 64K. La pagina del modello API specifica 1,048,576 token di input e 65,536 token di output. Istruzioni, contenuto sorgente e conversazione conservata consumano il budget di input, mentre ragionamento e limite di risposta influiscono sul fatto che il risultato finale rientri nei limiti. Per questo profilo del produttore sono elencati caching, batch, Flex ed elaborazione Priority. Per compiti ripetuti, conserva le stesse definizioni di categorie o campi e porta gli identificativi nel risultato, affinché una verifica successiva possa localizzare l'elemento di origine.
Questo profilo stabile è separato dalle varianti Preview di giugno e settembre descritte altrove nella famiglia. La scheda nativa condivisa attribuisce i miglioramenti della September Preview, inclusi rispetto delle istruzioni e concisione, specificamente a quell'anteprima; non dovrebbero essere trasferiti implicitamente all'identificativo stabile. Le generazioni Flash-Lite successive usano inoltre controlli di thinking e tabelle delle capacità diversi. Conserva l'edizione e scegli le impostazioni documentate per essa, anziché sostituire i budget 2.5 con la sintassi dei livelli di thinking di Gemini 3.
La scheda elenca allucinazioni e limiti nella comprensione causale, nella deduzione logica complessa e nel ragionamento controfattuale, e indica un limite temporale delle conoscenze a gennaio 2025. Fornisci prove attuali o usa un flusso di grounding documentato quando contano fatti più recenti. Controlla le traduzioni per il significato, i campi estratti per il supporto delle fonti e le trascrizioni rispetto all'audio. Un risultato piccolo e mirato rende pratica questa verifica, senza considerare una risposta rifinita come prova che la fonte contenesse il dettaglio affermato.
", "aboutText": "Gemini 2.5 Flash-Lite è il profilo leggero stabile di Google per traduzione ad alto volume, classificazione e semplice estrazione di dati. Il suo ragionamento ibrido può usare o omettere il thinking in base al compito. Accetta testo, immagini, audio, video e PDF e produce testo. Un risultato utile è una categoria, una traduzione concisa, un record estratto dal materiale fornito o una spiegazione scritta delimitata.\n\nPer la classificazione, definisci categorie, regola decisionale e forma della risposta. Mantieni l'identificativo della fonte in un risultato quando vengono elaborati più elementi indipendenti. Per la classificazione di messaggi di assistenza, classifica un messaggio per tipo di problema e restituisci la frase che sostiene la categoria. Includi una regola per prove mancanti o ambigue, affinché una risposta scorrevole non riempia un campo obbligatorio con un'ipotesi. Il ruolo leggero del modello è più utile quando input e risultato richiesto sono chiaramente specificati.\n\nIl thinking è disattivato per impostazione predefinita nella configurazione documentata di 2.5 Flash-Lite. La guida al thinking di Google GenerateContent consente un budget di thinking esplicito da 512 a 24,576 token, zero per mantenerlo disattivato e -1 per richiedere thinking dinamico. Sono controlli del budget di ragionamento, separati dalla capacità di risposta finale. Abilita ragionamento aggiuntivo quando un'estrazione ha condizioni interagenti o una classificazione ha eccezioni; una conversione semplice può conservare il comportamento predefinito senza thinking. La guida osserva che il modello può usare più o meno token di thinking rispetto al budget richiesto.\n\nPer la traduzione, fornisci lingua di destinazione, pubblico e termini da conservare. Specifica se il risultato debba contenere soltanto la traduzione o un record etichettato. Per l'estrazione documentale, definisci i campi e richiedi brani sorgente che consentano di verificare l'output. Per una registrazione, distingui una trascrizione da un riepilogo e identifica il brano rilevante. Immagini o video possono fornire elementi a sostegno di una risposta testuale. Il risultato desiderato dovrebbe rimanere chiaro anche quando l'input combina più tipi di contenuti multimediali.\n\nLa tabella dell'esatto modello stabile elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Le funzioni necessitano di uno scopo chiaro e parametri definiti; l'applicazione collegata esegue l'operazione e ne fornisce il risultato. Per l'estrazione basata su schema, convalida la struttura restituita e confrontane i valori con il materiale originale. Una decisione sugli strumenti o un record ben formato sono utili soltanto nel contesto della fonte e delle prove effettivamente restituite.\n\nLa scheda nativa indica una finestra di contesto di 1M e output testuale di 64K. La pagina del modello API specifica 1,048,576 token di input e 65,536 token di output. Istruzioni, contenuto sorgente e conversazione conservata consumano il budget di input, mentre ragionamento e limite di risposta influiscono sul fatto che il risultato finale rientri nei limiti. Per questo profilo del produttore sono elencati caching, batch, Flex ed elaborazione Priority. Per compiti ripetuti, conserva le stesse definizioni di categorie o campi e porta gli identificativi nel risultato, affinché una verifica successiva possa localizzare l'elemento di origine.\n\nQuesto profilo stabile è separato dalle varianti Preview di giugno e settembre descritte altrove nella famiglia. La scheda nativa condivisa attribuisce i miglioramenti della September Preview, inclusi rispetto delle istruzioni e concisione, specificamente a quell'anteprima; non dovrebbero essere trasferiti implicitamente all'identificativo stabile. Le generazioni Flash-Lite successive usano inoltre controlli di thinking e tabelle delle capacità diversi. Conserva l'edizione e scegli le impostazioni documentate per essa, anziché sostituire i budget 2.5 con la sintassi dei livelli di thinking di Gemini 3.\n\nLa scheda elenca allucinazioni e limiti nella comprensione causale, nella deduzione logica complessa e nel ragionamento controfattuale, e indica un limite temporale delle conoscenze a gennaio 2025. Fornisci prove attuali o usa un flusso di grounding documentato quando contano fatti più recenti. Controlla le traduzioni per il significato, i campi estratti per il supporto delle fonti e le trascrizioni rispetto all'audio. Un risultato piccolo e mirato rende pratica questa verifica, senza considerare una risposta rifinita come prova che la fonte contenesse il dettaglio affermato.", "editorialOverlay": { "copy_fields": { "practical_html": "Esempio tecnico in inglese
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.gemini-2.5-flash-liteGemini 2.5 Flash-Lite è il modello testuale multimodale stabile di Google per classificazione frequente, traduzione e semplice estrazione. Il thinking è disattivato per impostazione predefinita e può essere abilitato con un budget di ragionamento di 512–24,576 token. Accetta testo e contenuti multimediali, con strumenti, output strutturati e un limite di input di 1,048,576 token.
