Gemini 3.1 Flash-Lite는 빈번하고 명확하게 정의된 과제를 위한 Google의 안정 버전 경량 멀티모달 텍스트 모델입니다. Gemini 3 Pro를 기반으로 합니다. 번역과 분류가 주요 작업이며 전사, 문서 요약, 개체 추출, 모델 선택 분류에도 유용합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 원자료로 사용할 수 있고 결과는 텍스트입니다. 유용한 지시문은 번역한 메시지나 문서에서 찾은 필드 기록처럼 작업 하나와 최종 형식 하나를 요청합니다.
번역에는 원문, 대상 언어, 독자, 그대로 유지할 용어를 제공하세요. Google 예시는 번역문만 반환하는 지시를 사용합니다. 지원 메시지를 번역할 때는 제품명과 주문 참조를 보존하면서 나머지를 자연스럽게 번역하세요. 원문에 없는 날짜, 약속, 세부 사항이 추가되지 않도록 모호성을 처리하는 방식을 지정하세요. 짧은 답장이나 라벨이 있는 번역 기록처럼 요청 형식을 목적지에 맞추세요.
전사에는 녹음을 제공하고 답변이 발화 그대로의 문구, 읽기 쉽게 편집한 전사문, 요약 중 무엇이어야 하는지 정의하세요. 이는 서로 다른 출력입니다. 긴 녹음에서 과제에 필요한 구절이 하나뿐이면 관련 구간을 지정하세요. 제작사의 개발자 예시는 오디오를 직접 전달하고 텍스트 전사문을 요청합니다. 이름, 숫자, 불명확한 구절을 녹음과 대조하고 검토를 위해 원본을 보관하세요. 이 일반 멀티모달 텍스트 프로필 자체가 오디오 출력이나 전용 화자 분리 결과를 의미하지는 않습니다.
분류나 추출에는 범주, 스키마, 누락값 규칙을 정의하세요. 개발자 가이드는 뒷받침 인용문과 정의된 필드를 갖춘 고객 리뷰 분석용 구조화된 JSON을 보여 줍니다. 구조화된 기록에는 언급된 제품, 문제 범주, 선택을 정당화하는 문장이 포함될 수 있습니다. 범주를 억지로 정하기보다 미상으로 남겨야 하는 대표 사례도 포함하세요. 문법적으로 유효한 기록도 실제 원문과 비교해야 합니다.
문서 처리는 PDF를 간결한 요약이나 필드 기록으로 바꿀 수 있습니다. 질문을 밝히고 판단을 확인해야 하는 곳에는 페이지나 절 참조를 보존하세요. 표 검토에서는 중요한 열과 규칙을 지정하고, 시각 과제에서는 답변에 필요한 라벨이나 영역을 지정해야 합니다. 모델 라우팅도 문서화된 용도입니다. 모델은 요청의 복잡도를 분류하고 허용된 선택지를 반환합니다. 다음에 무엇을 실행할지는 분류 텍스트 자체가 아니라 연결된 애플리케이션이 결정합니다.
Thinking을 지원하며 제작사는 더 많은 분석이 유익한 과제에서 더 높은 노력 수준을 사용하는 예를 보여 줍니다. 정확한 안정 버전 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력도 기재되어 있습니다. 이 안정 버전 3.1 프로필은 Computer Use를 지원하지 않으며 후속 3.5 Flash-Lite 프로필은 다른 기능 표를 갖습니다. 도구 목적과 매개변수를 명확히 정의하고 실제 반환 결과에서 작업을 이어가세요. 함수 제안은 작업이 실제로 이루어졌음을 입증하지 않습니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며 안정 버전 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 입력 준비에 지시, 대화, 원본 미디어를 포함하고 의도한 결과물에 맞는 크기의 출력을 요청하세요. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 문서화되어 있습니다. 반복되는 독립 항목에서는 입력 식별자를 결과에 전달하고 일관된 스키마를 유지해 누락된 답변을 식별할 수 있도록 하세요.
이 안정 버전 모델 식별자는 Gemini 3.1 Flash-Lite Preview 및 후속 Flash-Lite 에디션과 구별됩니다. 반복 처리를 준비할 때 익숙한 제품군 이름을 고정된 리비전 보장으로 간주하지 말고 정확한 에디션을 유지하세요. 번역은 의미와 용어의 보존 여부를, 전사문은 오디오와의 일치 여부를, 추출 필드는 문서와의 일치 여부를 검토하세요. 이 프로필의 실무 역할은 명확한 결과를 내는 집중적인 멀티모달 텍스트 처리이며, 더 큰 과제의 추론이나 외부 행동은 적절한 후속 단계에 맡깁니다.
