Gemini 3.1 Flash-Lite Preview ialah edisi pratonton barisan Gemini 3.1 Flash-Lite ringan Google. Reka bentuknya berfokus pada tugas berfrekuensi tinggi dengan arahan jelas: terjemahan, transkripsi, pengelasan, ringkasan dokumen dan pengekstrakan data mudah. Ia menerima teks, imej, video, audio dan PDF serta mengembalikan teks. Tugas berguna menetapkan satu operasi dan satu bentuk akhir, seperti mesej diterjemah, transkrip atau rekod yang mengandungi medan diperlukan aplikasi.
Dokumentasi pratonton khusus menyenaraikan had input 1,048,576 token dan had output 65,536 token. Ini ialah had pengeluar yang berasingan. Bahan sumber, arahan dan sejarah perbualan menyumbang kepada input, manakala hasil wajib mesti muat dalam belanjawan output. Untuk koleksi mesej atau halaman besar, kekalkan pengecam dan minta pengecam output sepadan bagi setiap item diproses. Tetingkap besar tidak menggantikan peraturan pengekstrakan jelas atau menjadikan takrif medan kabur lebih tepat.
Kad model merangkumi pemikiran, output berstruktur dan pemanggilan fungsi. Ia turut menyenaraikan pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps, konteks URL dan cache sebagai keupayaan pengeluar. Ini ialah model output teks; input audio atau imej tidak membayangkan pertuturan atau karya visual terjana. Aplikasi pemanggil masih memilih alat tersedia, melaksanakan permintaan fungsi diterima dan mengembalikan hasilnya. Bezakan tindakan dicadangkan daripada tindakan yang disahkan aplikasi.
Untuk terjemahan, berikan mesej sumber, bahasa sasaran, khalayak dan istilah yang perlu dikekalkan. Panduan pembangun menunjukkan cara mengehadkan jawapan kepada teks terjemahan tanpa ulasan tambahan. Aliran kerja mesej sokongan boleh mengekalkan nama produk dan rujukan pesanan tanpa perubahan sambil menghasilkan balasan semula jadi dalam bahasa pembaca. Jika sumber kabur, tetapkan sama ada kekaburan itu dikekalkan atau soalan penjelasan berasingan dikembalikan, daripada menambah butiran rekaan ke dalam terjemahan.
Untuk transkripsi, berikan audio bersama hasil diminta: teks kata demi kata, transkrip dibersihkan atau ringkasan. Ini ialah tugas berbeza. Kenal pasti selang berkaitan jika rakaman panjang hanya mengandungi pertukaran ringkas yang diperlukan untuk hasil. Untuk PDF, tanya soalan pasti atau tetapkan medan yang perlu diekstrak, sambil mengekalkan rujukan halaman atau bahagian apabila jawapan perlu disemak. Untuk sumber visual, tunjukkan objek, label atau rantau yang berkaitan dengan permintaan.
Untuk pengelasan dan pengekstrakan entiti, tetapkan kategori, medan wajib dan pengendalian nilai tiada. Panduan pembuat menunjukkan JSON terkekang skema untuk mengekstrak maklumat ulasan. Contoh asal ialah mengelaskan tiket sokongan dan mengembalikan produk disebut, kategori isu dan ayat sumber yang menyokong pilihan. Berikan set kecil contoh mewakili, termasuk kes yang perlu kekal tidak diketahui. Sahkan rekod yang dikembalikan dan bezakan nilai sah dari segi sintaks daripada nilai yang benar-benar disokong sumber.
Bahan pelancaran menerangkan aras pemikiran boleh laras, membolehkan tugas menggunakan analisis lanjut apabila syaratnya memerlukan. Penukaran bahasa ringkas dan pengelasan dengan beberapa pengecualian boleh menggunakan tetapan penaakulan berbeza. Panduan pembangun turut membentangkan penghalaan model sebagai tugas pengelasan: model mengenal pasti kerumitan permintaan dan mengembalikan kategori terpilih. Aplikasi sekeliling, bukannya pengelas itu sendiri, memutuskan perkara yang dijalankan seterusnya. Bekalkan kriteria penghalaan sebenar dan pilihan dibenarkan supaya output mempunyai makna operasi.
Untuk pemprosesan boleh ulang, kekalkan pengecam Preview yang tepat ini, versi input dan skema atau format output diminta. Semak hasil rintis pada kelas bahan sebenar yang sama sebelum memproses set lebih besar. Bandingkan medan diekstrak dengan mesej asal, semak transkrip terhadap rakaman dan sahkan istilah terjemahan dikekalkan. Kelebihan praktikal profil ini ialah pemprosesan teks multimodal berfokus dengan hasil ditetapkan; teks lancar atau cadangan alat tidak dengan sendirinya membuktikan ketepatan fakta atau pelaksanaan luar yang selesai.
