Gemini 3.5 Flash-Lite는 반복적인 데이터 작업과 집중된 하위 에이전트 과제를 위한 Google의 실행 중심 멀티모달 텍스트 프로필입니다. Gemini 3.1 Flash-Lite를 기반으로 문서 이해, 도구 신뢰성, 다중 턴 지시 이행을 개선합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환합니다. 유용한 결과는 더 큰 과제 안에서 추출한 기록 하나, 분류, 짧은 번역 또는 범위가 정해진 도구 지원 분석입니다.
문서 파싱에는 중요한 필드와 각 필드가 보존해야 할 증거를 정의하세요. 관련 페이지를 제공하고 정보가 없거나 모호할 때의 표현 방식을 지정하세요. 지원 메시지 추출에서는 제품 코드, 언급된 문제, 뒷받침 문장을 추출하고 답변에 메시지 식별자를 유지하세요. 하나의 필드에 여러 후보가 있는 문서에서 이를 알리지 않고 하나의 추측값으로 합쳐서는 안 됩니다. 스키마가 실제 과제와 일치하면 구조화된 JSON으로 후속 처리에 사용할 수 있는 결과를 만들 수 있습니다.
문서화된 thinking 수준은 minimal, low, medium, high이며 기본값은 minimal입니다. 제작사는 이를 대량 추출, 라우팅, 분류에 권장하며, 도구 호출, 코드 실행, 여러 추론 단계가 포함된 자율 하위 에이전트 작업에는 medium 또는 high가 적절하다고 설명합니다. 가이드는 이런 긴 과제에서 도구 사용을 성급하게 종료하지 않도록 노력 수준을 높일 것을 특별히 권고합니다. 따라서 필드 하나 추출과 예외가 있는 문서 비교에는 서로 다른 노력 수준이 유익합니다. minimal은 이 에디션에서 지원되는 설정이며 모든 Flash 모델에 옮겨 적용할 일반 설정은 아닙니다.
집중된 하위 에이전트 지시문에는 과제 하나, 원자료, 허용 도구, 필요한 최종 형식이 담겨야 합니다. 예를 들어 명시된 규칙에 따라 표를 살펴보고 해당 행과 관련 값을 반환할 수 있습니다. 제작사는 가벼운 코드 실행을 활용한 표 데이터 처리와 프런트엔드 JavaScript 작업도 강조합니다. 요청한 함수를 실행하고 실제 결과를 반환할 책임은 주변 애플리케이션에 있습니다. 완료된 결과를 실행하지 않은 제안이나 해결되지 않은 입력 질문과 구별할 수 있게 유지하세요.
정확한 3.5 Flash-Lite 페이지는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트를 기재하며 Computer Use는 프리뷰로 표시합니다. 구조화된 출력과 thinking이 지원됩니다. 여러 턴에 걸친 페르소나나 과제에서는 이후 응답도 같은 지시를 따르도록 실제 지시와 도구 관찰을 유지하세요. 개발자 가이드는 3.1 Flash-Lite보다 강한 페르소나 지속성을 강조합니다. 후속 요청마다 목표를 다시 정의하기보다 간결한 역할과 출력 계약을 사용하세요.
가이드는 이 에디션에서 기존 샘플링 설정과 미리 채운 마지막 model 턴도 더 이상 권장하지 않습니다. 합성 model 역할 턴 안에서 답변을 시작하려 하지 말고 명시적 지시나 스키마로 범위가 정해진 답변을 제어하세요. 인터페이스가 요구하는 곳에서는 Gemini 3의 thought signature 맥락을 보존하고 함수 결과를 호출과 연결하세요. 이런 준비 규칙은 동일한 과제를 완료하는 데 필요한 증거를 유지한 후속 작업을 뒷받침합니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며, 정확한 API 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 기록, 이력, 미디어 모두 입력 준비에 포함됩니다. 제작사 프로필에는 캐싱, 배치, Flex, Priority 옵션이 있습니다. 반복 요청에는 안정적인 식별자와 간결하고 일관된 답변 형식을 사용해 각 추출 결과를 출처와 비교할 수 있도록 하세요. 이 프로필의 오디오, 이미지, 비디오 입력은 생성 음성이나 그림이 아니라 텍스트 해석 또는 전사문을 만듭니다.
가능한 한계에는 환각과 간헐적인 지연 또는 시간 초과가 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 2025년 1월로 제한됩니다. 출처에 의존하는 추출은 제공된 자료가 뒷받침하는 내용을 반환해야 하며 최신 사실 질문에는 최신 증거가 필요합니다. 3.1 Flash-Lite와 비교해 이 프로필은 문서화된 실행 및 컴퓨터 사용 기능을 추가하며, 3.6 Flash는 더 복잡한 코딩과 공간 작업에 중점을 둡니다. 더 큰 워크플로에 답변을 통합하기 전에 추출한 필드, 도구 결과, 유지된 지시를 검토하세요.
", "aboutText": "Gemini 3.5 Flash-Lite는 반복적인 데이터 작업과 집중된 하위 에이전트 과제를 위한 Google의 실행 중심 멀티모달 텍스트 프로필입니다. Gemini 3.1 Flash-Lite를 기반으로 문서 이해, 도구 신뢰성, 다중 턴 지시 이행을 개선합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환합니다. 유용한 결과는 더 큰 과제 안에서 추출한 기록 하나, 분류, 짧은 번역 또는 범위가 정해진 도구 지원 분석입니다.\n\n문서 파싱에는 중요한 필드와 각 필드가 보존해야 할 증거를 정의하세요. 관련 페이지를 제공하고 정보가 없거나 모호할 때의 표현 방식을 지정하세요. 지원 메시지 추출에서는 제품 코드, 언급된 문제, 뒷받침 문장을 추출하고 답변에 메시지 식별자를 유지하세요. 하나의 필드에 여러 후보가 있는 문서에서 이를 알리지 않고 하나의 추측값으로 합쳐서는 안 됩니다. 스키마가 실제 과제와 일치하면 구조화된 JSON으로 후속 처리에 사용할 수 있는 결과를 만들 수 있습니다.\n\n문서화된 thinking 수준은 minimal, low, medium, high이며 기본값은 minimal입니다. 제작사는 이를 대량 추출, 라우팅, 분류에 권장하며, 도구 호출, 코드 실행, 여러 추론 단계가 포함된 자율 하위 에이전트 작업에는 medium 또는 high가 적절하다고 설명합니다. 가이드는 이런 긴 과제에서 도구 사용을 성급하게 종료하지 않도록 노력 수준을 높일 것을 특별히 권고합니다. 따라서 필드 하나 추출과 예외가 있는 문서 비교에는 서로 다른 노력 수준이 유익합니다. minimal은 이 에디션에서 지원되는 설정이며 모든 Flash 모델에 옮겨 적용할 일반 설정은 아닙니다.\n\n집중된 하위 에이전트 지시문에는 과제 하나, 원자료, 허용 도구, 필요한 최종 형식이 담겨야 합니다. 예를 들어 명시된 규칙에 따라 표를 살펴보고 해당 행과 관련 값을 반환할 수 있습니다. 제작사는 가벼운 코드 실행을 활용한 표 데이터 처리와 프런트엔드 JavaScript 작업도 강조합니다. 요청한 함수를 실행하고 실제 결과를 반환할 책임은 주변 애플리케이션에 있습니다. 완료된 결과를 실행하지 않은 제안이나 해결되지 않은 입력 질문과 구별할 수 있게 유지하세요.\n\n정확한 3.5 Flash-Lite 페이지는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트를 기재하며 Computer Use는 프리뷰로 표시합니다. 구조화된 출력과 thinking이 지원됩니다. 여러 턴에 걸친 페르소나나 과제에서는 이후 응답도 같은 지시를 따르도록 실제 지시와 도구 관찰을 유지하세요. 개발자 가이드는 3.1 Flash-Lite보다 강한 페르소나 지속성을 강조합니다. 후속 요청마다 목표를 다시 정의하기보다 간결한 역할과 출력 계약을 사용하세요.\n\n가이드는 이 에디션에서 기존 샘플링 설정과 미리 채운 마지막 model 턴도 더 이상 권장하지 않습니다. 합성 model 역할 턴 안에서 답변을 시작하려 하지 말고 명시적 지시나 스키마로 범위가 정해진 답변을 제어하세요. 인터페이스가 요구하는 곳에서는 Gemini 3의 thought signature 맥락을 보존하고 함수 결과를 호출과 연결하세요. 이런 준비 규칙은 동일한 과제를 완료하는 데 필요한 증거를 유지한 후속 작업을 뒷받침합니다.\n\n고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며, 정확한 API 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 기록, 이력, 미디어 모두 입력 준비에 포함됩니다. 제작사 프로필에는 캐싱, 배치, Flex, Priority 옵션이 있습니다. 반복 요청에는 안정적인 식별자와 간결하고 일관된 답변 형식을 사용해 각 추출 결과를 출처와 비교할 수 있도록 하세요. 이 프로필의 오디오, 이미지, 비디오 입력은 생성 음성이나 그림이 아니라 텍스트 해석 또는 전사문을 만듭니다.\n\n가능한 한계에는 환각과 간헐적인 지연 또는 시간 초과가 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 2025년 1월로 제한됩니다. 출처에 의존하는 추출은 제공된 자료가 뒷받침하는 내용을 반환해야 하며 최신 사실 질문에는 최신 증거가 필요합니다. 3.1 Flash-Lite와 비교해 이 프로필은 문서화된 실행 및 컴퓨터 사용 기능을 추가하며, 3.6 Flash는 더 복잡한 코딩과 공간 작업에 중점을 둡니다. 더 큰 워크플로에 답변을 통합하기 전에 추출한 필드, 도구 결과, 유지된 지시를 검토하세요.", "editorialOverlay": { "copy_fields": { "practical_html": "영어 기술 예제
