Gemini 2.5 Flash-Lite는 대량 번역, 분류, 단순 데이터 추출을 위한 Google의 안정 버전 경량 프로필입니다. 하이브리드 추론은 과제에 따라 thinking을 사용하거나 생략할 수 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 생성합니다. 유용한 결과는 범주, 간결한 번역, 제공 자료에서 추출한 기록, 범위가 정해진 서면 설명입니다.
분류에는 범주, 판단 규칙, 답변 형식을 정의하세요. 여러 독립 항목을 처리할 때는 결과에 출처 식별자를 유지하세요. 지원 메시지 분류에서는 메시지를 문제 유형별로 분류하고 해당 범주를 뒷받침하는 문장을 반환하세요. 유창한 답변이 필수 필드를 추측으로 채우지 않도록 증거가 없거나 모호할 때의 규칙을 포함하세요. 이 모델의 경량 역할은 입력과 필요한 결과가 명확히 지정되었을 때 가장 유용합니다.
문서화된 2.5 Flash-Lite 구성에서는 thinking이 기본적으로 꺼져 있습니다. Google의 GenerateContent thinking 가이드는 512부터 24,576 토큰까지의 명시적 thinking 예산, 비활성 상태를 유지하는 0, 동적 thinking을 요청하는 -1을 허용합니다. 이는 최종 응답 허용량과 별개인 추론 예산 제어입니다. 추출 조건이 서로 영향을 주거나 분류에 예외가 있으면 추가 추론을 활성화하세요. 단순한 변환은 기본 non-thinking 동작을 유지할 수 있습니다. 가이드는 모델이 요청 예산보다 많거나 적은 thinking 토큰을 사용할 수 있다고 설명합니다.
번역에는 대상 언어, 독자, 보존할 용어를 제공하세요. 결과에 번역문만 담을지 라벨이 있는 기록을 담을지 지정하세요. 문서 추출에는 필드를 정의하고 출력을 검토할 수 있는 원문 구절을 요청하세요. 녹음에는 전사문과 요약을 구별하고 중요한 구절을 식별하세요. 이미지나 비디오는 텍스트 답변의 증거가 될 수 있습니다. 입력에 여러 미디어 유형이 결합되어도 원하는 결과물은 명확하게 유지해야 합니다.
정확한 안정 버전 표에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 기재되어 있습니다. 함수에는 명확한 목적과 정의된 매개변수가 필요하며 연결된 애플리케이션이 작업을 실행하고 결과를 제공합니다. 스키마 기반 추출에서는 반환 구조를 검증하고 값을 원자료와 비교하세요. 도구 결정이나 형식이 잘 갖춰진 기록은 출처 및 실제 반환 증거의 맥락 안에서만 유용합니다.
고유 모델 카드는 1M 컨텍스트 창과 64K 텍스트 출력을 제공합니다. API 모델 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 대화는 입력 예산을 사용하며 추론과 응답 상한은 최종 결과가 들어가는지에 영향을 줍니다. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 기재되어 있습니다. 반복 과제에서는 같은 범주 또는 필드 정의를 유지하고 식별자를 결과에 전달해 이후 검토에서 원래 항목을 찾을 수 있도록 하세요.
이 안정 버전 프로필은 제품군의 다른 곳에서 설명하는 6월 및 9월 Preview 변형과 별개입니다. 공통 고유 모델 카드는 지시 이행과 간결성을 포함한 9월 Preview 개선 사항을 해당 프리뷰에 특정하여 표시합니다. 이를 안정 버전 식별자에 알리지 않고 옮겨 적용해서는 안 됩니다. 후속 Flash-Lite 세대도 다른 thinking 제어와 기능 표를 사용합니다. 2.5 예산을 Gemini 3 thinking 수준 문법으로 대체하지 말고 에디션을 보존하고 해당 에디션에 문서화된 설정을 선택하세요.
카드는 환각과 인과적 이해, 복잡한 논리적 연역, 반사실적 추론의 한계를 기재하며 2025년 1월 지식 기준일을 제공합니다. 더 최신 사실이 중요하면 최신 증거를 제공하거나 문서화된 그라운딩 워크플로를 사용하세요. 번역은 의미를, 추출 필드는 출처의 뒷받침을, 전사문은 오디오와의 일치를 검토하세요. 초점이 명확한 작은 결과는 다듬어진 답변을 원문에 그 세부 사항이 있었다는 증거로 취급하지 않으면서 이런 검토를 실용적으로 만듭니다.
