Gemini 2.5 Flash-Lite Preview 09-2025 ialah edisi September Google untuk tugasan kerap yang memerlukan hasil teks ringkas dan terarah. Pengeluar menyusun kemas kininya berdasarkan tiga tema: pematuhan yang lebih baik terhadap arahan kompleks dan prom sistem, pengurangan kepanjangan respons, serta penambahbaikan terjemahan dan pemahaman multimodal. Nama bertarikh mengenal pasti pratonton khusus ini secara berasingan daripada pratonton Flash-Lite Jun, model stabil dan alias latest yang berubah mengikut keluaran.
Pematuhan arahan yang lebih baik berguna apabila tugasan mempunyai beberapa peraturan yang mesti kekal berkuat kuasa bersama. Bekalkan bahan sumber, khalayak dan format yang diperlukan, kemudian asingkan kandungan wajib daripada penjelasan pilihan. Tugasan pemprosesan sokongan boleh memerlukan kategori, soalan tepat pelanggan dan langkah seterusnya yang berasaskan rujukan yang diberikan sahaja. Tugasan dokumen mungkin menentukan istilah yang perlu dikekalkan, fakta yang mesti dimasukkan dan cara mewakili nilai yang tiada. Contoh ini menukar arahan terperinci kepada hasil dengan keperluan yang boleh diperhatikan.
Respons yang kurang panjang lebar ialah ciri yang dinyatakan bagi keluaran ini. Ciri ini amat berkaitan apabila output menjadi nilai medan ringkas, balasan pendek atau input seterusnya dalam aliran kerja yang lebih besar. Minta maklumat yang diperlukan dan bukannya perbincangan umum: keputusan, sumbernya dan soalan yang belum terjawab. Untuk ringkasan, senaraikan fakta dan tarikh akhir yang mesti dikekalkan apabila teks dipadatkan, serta nyatakan bilangan atau tujuan bahagian. Keringkasan tidak sama dengan menggugurkan syarat penting; templat output yang praktikal menjelaskan kandungan yang diperlukan.
Google melaporkan peningkatan kualiti terjemahan, pemahaman imej dan transkripsi audio untuk kemas kini September ini. Untuk terjemahan, kenal pasti khalayak sasaran dan glosari, serta bezakan nama yang kekal tidak berubah daripada ungkapan yang patut disetempatkan. Untuk imej, tandakan komponen atau petikan yang perlu dijelaskan dan terangkan tujuan penggunaan respons. Untuk transkripsi audio, minta bentuk bertulis dengan bahasa dan peraturan pemformatan yang diperlukan bagi langkah seterusnya. Sumber multimedia juga boleh diringkaskan atau dibandingkan dengan keperluan bertulis apabila soalan mengenal pasti kandungan yang berkaitan.
Kad bertarikh yang tepat menyenaraikan teks, imej, video, audio dan PDF sebagai input, dengan teks sebagai output. Hadnya ialah 1,048,576 token input dan 65,536 token output, dan tarikh akhir pengetahuan yang didokumenkan ialah Januari 2025. Profil input yang besar boleh menggabungkan bahan, arahan dan contoh; berikan label kepada setiap sumber dan nyatakan bukti yang patut digunakan oleh jawapan. Ini ialah edisi Flash-Lite beroutput teks: pertuturan terjana, gambar terjana dan antara muka suara masa nyata bukan sebahagian daripada profil output yang disenaraikan.
Pengeluar mendokumenkan pemikiran, output berstruktur, pemanggilan fungsi, pelaksanaan kod, pemautan jawapan kepada sumber carian, konteks URL dan carian fail. Pemikiran boleh digunakan untuk tugasan dengan syarat yang saling bergantung; respons berstruktur boleh menyediakan medan untuk pengekstrakan atau pengelasan. Panggilan fungsi mengandungi nama fungsi dan argumen yang dicadangkan, manakala aplikasi melaksanakannya dan mengembalikan hasilnya. Alat pelaksanaan kod Google menggunakan Python; alat carian dan dokumen membekalkan bahan luaran untuk respons bertulis berasaskan maklumat. Profil yang tepat turut merangkumi sokongan cache dan pemprosesan kelompok. Ini ialah keupayaan model yang didokumenkan, bukannya dakwaan bahawa sesuatu aplikasi tertentu telah mengaktifkan setiap alat atau menggabungkannya dalam satu permintaan.