Extract a support message record\n\nExtract fields from message S-91: "The pump P-28 stopped after ten minutes. I bought two, but only one has this issue. Please arrange a replacement." Return message ID, product code, issue, purchased quantity and affected quantity in a small table. Include the exact supporting phrase for each extracted value.A field/value/evidence table retaining S-91 and separating purchased from affected quantity.Check that two purchased pumps do not become two defective pumps.gemini-3.5-flash-liteGemini 3.5 Flash-Lite는 집중된 하위 에이전트 과제, 문서 파싱, 반복 데이터 추출을 위한 Google의 멀티모달 모델입니다. 기본 minimal 추론은 범위가 정해진 기록에 적합하며 다단계 도구 작업에는 medium 또는 high가 문서화되어 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF에서 텍스트나 구조화된 결과를 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.5 Flash-Lite는 반복적인 데이터 작업과 집중된 하위 에이전트 과제를 위한 Google의 실행 중심 멀티모달 텍스트 프로필입니다. Gemini 3.1 Flash-Lite를 기반으로 문서 이해, 도구 신뢰성, 다중 턴 지시 이행을 개선합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환합니다. 유용한 결과는 더 큰 과제 안에서 추출한 기록 하나, 분류, 짧은 번역 또는 범위가 정해진 도구 지원 분석입니다.
문서 파싱에는 중요한 필드와 각 필드가 보존해야 할 증거를 정의하세요. 관련 페이지를 제공하고 정보가 없거나 모호할 때의 표현 방식을 지정하세요. 지원 메시지 추출에서는 제품 코드, 언급된 문제, 뒷받침 문장을 추출하고 답변에 메시지 식별자를 유지하세요. 하나의 필드에 여러 후보가 있는 문서에서 이를 알리지 않고 하나의 추측값으로 합쳐서는 안 됩니다. 스키마가 실제 과제와 일치하면 구조화된 JSON으로 후속 처리에 사용할 수 있는 결과를 만들 수 있습니다.
문서화된 thinking 수준은 minimal, low, medium, high이며 기본값은 minimal입니다. 제작사는 이를 대량 추출, 라우팅, 분류에 권장하며, 도구 호출, 코드 실행, 여러 추론 단계가 포함된 자율 하위 에이전트 작업에는 medium 또는 high가 적절하다고 설명합니다. 가이드는 이런 긴 과제에서 도구 사용을 성급하게 종료하지 않도록 노력 수준을 높일 것을 특별히 권고합니다. 따라서 필드 하나 추출과 예외가 있는 문서 비교에는 서로 다른 노력 수준이 유익합니다. minimal은 이 에디션에서 지원되는 설정이며 모든 Flash 모델에 옮겨 적용할 일반 설정은 아닙니다.
집중된 하위 에이전트 지시문에는 과제 하나, 원자료, 허용 도구, 필요한 최종 형식이 담겨야 합니다. 예를 들어 명시된 규칙에 따라 표를 살펴보고 해당 행과 관련 값을 반환할 수 있습니다. 제작사는 가벼운 코드 실행을 활용한 표 데이터 처리와 프런트엔드 JavaScript 작업도 강조합니다. 요청한 함수를 실행하고 실제 결과를 반환할 책임은 주변 애플리케이션에 있습니다. 완료된 결과를 실행하지 않은 제안이나 해결되지 않은 입력 질문과 구별할 수 있게 유지하세요.
정확한 3.5 Flash-Lite 페이지는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트를 기재하며 Computer Use는 프리뷰로 표시합니다. 구조화된 출력과 thinking이 지원됩니다. 여러 턴에 걸친 페르소나나 과제에서는 이후 응답도 같은 지시를 따르도록 실제 지시와 도구 관찰을 유지하세요. 개발자 가이드는 3.1 Flash-Lite보다 강한 페르소나 지속성을 강조합니다. 후속 요청마다 목표를 다시 정의하기보다 간결한 역할과 출력 계약을 사용하세요.
가이드는 이 에디션에서 기존 샘플링 설정과 미리 채운 마지막 model 턴도 더 이상 권장하지 않습니다. 합성 model 역할 턴 안에서 답변을 시작하려 하지 말고 명시적 지시나 스키마로 범위가 정해진 답변을 제어하세요. 인터페이스가 요구하는 곳에서는 Gemini 3의 thought signature 맥락을 보존하고 함수 결과를 호출과 연결하세요. 이런 준비 규칙은 동일한 과제를 완료하는 데 필요한 증거를 유지한 후속 작업을 뒷받침합니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며, 정확한 API 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 기록, 이력, 미디어 모두 입력 준비에 포함됩니다. 제작사 프로필에는 캐싱, 배치, Flex, Priority 옵션이 있습니다. 반복 요청에는 안정적인 식별자와 간결하고 일관된 답변 형식을 사용해 각 추출 결과를 출처와 비교할 수 있도록 하세요. 이 프로필의 오디오, 이미지, 비디오 입력은 생성 음성이나 그림이 아니라 텍스트 해석 또는 전사문을 만듭니다.
가능한 한계에는 환각과 간헐적인 지연 또는 시간 초과가 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 2025년 1월로 제한됩니다. 출처에 의존하는 추출은 제공된 자료가 뒷받침하는 내용을 반환해야 하며 최신 사실 질문에는 최신 증거가 필요합니다. 3.1 Flash-Lite와 비교해 이 프로필은 문서화된 실행 및 컴퓨터 사용 기능을 추가하며, 3.6 Flash는 더 복잡한 코딩과 공간 작업에 중점을 둡니다. 더 큰 워크플로에 답변을 통합하기 전에 추출한 필드, 도구 결과, 유지된 지시를 검토하세요.
POST /v1/messagestext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-3.5-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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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-3.5-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-3.5-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-3.5-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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-3.5-flash-liteGemini 3.5 Flash-Lite는 집중된 하위 에이전트 과제, 문서 파싱, 반복 데이터 추출을 위한 Google의 멀티모달 모델입니다. 기본 minimal 추론은 범위가 정해진 기록에 적합하며 다단계 도구 작업에는 medium 또는 high가 문서화되어 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF에서 텍스트나 구조화된 결과를 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.5 Flash-Lite는 반복적인 데이터 작업과 집중된 하위 에이전트 과제를 위한 Google의 실행 중심 멀티모달 텍스트 프로필입니다. Gemini 3.1 Flash-Lite를 기반으로 문서 이해, 도구 신뢰성, 다중 턴 지시 이행을 개선합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환합니다. 유용한 결과는 더 큰 과제 안에서 추출한 기록 하나, 분류, 짧은 번역 또는 범위가 정해진 도구 지원 분석입니다.