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 è il profilo leggero stabile di Google per traduzione ad alto volume, classificazione e semplice estrazione di dati. Il suo ragionamento ibrido può usare o omettere il thinking in base al compito. Accetta testo, immagini, audio, video e PDF e produce testo. Un risultato utile è una categoria, una traduzione concisa, un record estratto dal materiale fornito o una spiegazione scritta delimitata.
Per la classificazione, definisci categorie, regola decisionale e forma della risposta. Mantieni l'identificativo della fonte in un risultato quando vengono elaborati più elementi indipendenti. Per la classificazione di messaggi di assistenza, classifica un messaggio per tipo di problema e restituisci la frase che sostiene la categoria. Includi una regola per prove mancanti o ambigue, affinché una risposta scorrevole non riempia un campo obbligatorio con un'ipotesi. Il ruolo leggero del modello è più utile quando input e risultato richiesto sono chiaramente specificati.
Il thinking è disattivato per impostazione predefinita nella configurazione documentata di 2.5 Flash-Lite. La guida al thinking di Google GenerateContent consente un budget di thinking esplicito da 512 a 24,576 token, zero per mantenerlo disattivato e -1 per richiedere thinking dinamico. Sono controlli del budget di ragionamento, separati dalla capacità di risposta finale. Abilita ragionamento aggiuntivo quando un'estrazione ha condizioni interagenti o una classificazione ha eccezioni; una conversione semplice può conservare il comportamento predefinito senza thinking. La guida osserva che il modello può usare più o meno token di thinking rispetto al budget richiesto.
Per la traduzione, fornisci lingua di destinazione, pubblico e termini da conservare. Specifica se il risultato debba contenere soltanto la traduzione o un record etichettato. Per l'estrazione documentale, definisci i campi e richiedi brani sorgente che consentano di verificare l'output. Per una registrazione, distingui una trascrizione da un riepilogo e identifica il brano rilevante. Immagini o video possono fornire elementi a sostegno di una risposta testuale. Il risultato desiderato dovrebbe rimanere chiaro anche quando l'input combina più tipi di contenuti multimediali.
La tabella dell'esatto modello stabile elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Le funzioni necessitano di uno scopo chiaro e parametri definiti; l'applicazione collegata esegue l'operazione e ne fornisce il risultato. Per l'estrazione basata su schema, convalida la struttura restituita e confrontane i valori con il materiale originale. Una decisione sugli strumenti o un record ben formato sono utili soltanto nel contesto della fonte e delle prove effettivamente restituite.
La scheda nativa indica una finestra di contesto di 1M e output testuale di 64K. La pagina del modello API specifica 1,048,576 token di input e 65,536 token di output. Istruzioni, contenuto sorgente e conversazione conservata consumano il budget di input, mentre ragionamento e limite di risposta influiscono sul fatto che il risultato finale rientri nei limiti. Per questo profilo del produttore sono elencati caching, batch, Flex ed elaborazione Priority. Per compiti ripetuti, conserva le stesse definizioni di categorie o campi e porta gli identificativi nel risultato, affinché una verifica successiva possa localizzare l'elemento di origine.
Questo profilo stabile è separato dalle varianti Preview di giugno e settembre descritte altrove nella famiglia. La scheda nativa condivisa attribuisce i miglioramenti della September Preview, inclusi rispetto delle istruzioni e concisione, specificamente a quell'anteprima; non dovrebbero essere trasferiti implicitamente all'identificativo stabile. Le generazioni Flash-Lite successive usano inoltre controlli di thinking e tabelle delle capacità diversi. Conserva l'edizione e scegli le impostazioni documentate per essa, anziché sostituire i budget 2.5 con la sintassi dei livelli di thinking di Gemini 3.