", "aboutText": "Gemini 2.5 Flash-Lite는 대량 번역, 분류, 단순 데이터 추출을 위한 Google의 안정 버전 경량 프로필입니다. 하이브리드 추론은 과제에 따라 thinking을 사용하거나 생략할 수 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 생성합니다. 유용한 결과는 범주, 간결한 번역, 제공 자료에서 추출한 기록, 범위가 정해진 서면 설명입니다.\n\n분류에는 범주, 판단 규칙, 답변 형식을 정의하세요. 여러 독립 항목을 처리할 때는 결과에 출처 식별자를 유지하세요. 지원 메시지 분류에서는 메시지를 문제 유형별로 분류하고 해당 범주를 뒷받침하는 문장을 반환하세요. 유창한 답변이 필수 필드를 추측으로 채우지 않도록 증거가 없거나 모호할 때의 규칙을 포함하세요. 이 모델의 경량 역할은 입력과 필요한 결과가 명확히 지정되었을 때 가장 유용합니다.\n\n문서화된 2.5 Flash-Lite 구성에서는 thinking이 기본적으로 꺼져 있습니다. Google의 GenerateContent thinking 가이드는 512부터 24,576 토큰까지의 명시적 thinking 예산, 비활성 상태를 유지하는 0, 동적 thinking을 요청하는 -1을 허용합니다. 이는 최종 응답 허용량과 별개인 추론 예산 제어입니다. 추출 조건이 서로 영향을 주거나 분류에 예외가 있으면 추가 추론을 활성화하세요. 단순한 변환은 기본 non-thinking 동작을 유지할 수 있습니다. 가이드는 모델이 요청 예산보다 많거나 적은 thinking 토큰을 사용할 수 있다고 설명합니다.\n\n번역에는 대상 언어, 독자, 보존할 용어를 제공하세요. 결과에 번역문만 담을지 라벨이 있는 기록을 담을지 지정하세요. 문서 추출에는 필드를 정의하고 출력을 검토할 수 있는 원문 구절을 요청하세요. 녹음에는 전사문과 요약을 구별하고 중요한 구절을 식별하세요. 이미지나 비디오는 텍스트 답변의 증거가 될 수 있습니다. 입력에 여러 미디어 유형이 결합되어도 원하는 결과물은 명확하게 유지해야 합니다.\n\n정확한 안정 버전 표에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 기재되어 있습니다. 함수에는 명확한 목적과 정의된 매개변수가 필요하며 연결된 애플리케이션이 작업을 실행하고 결과를 제공합니다. 스키마 기반 추출에서는 반환 구조를 검증하고 값을 원자료와 비교하세요. 도구 결정이나 형식이 잘 갖춰진 기록은 출처 및 실제 반환 증거의 맥락 안에서만 유용합니다.\n\n고유 모델 카드는 1M 컨텍스트 창과 64K 텍스트 출력을 제공합니다. API 모델 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 대화는 입력 예산을 사용하며 추론과 응답 상한은 최종 결과가 들어가는지에 영향을 줍니다. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 기재되어 있습니다. 반복 과제에서는 같은 범주 또는 필드 정의를 유지하고 식별자를 결과에 전달해 이후 검토에서 원래 항목을 찾을 수 있도록 하세요.\n\n이 안정 버전 프로필은 제품군의 다른 곳에서 설명하는 6월 및 9월 Preview 변형과 별개입니다. 공통 고유 모델 카드는 지시 이행과 간결성을 포함한 9월 Preview 개선 사항을 해당 프리뷰에 특정하여 표시합니다. 이를 안정 버전 식별자에 알리지 않고 옮겨 적용해서는 안 됩니다. 후속 Flash-Lite 세대도 다른 thinking 제어와 기능 표를 사용합니다. 2.5 예산을 Gemini 3 thinking 수준 문법으로 대체하지 말고 에디션을 보존하고 해당 에디션에 문서화된 설정을 선택하세요.\n\n카드는 환각과 인과적 이해, 복잡한 논리적 연역, 반사실적 추론의 한계를 기재하며 2025년 1월 지식 기준일을 제공합니다. 더 최신 사실이 중요하면 최신 증거를 제공하거나 문서화된 그라운딩 워크플로를 사용하세요. 번역은 의미를, 추출 필드는 출처의 뒷받침을, 전사문은 오디오와의 일치를 검토하세요. 초점이 명확한 작은 결과는 다듬어진 답변을 원문에 그 세부 사항이 있었다는 증거로 취급하지 않으면서 이런 검토를 실용적으로 만듭니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
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-Lite는 빈번한 분류, 번역, 단순 추출을 위한 Google의 안정 버전 멀티모달 텍스트 모델입니다. Thinking은 기본적으로 꺼져 있으며 512–24,576 토큰의 추론 예산으로 활성화할 수 있습니다. 텍스트와 미디어를 입력받고 도구, 구조화된 출력, 1,048,576 토큰 입력 한도를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 2.5 Flash-Lite는 대량 번역, 분류, 단순 데이터 추출을 위한 Google의 안정 버전 경량 프로필입니다. 하이브리드 추론은 과제에 따라 thinking을 사용하거나 생략할 수 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 생성합니다. 유용한 결과는 범주, 간결한 번역, 제공 자료에서 추출한 기록, 범위가 정해진 서면 설명입니다.
분류에는 범주, 판단 규칙, 답변 형식을 정의하세요. 여러 독립 항목을 처리할 때는 결과에 출처 식별자를 유지하세요. 지원 메시지 분류에서는 메시지를 문제 유형별로 분류하고 해당 범주를 뒷받침하는 문장을 반환하세요. 유창한 답변이 필수 필드를 추측으로 채우지 않도록 증거가 없거나 모호할 때의 규칙을 포함하세요. 이 모델의 경량 역할은 입력과 필요한 결과가 명확히 지정되었을 때 가장 유용합니다.
문서화된 2.5 Flash-Lite 구성에서는 thinking이 기본적으로 꺼져 있습니다. Google의 GenerateContent thinking 가이드는 512부터 24,576 토큰까지의 명시적 thinking 예산, 비활성 상태를 유지하는 0, 동적 thinking을 요청하는 -1을 허용합니다. 이는 최종 응답 허용량과 별개인 추론 예산 제어입니다. 추출 조건이 서로 영향을 주거나 분류에 예외가 있으면 추가 추론을 활성화하세요. 단순한 변환은 기본 non-thinking 동작을 유지할 수 있습니다. 가이드는 모델이 요청 예산보다 많거나 적은 thinking 토큰을 사용할 수 있다고 설명합니다.
번역에는 대상 언어, 독자, 보존할 용어를 제공하세요. 결과에 번역문만 담을지 라벨이 있는 기록을 담을지 지정하세요. 문서 추출에는 필드를 정의하고 출력을 검토할 수 있는 원문 구절을 요청하세요. 녹음에는 전사문과 요약을 구별하고 중요한 구절을 식별하세요. 이미지나 비디오는 텍스트 답변의 증거가 될 수 있습니다. 입력에 여러 미디어 유형이 결합되어도 원하는 결과물은 명확하게 유지해야 합니다.
정확한 안정 버전 표에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 기재되어 있습니다. 함수에는 명확한 목적과 정의된 매개변수가 필요하며 연결된 애플리케이션이 작업을 실행하고 결과를 제공합니다. 스키마 기반 추출에서는 반환 구조를 검증하고 값을 원자료와 비교하세요. 도구 결정이나 형식이 잘 갖춰진 기록은 출처 및 실제 반환 증거의 맥락 안에서만 유용합니다.