문서 파싱에는 중요한 필드와 각 필드가 보존해야 할 증거를 정의하세요. 관련 페이지를 제공하고 정보가 없거나 모호할 때의 표현 방식을 지정하세요. 지원 메시지 추출에서는 제품 코드, 언급된 문제, 뒷받침 문장을 추출하고 답변에 메시지 식별자를 유지하세요. 하나의 필드에 여러 후보가 있는 문서에서 이를 알리지 않고 하나의 추측값으로 합쳐서는 안 됩니다. 스키마가 실제 과제와 일치하면 구조화된 JSON으로 후속 처리에 사용할 수 있는 결과를 만들 수 있습니다.
문서화된 thinking 수준은 minimal, low, medium, high이며 기본값은 minimal입니다. 제작사는 이를 대량 추출, 라우팅, 분류에 권장하며, 도구 호출, 코드 실행, 여러 추론 단계가 포함된 자율 하위 에이전트 작업에는 medium 또는 high가 적절하다고 설명합니다. 가이드는 이런 긴 과제에서 도구 사용을 성급하게 종료하지 않도록 노력 수준을 높일 것을 특별히 권고합니다. 따라서 필드 하나 추출과 예외가 있는 문서 비교에는 서로 다른 노력 수준이 유익합니다. minimal은 이 에디션에서 지원되는 설정이며 모든 Flash 모델에 옮겨 적용할 일반 설정은 아닙니다.
집중된 하위 에이전트 지시문에는 과제 하나, 원자료, 허용 도구, 필요한 최종 형식이 담겨야 합니다. 예를 들어 명시된 규칙에 따라 표를 살펴보고 해당 행과 관련 값을 반환할 수 있습니다. 제작사는 가벼운 코드 실행을 활용한 표 데이터 처리와 프런트엔드 JavaScript 작업도 강조합니다. 요청한 함수를 실행하고 실제 결과를 반환할 책임은 주변 애플리케이션에 있습니다. 완료된 결과를 실행하지 않은 제안이나 해결되지 않은 입력 질문과 구별할 수 있게 유지하세요.
정확한 3.5 Flash-Lite 페이지는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트를 기재하며 Computer Use는 프리뷰로 표시합니다. 구조화된 출력과 thinking이 지원됩니다. 여러 턴에 걸친 페르소나나 과제에서는 이후 응답도 같은 지시를 따르도록 실제 지시와 도구 관찰을 유지하세요. 개발자 가이드는 3.1 Flash-Lite보다 강한 페르소나 지속성을 강조합니다. 후속 요청마다 목표를 다시 정의하기보다 간결한 역할과 출력 계약을 사용하세요.
가이드는 이 에디션에서 기존 샘플링 설정과 미리 채운 마지막 model 턴도 더 이상 권장하지 않습니다. 합성 model 역할 턴 안에서 답변을 시작하려 하지 말고 명시적 지시나 스키마로 범위가 정해진 답변을 제어하세요. 인터페이스가 요구하는 곳에서는 Gemini 3의 thought signature 맥락을 보존하고 함수 결과를 호출과 연결하세요. 이런 준비 규칙은 동일한 과제를 완료하는 데 필요한 증거를 유지한 후속 작업을 뒷받침합니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며, 정확한 API 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 기록, 이력, 미디어 모두 입력 준비에 포함됩니다. 제작사 프로필에는 캐싱, 배치, Flex, Priority 옵션이 있습니다. 반복 요청에는 안정적인 식별자와 간결하고 일관된 답변 형식을 사용해 각 추출 결과를 출처와 비교할 수 있도록 하세요. 이 프로필의 오디오, 이미지, 비디오 입력은 생성 음성이나 그림이 아니라 텍스트 해석 또는 전사문을 만듭니다.
가능한 한계에는 환각과 간헐적인 지연 또는 시간 초과가 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 2025년 1월로 제한됩니다. 출처에 의존하는 추출은 제공된 자료가 뒷받침하는 내용을 반환해야 하며 최신 사실 질문에는 최신 증거가 필요합니다. 3.1 Flash-Lite와 비교해 이 프로필은 문서화된 실행 및 컴퓨터 사용 기능을 추가하며, 3.6 Flash는 더 복잡한 코딩과 공간 작업에 중점을 둡니다. 더 큰 워크플로에 답변을 통합하기 전에 추출한 필드, 도구 결과, 유지된 지시를 검토하세요.
POST /v1beta/models/{model}:generateContenttext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드path.model | 유형string | 요건필수 | 값과 한도 gemini-3.5-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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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-3.5-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-3.5-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-3.5-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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-3.5-flash-liteGemini 3.5 Flash-Lite는 집중된 하위 에이전트 과제, 문서 파싱, 반복 데이터 추출을 위한 Google의 멀티모달 모델입니다. 기본 minimal 추론은 범위가 정해진 기록에 적합하며 다단계 도구 작업에는 medium 또는 high가 문서화되어 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF에서 텍스트나 구조화된 결과를 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.5 Flash-Lite는 반복적인 데이터 작업과 집중된 하위 에이전트 과제를 위한 Google의 실행 중심 멀티모달 텍스트 프로필입니다. Gemini 3.1 Flash-Lite를 기반으로 문서 이해, 도구 신뢰성, 다중 턴 지시 이행을 개선합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환합니다. 유용한 결과는 더 큰 과제 안에서 추출한 기록 하나, 분류, 짧은 번역 또는 범위가 정해진 도구 지원 분석입니다.
문서 파싱에는 중요한 필드와 각 필드가 보존해야 할 증거를 정의하세요. 관련 페이지를 제공하고 정보가 없거나 모호할 때의 표현 방식을 지정하세요. 지원 메시지 추출에서는 제품 코드, 언급된 문제, 뒷받침 문장을 추출하고 답변에 메시지 식별자를 유지하세요. 하나의 필드에 여러 후보가 있는 문서에서 이를 알리지 않고 하나의 추측값으로 합쳐서는 안 됩니다. 스키마가 실제 과제와 일치하면 구조화된 JSON으로 후속 처리에 사용할 수 있는 결과를 만들 수 있습니다.
문서화된 thinking 수준은 minimal, low, medium, high이며 기본값은 minimal입니다. 제작사는 이를 대량 추출, 라우팅, 분류에 권장하며, 도구 호출, 코드 실행, 여러 추론 단계가 포함된 자율 하위 에이전트 작업에는 medium 또는 high가 적절하다고 설명합니다. 가이드는 이런 긴 과제에서 도구 사용을 성급하게 종료하지 않도록 노력 수준을 높일 것을 특별히 권고합니다. 따라서 필드 하나 추출과 예외가 있는 문서 비교에는 서로 다른 노력 수준이 유익합니다. minimal은 이 에디션에서 지원되는 설정이며 모든 Flash 모델에 옮겨 적용할 일반 설정은 아닙니다.
집중된 하위 에이전트 지시문에는 과제 하나, 원자료, 허용 도구, 필요한 최종 형식이 담겨야 합니다. 예를 들어 명시된 규칙에 따라 표를 살펴보고 해당 행과 관련 값을 반환할 수 있습니다. 제작사는 가벼운 코드 실행을 활용한 표 데이터 처리와 프런트엔드 JavaScript 작업도 강조합니다. 요청한 함수를 실행하고 실제 결과를 반환할 책임은 주변 애플리케이션에 있습니다. 완료된 결과를 실행하지 않은 제안이나 해결되지 않은 입력 질문과 구별할 수 있게 유지하세요.
정확한 3.5 Flash-Lite 페이지는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트를 기재하며 Computer Use는 프리뷰로 표시합니다. 구조화된 출력과 thinking이 지원됩니다. 여러 턴에 걸친 페르소나나 과제에서는 이후 응답도 같은 지시를 따르도록 실제 지시와 도구 관찰을 유지하세요. 개발자 가이드는 3.1 Flash-Lite보다 강한 페르소나 지속성을 강조합니다. 후속 요청마다 목표를 다시 정의하기보다 간결한 역할과 출력 계약을 사용하세요.