La scheda elenca allucinazioni e limiti nella comprensione causale, nella deduzione logica complessa e nel ragionamento controfattuale, e indica un limite temporale delle conoscenze a gennaio 2025. Fornisci prove attuali o usa un flusso di grounding documentato quando contano fatti più recenti. Controlla le traduzioni per il significato, i campi estratti per il supporto delle fonti e le trascrizioni rispetto all'audio. Un risultato piccolo e mirato rende pratica questa verifica, senza considerare una risposta rifinita come prova che la fonte contenesse il dettaglio affermato.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-2.5-flash-lite | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti user, assistant | Predefinito— |
Campomessages[].content | Tipostring|content_block[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
Camposystem | Tipostring|content_block[] | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campomax_tokens | Tipointeger | RequisitoObbligatorio | Valori e limiti Minimo: 1 Il limite si applica a: Limite esatto del modello o della scheda selezionati | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
Campotemperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotop_p | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campostop_sequences | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools | Tipotool[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].name | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Strumento fornito | Predefinito— |
Campotools[].description | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotools[].input_schema | TipoJSON_schema | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campotool_choice | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.type | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campothinking.budget_tokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campooutput_config.effort | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campometadata | Tipoobject | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Campocache_control | Tipoobject | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Testo · Testo UTF8
messages[].content o blocco type=text
Testo + immagine
{type:image,source:{type:base64,media_type,data}} o origine type=url
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattomodel, messages, max_tokens |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1/messagesAiloot 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 →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-flash-lite",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-flash-lite",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-2.5-flash-lite',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite è il modello testuale multimodale stabile di Google per classificazione frequente, traduzione e semplice estrazione. Il thinking è disattivato per impostazione predefinita e può essere abilitato con un budget di ragionamento di 512–24,576 token. Accetta testo e contenuti multimediali, con strumenti, output strutturati e un limite di input di 1,048,576 token.
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 è il profilo leggero stabile di Google per traduzione ad alto volume, classificazione e semplice estrazione di dati. Il suo ragionamento ibrido può usare o omettere il thinking in base al compito. Accetta testo, immagini, audio, video e PDF e produce testo. Un risultato utile è una categoria, una traduzione concisa, un record estratto dal materiale fornito o una spiegazione scritta delimitata.
Per la classificazione, definisci categorie, regola decisionale e forma della risposta. Mantieni l'identificativo della fonte in un risultato quando vengono elaborati più elementi indipendenti. Per la classificazione di messaggi di assistenza, classifica un messaggio per tipo di problema e restituisci la frase che sostiene la categoria. Includi una regola per prove mancanti o ambigue, affinché una risposta scorrevole non riempia un campo obbligatorio con un'ipotesi. Il ruolo leggero del modello è più utile quando input e risultato richiesto sono chiaramente specificati.
Il thinking è disattivato per impostazione predefinita nella configurazione documentata di 2.5 Flash-Lite. La guida al thinking di Google GenerateContent consente un budget di thinking esplicito da 512 a 24,576 token, zero per mantenerlo disattivato e -1 per richiedere thinking dinamico. Sono controlli del budget di ragionamento, separati dalla capacità di risposta finale. Abilita ragionamento aggiuntivo quando un'estrazione ha condizioni interagenti o una classificazione ha eccezioni; una conversione semplice può conservare il comportamento predefinito senza thinking. La guida osserva che il modello può usare più o meno token di thinking rispetto al budget richiesto.
Per la traduzione, fornisci lingua di destinazione, pubblico e termini da conservare. Specifica se il risultato debba contenere soltanto la traduzione o un record etichettato. Per l'estrazione documentale, definisci i campi e richiedi brani sorgente che consentano di verificare l'output. Per una registrazione, distingui una trascrizione da un riepilogo e identifica il brano rilevante. Immagini o video possono fornire elementi a sostegno di una risposta testuale. Il risultato desiderato dovrebbe rimanere chiaro anche quando l'input combina più tipi di contenuti multimediali.
La tabella dell'esatto modello stabile elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Le funzioni necessitano di uno scopo chiaro e parametri definiti; l'applicazione collegata esegue l'operazione e ne fornisce il risultato. Per l'estrazione basata su schema, convalida la struttura restituita e confrontane i valori con il materiale originale. Una decisione sugli strumenti o un record ben formato sono utili soltanto nel contesto della fonte e delle prove effettivamente restituite.
La scheda nativa indica una finestra di contesto di 1M e output testuale di 64K. La pagina del modello API specifica 1,048,576 token di input e 65,536 token di output. Istruzioni, contenuto sorgente e conversazione conservata consumano il budget di input, mentre ragionamento e limite di risposta influiscono sul fatto che il risultato finale rientri nei limiti. Per questo profilo del produttore sono elencati caching, batch, Flex ed elaborazione Priority. Per compiti ripetuti, conserva le stesse definizioni di categorie o campi e porta gli identificativi nel risultato, affinché una verifica successiva possa localizzare l'elemento di origine.