Kad keluarga model menerangkan transformer campuran pakar jarang dengan pemahaman multimodal secara natif. Pralatihan merangkumi teks web, bahasa pengaturcaraan, imej, audio dan video. Pascalatihan menggunakan pasangan arahan dan respons yang telah ditapis, maklumat keutamaan manusia serta data penggunaan alat, dengan penyahduplikasian serta penapisan keselamatan dan kualiti semasa penyediaan. Kad yang sama mengenal pasti kemungkinan mereka-reka fakta, kesukaran penaakulan sebab akibat dan kontrafaktual, batasan deduksi logik kompleks serta pematuhan yang tidak konsisten kepada bajet pemikiran. Ia juga merekodkan kecenderungan sesetengah respons untuk kedengaran terlalu menggurui. Ini ialah perkara penting untuk disemak bagi model pemprosesan ringkas.
Sediakan input biasa, kabur dan tidak lengkap yang mewakili tugasan berulang. Untuk terjemahan, bandingkan istilah, makna dan format yang diminta supaya output hanya mengandungi hasil. Untuk transkripsi atau pengekstrakan dokumen, bandingkan butiran yang dikembalikan dengan bahan yang dibekalkan dan kenal pasti perkara yang tidak dapat dipastikan. Untuk balasan pendek, periksa sama ada setiap fakta wajib dikekalkan. Artifak siap mungkin berupa petikan terjemahan, ringkasan padat, medan yang diekstrak atau kategori dan tindakan seterusnya. Persediaan ini menggunakan penekanan khusus edisi September pada ketepatan arahan, keringkasan dan pengendalian multimedia sambil memastikan hasil kekal terikat pada bukti asal.
", "aboutText": "Gemini 2.5 Flash-Lite Preview 09-2025 ialah edisi September Google untuk tugasan kerap yang memerlukan hasil teks ringkas dan terarah. Pengeluar menyusun kemas kininya berdasarkan tiga tema: pematuhan yang lebih baik terhadap arahan kompleks dan prom sistem, pengurangan kepanjangan respons, serta penambahbaikan terjemahan dan pemahaman multimodal. Nama bertarikh mengenal pasti pratonton khusus ini secara berasingan daripada pratonton Flash-Lite Jun, model stabil dan alias latest yang berubah mengikut keluaran.\n\nPematuhan arahan yang lebih baik berguna apabila tugasan mempunyai beberapa peraturan yang mesti kekal berkuat kuasa bersama. Bekalkan bahan sumber, khalayak dan format yang diperlukan, kemudian asingkan kandungan wajib daripada penjelasan pilihan. Tugasan pemprosesan sokongan boleh memerlukan kategori, soalan tepat pelanggan dan langkah seterusnya yang berasaskan rujukan yang diberikan sahaja. Tugasan dokumen mungkin menentukan istilah yang perlu dikekalkan, fakta yang mesti dimasukkan dan cara mewakili nilai yang tiada. Contoh ini menukar arahan terperinci kepada hasil dengan keperluan yang boleh diperhatikan.\n\nRespons yang kurang panjang lebar ialah ciri yang dinyatakan bagi keluaran ini. Ciri ini amat berkaitan apabila output menjadi nilai medan ringkas, balasan pendek atau input seterusnya dalam aliran kerja yang lebih besar. Minta maklumat yang diperlukan dan bukannya perbincangan umum: keputusan, sumbernya dan soalan yang belum terjawab. Untuk ringkasan, senaraikan fakta dan tarikh akhir yang mesti dikekalkan apabila teks dipadatkan, serta nyatakan bilangan atau tujuan bahagian. Keringkasan tidak sama dengan menggugurkan syarat penting; templat output yang praktikal menjelaskan kandungan yang diperlukan.