고유 모델 카드는 1M 컨텍스트 창과 64K 텍스트 출력을 제공합니다. API 모델 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 대화는 입력 예산을 사용하며 추론과 응답 상한은 최종 결과가 들어가는지에 영향을 줍니다. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 기재되어 있습니다. 반복 과제에서는 같은 범주 또는 필드 정의를 유지하고 식별자를 결과에 전달해 이후 검토에서 원래 항목을 찾을 수 있도록 하세요.
이 안정 버전 프로필은 제품군의 다른 곳에서 설명하는 6월 및 9월 Preview 변형과 별개입니다. 공통 고유 모델 카드는 지시 이행과 간결성을 포함한 9월 Preview 개선 사항을 해당 프리뷰에 특정하여 표시합니다. 이를 안정 버전 식별자에 알리지 않고 옮겨 적용해서는 안 됩니다. 후속 Flash-Lite 세대도 다른 thinking 제어와 기능 표를 사용합니다. 2.5 예산을 Gemini 3 thinking 수준 문법으로 대체하지 말고 에디션을 보존하고 해당 에디션에 문서화된 설정을 선택하세요.
카드는 환각과 인과적 이해, 복잡한 논리적 연역, 반사실적 추론의 한계를 기재하며 2025년 1월 지식 기준일을 제공합니다. 더 최신 사실이 중요하면 최신 증거를 제공하거나 문서화된 그라운딩 워크플로를 사용하세요. 번역은 의미를, 추출 필드는 출처의 뒷받침을, 전사문은 오디오와의 일치를 검토하세요. 초점이 명확한 작은 결과는 다듬어진 답변을 원문에 그 세부 사항이 있었다는 증거로 취급하지 않으면서 이런 검토를 실용적으로 만듭니다.
POST /v1/messagestext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-2.5-flash-lite | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string|content_block[] | 요건필수 | 값과 한도 | 기본값— |
필드system | 유형string|content_block[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 최솟값: 1 한도 적용 대상: 선택한 모델/카드의 정확한 상한 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop_sequences | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].name | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 도구 지정됨 | 기본값— |
필드tools[].description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].input_schema | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.type | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드thinking.budget_tokens | 유형integer | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드output_config.effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드metadata | 유형object | 요건선택 사항 | 값과 한도 | 기본값— |
필드cache_control | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content 또는 type=text 블록
텍스트 + 이미지
{type:image,source:{type:base64,media_type,data}} 또는 type=url인 소스
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1/messagesAiloot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
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-Lite는 빈번한 분류, 번역, 단순 추출을 위한 Google의 안정 버전 멀티모달 텍스트 모델입니다. Thinking은 기본적으로 꺼져 있으며 512–24,576 토큰의 추론 예산으로 활성화할 수 있습니다. 텍스트와 미디어를 입력받고 도구, 구조화된 출력, 1,048,576 토큰 입력 한도를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 2.5 Flash-Lite는 대량 번역, 분류, 단순 데이터 추출을 위한 Google의 안정 버전 경량 프로필입니다. 하이브리드 추론은 과제에 따라 thinking을 사용하거나 생략할 수 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 생성합니다. 유용한 결과는 범주, 간결한 번역, 제공 자료에서 추출한 기록, 범위가 정해진 서면 설명입니다.
분류에는 범주, 판단 규칙, 답변 형식을 정의하세요. 여러 독립 항목을 처리할 때는 결과에 출처 식별자를 유지하세요. 지원 메시지 분류에서는 메시지를 문제 유형별로 분류하고 해당 범주를 뒷받침하는 문장을 반환하세요. 유창한 답변이 필수 필드를 추측으로 채우지 않도록 증거가 없거나 모호할 때의 규칙을 포함하세요. 이 모델의 경량 역할은 입력과 필요한 결과가 명확히 지정되었을 때 가장 유용합니다.
문서화된 2.5 Flash-Lite 구성에서는 thinking이 기본적으로 꺼져 있습니다. Google의 GenerateContent thinking 가이드는 512부터 24,576 토큰까지의 명시적 thinking 예산, 비활성 상태를 유지하는 0, 동적 thinking을 요청하는 -1을 허용합니다. 이는 최종 응답 허용량과 별개인 추론 예산 제어입니다. 추출 조건이 서로 영향을 주거나 분류에 예외가 있으면 추가 추론을 활성화하세요. 단순한 변환은 기본 non-thinking 동작을 유지할 수 있습니다. 가이드는 모델이 요청 예산보다 많거나 적은 thinking 토큰을 사용할 수 있다고 설명합니다.
번역에는 대상 언어, 독자, 보존할 용어를 제공하세요. 결과에 번역문만 담을지 라벨이 있는 기록을 담을지 지정하세요. 문서 추출에는 필드를 정의하고 출력을 검토할 수 있는 원문 구절을 요청하세요. 녹음에는 전사문과 요약을 구별하고 중요한 구절을 식별하세요. 이미지나 비디오는 텍스트 답변의 증거가 될 수 있습니다. 입력에 여러 미디어 유형이 결합되어도 원하는 결과물은 명확하게 유지해야 합니다.
정확한 안정 버전 표에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 기재되어 있습니다. 함수에는 명확한 목적과 정의된 매개변수가 필요하며 연결된 애플리케이션이 작업을 실행하고 결과를 제공합니다. 스키마 기반 추출에서는 반환 구조를 검증하고 값을 원자료와 비교하세요. 도구 결정이나 형식이 잘 갖춰진 기록은 출처 및 실제 반환 증거의 맥락 안에서만 유용합니다.
고유 모델 카드는 1M 컨텍스트 창과 64K 텍스트 출력을 제공합니다. API 모델 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 대화는 입력 예산을 사용하며 추론과 응답 상한은 최종 결과가 들어가는지에 영향을 줍니다. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 기재되어 있습니다. 반복 과제에서는 같은 범주 또는 필드 정의를 유지하고 식별자를 결과에 전달해 이후 검토에서 원래 항목을 찾을 수 있도록 하세요.