Questo profilo stabile è separato dalle varianti Preview di giugno e settembre descritte altrove nella famiglia. La scheda nativa condivisa attribuisce i miglioramenti della September Preview, inclusi rispetto delle istruzioni e concisione, specificamente a quell'anteprima; non dovrebbero essere trasferiti implicitamente all'identificativo stabile. Le generazioni Flash-Lite successive usano inoltre controlli di thinking e tabelle delle capacità diversi. Conserva l'edizione e scegli le impostazioni documentate per essa, anziché sostituire i budget 2.5 con la sintassi dei livelli di thinking di Gemini 3.
La scheda elenca allucinazioni e limiti nella comprensione causale, nella deduzione logica complessa e nel ragionamento controfattuale, e indica un limite temporale delle conoscenze a gennaio 2025. Fornisci prove attuali o usa un flusso di grounding documentato quando contano fatti più recenti. Controlla le traduzioni per il significato, i campi estratti per il supporto delle fonti e le trascrizioni rispetto all'audio. Un risultato piccolo e mirato rende pratica questa verifica, senza considerare una risposta rifinita come prova che la fonte contenesse il dettaglio affermato.
POST /v1beta/models/{model}:generateContenttext, imagetext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campopath.model | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-2.5-flash-lite | Predefinito— |
Campocontents | Tipocontent[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campocontents[].role | Tipostring | RequisitoFacoltativo | Valori e limiti user, model | Predefinito— |
Campocontents[].parts | Tipopart[] | RequisitoObbligatorio | Valori e limiti | Predefinito— |
CamposystemInstruction | Tipocontent | RequisitoFacoltativo | Valori e limiti | Predefinito— |
CampogenerationConfig.maxOutputTokens | Tipointeger | RequisitoFacoltativo | Valori e limiti Minimo: 1 Dipende dal modello | Predefinito— |
CampogenerationConfig.temperature | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.topP | Tiponumber | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.topK | Tipointeger | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.stopSequences | Tipostring[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.thinkingConfig.includeThoughts | Tipoboolean | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampogenerationConfig.thinkingConfig.thinkingBudget | Tipointeger | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
Campotools[].functionDeclarations | Tipofunction_declaration[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CampotoolConfig.functionCallingConfig.mode | Tipostring | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CamposafetySettings | Tipoobject[] | RequisitoFacoltativo | Valori e limiti Dipende dal modello | Predefinito— |
CamposessionId | Tipostring | RequisitoFacoltativo | Valori e limiti | Predefinito— |
Testo · Testo UTF8
contents[].parts[].text
Testo + immagine
parts[].inlineData={mimeType,data}
| Parametro | Contratto |
|---|---|
Parametromaterial_types | Contrattotext, image |
Parametrorequired | Contrattocontents |
Parametrooptional_controls | Contrattonull |
Parametrocontent_type | Contrattoapplication/json |
Parametrotext_file_material | ContrattoContenuto UTF-8 effettivo inserito come testo; ID di file/URLs richiedono supporto separato ed esatto |
Ciclo di vita: exact retained published method
Le strutture dei metodi e gli ID sono esatti; la capacità del fornitore è distinta dall’ammissione delle richieste.
POST /v1beta/models/{model}:generateContentAiloot 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 →
I listini di riferimento del modello non modificano la selezione del metodo, i preventivi o gli addebiti. Gli addebiti attivi usano le tariffe del metodo Ailoot selezionato.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneOpenAI Chat · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneOpenAI Chat · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Tariffe base per token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneAnthropic Messages · Fascia 1 in base alla lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-flash-lite", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-flash-lite", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-flash-lite',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson o streaming supportato
Conserva ogni risposta, file e parte di contenuto restituiti per intero.
Conserva tutti i candidati e le parti, comprese le chiamate a funzione, le firme di ragionamento e i dati di utilizzo; assembla i frammenti del flusso nell’ordine.
Conserva gli ID e le intestazioni di richiesta/risposta. Non viene fornito alcun URL generico per recuperare un’attività testuale.
| Campo | Tipo |
|---|---|
CamporesponseId | Tipostring |
CampomodelVersion | Tipostring |
Campocandidates[].content.parts[] | Tipotext|inlineData|functionCall|other part |
Campocandidates[].finishReason | Tipostring |
CampousageMetadata | 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite è il modello testuale multimodale stabile di Google per classificazione frequente, traduzione e semplice estrazione. Il thinking è disattivato per impostazione predefinita e può essere abilitato con un budget di ragionamento di 512–24,576 token. Accetta testo e contenuti multimediali, con strumenti, output strutturati e un limite di input di 1,048,576 token.
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 è il profilo leggero stabile di Google per traduzione ad alto volume, classificazione e semplice estrazione di dati. Il suo ragionamento ibrido può usare o omettere il thinking in base al compito. Accetta testo, immagini, audio, video e PDF e produce testo. Un risultato utile è una categoria, una traduzione concisa, un record estratto dal materiale fornito o una spiegazione scritta delimitata.
