Gemini 2.5 Flash-Lite Preview 06-17 ialah edisi pratonton Jun Google bagi Flash-Lite, yang direka untuk tugasan kerap dan sensitif terhadap kependaman seperti mengelaskan mesej dan meringkaskan bahan pada skala besar. Ia tergolong dalam keluarga pemikiran Gemini 2.5 sambil mengekalkan laluan respons langsung untuk kerja mudah. Penanda Preview bertarikh mengenal pasti keluaran ini secara berasingan daripada Flash-Lite stabil dan pratonton September yang terkemudian, yang penambahbaikan pematuhan arahan dan multimodalnya mempunyai identiti edisi tersendiri.
Pelancaran Jun meletakkan pengelasan dan peringkasan sebagai tujuan utama penggunaannya. Input pengelasan yang berguna mengandungi mesej, label yang dibenarkan dan contoh sempadan antara label; output boleh berupa label, alasan pendek dan maklumat yang diperlukan untuk langkah pemprosesan seterusnya. Tugasan peringkasan boleh menentukan keputusan, tindakan susulan, tarikh akhir yang dinyatakan dan soalan yang belum terjawab untuk dikekalkan. Ini ialah aplikasi praktikal bagi tujuan yang diisytiharkan: ia memberi operasi berulang input yang jelas dan hasil padat, dan bukannya meminta esei terbuka.
Pemikiran tersedia tetapi dimatikan secara lalai dalam pratonton Flash-Lite Jun ini. Google menerangkan bajet pemikiran yang boleh dikawal, yang membolehkan tugasan menggunakan penaakulan tambahan apabila syaratnya memerlukannya. Kekalkan laluan langsung untuk pengkategorian atau pemendekan mudah; gunakan tugasan berpenaakulan untuk kategori bertindih, pengecualian atau soalan yang memerlukan beberapa kesimpulan saling bergantung. Nyatakan syarat yang wajib dipatuhi dan perkara yang membentuk jawapan betul. Pemikiran ialah keupayaan pemprosesan tugasan; penjelasan yang lebih panjang dengan sendirinya bukan bukti bahawa kesimpulan itu betul.
Laporan teknikal Google menamakan model Jun ini secara jelas dan mendokumenkan sokongan input multimodal serta panjang konteks sebanyak satu juta token. Hasilnya ialah teks. Konteks menyediakan ruang untuk bahan sumber, arahan dan contoh dalam tugasan yang sama. Berikan peranan jelas kepada setiap dokumen atau bahagian, kemudian kenal pasti perkara yang patut diekstrak atau dibandingkan oleh model. Untuk pembantu dokumen, asingkan soalan daripada teks sumber dan minta hasil yang dihubungkan kepada petikan berkaitan. Untuk langkah pengekstrakan, takrifkan medan dan cara mewakili maklumat yang tiada dalam bahan. Ini ialah keupayaan konteks, bukannya janji bahawa kandungan yang tidak berkaitan akan menjadi berguna hanya kerana ia disertakan.
Pengumuman Jun menyenaraikan alat natif untuk pemautan jawapan kepada sumber carian, pelaksanaan kod dan konteks URL, bersama pemanggilan fungsi. Pemautan kepada sumber carian menambah maklumat web pada respons; konteks URL menggunakan kandungan halaman yang dibekalkan untuk tugasan seperti membandingkan dokumen atau mengekstrak butiran. Alat pelaksanaan kod Google menjana dan menjalankan Python untuk pengiraan atau pemprosesan teks serta menggunakan hasil pelaksanaan dalam jawapan. Pemanggilan fungsi mempunyai peranan yang berbeza: model memilih fungsi yang diisytiharkan dan argumennya, manakala aplikasi yang disambungkan melaksanakannya dan mengembalikan hasilnya. Takrifkan tujuan fungsi dan parameter yang dibenarkan supaya tugasan berbantukan alat mempunyai tindakan seterusnya yang jelas.