이 안정 버전 프로필은 제품군의 다른 곳에서 설명하는 6월 및 9월 Preview 변형과 별개입니다. 공통 고유 모델 카드는 지시 이행과 간결성을 포함한 9월 Preview 개선 사항을 해당 프리뷰에 특정하여 표시합니다. 이를 안정 버전 식별자에 알리지 않고 옮겨 적용해서는 안 됩니다. 후속 Flash-Lite 세대도 다른 thinking 제어와 기능 표를 사용합니다. 2.5 예산을 Gemini 3 thinking 수준 문법으로 대체하지 말고 에디션을 보존하고 해당 에디션에 문서화된 설정을 선택하세요.
카드는 환각과 인과적 이해, 복잡한 논리적 연역, 반사실적 추론의 한계를 기재하며 2025년 1월 지식 기준일을 제공합니다. 더 최신 사실이 중요하면 최신 증거를 제공하거나 문서화된 그라운딩 워크플로를 사용하세요. 번역은 의미를, 추출 필드는 출처의 뒷받침을, 전사문은 오디오와의 일치를 검토하세요. 초점이 명확한 작은 결과는 다듬어진 답변을 원문에 그 세부 사항이 있었다는 증거로 취급하지 않으면서 이런 검토를 실용적으로 만듭니다.
POST /v1beta/models/{model}:generateContenttext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드path.model | 유형string | 요건필수 | 값과 한도 gemini-2.5-flash-lite | 기본값— |
필드contents | 유형content[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드contents[].role | 유형string | 요건선택 사항 | 값과 한도 user, model | 기본값— |
필드contents[].parts | 유형part[] | 요건필수 | 값과 한도 | 기본값— |
필드systemInstruction | 유형content | 요건선택 사항 | 값과 한도 | 기본값— |
필드generationConfig.maxOutputTokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드generationConfig.temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드generationConfig.topP | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드generationConfig.topK | 유형integer | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드generationConfig.stopSequences | 유형string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드generationConfig.thinkingConfig.includeThoughts | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드generationConfig.thinkingConfig.thinkingBudget | 유형integer | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].functionDeclarations | 유형function_declaration[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드toolConfig.functionCallingConfig.mode | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드safetySettings | 유형object[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드sessionId | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
텍스트 · UTF8 텍스트
contents[].parts[].text
텍스트 + 이미지
parts[].inlineData={mimeType,data}
| 매개변수 | 명세 |
|---|---|
매개변수material_types | 명세text, image |
매개변수required | 명세contents |
매개변수optional_controls | 명세null |
매개변수content_type | 명세application/json |
매개변수text_file_material | 명세실제 UTF-8 콘텐츠를 텍스트로 삽입합니다. 파일 ID/URLs에는 별도의 정확한 지원이 필요합니다 |
수명 주기: exact retained published method
메서드 형식과 ID는 정확합니다. 공급자의 기능 지원과 요청 수락은 별개입니다.
POST /v1beta/models/{model}:generateContentAiloot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
모델 수준의 참조 요금표는 메서드 선택, 견적 또는 요금을 변경하지 않습니다. 실제 과금에는 선택한 Ailoot 메서드 요금이 적용됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정OpenAI Chat · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정OpenAI Chat · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 기본 토큰 요금 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정Anthropic Messages · 요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
set -eu\n: "${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 또는 지원되는 스트리밍
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
함수 호출, 사고 서명, 사용량을 포함한 모든 후보와 파트를 보존하세요. 스트림 청크를 순서대로 조합하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드responseId | 유형string |
필드modelVersion | 유형string |
필드candidates[].content.parts[] | 유형text|inlineData|functionCall|other part |
필드candidates[].finishReason | 유형string |
필드usageMetadata | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
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-Lite는 빈번한 분류, 번역, 단순 추출을 위한 Google의 안정 버전 멀티모달 텍스트 모델입니다. Thinking은 기본적으로 꺼져 있으며 512–24,576 토큰의 추론 예산으로 활성화할 수 있습니다. 텍스트와 미디어를 입력받고 도구, 구조화된 출력, 1,048,576 토큰 입력 한도를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 2.5 Flash-Lite는 대량 번역, 분류, 단순 데이터 추출을 위한 Google의 안정 버전 경량 프로필입니다. 하이브리드 추론은 과제에 따라 thinking을 사용하거나 생략할 수 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 생성합니다. 유용한 결과는 범주, 간결한 번역, 제공 자료에서 추출한 기록, 범위가 정해진 서면 설명입니다.
분류에는 범주, 판단 규칙, 답변 형식을 정의하세요. 여러 독립 항목을 처리할 때는 결과에 출처 식별자를 유지하세요. 지원 메시지 분류에서는 메시지를 문제 유형별로 분류하고 해당 범주를 뒷받침하는 문장을 반환하세요. 유창한 답변이 필수 필드를 추측으로 채우지 않도록 증거가 없거나 모호할 때의 규칙을 포함하세요. 이 모델의 경량 역할은 입력과 필요한 결과가 명확히 지정되었을 때 가장 유용합니다.
문서화된 2.5 Flash-Lite 구성에서는 thinking이 기본적으로 꺼져 있습니다. Google의 GenerateContent thinking 가이드는 512부터 24,576 토큰까지의 명시적 thinking 예산, 비활성 상태를 유지하는 0, 동적 thinking을 요청하는 -1을 허용합니다. 이는 최종 응답 허용량과 별개인 추론 예산 제어입니다. 추출 조건이 서로 영향을 주거나 분류에 예외가 있으면 추가 추론을 활성화하세요. 단순한 변환은 기본 non-thinking 동작을 유지할 수 있습니다. 가이드는 모델이 요청 예산보다 많거나 적은 thinking 토큰을 사용할 수 있다고 설명합니다.
번역에는 대상 언어, 독자, 보존할 용어를 제공하세요. 결과에 번역문만 담을지 라벨이 있는 기록을 담을지 지정하세요. 문서 추출에는 필드를 정의하고 출력을 검토할 수 있는 원문 구절을 요청하세요. 녹음에는 전사문과 요약을 구별하고 중요한 구절을 식별하세요. 이미지나 비디오는 텍스트 답변의 증거가 될 수 있습니다. 입력에 여러 미디어 유형이 결합되어도 원하는 결과물은 명확하게 유지해야 합니다.