가이드는 이 에디션에서 기존 샘플링 설정과 미리 채운 마지막 model 턴도 더 이상 권장하지 않습니다. 합성 model 역할 턴 안에서 답변을 시작하려 하지 말고 명시적 지시나 스키마로 범위가 정해진 답변을 제어하세요. 인터페이스가 요구하는 곳에서는 Gemini 3의 thought signature 맥락을 보존하고 함수 결과를 호출과 연결하세요. 이런 준비 규칙은 동일한 과제를 완료하는 데 필요한 증거를 유지한 후속 작업을 뒷받침합니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며, 정확한 API 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 기록, 이력, 미디어 모두 입력 준비에 포함됩니다. 제작사 프로필에는 캐싱, 배치, Flex, Priority 옵션이 있습니다. 반복 요청에는 안정적인 식별자와 간결하고 일관된 답변 형식을 사용해 각 추출 결과를 출처와 비교할 수 있도록 하세요. 이 프로필의 오디오, 이미지, 비디오 입력은 생성 음성이나 그림이 아니라 텍스트 해석 또는 전사문을 만듭니다.
가능한 한계에는 환각과 간헐적인 지연 또는 시간 초과가 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 2025년 1월로 제한됩니다. 출처에 의존하는 추출은 제공된 자료가 뒷받침하는 내용을 반환해야 하며 최신 사실 질문에는 최신 증거가 필요합니다. 3.1 Flash-Lite와 비교해 이 프로필은 문서화된 실행 및 컴퓨터 사용 기능을 추가하며, 3.6 Flash는 더 복잡한 코딩과 공간 작업에 중점을 둡니다. 더 큰 워크플로에 답변을 통합하기 전에 추출한 필드, 도구 결과, 유지된 지시를 검토하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-3.5-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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-3.5-flash-liteGemini 3.5 Flash-Lite는 집중된 하위 에이전트 과제, 문서 파싱, 반복 데이터 추출을 위한 Google의 멀티모달 모델입니다. 기본 minimal 추론은 범위가 정해진 기록에 적합하며 다단계 도구 작업에는 medium 또는 high가 문서화되어 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF에서 텍스트나 구조화된 결과를 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.5 Flash-Lite는 반복적인 데이터 작업과 집중된 하위 에이전트 과제를 위한 Google의 실행 중심 멀티모달 텍스트 프로필입니다. Gemini 3.1 Flash-Lite를 기반으로 문서 이해, 도구 신뢰성, 다중 턴 지시 이행을 개선합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환합니다. 유용한 결과는 더 큰 과제 안에서 추출한 기록 하나, 분류, 짧은 번역 또는 범위가 정해진 도구 지원 분석입니다.
문서 파싱에는 중요한 필드와 각 필드가 보존해야 할 증거를 정의하세요. 관련 페이지를 제공하고 정보가 없거나 모호할 때의 표현 방식을 지정하세요. 지원 메시지 추출에서는 제품 코드, 언급된 문제, 뒷받침 문장을 추출하고 답변에 메시지 식별자를 유지하세요. 하나의 필드에 여러 후보가 있는 문서에서 이를 알리지 않고 하나의 추측값으로 합쳐서는 안 됩니다. 스키마가 실제 과제와 일치하면 구조화된 JSON으로 후속 처리에 사용할 수 있는 결과를 만들 수 있습니다.
문서화된 thinking 수준은 minimal, low, medium, high이며 기본값은 minimal입니다. 제작사는 이를 대량 추출, 라우팅, 분류에 권장하며, 도구 호출, 코드 실행, 여러 추론 단계가 포함된 자율 하위 에이전트 작업에는 medium 또는 high가 적절하다고 설명합니다. 가이드는 이런 긴 과제에서 도구 사용을 성급하게 종료하지 않도록 노력 수준을 높일 것을 특별히 권고합니다. 따라서 필드 하나 추출과 예외가 있는 문서 비교에는 서로 다른 노력 수준이 유익합니다. minimal은 이 에디션에서 지원되는 설정이며 모든 Flash 모델에 옮겨 적용할 일반 설정은 아닙니다.
집중된 하위 에이전트 지시문에는 과제 하나, 원자료, 허용 도구, 필요한 최종 형식이 담겨야 합니다. 예를 들어 명시된 규칙에 따라 표를 살펴보고 해당 행과 관련 값을 반환할 수 있습니다. 제작사는 가벼운 코드 실행을 활용한 표 데이터 처리와 프런트엔드 JavaScript 작업도 강조합니다. 요청한 함수를 실행하고 실제 결과를 반환할 책임은 주변 애플리케이션에 있습니다. 완료된 결과를 실행하지 않은 제안이나 해결되지 않은 입력 질문과 구별할 수 있게 유지하세요.
정확한 3.5 Flash-Lite 페이지는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트를 기재하며 Computer Use는 프리뷰로 표시합니다. 구조화된 출력과 thinking이 지원됩니다. 여러 턴에 걸친 페르소나나 과제에서는 이후 응답도 같은 지시를 따르도록 실제 지시와 도구 관찰을 유지하세요. 개발자 가이드는 3.1 Flash-Lite보다 강한 페르소나 지속성을 강조합니다. 후속 요청마다 목표를 다시 정의하기보다 간결한 역할과 출력 계약을 사용하세요.
가이드는 이 에디션에서 기존 샘플링 설정과 미리 채운 마지막 model 턴도 더 이상 권장하지 않습니다. 합성 model 역할 턴 안에서 답변을 시작하려 하지 말고 명시적 지시나 스키마로 범위가 정해진 답변을 제어하세요. 인터페이스가 요구하는 곳에서는 Gemini 3의 thought signature 맥락을 보존하고 함수 결과를 호출과 연결하세요. 이런 준비 규칙은 동일한 과제를 완료하는 데 필요한 증거를 유지한 후속 작업을 뒷받침합니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며, 정확한 API 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 기록, 이력, 미디어 모두 입력 준비에 포함됩니다. 제작사 프로필에는 캐싱, 배치, Flex, Priority 옵션이 있습니다. 반복 요청에는 안정적인 식별자와 간결하고 일관된 답변 형식을 사용해 각 추출 결과를 출처와 비교할 수 있도록 하세요. 이 프로필의 오디오, 이미지, 비디오 입력은 생성 음성이나 그림이 아니라 텍스트 해석 또는 전사문을 만듭니다.
가능한 한계에는 환각과 간헐적인 지연 또는 시간 초과가 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 2025년 1월로 제한됩니다. 출처에 의존하는 추출은 제공된 자료가 뒷받침하는 내용을 반환해야 하며 최신 사실 질문에는 최신 증거가 필요합니다. 3.1 Flash-Lite와 비교해 이 프로필은 문서화된 실행 및 컴퓨터 사용 기능을 추가하며, 3.6 Flash는 더 복잡한 코딩과 공간 작업에 중점을 둡니다. 더 큰 워크플로에 답변을 통합하기 전에 추출한 필드, 도구 결과, 유지된 지시를 검토하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-3.5-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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "gemini-3.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-liteGemini 3.5 Flash-Lite는 집중된 하위 에이전트 과제, 문서 파싱, 반복 데이터 추출을 위한 Google의 멀티모달 모델입니다. 기본 minimal 추론은 범위가 정해진 기록에 적합하며 다단계 도구 작업에는 medium 또는 high가 문서화되어 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF에서 텍스트나 구조화된 결과를 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.5 Flash-Lite는 반복적인 데이터 작업과 집중된 하위 에이전트 과제를 위한 Google의 실행 중심 멀티모달 텍스트 프로필입니다. Gemini 3.1 Flash-Lite를 기반으로 문서 이해, 도구 신뢰성, 다중 턴 지시 이행을 개선합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환합니다. 유용한 결과는 더 큰 과제 안에서 추출한 기록 하나, 분류, 짧은 번역 또는 범위가 정해진 도구 지원 분석입니다.
문서 파싱에는 중요한 필드와 각 필드가 보존해야 할 증거를 정의하세요. 관련 페이지를 제공하고 정보가 없거나 모호할 때의 표현 방식을 지정하세요. 지원 메시지 추출에서는 제품 코드, 언급된 문제, 뒷받침 문장을 추출하고 답변에 메시지 식별자를 유지하세요. 하나의 필드에 여러 후보가 있는 문서에서 이를 알리지 않고 하나의 추측값으로 합쳐서는 안 됩니다. 스키마가 실제 과제와 일치하면 구조화된 JSON으로 후속 처리에 사용할 수 있는 결과를 만들 수 있습니다.