", "aboutText": "Gemini 3.1 Flash-Lite는 빈번하고 명확하게 정의된 과제를 위한 Google의 안정 버전 경량 멀티모달 텍스트 모델입니다. Gemini 3 Pro를 기반으로 합니다. 번역과 분류가 주요 작업이며 전사, 문서 요약, 개체 추출, 모델 선택 분류에도 유용합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 원자료로 사용할 수 있고 결과는 텍스트입니다. 유용한 지시문은 번역한 메시지나 문서에서 찾은 필드 기록처럼 작업 하나와 최종 형식 하나를 요청합니다.\n\n번역에는 원문, 대상 언어, 독자, 그대로 유지할 용어를 제공하세요. Google 예시는 번역문만 반환하는 지시를 사용합니다. 지원 메시지를 번역할 때는 제품명과 주문 참조를 보존하면서 나머지를 자연스럽게 번역하세요. 원문에 없는 날짜, 약속, 세부 사항이 추가되지 않도록 모호성을 처리하는 방식을 지정하세요. 짧은 답장이나 라벨이 있는 번역 기록처럼 요청 형식을 목적지에 맞추세요.\n\n전사에는 녹음을 제공하고 답변이 발화 그대로의 문구, 읽기 쉽게 편집한 전사문, 요약 중 무엇이어야 하는지 정의하세요. 이는 서로 다른 출력입니다. 긴 녹음에서 과제에 필요한 구절이 하나뿐이면 관련 구간을 지정하세요. 제작사의 개발자 예시는 오디오를 직접 전달하고 텍스트 전사문을 요청합니다. 이름, 숫자, 불명확한 구절을 녹음과 대조하고 검토를 위해 원본을 보관하세요. 이 일반 멀티모달 텍스트 프로필 자체가 오디오 출력이나 전용 화자 분리 결과를 의미하지는 않습니다.\n\n분류나 추출에는 범주, 스키마, 누락값 규칙을 정의하세요. 개발자 가이드는 뒷받침 인용문과 정의된 필드를 갖춘 고객 리뷰 분석용 구조화된 JSON을 보여 줍니다. 구조화된 기록에는 언급된 제품, 문제 범주, 선택을 정당화하는 문장이 포함될 수 있습니다. 범주를 억지로 정하기보다 미상으로 남겨야 하는 대표 사례도 포함하세요. 문법적으로 유효한 기록도 실제 원문과 비교해야 합니다.\n\n문서 처리는 PDF를 간결한 요약이나 필드 기록으로 바꿀 수 있습니다. 질문을 밝히고 판단을 확인해야 하는 곳에는 페이지나 절 참조를 보존하세요. 표 검토에서는 중요한 열과 규칙을 지정하고, 시각 과제에서는 답변에 필요한 라벨이나 영역을 지정해야 합니다. 모델 라우팅도 문서화된 용도입니다. 모델은 요청의 복잡도를 분류하고 허용된 선택지를 반환합니다. 다음에 무엇을 실행할지는 분류 텍스트 자체가 아니라 연결된 애플리케이션이 결정합니다.\n\nThinking을 지원하며 제작사는 더 많은 분석이 유익한 과제에서 더 높은 노력 수준을 사용하는 예를 보여 줍니다. 정확한 안정 버전 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력도 기재되어 있습니다. 이 안정 버전 3.1 프로필은 Computer Use를 지원하지 않으며 후속 3.5 Flash-Lite 프로필은 다른 기능 표를 갖습니다. 도구 목적과 매개변수를 명확히 정의하고 실제 반환 결과에서 작업을 이어가세요. 함수 제안은 작업이 실제로 이루어졌음을 입증하지 않습니다.\n\n고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며 안정 버전 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 입력 준비에 지시, 대화, 원본 미디어를 포함하고 의도한 결과물에 맞는 크기의 출력을 요청하세요. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 문서화되어 있습니다. 반복되는 독립 항목에서는 입력 식별자를 결과에 전달하고 일관된 스키마를 유지해 누락된 답변을 식별할 수 있도록 하세요.\n\n이 안정 버전 모델 식별자는 Gemini 3.1 Flash-Lite Preview 및 후속 Flash-Lite 에디션과 구별됩니다. 반복 처리를 준비할 때 익숙한 제품군 이름을 고정된 리비전 보장으로 간주하지 말고 정확한 에디션을 유지하세요. 번역은 의미와 용어의 보존 여부를, 전사문은 오디오와의 일치 여부를, 추출 필드는 문서와의 일치 여부를 검토하세요. 이 프로필의 실무 역할은 명확한 결과를 내는 집중적인 멀티모달 텍스트 처리이며, 더 큰 과제의 추론이나 외부 행동은 적절한 후속 단계에 맡깁니다.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Localize a compact service message\n\nTranslate into Spanish for a small-business customer: “Invoice INV-204 is ready. The bank transfer has not arrived yet; access starts after payment confirmation.” Keep INV-204 unchanged and return only the translated message. Preserve the distinction between invoice availability, receipt of funds and activation.A Spanish message containing the unchanged invoice reference and the original payment-to-access condition.Check that the translation does not imply that payment is received or access is already active.gemini-3.1-flash-liteGemini 3.1 Flash-Lite는 대규모 번역, 전사, 분류, 단순 추출을 위한 Google의 안정 버전 멀티모달 모델입니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환하며 thinking, 도구, 구조화된 출력을 제공합니다. 정확한 입력/출력 한도는 1,048,576/65,536 토큰입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.1 Flash-Lite는 빈번하고 명확하게 정의된 과제를 위한 Google의 안정 버전 경량 멀티모달 텍스트 모델입니다. Gemini 3 Pro를 기반으로 합니다. 번역과 분류가 주요 작업이며 전사, 문서 요약, 개체 추출, 모델 선택 분류에도 유용합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 원자료로 사용할 수 있고 결과는 텍스트입니다. 유용한 지시문은 번역한 메시지나 문서에서 찾은 필드 기록처럼 작업 하나와 최종 형식 하나를 요청합니다.