Untuk aliran kerja berulang, sediakan set kecil input yang mewakili tugasan sebelum menggunakan arahan yang sama pada koleksi yang lebih besar. Sertakan kes biasa, kes kabur dan kes dengan maklumat yang tiada. Contoh sokongan pelanggan mungkin meminta topik, soalan sebenar pelanggan dan balasan yang hanya berasaskan petikan rujukan yang disertakan. Contoh surat-menyurat boleh meminta senarai tugasan dengan tindakan, orang yang memberikannya dan tarikh akhir hanya apabila tarikh itu dinyatakan. Asingkan medan yang diminta ini daripada sebarang prosa penjelasan supaya teks yang terhasil boleh disemak berbanding item asal.
Kad keluarga Flash-Lite pengeluar mengenal pasti kemungkinan mereka-reka fakta dan kesukaran memahami sebab akibat, deduksi logik kompleks serta penaakulan kontrafaktual. Ia juga menyatakan bahawa pematuhan kepada bajet pemikiran mungkin tidak konsisten. Anggap perkara ini sebagai aspek semakan yang konkrit: bandingkan fakta yang diekstrak dengan sumber, semak pengiraan yang saling bergantung dan bezakan pernyataan yang diperhatikan daripada penjelasan yang disimpulkan. Artifak siap yang berguna ialah pengelasan, ringkasan, pengekstrakan atau jawapan padat yang membolehkan fakta wajib serta maklumat yang tiada diperiksa. Edisi Jun ini ialah pilihan pemprosesan teks yang berasingan; spesifikasi pratonton terkemudian tidak mentakrifkan semula identiti yang didokumenkannya.
", "aboutText": "Gemini 2.5 Flash-Lite Preview 06-17 ialah edisi pratonton Jun Google bagi Flash-Lite, yang direka untuk tugasan kerap dan sensitif terhadap kependaman seperti mengelaskan mesej dan meringkaskan bahan pada skala besar. Ia tergolong dalam keluarga pemikiran Gemini 2.5 sambil mengekalkan laluan respons langsung untuk kerja mudah. Penanda Preview bertarikh mengenal pasti keluaran ini secara berasingan daripada Flash-Lite stabil dan pratonton September yang terkemudian, yang penambahbaikan pematuhan arahan dan multimodalnya mempunyai identiti edisi tersendiri.\n\nPelancaran Jun meletakkan pengelasan dan peringkasan sebagai tujuan utama penggunaannya. Input pengelasan yang berguna mengandungi mesej, label yang dibenarkan dan contoh sempadan antara label; output boleh berupa label, alasan pendek dan maklumat yang diperlukan untuk langkah pemprosesan seterusnya. Tugasan peringkasan boleh menentukan keputusan, tindakan susulan, tarikh akhir yang dinyatakan dan soalan yang belum terjawab untuk dikekalkan. Ini ialah aplikasi praktikal bagi tujuan yang diisytiharkan: ia memberi operasi berulang input yang jelas dan hasil padat, dan bukannya meminta esei terbuka.\n\nPemikiran tersedia tetapi dimatikan secara lalai dalam pratonton Flash-Lite Jun ini. Google menerangkan bajet pemikiran yang boleh dikawal, yang membolehkan tugasan menggunakan penaakulan tambahan apabila syaratnya memerlukannya. Kekalkan laluan langsung untuk pengkategorian atau pemendekan mudah; gunakan tugasan berpenaakulan untuk kategori bertindih, pengecualian atau soalan yang memerlukan beberapa kesimpulan saling bergantung. Nyatakan syarat yang wajib dipatuhi dan perkara yang membentuk jawapan betul. Pemikiran ialah keupayaan pemprosesan tugasan; penjelasan yang lebih panjang dengan sendirinya bukan bukti bahawa kesimpulan itu betul.\n\nLaporan teknikal Google menamakan model Jun ini secara jelas dan mendokumenkan sokongan input multimodal serta panjang konteks sebanyak satu juta token. Hasilnya ialah teks. Konteks menyediakan ruang untuk bahan sumber, arahan dan contoh dalam tugasan yang sama. Berikan peranan jelas kepada setiap dokumen atau bahagian, kemudian kenal pasti perkara yang patut diekstrak atau dibandingkan oleh model. Untuk pembantu dokumen, asingkan soalan daripada teks sumber dan minta hasil yang dihubungkan kepada petikan berkaitan. Untuk langkah pengekstrakan, takrifkan medan dan cara mewakili maklumat yang tiada dalam bahan. Ini ialah keupayaan konteks, bukannya janji bahawa kandungan yang tidak berkaitan akan menjadi berguna hanya kerana ia disertakan.