문서화된 thinking 수준은 minimal, low, medium, high이며 기본값은 minimal입니다. 제작사는 이를 대량 추출, 라우팅, 분류에 권장하며, 도구 호출, 코드 실행, 여러 추론 단계가 포함된 자율 하위 에이전트 작업에는 medium 또는 high가 적절하다고 설명합니다. 가이드는 이런 긴 과제에서 도구 사용을 성급하게 종료하지 않도록 노력 수준을 높일 것을 특별히 권고합니다. 따라서 필드 하나 추출과 예외가 있는 문서 비교에는 서로 다른 노력 수준이 유익합니다. minimal은 이 에디션에서 지원되는 설정이며 모든 Flash 모델에 옮겨 적용할 일반 설정은 아닙니다.
집중된 하위 에이전트 지시문에는 과제 하나, 원자료, 허용 도구, 필요한 최종 형식이 담겨야 합니다. 예를 들어 명시된 규칙에 따라 표를 살펴보고 해당 행과 관련 값을 반환할 수 있습니다. 제작사는 가벼운 코드 실행을 활용한 표 데이터 처리와 프런트엔드 JavaScript 작업도 강조합니다. 요청한 함수를 실행하고 실제 결과를 반환할 책임은 주변 애플리케이션에 있습니다. 완료된 결과를 실행하지 않은 제안이나 해결되지 않은 입력 질문과 구별할 수 있게 유지하세요.
정확한 3.5 Flash-Lite 페이지는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트를 기재하며 Computer Use는 프리뷰로 표시합니다. 구조화된 출력과 thinking이 지원됩니다. 여러 턴에 걸친 페르소나나 과제에서는 이후 응답도 같은 지시를 따르도록 실제 지시와 도구 관찰을 유지하세요. 개발자 가이드는 3.1 Flash-Lite보다 강한 페르소나 지속성을 강조합니다. 후속 요청마다 목표를 다시 정의하기보다 간결한 역할과 출력 계약을 사용하세요.
가이드는 이 에디션에서 기존 샘플링 설정과 미리 채운 마지막 model 턴도 더 이상 권장하지 않습니다. 합성 model 역할 턴 안에서 답변을 시작하려 하지 말고 명시적 지시나 스키마로 범위가 정해진 답변을 제어하세요. 인터페이스가 요구하는 곳에서는 Gemini 3의 thought signature 맥락을 보존하고 함수 결과를 호출과 연결하세요. 이런 준비 규칙은 동일한 과제를 완료하는 데 필요한 증거를 유지한 후속 작업을 뒷받침합니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며, 정확한 API 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 기록, 이력, 미디어 모두 입력 준비에 포함됩니다. 제작사 프로필에는 캐싱, 배치, Flex, Priority 옵션이 있습니다. 반복 요청에는 안정적인 식별자와 간결하고 일관된 답변 형식을 사용해 각 추출 결과를 출처와 비교할 수 있도록 하세요. 이 프로필의 오디오, 이미지, 비디오 입력은 생성 음성이나 그림이 아니라 텍스트 해석 또는 전사문을 만듭니다.
가능한 한계에는 환각과 간헐적인 지연 또는 시간 초과가 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 2025년 1월로 제한됩니다. 출처에 의존하는 추출은 제공된 자료가 뒷받침하는 내용을 반환해야 하며 최신 사실 질문에는 최신 증거가 필요합니다. 3.1 Flash-Lite와 비교해 이 프로필은 문서화된 실행 및 컴퓨터 사용 기능을 추가하며, 3.6 Flash는 더 복잡한 코딩과 공간 작업에 중점을 둡니다. 더 큰 워크플로에 답변을 통합하기 전에 추출한 필드, 도구 결과, 유지된 지시를 검토하세요.
POST /v1/messagestext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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-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-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-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-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-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-liteGemini 3.5 Flash-Lite는 집중된 하위 에이전트 과제, 문서 파싱, 반복 데이터 추출을 위한 Google의 멀티모달 모델입니다. 기본 minimal 추론은 범위가 정해진 기록에 적합하며 다단계 도구 작업에는 medium 또는 high가 문서화되어 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF에서 텍스트나 구조화된 결과를 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.5 Flash-Lite는 반복적인 데이터 작업과 집중된 하위 에이전트 과제를 위한 Google의 실행 중심 멀티모달 텍스트 프로필입니다. Gemini 3.1 Flash-Lite를 기반으로 문서 이해, 도구 신뢰성, 다중 턴 지시 이행을 개선합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환합니다. 유용한 결과는 더 큰 과제 안에서 추출한 기록 하나, 분류, 짧은 번역 또는 범위가 정해진 도구 지원 분석입니다.
문서 파싱에는 중요한 필드와 각 필드가 보존해야 할 증거를 정의하세요. 관련 페이지를 제공하고 정보가 없거나 모호할 때의 표현 방식을 지정하세요. 지원 메시지 추출에서는 제품 코드, 언급된 문제, 뒷받침 문장을 추출하고 답변에 메시지 식별자를 유지하세요. 하나의 필드에 여러 후보가 있는 문서에서 이를 알리지 않고 하나의 추측값으로 합쳐서는 안 됩니다. 스키마가 실제 과제와 일치하면 구조화된 JSON으로 후속 처리에 사용할 수 있는 결과를 만들 수 있습니다.
문서화된 thinking 수준은 minimal, low, medium, high이며 기본값은 minimal입니다. 제작사는 이를 대량 추출, 라우팅, 분류에 권장하며, 도구 호출, 코드 실행, 여러 추론 단계가 포함된 자율 하위 에이전트 작업에는 medium 또는 high가 적절하다고 설명합니다. 가이드는 이런 긴 과제에서 도구 사용을 성급하게 종료하지 않도록 노력 수준을 높일 것을 특별히 권고합니다. 따라서 필드 하나 추출과 예외가 있는 문서 비교에는 서로 다른 노력 수준이 유익합니다. minimal은 이 에디션에서 지원되는 설정이며 모든 Flash 모델에 옮겨 적용할 일반 설정은 아닙니다.
집중된 하위 에이전트 지시문에는 과제 하나, 원자료, 허용 도구, 필요한 최종 형식이 담겨야 합니다. 예를 들어 명시된 규칙에 따라 표를 살펴보고 해당 행과 관련 값을 반환할 수 있습니다. 제작사는 가벼운 코드 실행을 활용한 표 데이터 처리와 프런트엔드 JavaScript 작업도 강조합니다. 요청한 함수를 실행하고 실제 결과를 반환할 책임은 주변 애플리케이션에 있습니다. 완료된 결과를 실행하지 않은 제안이나 해결되지 않은 입력 질문과 구별할 수 있게 유지하세요.
정확한 3.5 Flash-Lite 페이지는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트를 기재하며 Computer Use는 프리뷰로 표시합니다. 구조화된 출력과 thinking이 지원됩니다. 여러 턴에 걸친 페르소나나 과제에서는 이후 응답도 같은 지시를 따르도록 실제 지시와 도구 관찰을 유지하세요. 개발자 가이드는 3.1 Flash-Lite보다 강한 페르소나 지속성을 강조합니다. 후속 요청마다 목표를 다시 정의하기보다 간결한 역할과 출력 계약을 사용하세요.
가이드는 이 에디션에서 기존 샘플링 설정과 미리 채운 마지막 model 턴도 더 이상 권장하지 않습니다. 합성 model 역할 턴 안에서 답변을 시작하려 하지 말고 명시적 지시나 스키마로 범위가 정해진 답변을 제어하세요. 인터페이스가 요구하는 곳에서는 Gemini 3의 thought signature 맥락을 보존하고 함수 결과를 호출과 연결하세요. 이런 준비 규칙은 동일한 과제를 완료하는 데 필요한 증거를 유지한 후속 작업을 뒷받침합니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며, 정확한 API 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 기록, 이력, 미디어 모두 입력 준비에 포함됩니다. 제작사 프로필에는 캐싱, 배치, Flex, Priority 옵션이 있습니다. 반복 요청에는 안정적인 식별자와 간결하고 일관된 답변 형식을 사용해 각 추출 결과를 출처와 비교할 수 있도록 하세요. 이 프로필의 오디오, 이미지, 비디오 입력은 생성 음성이나 그림이 아니라 텍스트 해석 또는 전사문을 만듭니다.