번역에는 원문, 대상 언어, 독자, 그대로 유지할 용어를 제공하세요. Google 예시는 번역문만 반환하는 지시를 사용합니다. 지원 메시지를 번역할 때는 제품명과 주문 참조를 보존하면서 나머지를 자연스럽게 번역하세요. 원문에 없는 날짜, 약속, 세부 사항이 추가되지 않도록 모호성을 처리하는 방식을 지정하세요. 짧은 답장이나 라벨이 있는 번역 기록처럼 요청 형식을 목적지에 맞추세요.
전사에는 녹음을 제공하고 답변이 발화 그대로의 문구, 읽기 쉽게 편집한 전사문, 요약 중 무엇이어야 하는지 정의하세요. 이는 서로 다른 출력입니다. 긴 녹음에서 과제에 필요한 구절이 하나뿐이면 관련 구간을 지정하세요. 제작사의 개발자 예시는 오디오를 직접 전달하고 텍스트 전사문을 요청합니다. 이름, 숫자, 불명확한 구절을 녹음과 대조하고 검토를 위해 원본을 보관하세요. 이 일반 멀티모달 텍스트 프로필 자체가 오디오 출력이나 전용 화자 분리 결과를 의미하지는 않습니다.
분류나 추출에는 범주, 스키마, 누락값 규칙을 정의하세요. 개발자 가이드는 뒷받침 인용문과 정의된 필드를 갖춘 고객 리뷰 분석용 구조화된 JSON을 보여 줍니다. 구조화된 기록에는 언급된 제품, 문제 범주, 선택을 정당화하는 문장이 포함될 수 있습니다. 범주를 억지로 정하기보다 미상으로 남겨야 하는 대표 사례도 포함하세요. 문법적으로 유효한 기록도 실제 원문과 비교해야 합니다.
문서 처리는 PDF를 간결한 요약이나 필드 기록으로 바꿀 수 있습니다. 질문을 밝히고 판단을 확인해야 하는 곳에는 페이지나 절 참조를 보존하세요. 표 검토에서는 중요한 열과 규칙을 지정하고, 시각 과제에서는 답변에 필요한 라벨이나 영역을 지정해야 합니다. 모델 라우팅도 문서화된 용도입니다. 모델은 요청의 복잡도를 분류하고 허용된 선택지를 반환합니다. 다음에 무엇을 실행할지는 분류 텍스트 자체가 아니라 연결된 애플리케이션이 결정합니다.
Thinking을 지원하며 제작사는 더 많은 분석이 유익한 과제에서 더 높은 노력 수준을 사용하는 예를 보여 줍니다. 정확한 안정 버전 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력도 기재되어 있습니다. 이 안정 버전 3.1 프로필은 Computer Use를 지원하지 않으며 후속 3.5 Flash-Lite 프로필은 다른 기능 표를 갖습니다. 도구 목적과 매개변수를 명확히 정의하고 실제 반환 결과에서 작업을 이어가세요. 함수 제안은 작업이 실제로 이루어졌음을 입증하지 않습니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며 안정 버전 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 입력 준비에 지시, 대화, 원본 미디어를 포함하고 의도한 결과물에 맞는 크기의 출력을 요청하세요. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 문서화되어 있습니다. 반복되는 독립 항목에서는 입력 식별자를 결과에 전달하고 일관된 스키마를 유지해 누락된 답변을 식별할 수 있도록 하세요.
이 안정 버전 모델 식별자는 Gemini 3.1 Flash-Lite Preview 및 후속 Flash-Lite 에디션과 구별됩니다. 반복 처리를 준비할 때 익숙한 제품군 이름을 고정된 리비전 보장으로 간주하지 말고 정확한 에디션을 유지하세요. 번역은 의미와 용어의 보존 여부를, 전사문은 오디오와의 일치 여부를, 추출 필드는 문서와의 일치 여부를 검토하세요. 이 프로필의 실무 역할은 명확한 결과를 내는 집중적인 멀티모달 텍스트 처리이며, 더 큰 과제의 추론이나 외부 행동은 적절한 후속 단계에 맡깁니다.
POST /v1/messagestext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-3.1-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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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-3.1-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-3.1-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-3.1-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-3.1-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-3.1-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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
gemini-3.1-flash-liteGemini 3.1 Flash-Lite는 대규모 번역, 전사, 분류, 단순 추출을 위한 Google의 안정 버전 멀티모달 모델입니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환하며 thinking, 도구, 구조화된 출력을 제공합니다. 정확한 입력/출력 한도는 1,048,576/65,536 토큰입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.1 Flash-Lite는 빈번하고 명확하게 정의된 과제를 위한 Google의 안정 버전 경량 멀티모달 텍스트 모델입니다. Gemini 3 Pro를 기반으로 합니다. 번역과 분류가 주요 작업이며 전사, 문서 요약, 개체 추출, 모델 선택 분류에도 유용합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 원자료로 사용할 수 있고 결과는 텍스트입니다. 유용한 지시문은 번역한 메시지나 문서에서 찾은 필드 기록처럼 작업 하나와 최종 형식 하나를 요청합니다.