\n\nPengumuman Jun menyenaraikan alat natif untuk pemautan jawapan kepada sumber carian, pelaksanaan kod dan konteks URL, bersama pemanggilan fungsi. Pemautan kepada sumber carian menambah maklumat web pada respons; konteks URL menggunakan kandungan halaman yang dibekalkan untuk tugasan seperti membandingkan dokumen atau mengekstrak butiran. Alat pelaksanaan kod Google menjana dan menjalankan Python untuk pengiraan atau pemprosesan teks serta menggunakan hasil pelaksanaan dalam jawapan. Pemanggilan fungsi mempunyai peranan yang berbeza: model memilih fungsi yang diisytiharkan dan argumennya, manakala aplikasi yang disambungkan melaksanakannya dan mengembalikan hasilnya. Takrifkan tujuan fungsi dan parameter yang dibenarkan supaya tugasan berbantukan alat mempunyai tindakan seterusnya yang jelas.\n\nUntuk aliran kerja berulang, sediakan set kecil input yang mewakili tugasan sebelum menggunakan arahan yang sama pada koleksi yang lebih besar. Sertakan kes biasa, kes kabur dan kes dengan maklumat yang tiada. Contoh sokongan pelanggan mungkin meminta topik, soalan sebenar pelanggan dan balasan yang hanya berasaskan petikan rujukan yang disertakan. Contoh surat-menyurat boleh meminta senarai tugasan dengan tindakan, orang yang memberikannya dan tarikh akhir hanya apabila tarikh itu dinyatakan. Asingkan medan yang diminta ini daripada sebarang prosa penjelasan supaya teks yang terhasil boleh disemak berbanding item asal.\n\nKad keluarga Flash-Lite pengeluar mengenal pasti kemungkinan mereka-reka fakta dan kesukaran memahami sebab akibat, deduksi logik kompleks serta penaakulan kontrafaktual. Ia juga menyatakan bahawa pematuhan kepada bajet pemikiran mungkin tidak konsisten. Anggap perkara ini sebagai aspek semakan yang konkrit: bandingkan fakta yang diekstrak dengan sumber, semak pengiraan yang saling bergantung dan bezakan pernyataan yang diperhatikan daripada penjelasan yang disimpulkan. Artifak siap yang berguna ialah pengelasan, ringkasan, pengekstrakan atau jawapan padat yang membolehkan fakta wajib serta maklumat yang tiada diperiksa. Edisi Jun ini ialah pilihan pemprosesan teks yang berasingan; spesifikasi pratonton terkemudian tidak mentakrifkan semula identiti yang didokumenkannya.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Extract actions from a meeting note\n\nExtract only explicit action items from this note: 'Mira will send the revised price sheet by Friday. Jonas suggested checking packaging later, but nobody accepted that task. Noor will confirm the delivery address; no deadline was set.' Return a table with action, owner and deadline. Use 'not stated' for an absent deadline and exclude unassigned suggestions.A compact action table containing explicit commitments and source-grounded deadline values.The unassigned packaging suggestion is excluded, and Noor's deadline is not invented.gemini-2.5-flash-lite-preview-06-17Gemini 2.5 Flash-Lite Preview 06-17 ialah edisi Jun Google untuk pengelasan, peringkasan dan pemprosesan teks berulang dengan daya pemprosesan tinggi. Ia menggabungkan konteks sejuta token, pemikiran pilihan dan alat carian, kod, konteks URL serta pemanggilan fungsi yang didokumenkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 2.5 Flash-Lite Preview 06-17 ialah edisi pratonton Jun Google bagi Flash-Lite, yang direka untuk tugasan kerap dan sensitif terhadap kependaman seperti mengelaskan mesej dan meringkaskan bahan pada skala besar. Ia tergolong dalam keluarga pemikiran Gemini 2.5 sambil mengekalkan laluan respons langsung untuk kerja mudah. Penanda Preview bertarikh mengenal pasti keluaran ini secara berasingan daripada Flash-Lite stabil dan pratonton September yang terkemudian, yang penambahbaikan pematuhan arahan dan multimodalnya mempunyai identiti edisi tersendiri.