정확한 안정 버전 표에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 기재되어 있습니다. 함수에는 명확한 목적과 정의된 매개변수가 필요하며 연결된 애플리케이션이 작업을 실행하고 결과를 제공합니다. 스키마 기반 추출에서는 반환 구조를 검증하고 값을 원자료와 비교하세요. 도구 결정이나 형식이 잘 갖춰진 기록은 출처 및 실제 반환 증거의 맥락 안에서만 유용합니다.
고유 모델 카드는 1M 컨텍스트 창과 64K 텍스트 출력을 제공합니다. API 모델 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 대화는 입력 예산을 사용하며 추론과 응답 상한은 최종 결과가 들어가는지에 영향을 줍니다. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 기재되어 있습니다. 반복 과제에서는 같은 범주 또는 필드 정의를 유지하고 식별자를 결과에 전달해 이후 검토에서 원래 항목을 찾을 수 있도록 하세요.
이 안정 버전 프로필은 제품군의 다른 곳에서 설명하는 6월 및 9월 Preview 변형과 별개입니다. 공통 고유 모델 카드는 지시 이행과 간결성을 포함한 9월 Preview 개선 사항을 해당 프리뷰에 특정하여 표시합니다. 이를 안정 버전 식별자에 알리지 않고 옮겨 적용해서는 안 됩니다. 후속 Flash-Lite 세대도 다른 thinking 제어와 기능 표를 사용합니다. 2.5 예산을 Gemini 3 thinking 수준 문법으로 대체하지 말고 에디션을 보존하고 해당 에디션에 문서화된 설정을 선택하세요.
카드는 환각과 인과적 이해, 복잡한 논리적 연역, 반사실적 추론의 한계를 기재하며 2025년 1월 지식 기준일을 제공합니다. 더 최신 사실이 중요하면 최신 증거를 제공하거나 문서화된 그라운딩 워크플로를 사용하세요. 번역은 의미를, 추출 필드는 출처의 뒷받침을, 전사문은 오디오와의 일치를 검토하세요. 초점이 명확한 작은 결과는 다듬어진 답변을 원문에 그 세부 사항이 있었다는 증거로 취급하지 않으면서 이런 검토를 실용적으로 만듭니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-2.5-flash-lite | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 텍스트 대화 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream |
매개변수control_scope | 명세텍스트 대화. stream은 불리언이며 기본값은 false입니다. |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
메서드 별칭: /chat/completions
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
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-Lite는 빈번한 분류, 번역, 단순 추출을 위한 Google의 안정 버전 멀티모달 텍스트 모델입니다. Thinking은 기본적으로 꺼져 있으며 512–24,576 토큰의 추론 예산으로 활성화할 수 있습니다. 텍스트와 미디어를 입력받고 도구, 구조화된 출력, 1,048,576 토큰 입력 한도를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 2.5 Flash-Lite는 대량 번역, 분류, 단순 데이터 추출을 위한 Google의 안정 버전 경량 프로필입니다. 하이브리드 추론은 과제에 따라 thinking을 사용하거나 생략할 수 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 생성합니다. 유용한 결과는 범주, 간결한 번역, 제공 자료에서 추출한 기록, 범위가 정해진 서면 설명입니다.
분류에는 범주, 판단 규칙, 답변 형식을 정의하세요. 여러 독립 항목을 처리할 때는 결과에 출처 식별자를 유지하세요. 지원 메시지 분류에서는 메시지를 문제 유형별로 분류하고 해당 범주를 뒷받침하는 문장을 반환하세요. 유창한 답변이 필수 필드를 추측으로 채우지 않도록 증거가 없거나 모호할 때의 규칙을 포함하세요. 이 모델의 경량 역할은 입력과 필요한 결과가 명확히 지정되었을 때 가장 유용합니다.
문서화된 2.5 Flash-Lite 구성에서는 thinking이 기본적으로 꺼져 있습니다. Google의 GenerateContent thinking 가이드는 512부터 24,576 토큰까지의 명시적 thinking 예산, 비활성 상태를 유지하는 0, 동적 thinking을 요청하는 -1을 허용합니다. 이는 최종 응답 허용량과 별개인 추론 예산 제어입니다. 추출 조건이 서로 영향을 주거나 분류에 예외가 있으면 추가 추론을 활성화하세요. 단순한 변환은 기본 non-thinking 동작을 유지할 수 있습니다. 가이드는 모델이 요청 예산보다 많거나 적은 thinking 토큰을 사용할 수 있다고 설명합니다.
번역에는 대상 언어, 독자, 보존할 용어를 제공하세요. 결과에 번역문만 담을지 라벨이 있는 기록을 담을지 지정하세요. 문서 추출에는 필드를 정의하고 출력을 검토할 수 있는 원문 구절을 요청하세요. 녹음에는 전사문과 요약을 구별하고 중요한 구절을 식별하세요. 이미지나 비디오는 텍스트 답변의 증거가 될 수 있습니다. 입력에 여러 미디어 유형이 결합되어도 원하는 결과물은 명확하게 유지해야 합니다.
정확한 안정 버전 표에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 기재되어 있습니다. 함수에는 명확한 목적과 정의된 매개변수가 필요하며 연결된 애플리케이션이 작업을 실행하고 결과를 제공합니다. 스키마 기반 추출에서는 반환 구조를 검증하고 값을 원자료와 비교하세요. 도구 결정이나 형식이 잘 갖춰진 기록은 출처 및 실제 반환 증거의 맥락 안에서만 유용합니다.
고유 모델 카드는 1M 컨텍스트 창과 64K 텍스트 출력을 제공합니다. API 모델 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 대화는 입력 예산을 사용하며 추론과 응답 상한은 최종 결과가 들어가는지에 영향을 줍니다. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 기재되어 있습니다. 반복 과제에서는 같은 범주 또는 필드 정의를 유지하고 식별자를 결과에 전달해 이후 검토에서 원래 항목을 찾을 수 있도록 하세요.