번역에는 원문, 대상 언어, 독자, 그대로 유지할 용어를 제공하세요. Google 예시는 번역문만 반환하는 지시를 사용합니다. 지원 메시지를 번역할 때는 제품명과 주문 참조를 보존하면서 나머지를 자연스럽게 번역하세요. 원문에 없는 날짜, 약속, 세부 사항이 추가되지 않도록 모호성을 처리하는 방식을 지정하세요. 짧은 답장이나 라벨이 있는 번역 기록처럼 요청 형식을 목적지에 맞추세요.
전사에는 녹음을 제공하고 답변이 발화 그대로의 문구, 읽기 쉽게 편집한 전사문, 요약 중 무엇이어야 하는지 정의하세요. 이는 서로 다른 출력입니다. 긴 녹음에서 과제에 필요한 구절이 하나뿐이면 관련 구간을 지정하세요. 제작사의 개발자 예시는 오디오를 직접 전달하고 텍스트 전사문을 요청합니다. 이름, 숫자, 불명확한 구절을 녹음과 대조하고 검토를 위해 원본을 보관하세요. 이 일반 멀티모달 텍스트 프로필 자체가 오디오 출력이나 전용 화자 분리 결과를 의미하지는 않습니다.
분류나 추출에는 범주, 스키마, 누락값 규칙을 정의하세요. 개발자 가이드는 뒷받침 인용문과 정의된 필드를 갖춘 고객 리뷰 분석용 구조화된 JSON을 보여 줍니다. 구조화된 기록에는 언급된 제품, 문제 범주, 선택을 정당화하는 문장이 포함될 수 있습니다. 범주를 억지로 정하기보다 미상으로 남겨야 하는 대표 사례도 포함하세요. 문법적으로 유효한 기록도 실제 원문과 비교해야 합니다.
문서 처리는 PDF를 간결한 요약이나 필드 기록으로 바꿀 수 있습니다. 질문을 밝히고 판단을 확인해야 하는 곳에는 페이지나 절 참조를 보존하세요. 표 검토에서는 중요한 열과 규칙을 지정하고, 시각 과제에서는 답변에 필요한 라벨이나 영역을 지정해야 합니다. 모델 라우팅도 문서화된 용도입니다. 모델은 요청의 복잡도를 분류하고 허용된 선택지를 반환합니다. 다음에 무엇을 실행할지는 분류 텍스트 자체가 아니라 연결된 애플리케이션이 결정합니다.
Thinking을 지원하며 제작사는 더 많은 분석이 유익한 과제에서 더 높은 노력 수준을 사용하는 예를 보여 줍니다. 정확한 안정 버전 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력도 기재되어 있습니다. 이 안정 버전 3.1 프로필은 Computer Use를 지원하지 않으며 후속 3.5 Flash-Lite 프로필은 다른 기능 표를 갖습니다. 도구 목적과 매개변수를 명확히 정의하고 실제 반환 결과에서 작업을 이어가세요. 함수 제안은 작업이 실제로 이루어졌음을 입증하지 않습니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며 안정 버전 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 입력 준비에 지시, 대화, 원본 미디어를 포함하고 의도한 결과물에 맞는 크기의 출력을 요청하세요. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 문서화되어 있습니다. 반복되는 독립 항목에서는 입력 식별자를 결과에 전달하고 일관된 스키마를 유지해 누락된 답변을 식별할 수 있도록 하세요.
이 안정 버전 모델 식별자는 Gemini 3.1 Flash-Lite Preview 및 후속 Flash-Lite 에디션과 구별됩니다. 반복 처리를 준비할 때 익숙한 제품군 이름을 고정된 리비전 보장으로 간주하지 말고 정확한 에디션을 유지하세요. 번역은 의미와 용어의 보존 여부를, 전사문은 오디오와의 일치 여부를, 추출 필드는 문서와의 일치 여부를 검토하세요. 이 프로필의 실무 역할은 명확한 결과를 내는 집중적인 멀티모달 텍스트 처리이며, 더 큰 과제의 추론이나 외부 행동은 적절한 후속 단계에 맡깁니다.
POST /v1beta/models/{model}:generateContenttext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드path.model | 유형string | 요건필수 | 값과 한도 gemini-3.1-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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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-3.1-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-3.1-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-3.1-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-3.1-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-3.1-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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
gemini-3.1-flash-liteGemini 3.1 Flash-Lite는 대규모 번역, 전사, 분류, 단순 추출을 위한 Google의 안정 버전 멀티모달 모델입니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환하며 thinking, 도구, 구조화된 출력을 제공합니다. 정확한 입력/출력 한도는 1,048,576/65,536 토큰입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.1 Flash-Lite는 빈번하고 명확하게 정의된 과제를 위한 Google의 안정 버전 경량 멀티모달 텍스트 모델입니다. Gemini 3 Pro를 기반으로 합니다. 번역과 분류가 주요 작업이며 전사, 문서 요약, 개체 추출, 모델 선택 분류에도 유용합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 원자료로 사용할 수 있고 결과는 텍스트입니다. 유용한 지시문은 번역한 메시지나 문서에서 찾은 필드 기록처럼 작업 하나와 최종 형식 하나를 요청합니다.