가능한 한계에는 환각과 간헐적인 지연 또는 시간 초과가 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 2025년 1월로 제한됩니다. 출처에 의존하는 추출은 제공된 자료가 뒷받침하는 내용을 반환해야 하며 최신 사실 질문에는 최신 증거가 필요합니다. 3.1 Flash-Lite와 비교해 이 프로필은 문서화된 실행 및 컴퓨터 사용 기능을 추가하며, 3.6 Flash는 더 복잡한 코딩과 공간 작업에 중점을 둡니다. 더 큰 워크플로에 답변을 통합하기 전에 추출한 필드, 도구 결과, 유지된 지시를 검토하세요.
POST /v1beta/models/{model}:generateContenttext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드path.model | 유형string | 요건필수 | 값과 한도 gemini-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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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-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-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-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-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-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-lite-latestGemini 3.5 Flash-Lite는 집중된 하위 에이전트 과제, 문서 파싱, 반복 데이터 추출을 위한 Google의 멀티모달 모델입니다. 기본 minimal 추론은 범위가 정해진 기록에 적합하며 다단계 도구 작업에는 medium 또는 high가 문서화되어 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF에서 텍스트나 구조화된 결과를 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.5 Flash-Lite는 반복적인 데이터 작업과 집중된 하위 에이전트 과제를 위한 Google의 실행 중심 멀티모달 텍스트 프로필입니다. Gemini 3.1 Flash-Lite를 기반으로 문서 이해, 도구 신뢰성, 다중 턴 지시 이행을 개선합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환합니다. 유용한 결과는 더 큰 과제 안에서 추출한 기록 하나, 분류, 짧은 번역 또는 범위가 정해진 도구 지원 분석입니다.
문서 파싱에는 중요한 필드와 각 필드가 보존해야 할 증거를 정의하세요. 관련 페이지를 제공하고 정보가 없거나 모호할 때의 표현 방식을 지정하세요. 지원 메시지 추출에서는 제품 코드, 언급된 문제, 뒷받침 문장을 추출하고 답변에 메시지 식별자를 유지하세요. 하나의 필드에 여러 후보가 있는 문서에서 이를 알리지 않고 하나의 추측값으로 합쳐서는 안 됩니다. 스키마가 실제 과제와 일치하면 구조화된 JSON으로 후속 처리에 사용할 수 있는 결과를 만들 수 있습니다.
문서화된 thinking 수준은 minimal, low, medium, high이며 기본값은 minimal입니다. 제작사는 이를 대량 추출, 라우팅, 분류에 권장하며, 도구 호출, 코드 실행, 여러 추론 단계가 포함된 자율 하위 에이전트 작업에는 medium 또는 high가 적절하다고 설명합니다. 가이드는 이런 긴 과제에서 도구 사용을 성급하게 종료하지 않도록 노력 수준을 높일 것을 특별히 권고합니다. 따라서 필드 하나 추출과 예외가 있는 문서 비교에는 서로 다른 노력 수준이 유익합니다. minimal은 이 에디션에서 지원되는 설정이며 모든 Flash 모델에 옮겨 적용할 일반 설정은 아닙니다.
집중된 하위 에이전트 지시문에는 과제 하나, 원자료, 허용 도구, 필요한 최종 형식이 담겨야 합니다. 예를 들어 명시된 규칙에 따라 표를 살펴보고 해당 행과 관련 값을 반환할 수 있습니다. 제작사는 가벼운 코드 실행을 활용한 표 데이터 처리와 프런트엔드 JavaScript 작업도 강조합니다. 요청한 함수를 실행하고 실제 결과를 반환할 책임은 주변 애플리케이션에 있습니다. 완료된 결과를 실행하지 않은 제안이나 해결되지 않은 입력 질문과 구별할 수 있게 유지하세요.
정확한 3.5 Flash-Lite 페이지는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트를 기재하며 Computer Use는 프리뷰로 표시합니다. 구조화된 출력과 thinking이 지원됩니다. 여러 턴에 걸친 페르소나나 과제에서는 이후 응답도 같은 지시를 따르도록 실제 지시와 도구 관찰을 유지하세요. 개발자 가이드는 3.1 Flash-Lite보다 강한 페르소나 지속성을 강조합니다. 후속 요청마다 목표를 다시 정의하기보다 간결한 역할과 출력 계약을 사용하세요.
가이드는 이 에디션에서 기존 샘플링 설정과 미리 채운 마지막 model 턴도 더 이상 권장하지 않습니다. 합성 model 역할 턴 안에서 답변을 시작하려 하지 말고 명시적 지시나 스키마로 범위가 정해진 답변을 제어하세요. 인터페이스가 요구하는 곳에서는 Gemini 3의 thought signature 맥락을 보존하고 함수 결과를 호출과 연결하세요. 이런 준비 규칙은 동일한 과제를 완료하는 데 필요한 증거를 유지한 후속 작업을 뒷받침합니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며, 정확한 API 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 기록, 이력, 미디어 모두 입력 준비에 포함됩니다. 제작사 프로필에는 캐싱, 배치, Flex, Priority 옵션이 있습니다. 반복 요청에는 안정적인 식별자와 간결하고 일관된 답변 형식을 사용해 각 추출 결과를 출처와 비교할 수 있도록 하세요. 이 프로필의 오디오, 이미지, 비디오 입력은 생성 음성이나 그림이 아니라 텍스트 해석 또는 전사문을 만듭니다.
가능한 한계에는 환각과 간헐적인 지연 또는 시간 초과가 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 2025년 1월로 제한됩니다. 출처에 의존하는 추출은 제공된 자료가 뒷받침하는 내용을 반환해야 하며 최신 사실 질문에는 최신 증거가 필요합니다. 3.1 Flash-Lite와 비교해 이 프로필은 문서화된 실행 및 컴퓨터 사용 기능을 추가하며, 3.6 Flash는 더 복잡한 코딩과 공간 작업에 중점을 둡니다. 더 큰 워크플로에 답변을 통합하기 전에 추출한 필드, 도구 결과, 유지된 지시를 검토하세요.
POST /v1/messagestext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 gemini-flash-lite-latest | 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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-flash-lite-latest", "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-flash-lite-latest", "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-flash-lite-latest",\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-flash-lite-latest",\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-flash-lite-latest',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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-lite-latestGemini 3.5 Flash-Lite는 집중된 하위 에이전트 과제, 문서 파싱, 반복 데이터 추출을 위한 Google의 멀티모달 모델입니다. 기본 minimal 추론은 범위가 정해진 기록에 적합하며 다단계 도구 작업에는 medium 또는 high가 문서화되어 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF에서 텍스트나 구조화된 결과를 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.5 Flash-Lite는 반복적인 데이터 작업과 집중된 하위 에이전트 과제를 위한 Google의 실행 중심 멀티모달 텍스트 프로필입니다. Gemini 3.1 Flash-Lite를 기반으로 문서 이해, 도구 신뢰성, 다중 턴 지시 이행을 개선합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환합니다. 유용한 결과는 더 큰 과제 안에서 추출한 기록 하나, 분류, 짧은 번역 또는 범위가 정해진 도구 지원 분석입니다.
문서 파싱에는 중요한 필드와 각 필드가 보존해야 할 증거를 정의하세요. 관련 페이지를 제공하고 정보가 없거나 모호할 때의 표현 방식을 지정하세요. 지원 메시지 추출에서는 제품 코드, 언급된 문제, 뒷받침 문장을 추출하고 답변에 메시지 식별자를 유지하세요. 하나의 필드에 여러 후보가 있는 문서에서 이를 알리지 않고 하나의 추측값으로 합쳐서는 안 됩니다. 스키마가 실제 과제와 일치하면 구조화된 JSON으로 후속 처리에 사용할 수 있는 결과를 만들 수 있습니다.