Pelancaran Jun meletakkan pengelasan dan peringkasan sebagai tujuan utama penggunaannya. Input pengelasan yang berguna mengandungi mesej, label yang dibenarkan dan contoh sempadan antara label; output boleh berupa label, alasan pendek dan maklumat yang diperlukan untuk langkah pemprosesan seterusnya. Tugasan peringkasan boleh menentukan keputusan, tindakan susulan, tarikh akhir yang dinyatakan dan soalan yang belum terjawab untuk dikekalkan. Ini ialah aplikasi praktikal bagi tujuan yang diisytiharkan: ia memberi operasi berulang input yang jelas dan hasil padat, dan bukannya meminta esei terbuka.
Pemikiran tersedia tetapi dimatikan secara lalai dalam pratonton Flash-Lite Jun ini. Google menerangkan bajet pemikiran yang boleh dikawal, yang membolehkan tugasan menggunakan penaakulan tambahan apabila syaratnya memerlukannya. Kekalkan laluan langsung untuk pengkategorian atau pemendekan mudah; gunakan tugasan berpenaakulan untuk kategori bertindih, pengecualian atau soalan yang memerlukan beberapa kesimpulan saling bergantung. Nyatakan syarat yang wajib dipatuhi dan perkara yang membentuk jawapan betul. Pemikiran ialah keupayaan pemprosesan tugasan; penjelasan yang lebih panjang dengan sendirinya bukan bukti bahawa kesimpulan itu betul.
Laporan teknikal Google menamakan model Jun ini secara jelas dan mendokumenkan sokongan input multimodal serta panjang konteks sebanyak satu juta token. Hasilnya ialah teks. Konteks menyediakan ruang untuk bahan sumber, arahan dan contoh dalam tugasan yang sama. Berikan peranan jelas kepada setiap dokumen atau bahagian, kemudian kenal pasti perkara yang patut diekstrak atau dibandingkan oleh model. Untuk pembantu dokumen, asingkan soalan daripada teks sumber dan minta hasil yang dihubungkan kepada petikan berkaitan. Untuk langkah pengekstrakan, takrifkan medan dan cara mewakili maklumat yang tiada dalam bahan. Ini ialah keupayaan konteks, bukannya janji bahawa kandungan yang tidak berkaitan akan menjadi berguna hanya kerana ia disertakan.
Pengumuman Jun menyenaraikan alat natif untuk pemautan jawapan kepada sumber carian, pelaksanaan kod dan konteks URL, bersama pemanggilan fungsi. Pemautan kepada sumber carian menambah maklumat web pada respons; konteks URL menggunakan kandungan halaman yang dibekalkan untuk tugasan seperti membandingkan dokumen atau mengekstrak butiran. Alat pelaksanaan kod Google menjana dan menjalankan Python untuk pengiraan atau pemprosesan teks serta menggunakan hasil pelaksanaan dalam jawapan. Pemanggilan fungsi mempunyai peranan yang berbeza: model memilih fungsi yang diisytiharkan dan argumennya, manakala aplikasi yang disambungkan melaksanakannya dan mengembalikan hasilnya. Takrifkan tujuan fungsi dan parameter yang dibenarkan supaya tugasan berbantukan alat mempunyai tindakan seterusnya yang jelas.
Untuk aliran kerja berulang, sediakan set kecil input yang mewakili tugasan sebelum menggunakan arahan yang sama pada koleksi yang lebih besar. Sertakan kes biasa, kes kabur dan kes dengan maklumat yang tiada. Contoh sokongan pelanggan mungkin meminta topik, soalan sebenar pelanggan dan balasan yang hanya berasaskan petikan rujukan yang disertakan. Contoh surat-menyurat boleh meminta senarai tugasan dengan tindakan, orang yang memberikannya dan tarikh akhir hanya apabila tarikh itu dinyatakan. Asingkan medan yang diminta ini daripada sebarang prosa penjelasan supaya teks yang terhasil boleh disemak berbanding item asal.