\n\nGoogle melaporkan peningkatan kualiti terjemahan, pemahaman imej dan transkripsi audio untuk kemas kini September ini. Untuk terjemahan, kenal pasti khalayak sasaran dan glosari, serta bezakan nama yang kekal tidak berubah daripada ungkapan yang patut disetempatkan. Untuk imej, tandakan komponen atau petikan yang perlu dijelaskan dan terangkan tujuan penggunaan respons. Untuk transkripsi audio, minta bentuk bertulis dengan bahasa dan peraturan pemformatan yang diperlukan bagi langkah seterusnya. Sumber multimedia juga boleh diringkaskan atau dibandingkan dengan keperluan bertulis apabila soalan mengenal pasti kandungan yang berkaitan.\n\nKad bertarikh yang tepat menyenaraikan teks, imej, video, audio dan PDF sebagai input, dengan teks sebagai output. Hadnya ialah 1,048,576 token input dan 65,536 token output, dan tarikh akhir pengetahuan yang didokumenkan ialah Januari 2025. Profil input yang besar boleh menggabungkan bahan, arahan dan contoh; berikan label kepada setiap sumber dan nyatakan bukti yang patut digunakan oleh jawapan. Ini ialah edisi Flash-Lite beroutput teks: pertuturan terjana, gambar terjana dan antara muka suara masa nyata bukan sebahagian daripada profil output yang disenaraikan.\n\nPengeluar mendokumenkan pemikiran, output berstruktur, pemanggilan fungsi, pelaksanaan kod, pemautan jawapan kepada sumber carian, konteks URL dan carian fail. Pemikiran boleh digunakan untuk tugasan dengan syarat yang saling bergantung; respons berstruktur boleh menyediakan medan untuk pengekstrakan atau pengelasan. Panggilan fungsi mengandungi nama fungsi dan argumen yang dicadangkan, manakala aplikasi melaksanakannya dan mengembalikan hasilnya. Alat pelaksanaan kod Google menggunakan Python; alat carian dan dokumen membekalkan bahan luaran untuk respons bertulis berasaskan maklumat. Profil yang tepat turut merangkumi sokongan cache dan pemprosesan kelompok. Ini ialah keupayaan model yang didokumenkan, bukannya dakwaan bahawa sesuatu aplikasi tertentu telah mengaktifkan setiap alat atau menggabungkannya dalam satu permintaan.\n\nKad keluarga model menerangkan transformer campuran pakar jarang dengan pemahaman multimodal secara natif. Pralatihan merangkumi teks web, bahasa pengaturcaraan, imej, audio dan video. Pascalatihan menggunakan pasangan arahan dan respons yang telah ditapis, maklumat keutamaan manusia serta data penggunaan alat, dengan penyahduplikasian serta penapisan keselamatan dan kualiti semasa penyediaan. Kad yang sama mengenal pasti kemungkinan mereka-reka fakta, kesukaran penaakulan sebab akibat dan kontrafaktual, batasan deduksi logik kompleks serta pematuhan yang tidak konsisten kepada bajet pemikiran. Ia juga merekodkan kecenderungan sesetengah respons untuk kedengaran terlalu menggurui. Ini ialah perkara penting untuk disemak bagi model pemprosesan ringkas.\n\nSediakan input biasa, kabur dan tidak lengkap yang mewakili tugasan berulang. Untuk terjemahan, bandingkan istilah, makna dan format yang diminta supaya output hanya mengandungi hasil. Untuk transkripsi atau pengekstrakan dokumen, bandingkan butiran yang dikembalikan dengan bahan yang dibekalkan dan kenal pasti perkara yang tidak dapat dipastikan. Untuk balasan pendek, periksa sama ada setiap fakta wajib dikekalkan. Artifak siap mungkin berupa petikan terjemahan, ringkasan padat, medan yang diekstrak atau kategori dan tindakan seterusnya. Persediaan ini menggunakan penekanan khusus edisi September pada ketepatan arahan, keringkasan dan pengendalian multimedia sambil memastikan hasil kekal terikat pada bukti asal.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 memfokuskan pematuhan arahan, teks ringkas, terjemahan dan pemahaman multimedia. Edisi September Google menerima teks, imej, video, audio dan PDF, dengan respons berstruktur dan alat yang didokumenkan untuk pemprosesan volum tinggi.