번역에는 원문, 대상 언어, 독자, 그대로 유지할 용어를 제공하세요. Google 예시는 번역문만 반환하는 지시를 사용합니다. 지원 메시지를 번역할 때는 제품명과 주문 참조를 보존하면서 나머지를 자연스럽게 번역하세요. 원문에 없는 날짜, 약속, 세부 사항이 추가되지 않도록 모호성을 처리하는 방식을 지정하세요. 짧은 답장이나 라벨이 있는 번역 기록처럼 요청 형식을 목적지에 맞추세요.
전사에는 녹음을 제공하고 답변이 발화 그대로의 문구, 읽기 쉽게 편집한 전사문, 요약 중 무엇이어야 하는지 정의하세요. 이는 서로 다른 출력입니다. 긴 녹음에서 과제에 필요한 구절이 하나뿐이면 관련 구간을 지정하세요. 제작사의 개발자 예시는 오디오를 직접 전달하고 텍스트 전사문을 요청합니다. 이름, 숫자, 불명확한 구절을 녹음과 대조하고 검토를 위해 원본을 보관하세요. 이 일반 멀티모달 텍스트 프로필 자체가 오디오 출력이나 전용 화자 분리 결과를 의미하지는 않습니다.
분류나 추출에는 범주, 스키마, 누락값 규칙을 정의하세요. 개발자 가이드는 뒷받침 인용문과 정의된 필드를 갖춘 고객 리뷰 분석용 구조화된 JSON을 보여 줍니다. 구조화된 기록에는 언급된 제품, 문제 범주, 선택을 정당화하는 문장이 포함될 수 있습니다. 범주를 억지로 정하기보다 미상으로 남겨야 하는 대표 사례도 포함하세요. 문법적으로 유효한 기록도 실제 원문과 비교해야 합니다.
문서 처리는 PDF를 간결한 요약이나 필드 기록으로 바꿀 수 있습니다. 질문을 밝히고 판단을 확인해야 하는 곳에는 페이지나 절 참조를 보존하세요. 표 검토에서는 중요한 열과 규칙을 지정하고, 시각 과제에서는 답변에 필요한 라벨이나 영역을 지정해야 합니다. 모델 라우팅도 문서화된 용도입니다. 모델은 요청의 복잡도를 분류하고 허용된 선택지를 반환합니다. 다음에 무엇을 실행할지는 분류 텍스트 자체가 아니라 연결된 애플리케이션이 결정합니다.
Thinking을 지원하며 제작사는 더 많은 분석이 유익한 과제에서 더 높은 노력 수준을 사용하는 예를 보여 줍니다. 정확한 안정 버전 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력도 기재되어 있습니다. 이 안정 버전 3.1 프로필은 Computer Use를 지원하지 않으며 후속 3.5 Flash-Lite 프로필은 다른 기능 표를 갖습니다. 도구 목적과 매개변수를 명확히 정의하고 실제 반환 결과에서 작업을 이어가세요. 함수 제안은 작업이 실제로 이루어졌음을 입증하지 않습니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며 안정 버전 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 입력 준비에 지시, 대화, 원본 미디어를 포함하고 의도한 결과물에 맞는 크기의 출력을 요청하세요. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 문서화되어 있습니다. 반복되는 독립 항목에서는 입력 식별자를 결과에 전달하고 일관된 스키마를 유지해 누락된 답변을 식별할 수 있도록 하세요.
이 안정 버전 모델 식별자는 Gemini 3.1 Flash-Lite Preview 및 후속 Flash-Lite 에디션과 구별됩니다. 반복 처리를 준비할 때 익숙한 제품군 이름을 고정된 리비전 보장으로 간주하지 말고 정확한 에디션을 유지하세요. 번역은 의미와 용어의 보존 여부를, 전사문은 오디오와의 일치 여부를, 추출 필드는 문서와의 일치 여부를 검토하세요. 이 프로필의 실무 역할은 명확한 결과를 내는 집중적인 멀티모달 텍스트 처리이며, 더 큰 과제의 추론이나 외부 행동은 적절한 후속 단계에 맡깁니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-3.1-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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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-3.1-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-3.1-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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
gemini-3.1-flash-liteGemini 3.1 Flash-Lite는 대규모 번역, 전사, 분류, 단순 추출을 위한 Google의 안정 버전 멀티모달 모델입니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환하며 thinking, 도구, 구조화된 출력을 제공합니다. 정확한 입력/출력 한도는 1,048,576/65,536 토큰입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.1 Flash-Lite는 빈번하고 명확하게 정의된 과제를 위한 Google의 안정 버전 경량 멀티모달 텍스트 모델입니다. Gemini 3 Pro를 기반으로 합니다. 번역과 분류가 주요 작업이며 전사, 문서 요약, 개체 추출, 모델 선택 분류에도 유용합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 원자료로 사용할 수 있고 결과는 텍스트입니다. 유용한 지시문은 번역한 메시지나 문서에서 찾은 필드 기록처럼 작업 하나와 최종 형식 하나를 요청합니다.