Kad keluarga Flash-Lite pengeluar mengenal pasti kemungkinan mereka-reka fakta dan kesukaran memahami sebab akibat, deduksi logik kompleks serta penaakulan kontrafaktual. Ia juga menyatakan bahawa pematuhan kepada bajet pemikiran mungkin tidak konsisten. Anggap perkara ini sebagai aspek semakan yang konkrit: bandingkan fakta yang diekstrak dengan sumber, semak pengiraan yang saling bergantung dan bezakan pernyataan yang diperhatikan daripada penjelasan yang disimpulkan. Artifak siap yang berguna ialah pengelasan, ringkasan, pengekstrakan atau jawapan padat yang membolehkan fakta wajib serta maklumat yang tiada diperiksa. Edisi Jun ini ialah pilihan pemprosesan teks yang berasingan; spesifikasi pratonton terkemudian tidak mentakrifkan semula identiti yang didokumenkannya.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-2.5-flash-lite-preview-06-17 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Contoh: system, user, assistant, tool, function Syarat: Peranan ini diwakili secara eksplisit oleh jenis keserasian dalam kod sumber; set peranan model yang tepat kekal khusus untuk setiap model. Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring|content_part[]|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_calls | Jenistool_call[] | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].tool_call_id | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: role=tool; gunakan ID sebenar yang dipulangkan | Lalai— |
Medanmessages[].name | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medanmessages[].reasoning_content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Hantar semula penaakulan sebenar yang dipulangkan apabila model ini menggunakannya | Lalai— |
Medanmessages[].reasoning_details | Jenisobject|array | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanmax_completion_tokens | Jenisinteger | KeperluanPilihan | Nilai & had Minimum: 1 Bergantung pada model | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Medanstream_options.include_usage | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantemperature | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantop_p | Jenisnumber | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanstop | Jenisstring|string[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools | Jenisfunction_tool[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medantools[].type | Jenisstring | KeperluanPilihan | Nilai & had function Bergantung pada model | Lalai— |
Medantools[].function.name | Jenisstring | KeperluanDiperlukan | Nilai & had Terpakai apabila: alat fungsi dibekalkan | Lalai— |
Medantools[].function.description | Jenisstring | KeperluanPilihan | Nilai & had | Lalai— |
Medantools[].function.parameters | JenisJSON_schema | KeperluanPilihan | Nilai & had | Lalai— |
Medantool_choice | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanparallel_tool_calls | Jenisboolean | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanresponse_format | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning_effort | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanreasoning | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanservice_tier | Jenisstring | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medaninstructions | Jenisstring | KeperluanPilihan | Nilai & had Medan keserasian | Lalai— |
Medanfunctions | Jenisfunction[] | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanfunction_call | Jenisstring|object | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanprompt_cache_options | Jenisobject | KeperluanPilihan | Nilai & had Bergantung pada model | Lalai— |
Medanmodalities | Jenisstring[] | KeperluanPilihan | Nilai & had text | Lalai— |
Medanprovider | Jenisobject | KeperluanPilihan | Nilai & had Syarat: provider.options ditolak pada laluan teks Ultra ini | Lalai— |
Medancache_control.ttl | Jenisstring | KeperluanPilihan | Nilai & had Syarat: 1h ditolak pada lokasi cache prompt yang digunakan | Lalai— |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontraktatasusunan mesej dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 sebenar dimasukkan sebagai teks literal; ID fail tidak diandaikan |
Parameteroptional_controls | Kontrakstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Kontrakkhusus model; alat fungsi pengguna berbeza daripada alat yang dihoskan |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Kitar hayat: synchronous_or_streamed
Hantar ID model yang tepat bersama messages.
Panjang konteks bukan had output.
Fail teks boleh membekalkan teks literal; input imej/audio/objek fail memerlukan pengikatan tepat.