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 09-2025 ialah edisi September Google untuk tugasan kerap yang memerlukan hasil teks ringkas dan terarah. Pengeluar menyusun kemas kininya berdasarkan tiga tema: pematuhan yang lebih baik terhadap arahan kompleks dan prom sistem, pengurangan kepanjangan respons, serta penambahbaikan terjemahan dan pemahaman multimodal. Nama bertarikh mengenal pasti pratonton khusus ini secara berasingan daripada pratonton Flash-Lite Jun, model stabil dan alias latest yang berubah mengikut keluaran.
Pematuhan arahan yang lebih baik berguna apabila tugasan mempunyai beberapa peraturan yang mesti kekal berkuat kuasa bersama. Bekalkan bahan sumber, khalayak dan format yang diperlukan, kemudian asingkan kandungan wajib daripada penjelasan pilihan. Tugasan pemprosesan sokongan boleh memerlukan kategori, soalan tepat pelanggan dan langkah seterusnya yang berasaskan rujukan yang diberikan sahaja. Tugasan dokumen mungkin menentukan istilah yang perlu dikekalkan, fakta yang mesti dimasukkan dan cara mewakili nilai yang tiada. Contoh ini menukar arahan terperinci kepada hasil dengan keperluan yang boleh diperhatikan.
Respons yang kurang panjang lebar ialah ciri yang dinyatakan bagi keluaran ini. Ciri ini amat berkaitan apabila output menjadi nilai medan ringkas, balasan pendek atau input seterusnya dalam aliran kerja yang lebih besar. Minta maklumat yang diperlukan dan bukannya perbincangan umum: keputusan, sumbernya dan soalan yang belum terjawab. Untuk ringkasan, senaraikan fakta dan tarikh akhir yang mesti dikekalkan apabila teks dipadatkan, serta nyatakan bilangan atau tujuan bahagian. Keringkasan tidak sama dengan menggugurkan syarat penting; templat output yang praktikal menjelaskan kandungan yang diperlukan.
Google melaporkan peningkatan kualiti terjemahan, pemahaman imej dan transkripsi audio untuk kemas kini September ini. Untuk terjemahan, kenal pasti khalayak sasaran dan glosari, serta bezakan nama yang kekal tidak berubah daripada ungkapan yang patut disetempatkan. Untuk imej, tandakan komponen atau petikan yang perlu dijelaskan dan terangkan tujuan penggunaan respons. Untuk transkripsi audio, minta bentuk bertulis dengan bahasa dan peraturan pemformatan yang diperlukan bagi langkah seterusnya. Sumber multimedia juga boleh diringkaskan atau dibandingkan dengan keperluan bertulis apabila soalan mengenal pasti kandungan yang berkaitan.
Kad bertarikh yang tepat menyenaraikan teks, imej, video, audio dan PDF sebagai input, dengan teks sebagai output. Hadnya ialah 1,048,576 token input dan 65,536 token output, dan tarikh akhir pengetahuan yang didokumenkan ialah Januari 2025. Profil input yang besar boleh menggabungkan bahan, arahan dan contoh; berikan label kepada setiap sumber dan nyatakan bukti yang patut digunakan oleh jawapan. Ini ialah edisi Flash-Lite beroutput teks: pertuturan terjana, gambar terjana dan antara muka suara masa nyata bukan sebahagian daripada profil output yang disenaraikan.
Pengeluar mendokumenkan pemikiran, output berstruktur, pemanggilan fungsi, pelaksanaan kod, pemautan jawapan kepada sumber carian, konteks URL dan carian fail. Pemikiran boleh digunakan untuk tugasan dengan syarat yang saling bergantung; respons berstruktur boleh menyediakan medan untuk pengekstrakan atau pengelasan. Panggilan fungsi mengandungi nama fungsi dan argumen yang dicadangkan, manakala aplikasi melaksanakannya dan mengembalikan hasilnya. Alat pelaksanaan kod Google menggunakan Python; alat carian dan dokumen membekalkan bahan luaran untuk respons bertulis berasaskan maklumat. Profil yang tepat turut merangkumi sokongan cache dan pemprosesan kelompok. Ini ialah keupayaan model yang didokumenkan, bukannya dakwaan bahawa sesuatu aplikasi tertentu telah mengaktifkan setiap alat atau menggabungkannya dalam satu permintaan.