Per la classificazione, definisci categorie, regola decisionale e forma della risposta. Mantieni l'identificativo della fonte in un risultato quando vengono elaborati più elementi indipendenti. Per la classificazione di messaggi di assistenza, classifica un messaggio per tipo di problema e restituisci la frase che sostiene la categoria. Includi una regola per prove mancanti o ambigue, affinché una risposta scorrevole non riempia un campo obbligatorio con un'ipotesi. Il ruolo leggero del modello è più utile quando input e risultato richiesto sono chiaramente specificati.
Il thinking è disattivato per impostazione predefinita nella configurazione documentata di 2.5 Flash-Lite. La guida al thinking di Google GenerateContent consente un budget di thinking esplicito da 512 a 24,576 token, zero per mantenerlo disattivato e -1 per richiedere thinking dinamico. Sono controlli del budget di ragionamento, separati dalla capacità di risposta finale. Abilita ragionamento aggiuntivo quando un'estrazione ha condizioni interagenti o una classificazione ha eccezioni; una conversione semplice può conservare il comportamento predefinito senza thinking. La guida osserva che il modello può usare più o meno token di thinking rispetto al budget richiesto.
Per la traduzione, fornisci lingua di destinazione, pubblico e termini da conservare. Specifica se il risultato debba contenere soltanto la traduzione o un record etichettato. Per l'estrazione documentale, definisci i campi e richiedi brani sorgente che consentano di verificare l'output. Per una registrazione, distingui una trascrizione da un riepilogo e identifica il brano rilevante. Immagini o video possono fornire elementi a sostegno di una risposta testuale. Il risultato desiderato dovrebbe rimanere chiaro anche quando l'input combina più tipi di contenuti multimediali.
La tabella dell'esatto modello stabile elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Le funzioni necessitano di uno scopo chiaro e parametri definiti; l'applicazione collegata esegue l'operazione e ne fornisce il risultato. Per l'estrazione basata su schema, convalida la struttura restituita e confrontane i valori con il materiale originale. Una decisione sugli strumenti o un record ben formato sono utili soltanto nel contesto della fonte e delle prove effettivamente restituite.
La scheda nativa indica una finestra di contesto di 1M e output testuale di 64K. La pagina del modello API specifica 1,048,576 token di input e 65,536 token di output. Istruzioni, contenuto sorgente e conversazione conservata consumano il budget di input, mentre ragionamento e limite di risposta influiscono sul fatto che il risultato finale rientri nei limiti. Per questo profilo del produttore sono elencati caching, batch, Flex ed elaborazione Priority. Per compiti ripetuti, conserva le stesse definizioni di categorie o campi e porta gli identificativi nel risultato, affinché una verifica successiva possa localizzare l'elemento di origine.
Questo profilo stabile è separato dalle varianti Preview di giugno e settembre descritte altrove nella famiglia. La scheda nativa condivisa attribuisce i miglioramenti della September Preview, inclusi rispetto delle istruzioni e concisione, specificamente a quell'anteprima; non dovrebbero essere trasferiti implicitamente all'identificativo stabile. Le generazioni Flash-Lite successive usano inoltre controlli di thinking e tabelle delle capacità diversi. Conserva l'edizione e scegli le impostazioni documentate per essa, anziché sostituire i budget 2.5 con la sintassi dei livelli di thinking di Gemini 3.
La scheda elenca allucinazioni e limiti nella comprensione causale, nella deduzione logica complessa e nel ragionamento controfattuale, e indica un limite temporale delle conoscenze a gennaio 2025. Fornisci prove attuali o usa un flusso di grounding documentato quando contano fatti più recenti. Controlla le traduzioni per il significato, i campi estratti per il supporto delle fonti e le trascrizioni rispetto all'audio. Un risultato piccolo e mirato rende pratica questa verifica, senza considerare una risposta rifinita come prova che la fonte contenesse il dettaglio affermato.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-2.5-flash-lite | Predefinito— |
Campomessages | Tipomessage[] | RequisitoObbligatorio | Valori e limiti Numero minimo di elementi: 1 | Predefinito— |
Campomessages[].role | Tipostring | RequisitoObbligatorio | Valori e limiti Dipende dal modello | Predefinito— |
Campomessages[].content | Tipostring | RequisitoFacoltativo | Valori e limiti Si applica quando: Conversazione testuale | Predefinito— |
Campostream | Tipoboolean | RequisitoFacoltativo | Valori e limiti | Predefinitofalse |
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 |
Parametrocontrol_scope | ContrattoConversazione testuale; stream è un booleano e per impostazione predefinita vale false. |
Parametrooutput_modalities | Contrattotext |
Parametrohosted_operations | Contrattofalse |
Parametromultimodal_input_binding | Contrattonull |
Alias del metodo: /chat/completions
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.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${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","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-2.5-flash-lite", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite è il modello testuale multimodale stabile di Google per classificazione frequente, traduzione e semplice estrazione. Il thinking è disattivato per impostazione predefinita e può essere abilitato con un budget di ragionamento di 512–24,576 token. Accetta testo e contenuti multimediali, con strumenti, output strutturati e un limite di input di 1,048,576 token.