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.0008 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite-preview-06-17", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gemini-2.5-flash-lite-preview-06-17',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gemini-2.5-flash-lite-preview-06-17',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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan setiap pilihan jawapan bersama kandungan, panggilan alat dan penaakulannya. Dalam SSE, gabungkan delta mengikut indeks pilihan jawapan/alat dan kekalkan sebab penamatan akhir serta data penggunaan.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanchoices[].index | Jenisinteger |
Medanchoices[].message.content | Jenisstring|null |
Medanchoices[].message.tool_calls | Jenistool_call[] |
Medanchoices[].message.reasoning_content | Jenisstring |
Medanchoices[].message.reasoning_details | Jenisobject|array |
Medanchoices[].finish_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gemini-2.5-flash-lite-preview-06-17
Gunakan laluan kaedah yang dipaparkan di atas.
gemini-2.5-flash-lite-preview-06-17Gemini 2.5 Flash-Lite Preview 06-17 ialah edisi Jun Google untuk pengelasan, peringkasan dan pemprosesan teks berulang dengan daya pemprosesan tinggi. Ia menggabungkan konteks sejuta token, pemikiran pilihan dan alat carian, kod, konteks URL serta pemanggilan fungsi yang didokumenkan.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 2.5 Flash-Lite Preview 06-17 ialah edisi pratonton Jun Google bagi Flash-Lite, yang direka untuk tugasan kerap dan sensitif terhadap kependaman seperti mengelaskan mesej dan meringkaskan bahan pada skala besar. Ia tergolong dalam keluarga pemikiran Gemini 2.5 sambil mengekalkan laluan respons langsung untuk kerja mudah. Penanda Preview bertarikh mengenal pasti keluaran ini secara berasingan daripada Flash-Lite stabil dan pratonton September yang terkemudian, yang penambahbaikan pematuhan arahan dan multimodalnya mempunyai identiti edisi tersendiri.
Pelancaran Jun meletakkan pengelasan dan peringkasan sebagai tujuan utama penggunaannya. Input pengelasan yang berguna mengandungi mesej, label yang dibenarkan dan contoh sempadan antara label; output boleh berupa label, alasan pendek dan maklumat yang diperlukan untuk langkah pemprosesan seterusnya. Tugasan peringkasan boleh menentukan keputusan, tindakan susulan, tarikh akhir yang dinyatakan dan soalan yang belum terjawab untuk dikekalkan. Ini ialah aplikasi praktikal bagi tujuan yang diisytiharkan: ia memberi operasi berulang input yang jelas dan hasil padat, dan bukannya meminta esei terbuka.
Pemikiran tersedia tetapi dimatikan secara lalai dalam pratonton Flash-Lite Jun ini. Google menerangkan bajet pemikiran yang boleh dikawal, yang membolehkan tugasan menggunakan penaakulan tambahan apabila syaratnya memerlukannya. Kekalkan laluan langsung untuk pengkategorian atau pemendekan mudah; gunakan tugasan berpenaakulan untuk kategori bertindih, pengecualian atau soalan yang memerlukan beberapa kesimpulan saling bergantung. Nyatakan syarat yang wajib dipatuhi dan perkara yang membentuk jawapan betul. Pemikiran ialah keupayaan pemprosesan tugasan; penjelasan yang lebih panjang dengan sendirinya bukan bukti bahawa kesimpulan itu betul.
Laporan teknikal Google menamakan model Jun ini secara jelas dan mendokumenkan sokongan input multimodal serta panjang konteks sebanyak satu juta token. Hasilnya ialah teks. Konteks menyediakan ruang untuk bahan sumber, arahan dan contoh dalam tugasan yang sama. Berikan peranan jelas kepada setiap dokumen atau bahagian, kemudian kenal pasti perkara yang patut diekstrak atau dibandingkan oleh model. Untuk pembantu dokumen, asingkan soalan daripada teks sumber dan minta hasil yang dihubungkan kepada petikan berkaitan. Untuk langkah pengekstrakan, takrifkan medan dan cara mewakili maklumat yang tiada dalam bahan. Ini ialah keupayaan konteks, bukannya janji bahawa kandungan yang tidak berkaitan akan menjadi berguna hanya kerana ia disertakan.