Kad keluarga model menerangkan transformer campuran pakar jarang dengan pemahaman multimodal secara natif. Pralatihan merangkumi teks web, bahasa pengaturcaraan, imej, audio dan video. Pascalatihan menggunakan pasangan arahan dan respons yang telah ditapis, maklumat keutamaan manusia serta data penggunaan alat, dengan penyahduplikasian serta penapisan keselamatan dan kualiti semasa penyediaan. Kad yang sama mengenal pasti kemungkinan mereka-reka fakta, kesukaran penaakulan sebab akibat dan kontrafaktual, batasan deduksi logik kompleks serta pematuhan yang tidak konsisten kepada bajet pemikiran. Ia juga merekodkan kecenderungan sesetengah respons untuk kedengaran terlalu menggurui. Ini ialah perkara penting untuk disemak bagi model pemprosesan ringkas.
Sediakan input biasa, kabur dan tidak lengkap yang mewakili tugasan berulang. Untuk terjemahan, bandingkan istilah, makna dan format yang diminta supaya output hanya mengandungi hasil. Untuk transkripsi atau pengekstrakan dokumen, bandingkan butiran yang dikembalikan dengan bahan yang dibekalkan dan kenal pasti perkara yang tidak dapat dipastikan. Untuk balasan pendek, periksa sama ada setiap fakta wajib dikekalkan. Artifak siap mungkin berupa petikan terjemahan, ringkasan padat, medan yang diekstrak atau kategori dan tindakan seterusnya. Persediaan ini menggunakan penekanan khusus edisi September pada ketepatan arahan, keringkasan dan pengendalian multimedia sambil memastikan hasil kekal terikat pada bukti asal.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-2.5-flash-lite-preview-09-2025 | 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-09-2025", "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-09-2025',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-09-2025',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-09-2025
Gunakan laluan kaedah yang dipaparkan di atas.
gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 memfokuskan pematuhan arahan, teks ringkas, terjemahan dan pemahaman multimedia. Edisi September Google menerima teks, imej, video, audio dan PDF, dengan respons berstruktur dan alat yang didokumenkan untuk pemprosesan volum tinggi.
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 09-2025 ialah edisi September Google untuk tugasan kerap yang memerlukan hasil teks ringkas dan terarah. Pengeluar menyusun kemas kininya berdasarkan tiga tema: pematuhan yang lebih baik terhadap arahan kompleks dan prom sistem, pengurangan kepanjangan respons, serta penambahbaikan terjemahan dan pemahaman multimodal. Nama bertarikh mengenal pasti pratonton khusus ini secara berasingan daripada pratonton Flash-Lite Jun, model stabil dan alias latest yang berubah mengikut keluaran.
Pematuhan arahan yang lebih baik berguna apabila tugasan mempunyai beberapa peraturan yang mesti kekal berkuat kuasa bersama. Bekalkan bahan sumber, khalayak dan format yang diperlukan, kemudian asingkan kandungan wajib daripada penjelasan pilihan. Tugasan pemprosesan sokongan boleh memerlukan kategori, soalan tepat pelanggan dan langkah seterusnya yang berasaskan rujukan yang diberikan sahaja. Tugasan dokumen mungkin menentukan istilah yang perlu dikekalkan, fakta yang mesti dimasukkan dan cara mewakili nilai yang tiada. Contoh ini menukar arahan terperinci kepada hasil dengan keperluan yang boleh diperhatikan.
Respons yang kurang panjang lebar ialah ciri yang dinyatakan bagi keluaran ini. Ciri ini amat berkaitan apabila output menjadi nilai medan ringkas, balasan pendek atau input seterusnya dalam aliran kerja yang lebih besar. Minta maklumat yang diperlukan dan bukannya perbincangan umum: keputusan, sumbernya dan soalan yang belum terjawab. Untuk ringkasan, senaraikan fakta dan tarikh akhir yang mesti dikekalkan apabila teks dipadatkan, serta nyatakan bilangan atau tujuan bahagian. Keringkasan tidak sama dengan menggugurkan syarat penting; templat output yang praktikal menjelaskan kandungan yang diperlukan.