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 è il profilo leggero stabile di Google per traduzione ad alto volume, classificazione e semplice estrazione di dati. Il suo ragionamento ibrido può usare o omettere il thinking in base al compito. Accetta testo, immagini, audio, video e PDF e produce testo. Un risultato utile è una categoria, una traduzione concisa, un record estratto dal materiale fornito o una spiegazione scritta delimitata.
Per la classificazione, definisci categorie, regola decisionale e forma della risposta. Mantieni l'identificativo della fonte in un risultato quando vengono elaborati più elementi indipendenti. Per la classificazione di messaggi di assistenza, classifica un messaggio per tipo di problema e restituisci la frase che sostiene la categoria. Includi una regola per prove mancanti o ambigue, affinché una risposta scorrevole non riempia un campo obbligatorio con un'ipotesi. Il ruolo leggero del modello è più utile quando input e risultato richiesto sono chiaramente specificati.
Il thinking è disattivato per impostazione predefinita nella configurazione documentata di 2.5 Flash-Lite. La guida al thinking di Google GenerateContent consente un budget di thinking esplicito da 512 a 24,576 token, zero per mantenerlo disattivato e -1 per richiedere thinking dinamico. Sono controlli del budget di ragionamento, separati dalla capacità di risposta finale. Abilita ragionamento aggiuntivo quando un'estrazione ha condizioni interagenti o una classificazione ha eccezioni; una conversione semplice può conservare il comportamento predefinito senza thinking. La guida osserva che il modello può usare più o meno token di thinking rispetto al budget richiesto.
Per la traduzione, fornisci lingua di destinazione, pubblico e termini da conservare. Specifica se il risultato debba contenere soltanto la traduzione o un record etichettato. Per l'estrazione documentale, definisci i campi e richiedi brani sorgente che consentano di verificare l'output. Per una registrazione, distingui una trascrizione da un riepilogo e identifica il brano rilevante. Immagini o video possono fornire elementi a sostegno di una risposta testuale. Il risultato desiderato dovrebbe rimanere chiaro anche quando l'input combina più tipi di contenuti multimediali.
La tabella dell'esatto modello stabile elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Le funzioni necessitano di uno scopo chiaro e parametri definiti; l'applicazione collegata esegue l'operazione e ne fornisce il risultato. Per l'estrazione basata su schema, convalida la struttura restituita e confrontane i valori con il materiale originale. Una decisione sugli strumenti o un record ben formato sono utili soltanto nel contesto della fonte e delle prove effettivamente restituite.
La scheda nativa indica una finestra di contesto di 1M e output testuale di 64K. La pagina del modello API specifica 1,048,576 token di input e 65,536 token di output. Istruzioni, contenuto sorgente e conversazione conservata consumano il budget di input, mentre ragionamento e limite di risposta influiscono sul fatto che il risultato finale rientri nei limiti. Per questo profilo del produttore sono elencati caching, batch, Flex ed elaborazione Priority. Per compiti ripetuti, conserva le stesse definizioni di categorie o campi e porta gli identificativi nel risultato, affinché una verifica successiva possa localizzare l'elemento di origine.
Questo profilo stabile è separato dalle varianti Preview di giugno e settembre descritte altrove nella famiglia. La scheda nativa condivisa attribuisce i miglioramenti della September Preview, inclusi rispetto delle istruzioni e concisione, specificamente a quell'anteprima; non dovrebbero essere trasferiti implicitamente all'identificativo stabile. Le generazioni Flash-Lite successive usano inoltre controlli di thinking e tabelle delle capacità diversi. Conserva l'edizione e scegli le impostazioni documentate per essa, anziché sostituire i budget 2.5 con la sintassi dei livelli di thinking di Gemini 3.
La scheda elenca allucinazioni e limiti nella comprensione causale, nella deduzione logica complessa e nel ragionamento controfattuale, e indica un limite temporale delle conoscenze a gennaio 2025. Fornisci prove attuali o usa un flusso di grounding documentato quando contano fatti più recenti. Controlla le traduzioni per il significato, i campi estratti per il supporto delle fonti e le trascrizioni rispetto all'audio. Un risultato piccolo e mirato rende pratica questa verifica, senza considerare una risposta rifinita come prova che la fonte contenesse il dettaglio affermato.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti gemini-2.5-flash-lite | 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.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite è il modello testuale multimodale stabile di Google per classificazione frequente, traduzione e semplice estrazione. Il thinking è disattivato per impostazione predefinita e può essere abilitato con un budget di ragionamento di 512–24,576 token. Accetta testo e contenuti multimediali, con strumenti, output strutturati e un limite di input di 1,048,576 token.
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 è il profilo leggero stabile di Google per traduzione ad alto volume, classificazione e semplice estrazione di dati. Il suo ragionamento ibrido può usare o omettere il thinking in base al compito. Accetta testo, immagini, audio, video e PDF e produce testo. Un risultato utile è una categoria, una traduzione concisa, un record estratto dal materiale fornito o una spiegazione scritta delimitata.