이 안정 버전 프로필은 제품군의 다른 곳에서 설명하는 6월 및 9월 Preview 변형과 별개입니다. 공통 고유 모델 카드는 지시 이행과 간결성을 포함한 9월 Preview 개선 사항을 해당 프리뷰에 특정하여 표시합니다. 이를 안정 버전 식별자에 알리지 않고 옮겨 적용해서는 안 됩니다. 후속 Flash-Lite 세대도 다른 thinking 제어와 기능 표를 사용합니다. 2.5 예산을 Gemini 3 thinking 수준 문법으로 대체하지 말고 에디션을 보존하고 해당 에디션에 문서화된 설정을 선택하세요.
카드는 환각과 인과적 이해, 복잡한 논리적 연역, 반사실적 추론의 한계를 기재하며 2025년 1월 지식 기준일을 제공합니다. 더 최신 사실이 중요하면 최신 증거를 제공하거나 문서화된 그라운딩 워크플로를 사용하세요. 번역은 의미를, 추출 필드는 출처의 뒷받침을, 전사문은 오디오와의 일치를 검토하세요. 초점이 명확한 작은 결과는 다듬어진 답변을 원문에 그 세부 사항이 있었다는 증거로 취급하지 않으면서 이런 검토를 실용적으로 만듭니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-2.5-flash-lite | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
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-Lite는 빈번한 분류, 번역, 단순 추출을 위한 Google의 안정 버전 멀티모달 텍스트 모델입니다. Thinking은 기본적으로 꺼져 있으며 512–24,576 토큰의 추론 예산으로 활성화할 수 있습니다. 텍스트와 미디어를 입력받고 도구, 구조화된 출력, 1,048,576 토큰 입력 한도를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 2.5 Flash-Lite는 대량 번역, 분류, 단순 데이터 추출을 위한 Google의 안정 버전 경량 프로필입니다. 하이브리드 추론은 과제에 따라 thinking을 사용하거나 생략할 수 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 생성합니다. 유용한 결과는 범주, 간결한 번역, 제공 자료에서 추출한 기록, 범위가 정해진 서면 설명입니다.
분류에는 범주, 판단 규칙, 답변 형식을 정의하세요. 여러 독립 항목을 처리할 때는 결과에 출처 식별자를 유지하세요. 지원 메시지 분류에서는 메시지를 문제 유형별로 분류하고 해당 범주를 뒷받침하는 문장을 반환하세요. 유창한 답변이 필수 필드를 추측으로 채우지 않도록 증거가 없거나 모호할 때의 규칙을 포함하세요. 이 모델의 경량 역할은 입력과 필요한 결과가 명확히 지정되었을 때 가장 유용합니다.
문서화된 2.5 Flash-Lite 구성에서는 thinking이 기본적으로 꺼져 있습니다. Google의 GenerateContent thinking 가이드는 512부터 24,576 토큰까지의 명시적 thinking 예산, 비활성 상태를 유지하는 0, 동적 thinking을 요청하는 -1을 허용합니다. 이는 최종 응답 허용량과 별개인 추론 예산 제어입니다. 추출 조건이 서로 영향을 주거나 분류에 예외가 있으면 추가 추론을 활성화하세요. 단순한 변환은 기본 non-thinking 동작을 유지할 수 있습니다. 가이드는 모델이 요청 예산보다 많거나 적은 thinking 토큰을 사용할 수 있다고 설명합니다.
번역에는 대상 언어, 독자, 보존할 용어를 제공하세요. 결과에 번역문만 담을지 라벨이 있는 기록을 담을지 지정하세요. 문서 추출에는 필드를 정의하고 출력을 검토할 수 있는 원문 구절을 요청하세요. 녹음에는 전사문과 요약을 구별하고 중요한 구절을 식별하세요. 이미지나 비디오는 텍스트 답변의 증거가 될 수 있습니다. 입력에 여러 미디어 유형이 결합되어도 원하는 결과물은 명확하게 유지해야 합니다.
정확한 안정 버전 표에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 기재되어 있습니다. 함수에는 명확한 목적과 정의된 매개변수가 필요하며 연결된 애플리케이션이 작업을 실행하고 결과를 제공합니다. 스키마 기반 추출에서는 반환 구조를 검증하고 값을 원자료와 비교하세요. 도구 결정이나 형식이 잘 갖춰진 기록은 출처 및 실제 반환 증거의 맥락 안에서만 유용합니다.
고유 모델 카드는 1M 컨텍스트 창과 64K 텍스트 출력을 제공합니다. API 모델 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 대화는 입력 예산을 사용하며 추론과 응답 상한은 최종 결과가 들어가는지에 영향을 줍니다. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 기재되어 있습니다. 반복 과제에서는 같은 범주 또는 필드 정의를 유지하고 식별자를 결과에 전달해 이후 검토에서 원래 항목을 찾을 수 있도록 하세요.
이 안정 버전 프로필은 제품군의 다른 곳에서 설명하는 6월 및 9월 Preview 변형과 별개입니다. 공통 고유 모델 카드는 지시 이행과 간결성을 포함한 9월 Preview 개선 사항을 해당 프리뷰에 특정하여 표시합니다. 이를 안정 버전 식별자에 알리지 않고 옮겨 적용해서는 안 됩니다. 후속 Flash-Lite 세대도 다른 thinking 제어와 기능 표를 사용합니다. 2.5 예산을 Gemini 3 thinking 수준 문법으로 대체하지 말고 에디션을 보존하고 해당 에디션에 문서화된 설정을 선택하세요.