번역에는 원문, 대상 언어, 독자, 그대로 유지할 용어를 제공하세요. Google 예시는 번역문만 반환하는 지시를 사용합니다. 지원 메시지를 번역할 때는 제품명과 주문 참조를 보존하면서 나머지를 자연스럽게 번역하세요. 원문에 없는 날짜, 약속, 세부 사항이 추가되지 않도록 모호성을 처리하는 방식을 지정하세요. 짧은 답장이나 라벨이 있는 번역 기록처럼 요청 형식을 목적지에 맞추세요.
전사에는 녹음을 제공하고 답변이 발화 그대로의 문구, 읽기 쉽게 편집한 전사문, 요약 중 무엇이어야 하는지 정의하세요. 이는 서로 다른 출력입니다. 긴 녹음에서 과제에 필요한 구절이 하나뿐이면 관련 구간을 지정하세요. 제작사의 개발자 예시는 오디오를 직접 전달하고 텍스트 전사문을 요청합니다. 이름, 숫자, 불명확한 구절을 녹음과 대조하고 검토를 위해 원본을 보관하세요. 이 일반 멀티모달 텍스트 프로필 자체가 오디오 출력이나 전용 화자 분리 결과를 의미하지는 않습니다.
분류나 추출에는 범주, 스키마, 누락값 규칙을 정의하세요. 개발자 가이드는 뒷받침 인용문과 정의된 필드를 갖춘 고객 리뷰 분석용 구조화된 JSON을 보여 줍니다. 구조화된 기록에는 언급된 제품, 문제 범주, 선택을 정당화하는 문장이 포함될 수 있습니다. 범주를 억지로 정하기보다 미상으로 남겨야 하는 대표 사례도 포함하세요. 문법적으로 유효한 기록도 실제 원문과 비교해야 합니다.
문서 처리는 PDF를 간결한 요약이나 필드 기록으로 바꿀 수 있습니다. 질문을 밝히고 판단을 확인해야 하는 곳에는 페이지나 절 참조를 보존하세요. 표 검토에서는 중요한 열과 규칙을 지정하고, 시각 과제에서는 답변에 필요한 라벨이나 영역을 지정해야 합니다. 모델 라우팅도 문서화된 용도입니다. 모델은 요청의 복잡도를 분류하고 허용된 선택지를 반환합니다. 다음에 무엇을 실행할지는 분류 텍스트 자체가 아니라 연결된 애플리케이션이 결정합니다.
Thinking을 지원하며 제작사는 더 많은 분석이 유익한 과제에서 더 높은 노력 수준을 사용하는 예를 보여 줍니다. 정확한 안정 버전 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력도 기재되어 있습니다. 이 안정 버전 3.1 프로필은 Computer Use를 지원하지 않으며 후속 3.5 Flash-Lite 프로필은 다른 기능 표를 갖습니다. 도구 목적과 매개변수를 명확히 정의하고 실제 반환 결과에서 작업을 이어가세요. 함수 제안은 작업이 실제로 이루어졌음을 입증하지 않습니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며 안정 버전 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 입력 준비에 지시, 대화, 원본 미디어를 포함하고 의도한 결과물에 맞는 크기의 출력을 요청하세요. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 문서화되어 있습니다. 반복되는 독립 항목에서는 입력 식별자를 결과에 전달하고 일관된 스키마를 유지해 누락된 답변을 식별할 수 있도록 하세요.
이 안정 버전 모델 식별자는 Gemini 3.1 Flash-Lite Preview 및 후속 Flash-Lite 에디션과 구별됩니다. 반복 처리를 준비할 때 익숙한 제품군 이름을 고정된 리비전 보장으로 간주하지 말고 정확한 에디션을 유지하세요. 번역은 의미와 용어의 보존 여부를, 전사문은 오디오와의 일치 여부를, 추출 필드는 문서와의 일치 여부를 검토하세요. 이 프로필의 실무 역할은 명확한 결과를 내는 집중적인 멀티모달 텍스트 처리이며, 더 큰 과제의 추론이나 외부 행동은 적절한 후속 단계에 맡깁니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-3.1-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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "gemini-3.1-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.1-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-3.1-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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
google/gemini-3.1-flash-liteGemini 3.1 Flash-Lite는 대규모 번역, 전사, 분류, 단순 추출을 위한 Google의 안정 버전 멀티모달 모델입니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환하며 thinking, 도구, 구조화된 출력을 제공합니다. 정확한 입력/출력 한도는 1,048,576/65,536 토큰입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.1 Flash-Lite는 빈번하고 명확하게 정의된 과제를 위한 Google의 안정 버전 경량 멀티모달 텍스트 모델입니다. Gemini 3 Pro를 기반으로 합니다. 번역과 분류가 주요 작업이며 전사, 문서 요약, 개체 추출, 모델 선택 분류에도 유용합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 원자료로 사용할 수 있고 결과는 텍스트입니다. 유용한 지시문은 번역한 메시지나 문서에서 찾은 필드 기록처럼 작업 하나와 최종 형식 하나를 요청합니다.