Pengumuman Jun menyenaraikan alat natif untuk pemautan jawapan kepada sumber carian, pelaksanaan kod dan konteks URL, bersama pemanggilan fungsi. Pemautan kepada sumber carian menambah maklumat web pada respons; konteks URL menggunakan kandungan halaman yang dibekalkan untuk tugasan seperti membandingkan dokumen atau mengekstrak butiran. Alat pelaksanaan kod Google menjana dan menjalankan Python untuk pengiraan atau pemprosesan teks serta menggunakan hasil pelaksanaan dalam jawapan. Pemanggilan fungsi mempunyai peranan yang berbeza: model memilih fungsi yang diisytiharkan dan argumennya, manakala aplikasi yang disambungkan melaksanakannya dan mengembalikan hasilnya. Takrifkan tujuan fungsi dan parameter yang dibenarkan supaya tugasan berbantukan alat mempunyai tindakan seterusnya yang jelas.
Untuk aliran kerja berulang, sediakan set kecil input yang mewakili tugasan sebelum menggunakan arahan yang sama pada koleksi yang lebih besar. Sertakan kes biasa, kes kabur dan kes dengan maklumat yang tiada. Contoh sokongan pelanggan mungkin meminta topik, soalan sebenar pelanggan dan balasan yang hanya berasaskan petikan rujukan yang disertakan. Contoh surat-menyurat boleh meminta senarai tugasan dengan tindakan, orang yang memberikannya dan tarikh akhir hanya apabila tarikh itu dinyatakan. Asingkan medan yang diminta ini daripada sebarang prosa penjelasan supaya teks yang terhasil boleh disemak berbanding item asal.
Kad keluarga Flash-Lite pengeluar mengenal pasti kemungkinan mereka-reka fakta dan kesukaran memahami sebab akibat, deduksi logik kompleks serta penaakulan kontrafaktual. Ia juga menyatakan bahawa pematuhan kepada bajet pemikiran mungkin tidak konsisten. Anggap perkara ini sebagai aspek semakan yang konkrit: bandingkan fakta yang diekstrak dengan sumber, semak pengiraan yang saling bergantung dan bezakan pernyataan yang diperhatikan daripada penjelasan yang disimpulkan. Artifak siap yang berguna ialah pengelasan, ringkasan, pengekstrakan atau jawapan padat yang membolehkan fakta wajib serta maklumat yang tiada diperiksa. Edisi Jun ini ialah pilihan pemprosesan teks yang berasingan; spesifikasi pratonton terkemudian tidak mentakrifkan semula identiti yang didokumenkannya.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-2.5-flash-lite-preview-06-17 | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had user, assistant | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanmax_tokens | Jenisinteger | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
Teks · Teks UTF-8
rentetan messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 sebenar dan letakkan teksnya dalam rentetan input atau kandungan mesej yang ditunjukkan. |
Kitar hayat: synchronous_or_streamed
Rujukan tarif tidak menambah pilihan permintaan. Parameter yang disokong disenaraikan untuk kaedah yang dipilih.
| Konfigurasi | Jadual kadar | Caj |
|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Caj Input · Token input $0.0002 / 1K token Output · Token output $0.0008 / 1K token Input · Bacaan cache $0 / 1K token Input · Penulisan cache $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gemini-2.5-flash-lite-preview-06-17",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-06-17', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-06-17', '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 atau SSE
Simpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Kekalkan semua blok kandungan, tandatangan penaakulan dan ID penggunaan alat sebenar. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan output.
Kekalkan ID permintaan/respons dan pengepala. Tiada URL umum bagi pengambilan tugas teks dibekalkan.
| Medan | Jenis |
|---|---|
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medancontent[] | Jenistext|thinking|tool_use|other content block |
Medanstop_reason | Jenisstring|null |
Medanusage | Jenisobject |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratMedan wajib, perwakilan bahan atau nilai parameter tidak sah | Langkah seterusnyaBetulkan medan yang ditunjukkan sebelum permintaan penciptaan baharu. |
Ailoot Ultra gemini-2.5-flash-lite-preview-06-17
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Extract actions from a meeting note\n\nExtract only explicit action items from this note: 'Mira will send the revised price sheet by Friday. Jonas suggested checking packaging later, but nobody accepted that task. Noor will confirm the delivery address; no deadline was set.' Return a table with action, owner and deadline. Use 'not stated' for an absent deadline and exclude unassigned suggestions.A compact action table containing explicit commitments and source-grounded deadline values.The unassigned packaging suggestion is excluded, and Noor's deadline is not invented.