Per la classificazione, definisci categorie, regola decisionale e forma della risposta. Mantieni l'identificativo della fonte in un risultato quando vengono elaborati più elementi indipendenti. Per la classificazione di messaggi di assistenza, classifica un messaggio per tipo di problema e restituisci la frase che sostiene la categoria. Includi una regola per prove mancanti o ambigue, affinché una risposta scorrevole non riempia un campo obbligatorio con un'ipotesi. Il ruolo leggero del modello è più utile quando input e risultato richiesto sono chiaramente specificati.
Il thinking è disattivato per impostazione predefinita nella configurazione documentata di 2.5 Flash-Lite. La guida al thinking di Google GenerateContent consente un budget di thinking esplicito da 512 a 24,576 token, zero per mantenerlo disattivato e -1 per richiedere thinking dinamico. Sono controlli del budget di ragionamento, separati dalla capacità di risposta finale. Abilita ragionamento aggiuntivo quando un'estrazione ha condizioni interagenti o una classificazione ha eccezioni; una conversione semplice può conservare il comportamento predefinito senza thinking. La guida osserva che il modello può usare più o meno token di thinking rispetto al budget richiesto.
Per la traduzione, fornisci lingua di destinazione, pubblico e termini da conservare. Specifica se il risultato debba contenere soltanto la traduzione o un record etichettato. Per l'estrazione documentale, definisci i campi e richiedi brani sorgente che consentano di verificare l'output. Per una registrazione, distingui una trascrizione da un riepilogo e identifica il brano rilevante. Immagini o video possono fornire elementi a sostegno di una risposta testuale. Il risultato desiderato dovrebbe rimanere chiaro anche quando l'input combina più tipi di contenuti multimediali.
La tabella dell'esatto modello stabile elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Le funzioni necessitano di uno scopo chiaro e parametri definiti; l'applicazione collegata esegue l'operazione e ne fornisce il risultato. Per l'estrazione basata su schema, convalida la struttura restituita e confrontane i valori con il materiale originale. Una decisione sugli strumenti o un record ben formato sono utili soltanto nel contesto della fonte e delle prove effettivamente restituite.
La scheda nativa indica una finestra di contesto di 1M e output testuale di 64K. La pagina del modello API specifica 1,048,576 token di input e 65,536 token di output. Istruzioni, contenuto sorgente e conversazione conservata consumano il budget di input, mentre ragionamento e limite di risposta influiscono sul fatto che il risultato finale rientri nei limiti. Per questo profilo del produttore sono elencati caching, batch, Flex ed elaborazione Priority. Per compiti ripetuti, conserva le stesse definizioni di categorie o campi e porta gli identificativi nel risultato, affinché una verifica successiva possa localizzare l'elemento di origine.
Questo profilo stabile è separato dalle varianti Preview di giugno e settembre descritte altrove nella famiglia. La scheda nativa condivisa attribuisce i miglioramenti della September Preview, inclusi rispetto delle istruzioni e concisione, specificamente a quell'anteprima; non dovrebbero essere trasferiti implicitamente all'identificativo stabile. Le generazioni Flash-Lite successive usano inoltre controlli di thinking e tabelle delle capacità diversi. Conserva l'edizione e scegli le impostazioni documentate per essa, anziché sostituire i budget 2.5 con la sintassi dei livelli di thinking di Gemini 3.
La scheda elenca allucinazioni e limiti nella comprensione causale, nella deduzione logica complessa e nel ragionamento controfattuale, e indica un limite temporale delle conoscenze a gennaio 2025. Fornisci prove attuali o usa un flusso di grounding documentato quando contano fatti più recenti. Controlla le traduzioni per il significato, i campi estratti per il supporto delle fonti e le trascrizioni rispetto all'audio. Un risultato piccolo e mirato rende pratica questa verifica, senza considerare una risposta rifinita come prova che la fonte contenesse il dettaglio affermato.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemini-2.5-flash-lite | 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.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-flash-lite", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-2.5-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-2.5-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite è il modello testuale multimodale stabile di Google per classificazione frequente, traduzione e semplice estrazione. Il thinking è disattivato per impostazione predefinita e può essere abilitato con un budget di ragionamento di 512–24,576 token. Accetta testo e contenuti multimediali, con strumenti, output strutturati e un limite di input di 1,048,576 token.
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 è il profilo leggero stabile di Google per traduzione ad alto volume, classificazione e semplice estrazione di dati. Il suo ragionamento ibrido può usare o omettere il thinking in base al compito. Accetta testo, immagini, audio, video e PDF e produce testo. Un risultato utile è una categoria, una traduzione concisa, un record estratto dal materiale fornito o una spiegazione scritta delimitata.
Per la classificazione, definisci categorie, regola decisionale e forma della risposta. Mantieni l'identificativo della fonte in un risultato quando vengono elaborati più elementi indipendenti. Per la classificazione di messaggi di assistenza, classifica un messaggio per tipo di problema e restituisci la frase che sostiene la categoria. Includi una regola per prove mancanti o ambigue, affinché una risposta scorrevole non riempia un campo obbligatorio con un'ipotesi. Il ruolo leggero del modello è più utile quando input e risultato richiesto sono chiaramente specificati.