문서화된 thinking 수준은 minimal, low, medium, high이며 기본값은 minimal입니다. 제작사는 이를 대량 추출, 라우팅, 분류에 권장하며, 도구 호출, 코드 실행, 여러 추론 단계가 포함된 자율 하위 에이전트 작업에는 medium 또는 high가 적절하다고 설명합니다. 가이드는 이런 긴 과제에서 도구 사용을 성급하게 종료하지 않도록 노력 수준을 높일 것을 특별히 권고합니다. 따라서 필드 하나 추출과 예외가 있는 문서 비교에는 서로 다른 노력 수준이 유익합니다. minimal은 이 에디션에서 지원되는 설정이며 모든 Flash 모델에 옮겨 적용할 일반 설정은 아닙니다.
집중된 하위 에이전트 지시문에는 과제 하나, 원자료, 허용 도구, 필요한 최종 형식이 담겨야 합니다. 예를 들어 명시된 규칙에 따라 표를 살펴보고 해당 행과 관련 값을 반환할 수 있습니다. 제작사는 가벼운 코드 실행을 활용한 표 데이터 처리와 프런트엔드 JavaScript 작업도 강조합니다. 요청한 함수를 실행하고 실제 결과를 반환할 책임은 주변 애플리케이션에 있습니다. 완료된 결과를 실행하지 않은 제안이나 해결되지 않은 입력 질문과 구별할 수 있게 유지하세요.
정확한 3.5 Flash-Lite 페이지는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트를 기재하며 Computer Use는 프리뷰로 표시합니다. 구조화된 출력과 thinking이 지원됩니다. 여러 턴에 걸친 페르소나나 과제에서는 이후 응답도 같은 지시를 따르도록 실제 지시와 도구 관찰을 유지하세요. 개발자 가이드는 3.1 Flash-Lite보다 강한 페르소나 지속성을 강조합니다. 후속 요청마다 목표를 다시 정의하기보다 간결한 역할과 출력 계약을 사용하세요.
가이드는 이 에디션에서 기존 샘플링 설정과 미리 채운 마지막 model 턴도 더 이상 권장하지 않습니다. 합성 model 역할 턴 안에서 답변을 시작하려 하지 말고 명시적 지시나 스키마로 범위가 정해진 답변을 제어하세요. 인터페이스가 요구하는 곳에서는 Gemini 3의 thought signature 맥락을 보존하고 함수 결과를 호출과 연결하세요. 이런 준비 규칙은 동일한 과제를 완료하는 데 필요한 증거를 유지한 후속 작업을 뒷받침합니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며, 정확한 API 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 기록, 이력, 미디어 모두 입력 준비에 포함됩니다. 제작사 프로필에는 캐싱, 배치, Flex, Priority 옵션이 있습니다. 반복 요청에는 안정적인 식별자와 간결하고 일관된 답변 형식을 사용해 각 추출 결과를 출처와 비교할 수 있도록 하세요. 이 프로필의 오디오, 이미지, 비디오 입력은 생성 음성이나 그림이 아니라 텍스트 해석 또는 전사문을 만듭니다.
가능한 한계에는 환각과 간헐적인 지연 또는 시간 초과가 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 2025년 1월로 제한됩니다. 출처에 의존하는 추출은 제공된 자료가 뒷받침하는 내용을 반환해야 하며 최신 사실 질문에는 최신 증거가 필요합니다. 3.1 Flash-Lite와 비교해 이 프로필은 문서화된 실행 및 컴퓨터 사용 기능을 추가하며, 3.6 Flash는 더 복잡한 코딩과 공간 작업에 중점을 둡니다. 더 큰 워크플로에 답변을 통합하기 전에 추출한 필드, 도구 결과, 유지된 지시를 검토하세요.
POST /v1beta/models/{model}:generateContenttext, imagetext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드path.model | 유형string | 요건필수 | 값과 한도 gemini-flash-lite-latest | 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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-flash-lite-latest: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-flash-lite-latest: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-flash-lite-latest", 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-flash-lite-latest", 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-flash-lite-latest',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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
google/gemini-3.5-flash-liteGemini 3.5 Flash-Lite는 집중된 하위 에이전트 과제, 문서 파싱, 반복 데이터 추출을 위한 Google의 멀티모달 모델입니다. 기본 minimal 추론은 범위가 정해진 기록에 적합하며 다단계 도구 작업에는 medium 또는 high가 문서화되어 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF에서 텍스트나 구조화된 결과를 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.5 Flash-Lite는 반복적인 데이터 작업과 집중된 하위 에이전트 과제를 위한 Google의 실행 중심 멀티모달 텍스트 프로필입니다. Gemini 3.1 Flash-Lite를 기반으로 문서 이해, 도구 신뢰성, 다중 턴 지시 이행을 개선합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환합니다. 유용한 결과는 더 큰 과제 안에서 추출한 기록 하나, 분류, 짧은 번역 또는 범위가 정해진 도구 지원 분석입니다.
문서 파싱에는 중요한 필드와 각 필드가 보존해야 할 증거를 정의하세요. 관련 페이지를 제공하고 정보가 없거나 모호할 때의 표현 방식을 지정하세요. 지원 메시지 추출에서는 제품 코드, 언급된 문제, 뒷받침 문장을 추출하고 답변에 메시지 식별자를 유지하세요. 하나의 필드에 여러 후보가 있는 문서에서 이를 알리지 않고 하나의 추측값으로 합쳐서는 안 됩니다. 스키마가 실제 과제와 일치하면 구조화된 JSON으로 후속 처리에 사용할 수 있는 결과를 만들 수 있습니다.
문서화된 thinking 수준은 minimal, low, medium, high이며 기본값은 minimal입니다. 제작사는 이를 대량 추출, 라우팅, 분류에 권장하며, 도구 호출, 코드 실행, 여러 추론 단계가 포함된 자율 하위 에이전트 작업에는 medium 또는 high가 적절하다고 설명합니다. 가이드는 이런 긴 과제에서 도구 사용을 성급하게 종료하지 않도록 노력 수준을 높일 것을 특별히 권고합니다. 따라서 필드 하나 추출과 예외가 있는 문서 비교에는 서로 다른 노력 수준이 유익합니다. minimal은 이 에디션에서 지원되는 설정이며 모든 Flash 모델에 옮겨 적용할 일반 설정은 아닙니다.
집중된 하위 에이전트 지시문에는 과제 하나, 원자료, 허용 도구, 필요한 최종 형식이 담겨야 합니다. 예를 들어 명시된 규칙에 따라 표를 살펴보고 해당 행과 관련 값을 반환할 수 있습니다. 제작사는 가벼운 코드 실행을 활용한 표 데이터 처리와 프런트엔드 JavaScript 작업도 강조합니다. 요청한 함수를 실행하고 실제 결과를 반환할 책임은 주변 애플리케이션에 있습니다. 완료된 결과를 실행하지 않은 제안이나 해결되지 않은 입력 질문과 구별할 수 있게 유지하세요.
정확한 3.5 Flash-Lite 페이지는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트를 기재하며 Computer Use는 프리뷰로 표시합니다. 구조화된 출력과 thinking이 지원됩니다. 여러 턴에 걸친 페르소나나 과제에서는 이후 응답도 같은 지시를 따르도록 실제 지시와 도구 관찰을 유지하세요. 개발자 가이드는 3.1 Flash-Lite보다 강한 페르소나 지속성을 강조합니다. 후속 요청마다 목표를 다시 정의하기보다 간결한 역할과 출력 계약을 사용하세요.
가이드는 이 에디션에서 기존 샘플링 설정과 미리 채운 마지막 model 턴도 더 이상 권장하지 않습니다. 합성 model 역할 턴 안에서 답변을 시작하려 하지 말고 명시적 지시나 스키마로 범위가 정해진 답변을 제어하세요. 인터페이스가 요구하는 곳에서는 Gemini 3의 thought signature 맥락을 보존하고 함수 결과를 호출과 연결하세요. 이런 준비 규칙은 동일한 과제를 완료하는 데 필요한 증거를 유지한 후속 작업을 뒷받침합니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며, 정확한 API 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 기록, 이력, 미디어 모두 입력 준비에 포함됩니다. 제작사 프로필에는 캐싱, 배치, Flex, Priority 옵션이 있습니다. 반복 요청에는 안정적인 식별자와 간결하고 일관된 답변 형식을 사용해 각 추출 결과를 출처와 비교할 수 있도록 하세요. 이 프로필의 오디오, 이미지, 비디오 입력은 생성 음성이나 그림이 아니라 텍스트 해석 또는 전사문을 만듭니다.