카드는 환각과 인과적 이해, 복잡한 논리적 연역, 반사실적 추론의 한계를 기재하며 2025년 1월 지식 기준일을 제공합니다. 더 최신 사실이 중요하면 최신 증거를 제공하거나 문서화된 그라운딩 워크플로를 사용하세요. 번역은 의미를, 추출 필드는 출처의 뒷받침을, 전사문은 오디오와의 일치를 검토하세요. 초점이 명확한 작은 결과는 다듬어진 답변을 원문에 그 세부 사항이 있었다는 증거로 취급하지 않으면서 이런 검토를 실용적으로 만듭니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 google/gemini-2.5-flash-lite | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 최소 항목 수: 1 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 예시: system, user, assistant, tool, function 조건: 이 역할들은 소스 코드의 호환 타입에 명시적으로 표현됩니다. 정확한 모델 역할 집합은 모델별로 다릅니다. 모델에 따라 다름 | 기본값— |
필드messages[].content | 유형string|content_part[]|null | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_calls | 유형tool_call[] | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].tool_call_id | 유형string | 요건선택 사항 | 값과 한도 적용 조건: role=tool. 실제 반환된 ID를 사용하세요 | 기본값— |
필드messages[].name | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드messages[].reasoning_content | 유형string | 요건선택 사항 | 값과 한도 적용 조건: 이 모델이 추론을 사용하는 경우 실제 반환된 추론을 그대로 다음 요청에 다시 전달하세요 | 기본값— |
필드messages[].reasoning_details | 유형object|array | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드max_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드max_completion_tokens | 유형integer | 요건선택 사항 | 값과 한도 최솟값: 1 모델에 따라 다름 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
필드stream_options.include_usage | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드temperature | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드top_p | 유형number | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드stop | 유형string|string[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools | 유형function_tool[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드tools[].type | 유형string | 요건선택 사항 | 값과 한도 function 모델에 따라 다름 | 기본값— |
필드tools[].function.name | 유형string | 요건필수 | 값과 한도 적용 조건: 함수 도구 지정됨 | 기본값— |
필드tools[].function.description | 유형string | 요건선택 사항 | 값과 한도 | 기본값— |
필드tools[].function.parameters | 유형JSON_schema | 요건선택 사항 | 값과 한도 | 기본값— |
필드tool_choice | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드parallel_tool_calls | 유형boolean | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드response_format | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning_effort | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드reasoning | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드service_tier | 유형string | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드instructions | 유형string | 요건선택 사항 | 값과 한도 호환성 필드 | 기본값— |
필드functions | 유형function[] | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드function_call | 유형string|object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드prompt_cache_options | 유형object | 요건선택 사항 | 값과 한도 모델에 따라 다름 | 기본값— |
필드modalities | 유형string[] | 요건선택 사항 | 값과 한도 text | 기본값— |
필드provider | 유형object | 요건선택 사항 | 값과 한도 조건: 이 Ultra 텍스트 경로에서는 provider.options가 거부됩니다 | 기본값— |
필드cache_control.ttl | 유형string | 요건선택 사항 | 값과 한도 조건: 실제 프롬프트 캐시 지정 위치에서는 1h가 거부됩니다 | 기본값— |
텍스트 · UTF8 텍스트
messages[].content
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages |
매개변수material_types | 명세text |
매개변수messages | 명세role/content 형식의 메시지 배열 |
매개변수file_material | 명세실제 UTF-8 문서를 텍스트로 그대로 삽입합니다. 파일 ID는 추정하지 않습니다 |
매개변수optional_controls | 명세stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
매개변수control_scope | 명세모델별로 다름. 사용자 함수 도구와 호스팅 도구는 서로 다릅니다 |
매개변수output_modalities | 명세text |
매개변수hosted_operations | 명세false |
매개변수multimodal_input_binding | 명세null |
수명 주기: synchronous_or_streamed
정확한 모델 ID를 messages와 함께 보내세요.
컨텍스트 길이는 출력 상한이 아닙니다.
텍스트 파일은 텍스트를 그대로 제공할 수 있습니다. 이미지/오디오/파일 객체 입력에는 정확한 바인딩이 필요합니다.
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
각 선택지와 그 콘텐츠·도구 호출·추론을 모두 보존하세요. SSE에서는 선택지/도구 인덱스별로 증분을 조합하고 최종 종료 사유와 사용량을 유지하세요.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드choices[].index | 유형integer |
필드choices[].message.content | 유형string|null |
필드choices[].message.tool_calls | 유형tool_call[] |
필드choices[].message.reasoning_content | 유형string |
필드choices[].message.reasoning_details | 유형object|array |
필드choices[].finish_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
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-Lite는 빈번한 분류, 번역, 단순 추출을 위한 Google의 안정 버전 멀티모달 텍스트 모델입니다. Thinking은 기본적으로 꺼져 있으며 512–24,576 토큰의 추론 예산으로 활성화할 수 있습니다. 텍스트와 미디어를 입력받고 도구, 구조화된 출력, 1,048,576 토큰 입력 한도를 제공합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 2.5 Flash-Lite는 대량 번역, 분류, 단순 데이터 추출을 위한 Google의 안정 버전 경량 프로필입니다. 하이브리드 추론은 과제에 따라 thinking을 사용하거나 생략할 수 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 생성합니다. 유용한 결과는 범주, 간결한 번역, 제공 자료에서 추출한 기록, 범위가 정해진 서면 설명입니다.
분류에는 범주, 판단 규칙, 답변 형식을 정의하세요. 여러 독립 항목을 처리할 때는 결과에 출처 식별자를 유지하세요. 지원 메시지 분류에서는 메시지를 문제 유형별로 분류하고 해당 범주를 뒷받침하는 문장을 반환하세요. 유창한 답변이 필수 필드를 추측으로 채우지 않도록 증거가 없거나 모호할 때의 규칙을 포함하세요. 이 모델의 경량 역할은 입력과 필요한 결과가 명확히 지정되었을 때 가장 유용합니다.
문서화된 2.5 Flash-Lite 구성에서는 thinking이 기본적으로 꺼져 있습니다. Google의 GenerateContent thinking 가이드는 512부터 24,576 토큰까지의 명시적 thinking 예산, 비활성 상태를 유지하는 0, 동적 thinking을 요청하는 -1을 허용합니다. 이는 최종 응답 허용량과 별개인 추론 예산 제어입니다. 추출 조건이 서로 영향을 주거나 분류에 예외가 있으면 추가 추론을 활성화하세요. 단순한 변환은 기본 non-thinking 동작을 유지할 수 있습니다. 가이드는 모델이 요청 예산보다 많거나 적은 thinking 토큰을 사용할 수 있다고 설명합니다.