Google melaporkan peningkatan kualiti terjemahan, pemahaman imej dan transkripsi audio untuk kemas kini September ini. Untuk terjemahan, kenal pasti khalayak sasaran dan glosari, serta bezakan nama yang kekal tidak berubah daripada ungkapan yang patut disetempatkan. Untuk imej, tandakan komponen atau petikan yang perlu dijelaskan dan terangkan tujuan penggunaan respons. Untuk transkripsi audio, minta bentuk bertulis dengan bahasa dan peraturan pemformatan yang diperlukan bagi langkah seterusnya. Sumber multimedia juga boleh diringkaskan atau dibandingkan dengan keperluan bertulis apabila soalan mengenal pasti kandungan yang berkaitan.
Kad bertarikh yang tepat menyenaraikan teks, imej, video, audio dan PDF sebagai input, dengan teks sebagai output. Hadnya ialah 1,048,576 token input dan 65,536 token output, dan tarikh akhir pengetahuan yang didokumenkan ialah Januari 2025. Profil input yang besar boleh menggabungkan bahan, arahan dan contoh; berikan label kepada setiap sumber dan nyatakan bukti yang patut digunakan oleh jawapan. Ini ialah edisi Flash-Lite beroutput teks: pertuturan terjana, gambar terjana dan antara muka suara masa nyata bukan sebahagian daripada profil output yang disenaraikan.
Pengeluar mendokumenkan pemikiran, output berstruktur, pemanggilan fungsi, pelaksanaan kod, pemautan jawapan kepada sumber carian, konteks URL dan carian fail. Pemikiran boleh digunakan untuk tugasan dengan syarat yang saling bergantung; respons berstruktur boleh menyediakan medan untuk pengekstrakan atau pengelasan. Panggilan fungsi mengandungi nama fungsi dan argumen yang dicadangkan, manakala aplikasi melaksanakannya dan mengembalikan hasilnya. Alat pelaksanaan kod Google menggunakan Python; alat carian dan dokumen membekalkan bahan luaran untuk respons bertulis berasaskan maklumat. Profil yang tepat turut merangkumi sokongan cache dan pemprosesan kelompok. Ini ialah keupayaan model yang didokumenkan, bukannya dakwaan bahawa sesuatu aplikasi tertentu telah mengaktifkan setiap alat atau menggabungkannya dalam satu permintaan.
Kad keluarga model menerangkan transformer campuran pakar jarang dengan pemahaman multimodal secara natif. Pralatihan merangkumi teks web, bahasa pengaturcaraan, imej, audio dan video. Pascalatihan menggunakan pasangan arahan dan respons yang telah ditapis, maklumat keutamaan manusia serta data penggunaan alat, dengan penyahduplikasian serta penapisan keselamatan dan kualiti semasa penyediaan. Kad yang sama mengenal pasti kemungkinan mereka-reka fakta, kesukaran penaakulan sebab akibat dan kontrafaktual, batasan deduksi logik kompleks serta pematuhan yang tidak konsisten kepada bajet pemikiran. Ia juga merekodkan kecenderungan sesetengah respons untuk kedengaran terlalu menggurui. Ini ialah perkara penting untuk disemak bagi model pemprosesan ringkas.
Sediakan input biasa, kabur dan tidak lengkap yang mewakili tugasan berulang. Untuk terjemahan, bandingkan istilah, makna dan format yang diminta supaya output hanya mengandungi hasil. Untuk transkripsi atau pengekstrakan dokumen, bandingkan butiran yang dikembalikan dengan bahan yang dibekalkan dan kenal pasti perkara yang tidak dapat dipastikan. Untuk balasan pendek, periksa sama ada setiap fakta wajib dikekalkan. Artifak siap mungkin berupa petikan terjemahan, ringkasan padat, medan yang diekstrak atau kategori dan tindakan seterusnya. Persediaan ini menggunakan penekanan khusus edisi September pada ketepatan arahan, keringkasan dan pengendalian multimedia sambil memastikan hasil kekal terikat pada bukti asal.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-2.5-flash-lite-preview-09-2025 | 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 $0 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gemini-2.5-flash-lite-preview-09-2025",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-09-2025', '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-09-2025', '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-09-2025
Gunakan laluan kaedah yang dipaparkan di atas.
Contoh teknikal dalam bahasa Inggeris
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.