번역에는 원문, 대상 언어, 독자, 그대로 유지할 용어를 제공하세요. Google 예시는 번역문만 반환하는 지시를 사용합니다. 지원 메시지를 번역할 때는 제품명과 주문 참조를 보존하면서 나머지를 자연스럽게 번역하세요. 원문에 없는 날짜, 약속, 세부 사항이 추가되지 않도록 모호성을 처리하는 방식을 지정하세요. 짧은 답장이나 라벨이 있는 번역 기록처럼 요청 형식을 목적지에 맞추세요.
전사에는 녹음을 제공하고 답변이 발화 그대로의 문구, 읽기 쉽게 편집한 전사문, 요약 중 무엇이어야 하는지 정의하세요. 이는 서로 다른 출력입니다. 긴 녹음에서 과제에 필요한 구절이 하나뿐이면 관련 구간을 지정하세요. 제작사의 개발자 예시는 오디오를 직접 전달하고 텍스트 전사문을 요청합니다. 이름, 숫자, 불명확한 구절을 녹음과 대조하고 검토를 위해 원본을 보관하세요. 이 일반 멀티모달 텍스트 프로필 자체가 오디오 출력이나 전용 화자 분리 결과를 의미하지는 않습니다.
분류나 추출에는 범주, 스키마, 누락값 규칙을 정의하세요. 개발자 가이드는 뒷받침 인용문과 정의된 필드를 갖춘 고객 리뷰 분석용 구조화된 JSON을 보여 줍니다. 구조화된 기록에는 언급된 제품, 문제 범주, 선택을 정당화하는 문장이 포함될 수 있습니다. 범주를 억지로 정하기보다 미상으로 남겨야 하는 대표 사례도 포함하세요. 문법적으로 유효한 기록도 실제 원문과 비교해야 합니다.
문서 처리는 PDF를 간결한 요약이나 필드 기록으로 바꿀 수 있습니다. 질문을 밝히고 판단을 확인해야 하는 곳에는 페이지나 절 참조를 보존하세요. 표 검토에서는 중요한 열과 규칙을 지정하고, 시각 과제에서는 답변에 필요한 라벨이나 영역을 지정해야 합니다. 모델 라우팅도 문서화된 용도입니다. 모델은 요청의 복잡도를 분류하고 허용된 선택지를 반환합니다. 다음에 무엇을 실행할지는 분류 텍스트 자체가 아니라 연결된 애플리케이션이 결정합니다.
Thinking을 지원하며 제작사는 더 많은 분석이 유익한 과제에서 더 높은 노력 수준을 사용하는 예를 보여 줍니다. 정확한 안정 버전 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력도 기재되어 있습니다. 이 안정 버전 3.1 프로필은 Computer Use를 지원하지 않으며 후속 3.5 Flash-Lite 프로필은 다른 기능 표를 갖습니다. 도구 목적과 매개변수를 명확히 정의하고 실제 반환 결과에서 작업을 이어가세요. 함수 제안은 작업이 실제로 이루어졌음을 입증하지 않습니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며 안정 버전 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 입력 준비에 지시, 대화, 원본 미디어를 포함하고 의도한 결과물에 맞는 크기의 출력을 요청하세요. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 문서화되어 있습니다. 반복되는 독립 항목에서는 입력 식별자를 결과에 전달하고 일관된 스키마를 유지해 누락된 답변을 식별할 수 있도록 하세요.
이 안정 버전 모델 식별자는 Gemini 3.1 Flash-Lite Preview 및 후속 Flash-Lite 에디션과 구별됩니다. 반복 처리를 준비할 때 익숙한 제품군 이름을 고정된 리비전 보장으로 간주하지 말고 정확한 에디션을 유지하세요. 번역은 의미와 용어의 보존 여부를, 전사문은 오디오와의 일치 여부를, 추출 필드는 문서와의 일치 여부를 검토하세요. 이 프로필의 실무 역할은 명확한 결과를 내는 집중적인 멀티모달 텍스트 처리이며, 더 큰 과제의 추론이나 외부 행동은 적절한 후속 단계에 맡깁니다.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 google/gemini-3.1-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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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-3.1-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-3.1-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-3.1-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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
google/gemini-3.1-flash-liteGemini 3.1 Flash-Lite는 대규모 번역, 전사, 분류, 단순 추출을 위한 Google의 안정 버전 멀티모달 모델입니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환하며 thinking, 도구, 구조화된 출력을 제공합니다. 정확한 입력/출력 한도는 1,048,576/65,536 토큰입니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.1 Flash-Lite는 빈번하고 명확하게 정의된 과제를 위한 Google의 안정 버전 경량 멀티모달 텍스트 모델입니다. Gemini 3 Pro를 기반으로 합니다. 번역과 분류가 주요 작업이며 전사, 문서 요약, 개체 추출, 모델 선택 분류에도 유용합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 원자료로 사용할 수 있고 결과는 텍스트입니다. 유용한 지시문은 번역한 메시지나 문서에서 찾은 필드 기록처럼 작업 하나와 최종 형식 하나를 요청합니다.