번역에는 대상 언어, 독자, 보존할 용어를 제공하세요. 결과에 번역문만 담을지 라벨이 있는 기록을 담을지 지정하세요. 문서 추출에는 필드를 정의하고 출력을 검토할 수 있는 원문 구절을 요청하세요. 녹음에는 전사문과 요약을 구별하고 중요한 구절을 식별하세요. 이미지나 비디오는 텍스트 답변의 증거가 될 수 있습니다. 입력에 여러 미디어 유형이 결합되어도 원하는 결과물은 명확하게 유지해야 합니다.
정확한 안정 버전 표에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력이 기재되어 있습니다. 함수에는 명확한 목적과 정의된 매개변수가 필요하며 연결된 애플리케이션이 작업을 실행하고 결과를 제공합니다. 스키마 기반 추출에서는 반환 구조를 검증하고 값을 원자료와 비교하세요. 도구 결정이나 형식이 잘 갖춰진 기록은 출처 및 실제 반환 증거의 맥락 안에서만 유용합니다.
고유 모델 카드는 1M 컨텍스트 창과 64K 텍스트 출력을 제공합니다. API 모델 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 원자료, 유지된 대화는 입력 예산을 사용하며 추론과 응답 상한은 최종 결과가 들어가는지에 영향을 줍니다. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 기재되어 있습니다. 반복 과제에서는 같은 범주 또는 필드 정의를 유지하고 식별자를 결과에 전달해 이후 검토에서 원래 항목을 찾을 수 있도록 하세요.
이 안정 버전 프로필은 제품군의 다른 곳에서 설명하는 6월 및 9월 Preview 변형과 별개입니다. 공통 고유 모델 카드는 지시 이행과 간결성을 포함한 9월 Preview 개선 사항을 해당 프리뷰에 특정하여 표시합니다. 이를 안정 버전 식별자에 알리지 않고 옮겨 적용해서는 안 됩니다. 후속 Flash-Lite 세대도 다른 thinking 제어와 기능 표를 사용합니다. 2.5 예산을 Gemini 3 thinking 수준 문법으로 대체하지 말고 에디션을 보존하고 해당 에디션에 문서화된 설정을 선택하세요.
카드는 환각과 인과적 이해, 복잡한 논리적 연역, 반사실적 추론의 한계를 기재하며 2025년 1월 지식 기준일을 제공합니다. 더 최신 사실이 중요하면 최신 증거를 제공하거나 문서화된 그라운딩 워크플로를 사용하세요. 번역은 의미를, 추출 필드는 출처의 뒷받침을, 전사문은 오디오와의 일치를 검토하세요. 초점이 명확한 작은 결과는 다듬어진 답변을 원문에 그 세부 사항이 있었다는 증거로 취급하지 않으면서 이런 검토를 실용적으로 만듭니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 google/gemini-2.5-flash-lite | 기본값— |
필드messages | 유형message[] | 요건필수 | 값과 한도 | 기본값— |
필드messages[].role | 유형string | 요건필수 | 값과 한도 user, assistant | 기본값— |
필드messages[].content | 유형string | 요건필수 | 값과 한도 | 기본값— |
필드max_tokens | 유형integer | 요건필수 | 값과 한도 | 기본값— |
필드stream | 유형boolean | 요건선택 사항 | 값과 한도 | 기본값false |
텍스트 · UTF-8 텍스트
messages[].content 문자열
| 매개변수 | 명세 |
|---|---|
매개변수content_type | 명세application/json |
매개변수required | 명세model, messages, max_tokens |
매개변수optional_controls | 명세stream |
매개변수material_types | 명세text |
매개변수text_file_material | 명세실제 UTF-8 문서를 읽고 그 텍스트를 지정된 입력 또는 메시지 콘텐츠 문자열에 넣으세요. |
수명 주기: synchronous_or_streamed
요금 정보는 요청 옵션을 추가하지 않습니다. 지원되는 매개변수는 선택한 메서드에 표시됩니다.
각 요금을 표시된 조건과 대조하세요. 서로 대체되는 설정 묶음마다 하나의 요금만 적용하세요.
| 설정 | 요금표 | 컨텍스트 토큰 수 초과 기준 | 컨텍스트 토큰 수 이하 기준 | 요금 |
|---|---|---|---|---|
| 설정토큰의 기본 단가 | 요금표기본 요금 | 컨텍스트 토큰 수 초과 기준— | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
| 설정요청 길이 구간 1 | 요금표— | 컨텍스트 토큰 수 초과 기준0 | 컨텍스트 토큰 수 이하 기준상한 없음 | 요금 입력 · 입력 토큰 $0.0002 / 1K 토큰 출력 · 출력 토큰 $0.0008 / 1K 토큰 입력 · 캐시 읽기 $0.00002 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "google/gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 또는 SSE
반환된 완전한 응답, 파일, 콘텐츠 부분을 모두 보관하세요.
모든 콘텐츠 블록, 사고 서명, 실제 도구 사용 ID를 보존하세요. 모든 SSE 블록 증분을 조합하세요. 첫 텍스트 블록이 전체 출력은 아닙니다.
요청/응답 ID와 헤더를 보존하세요. 텍스트 작업을 조회하는 범용 URL은 제공되지 않습니다.
| 필드 | 유형 |
|---|---|
필드id | 유형string |
필드model | 유형string |
필드content[] | 유형text|thinking|tool_use|other content block |
필드stop_reason | 유형string|null |
필드usage | 유형object |
| 응답 | 조건 | 다음 단계 |
|---|---|---|
응답400 · invalid_request_error | 조건필수 필드, 자료 표현 방식 또는 파라미터 값이 올바르지 않음 | 다음 단계새 생성 요청 전에 표시된 필드를 수정하세요. |
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
영어 기술 예제
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.