Il thinking è disattivato per impostazione predefinita nella configurazione documentata di 2.5 Flash-Lite. La guida al thinking di Google GenerateContent consente un budget di thinking esplicito da 512 a 24,576 token, zero per mantenerlo disattivato e -1 per richiedere thinking dinamico. Sono controlli del budget di ragionamento, separati dalla capacità di risposta finale. Abilita ragionamento aggiuntivo quando un'estrazione ha condizioni interagenti o una classificazione ha eccezioni; una conversione semplice può conservare il comportamento predefinito senza thinking. La guida osserva che il modello può usare più o meno token di thinking rispetto al budget richiesto.
Per la traduzione, fornisci lingua di destinazione, pubblico e termini da conservare. Specifica se il risultato debba contenere soltanto la traduzione o un record etichettato. Per l'estrazione documentale, definisci i campi e richiedi brani sorgente che consentano di verificare l'output. Per una registrazione, distingui una trascrizione da un riepilogo e identifica il brano rilevante. Immagini o video possono fornire elementi a sostegno di una risposta testuale. Il risultato desiderato dovrebbe rimanere chiaro anche quando l'input combina più tipi di contenuti multimediali.
La tabella dell'esatto modello stabile elenca chiamate di funzione, esecuzione di codice, ricerca nei file, grounding tramite ricerca, grounding tramite Maps, contesto URL e output strutturati. Le funzioni necessitano di uno scopo chiaro e parametri definiti; l'applicazione collegata esegue l'operazione e ne fornisce il risultato. Per l'estrazione basata su schema, convalida la struttura restituita e confrontane i valori con il materiale originale. Una decisione sugli strumenti o un record ben formato sono utili soltanto nel contesto della fonte e delle prove effettivamente restituite.
La scheda nativa indica una finestra di contesto di 1M e output testuale di 64K. La pagina del modello API specifica 1,048,576 token di input e 65,536 token di output. Istruzioni, contenuto sorgente e conversazione conservata consumano il budget di input, mentre ragionamento e limite di risposta influiscono sul fatto che il risultato finale rientri nei limiti. Per questo profilo del produttore sono elencati caching, batch, Flex ed elaborazione Priority. Per compiti ripetuti, conserva le stesse definizioni di categorie o campi e porta gli identificativi nel risultato, affinché una verifica successiva possa localizzare l'elemento di origine.
Questo profilo stabile è separato dalle varianti Preview di giugno e settembre descritte altrove nella famiglia. La scheda nativa condivisa attribuisce i miglioramenti della September Preview, inclusi rispetto delle istruzioni e concisione, specificamente a quell'anteprima; non dovrebbero essere trasferiti implicitamente all'identificativo stabile. Le generazioni Flash-Lite successive usano inoltre controlli di thinking e tabelle delle capacità diversi. Conserva l'edizione e scegli le impostazioni documentate per essa, anziché sostituire i budget 2.5 con la sintassi dei livelli di thinking di Gemini 3.
La scheda elenca allucinazioni e limiti nella comprensione causale, nella deduzione logica complessa e nel ragionamento controfattuale, e indica un limite temporale delle conoscenze a gennaio 2025. Fornisci prove attuali o usa un flusso di grounding documentato quando contano fatti più recenti. Controlla le traduzioni per il significato, i campi estratti per il supporto delle fonti e le trascrizioni rispetto all'audio. Un risultato piccolo e mirato rende pratica questa verifica, senza considerare una risposta rifinita come prova che la fonte contenesse il dettaglio affermato.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valori e limiti | Predefinito |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObbligatorio | Valori e limiti google/gemini-2.5-flash-lite | 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.
Associa ogni costo alle condizioni indicate. Usa una sola tariffa per ogni insieme di configurazioni alternative.
| Configurazione | Listino delle tariffe | Token di contesto, più di | Token di contesto, fino al limite incluso | Costo |
|---|---|---|---|---|
| ConfigurazioneTariffe di base dei token | Listino delle tariffeTariffa base | Token di contesto, più di— | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
| ConfigurazioneFascia 1 di lunghezza della richiesta | Listino delle tariffe— | Token di contesto, più di0 | Token di contesto, fino al limite inclusoNessun limite superiore | Costo Input · Token in input $0.0002 / 1K token Output · Token in output $0.0008 / 1K token Input · Lettura dalla cache $0.00002 / 1K token Input · Scrittura nella cache $0.0001666666666666666 / 1K token Input · Scrittura nella cache, 1 ora — / 1K token |
Ailoot prenota un importo stimato prima di una richiesta. Dopo il risultato, addebita il costo finale in base all’utilizzo misurato. Per lo streaming, l’addebito usa il record finale di utilizzo. Come funzionano la prenotazione e l’addebito finale →
{\n "model": "google/gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
Esempio tecnico in inglese
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.