번역에는 원문, 대상 언어, 독자, 그대로 유지할 용어를 제공하세요. Google 예시는 번역문만 반환하는 지시를 사용합니다. 지원 메시지를 번역할 때는 제품명과 주문 참조를 보존하면서 나머지를 자연스럽게 번역하세요. 원문에 없는 날짜, 약속, 세부 사항이 추가되지 않도록 모호성을 처리하는 방식을 지정하세요. 짧은 답장이나 라벨이 있는 번역 기록처럼 요청 형식을 목적지에 맞추세요.
전사에는 녹음을 제공하고 답변이 발화 그대로의 문구, 읽기 쉽게 편집한 전사문, 요약 중 무엇이어야 하는지 정의하세요. 이는 서로 다른 출력입니다. 긴 녹음에서 과제에 필요한 구절이 하나뿐이면 관련 구간을 지정하세요. 제작사의 개발자 예시는 오디오를 직접 전달하고 텍스트 전사문을 요청합니다. 이름, 숫자, 불명확한 구절을 녹음과 대조하고 검토를 위해 원본을 보관하세요. 이 일반 멀티모달 텍스트 프로필 자체가 오디오 출력이나 전용 화자 분리 결과를 의미하지는 않습니다.
분류나 추출에는 범주, 스키마, 누락값 규칙을 정의하세요. 개발자 가이드는 뒷받침 인용문과 정의된 필드를 갖춘 고객 리뷰 분석용 구조화된 JSON을 보여 줍니다. 구조화된 기록에는 언급된 제품, 문제 범주, 선택을 정당화하는 문장이 포함될 수 있습니다. 범주를 억지로 정하기보다 미상으로 남겨야 하는 대표 사례도 포함하세요. 문법적으로 유효한 기록도 실제 원문과 비교해야 합니다.
문서 처리는 PDF를 간결한 요약이나 필드 기록으로 바꿀 수 있습니다. 질문을 밝히고 판단을 확인해야 하는 곳에는 페이지나 절 참조를 보존하세요. 표 검토에서는 중요한 열과 규칙을 지정하고, 시각 과제에서는 답변에 필요한 라벨이나 영역을 지정해야 합니다. 모델 라우팅도 문서화된 용도입니다. 모델은 요청의 복잡도를 분류하고 허용된 선택지를 반환합니다. 다음에 무엇을 실행할지는 분류 텍스트 자체가 아니라 연결된 애플리케이션이 결정합니다.
Thinking을 지원하며 제작사는 더 많은 분석이 유익한 과제에서 더 높은 노력 수준을 사용하는 예를 보여 줍니다. 정확한 안정 버전 페이지에는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트, 구조화된 출력도 기재되어 있습니다. 이 안정 버전 3.1 프로필은 Computer Use를 지원하지 않으며 후속 3.5 Flash-Lite 프로필은 다른 기능 표를 갖습니다. 도구 목적과 매개변수를 명확히 정의하고 실제 반환 결과에서 작업을 이어가세요. 함수 제안은 작업이 실제로 이루어졌음을 입증하지 않습니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며 안정 버전 API 표는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 입력 준비에 지시, 대화, 원본 미디어를 포함하고 의도한 결과물에 맞는 크기의 출력을 요청하세요. 이 제작사 프로필에는 캐싱, 배치, Flex, Priority 처리가 문서화되어 있습니다. 반복되는 독립 항목에서는 입력 식별자를 결과에 전달하고 일관된 스키마를 유지해 누락된 답변을 식별할 수 있도록 하세요.
이 안정 버전 모델 식별자는 Gemini 3.1 Flash-Lite Preview 및 후속 Flash-Lite 에디션과 구별됩니다. 반복 처리를 준비할 때 익숙한 제품군 이름을 고정된 리비전 보장으로 간주하지 말고 정확한 에디션을 유지하세요. 번역은 의미와 용어의 보존 여부를, 전사문은 오디오와의 일치 여부를, 추출 필드는 문서와의 일치 여부를 검토하세요. 이 프로필의 실무 역할은 명확한 결과를 내는 집중적인 멀티모달 텍스트 처리이며, 더 큰 과제의 추론이나 외부 행동은 적절한 후속 단계에 맡깁니다.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 google/gemini-3.1-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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 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 $0.0005 / 1K 토큰 출력 · 출력 토큰 $0.003 / 1K 토큰 입력 · 캐시 읽기 $0.00005 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "google/gemini-3.1-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.1-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-3.1-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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
영어 기술 예제
Localize a compact service message\n\nTranslate into Spanish for a small-business customer: “Invoice INV-204 is ready. The bank transfer has not arrived yet; access starts after payment confirmation.” Keep INV-204 unchanged and return only the translated message. Preserve the distinction between invoice availability, receipt of funds and activation.A Spanish message containing the unchanged invoice reference and the original payment-to-access condition.Check that the translation does not imply that payment is received or access is already active.