가능한 한계에는 환각과 간헐적인 지연 또는 시간 초과가 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 2025년 1월로 제한됩니다. 출처에 의존하는 추출은 제공된 자료가 뒷받침하는 내용을 반환해야 하며 최신 사실 질문에는 최신 증거가 필요합니다. 3.1 Flash-Lite와 비교해 이 프로필은 문서화된 실행 및 컴퓨터 사용 기능을 추가하며, 3.6 Flash는 더 복잡한 코딩과 공간 작업에 중점을 둡니다. 더 큰 워크플로에 답변을 통합하기 전에 추출한 필드, 도구 결과, 유지된 지시를 검토하세요.
POST /v1/chat/completionstexttext| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 google/gemini-3.5-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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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-3.5-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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
google/gemini-3.5-flash-liteGemini 3.5 Flash-Lite는 집중된 하위 에이전트 과제, 문서 파싱, 반복 데이터 추출을 위한 Google의 멀티모달 모델입니다. 기본 minimal 추론은 범위가 정해진 기록에 적합하며 다단계 도구 작업에는 medium 또는 high가 문서화되어 있습니다. 텍스트, 이미지, 오디오, 비디오, PDF에서 텍스트나 구조화된 결과를 반환합니다.
이 설명은 모델의 기능을 다룹니다. Ailoot에서 사용할 수 있는 입력, 출력 및 옵션은 아래에 선택한 메서드별로 표시됩니다.
Gemini 3.5 Flash-Lite는 반복적인 데이터 작업과 집중된 하위 에이전트 과제를 위한 Google의 실행 중심 멀티모달 텍스트 프로필입니다. Gemini 3.1 Flash-Lite를 기반으로 문서 이해, 도구 신뢰성, 다중 턴 지시 이행을 개선합니다. 텍스트, 이미지, 오디오, 비디오, PDF를 입력받아 텍스트를 반환합니다. 유용한 결과는 더 큰 과제 안에서 추출한 기록 하나, 분류, 짧은 번역 또는 범위가 정해진 도구 지원 분석입니다.
문서 파싱에는 중요한 필드와 각 필드가 보존해야 할 증거를 정의하세요. 관련 페이지를 제공하고 정보가 없거나 모호할 때의 표현 방식을 지정하세요. 지원 메시지 추출에서는 제품 코드, 언급된 문제, 뒷받침 문장을 추출하고 답변에 메시지 식별자를 유지하세요. 하나의 필드에 여러 후보가 있는 문서에서 이를 알리지 않고 하나의 추측값으로 합쳐서는 안 됩니다. 스키마가 실제 과제와 일치하면 구조화된 JSON으로 후속 처리에 사용할 수 있는 결과를 만들 수 있습니다.
문서화된 thinking 수준은 minimal, low, medium, high이며 기본값은 minimal입니다. 제작사는 이를 대량 추출, 라우팅, 분류에 권장하며, 도구 호출, 코드 실행, 여러 추론 단계가 포함된 자율 하위 에이전트 작업에는 medium 또는 high가 적절하다고 설명합니다. 가이드는 이런 긴 과제에서 도구 사용을 성급하게 종료하지 않도록 노력 수준을 높일 것을 특별히 권고합니다. 따라서 필드 하나 추출과 예외가 있는 문서 비교에는 서로 다른 노력 수준이 유익합니다. minimal은 이 에디션에서 지원되는 설정이며 모든 Flash 모델에 옮겨 적용할 일반 설정은 아닙니다.
집중된 하위 에이전트 지시문에는 과제 하나, 원자료, 허용 도구, 필요한 최종 형식이 담겨야 합니다. 예를 들어 명시된 규칙에 따라 표를 살펴보고 해당 행과 관련 값을 반환할 수 있습니다. 제작사는 가벼운 코드 실행을 활용한 표 데이터 처리와 프런트엔드 JavaScript 작업도 강조합니다. 요청한 함수를 실행하고 실제 결과를 반환할 책임은 주변 애플리케이션에 있습니다. 완료된 결과를 실행하지 않은 제안이나 해결되지 않은 입력 질문과 구별할 수 있게 유지하세요.
정확한 3.5 Flash-Lite 페이지는 함수 호출, 코드 실행, 파일 검색, 검색 그라운딩, Maps 그라운딩, URL 컨텍스트를 기재하며 Computer Use는 프리뷰로 표시합니다. 구조화된 출력과 thinking이 지원됩니다. 여러 턴에 걸친 페르소나나 과제에서는 이후 응답도 같은 지시를 따르도록 실제 지시와 도구 관찰을 유지하세요. 개발자 가이드는 3.1 Flash-Lite보다 강한 페르소나 지속성을 강조합니다. 후속 요청마다 목표를 다시 정의하기보다 간결한 역할과 출력 계약을 사용하세요.
가이드는 이 에디션에서 기존 샘플링 설정과 미리 채운 마지막 model 턴도 더 이상 권장하지 않습니다. 합성 model 역할 턴 안에서 답변을 시작하려 하지 말고 명시적 지시나 스키마로 범위가 정해진 답변을 제어하세요. 인터페이스가 요구하는 곳에서는 Gemini 3의 thought signature 맥락을 보존하고 함수 결과를 호출과 연결하세요. 이런 준비 규칙은 동일한 과제를 완료하는 데 필요한 증거를 유지한 후속 작업을 뒷받침합니다.
고유 모델 카드는 최대 1M 컨텍스트와 64K 텍스트 출력을 기재하며, 정확한 API 페이지는 입력 1,048,576 토큰, 출력 65,536 토큰을 명시합니다. 지시, 기록, 이력, 미디어 모두 입력 준비에 포함됩니다. 제작사 프로필에는 캐싱, 배치, Flex, Priority 옵션이 있습니다. 반복 요청에는 안정적인 식별자와 간결하고 일관된 답변 형식을 사용해 각 추출 결과를 출처와 비교할 수 있도록 하세요. 이 프로필의 오디오, 이미지, 비디오 입력은 생성 음성이나 그림이 아니라 텍스트 해석 또는 전사문을 만듭니다.
가능한 한계에는 환각과 간헐적인 지연 또는 시간 초과가 있습니다. 지식 기준일은 2026년 3월이며 일부 분야는 2025년 1월로 제한됩니다. 출처에 의존하는 추출은 제공된 자료가 뒷받침하는 내용을 반환해야 하며 최신 사실 질문에는 최신 증거가 필요합니다. 3.1 Flash-Lite와 비교해 이 프로필은 문서화된 실행 및 컴퓨터 사용 기능을 추가하며, 3.6 Flash는 더 복잡한 코딩과 공간 작업에 중점을 둡니다. 더 큰 워크플로에 답변을 통합하기 전에 추출한 필드, 도구 결과, 유지된 지시를 검토하세요.
POST /v1/messagestextjson, sse| 필드 | 유형 | 요건 | 값과 한도 | 기본값 |
|---|---|---|---|---|
필드model | 유형string | 요건필수 | 값과 한도 google/gemini-3.5-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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 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 $0.0006 / 1K 토큰 출력 · 출력 토큰 $0.005 / 1K 토큰 입력 · 캐시 읽기 $0.00006 / 1K 토큰 입력 · 캐시 쓰기 $0.0001666666666666666 / 1K 토큰 입력 · 캐시 쓰기, 1시간 — / 1K 토큰 |
Ailoot는 요청 전에 예상 금액을 미리 확보합니다. 결과를 받은 뒤 측정된 사용량을 기준으로 최종 요금을 정산합니다. 스트리밍 정산에는 최종 사용량 기록을 사용합니다. 금액 확보와 정산 방식 →
{\n "model": "google/gemini-3.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
영어 기술 예제
Extract a support message record\n\nExtract fields from message S-91: "The pump P-28 stopped after ten minutes. I bought two, but only one has this issue. Please arrange a replacement." Return message ID, product code, issue, purchased quantity and affected quantity in a small table. Include the exact supporting phrase for each extracted value.A field/value/evidence table retaining S-91 and separating purchased from affected quantity.Check that two purchased pumps do not become two defective pumps.