", "aboutText": "Gemini 3.1 Flash-Lite Preview ialah edisi pratonton barisan Gemini 3.1 Flash-Lite ringan Google. Reka bentuknya berfokus pada tugas berfrekuensi tinggi dengan arahan jelas: terjemahan, transkripsi, pengelasan, ringkasan dokumen dan pengekstrakan data mudah. Ia menerima teks, imej, video, audio dan PDF serta mengembalikan teks. Tugas berguna menetapkan satu operasi dan satu bentuk akhir, seperti mesej diterjemah, transkrip atau rekod yang mengandungi medan diperlukan aplikasi.\n\nDokumentasi pratonton khusus menyenaraikan had input 1,048,576 token dan had output 65,536 token. Ini ialah had pengeluar yang berasingan. Bahan sumber, arahan dan sejarah perbualan menyumbang kepada input, manakala hasil wajib mesti muat dalam belanjawan output. Untuk koleksi mesej atau halaman besar, kekalkan pengecam dan minta pengecam output sepadan bagi setiap item diproses. Tetingkap besar tidak menggantikan peraturan pengekstrakan jelas atau menjadikan takrif medan kabur lebih tepat.\n\nKad model merangkumi pemikiran, output berstruktur dan pemanggilan fungsi. Ia turut menyenaraikan pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps, konteks URL dan cache sebagai keupayaan pengeluar. Ini ialah model output teks; input audio atau imej tidak membayangkan pertuturan atau karya visual terjana. Aplikasi pemanggil masih memilih alat tersedia, melaksanakan permintaan fungsi diterima dan mengembalikan hasilnya. Bezakan tindakan dicadangkan daripada tindakan yang disahkan aplikasi.\n\nUntuk terjemahan, berikan mesej sumber, bahasa sasaran, khalayak dan istilah yang perlu dikekalkan. Panduan pembangun menunjukkan cara mengehadkan jawapan kepada teks terjemahan tanpa ulasan tambahan. Aliran kerja mesej sokongan boleh mengekalkan nama produk dan rujukan pesanan tanpa perubahan sambil menghasilkan balasan semula jadi dalam bahasa pembaca. Jika sumber kabur, tetapkan sama ada kekaburan itu dikekalkan atau soalan penjelasan berasingan dikembalikan, daripada menambah butiran rekaan ke dalam terjemahan.\n\nUntuk transkripsi, berikan audio bersama hasil diminta: teks kata demi kata, transkrip dibersihkan atau ringkasan. Ini ialah tugas berbeza. Kenal pasti selang berkaitan jika rakaman panjang hanya mengandungi pertukaran ringkas yang diperlukan untuk hasil. Untuk PDF, tanya soalan pasti atau tetapkan medan yang perlu diekstrak, sambil mengekalkan rujukan halaman atau bahagian apabila jawapan perlu disemak. Untuk sumber visual, tunjukkan objek, label atau rantau yang berkaitan dengan permintaan.\n\nUntuk pengelasan dan pengekstrakan entiti, tetapkan kategori, medan wajib dan pengendalian nilai tiada. Panduan pembuat menunjukkan JSON terkekang skema untuk mengekstrak maklumat ulasan. Contoh asal ialah mengelaskan tiket sokongan dan mengembalikan produk disebut, kategori isu dan ayat sumber yang menyokong pilihan. Berikan set kecil contoh mewakili, termasuk kes yang perlu kekal tidak diketahui. Sahkan rekod yang dikembalikan dan bezakan nilai sah dari segi sintaks daripada nilai yang benar-benar disokong sumber.\n\nBahan pelancaran menerangkan aras pemikiran boleh laras, membolehkan tugas menggunakan analisis lanjut apabila syaratnya memerlukan. Penukaran bahasa ringkas dan pengelasan dengan beberapa pengecualian boleh menggunakan tetapan penaakulan berbeza. Panduan pembangun turut membentangkan penghalaan model sebagai tugas pengelasan: model mengenal pasti kerumitan permintaan dan mengembalikan kategori terpilih. Aplikasi sekeliling, bukannya pengelas itu sendiri, memutuskan perkara yang dijalankan seterusnya. Bekalkan kriteria penghalaan sebenar dan pilihan dibenarkan supaya output mempunyai makna operasi.\n\nUntuk pemprosesan boleh ulang, kekalkan pengecam Preview yang tepat ini, versi input dan skema atau format output diminta. Semak hasil rintis pada kelas bahan sebenar yang sama sebelum memproses set lebih besar. Bandingkan medan diekstrak dengan mesej asal, semak transkrip terhadap rakaman dan sahkan istilah terjemahan dikekalkan. Kelebihan praktikal profil ini ialah pemprosesan teks multimodal berfokus dengan hasil ditetapkan; teks lancar atau cadangan alat tidak dengan sendirinya membuktikan ketepatan fakta atau pelaksanaan luar yang selesai.", "editorialOverlay": { "copy_fields": { "practical_html": "Contoh teknikal dalam bahasa Inggeris
Translate a support message without additions\n\nTranslate this customer-service message into English for a customer. Preserve order reference K-204 and product name Orbit Mini exactly: 'Votre commande K-204 contenant Orbit Mini est prête à être retirée. Merci de présenter une pièce d’identité.' Return only the translation; do not add a collection address or deadline.Only the English translation, retaining the two exact identifiers and the identity-document requirement.K-204 and Orbit Mini remain unchanged, with no invented address, deadline or additional policy.gemini-3.1-flash-lite-previewGemini 3.1 Flash-Lite Preview ialah model teks multimodal untuk tugas berulang yang ditakrifkan dengan baik seperti terjemahan, transkripsi, pengelasan dan pengekstrakan data. Keupayaan pemikiran serta output berstruktur membantu menukar bahan dibekalkan kepada hasil padat yang boleh digunakan aplikasi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.1 Flash-Lite Preview ialah edisi pratonton barisan Gemini 3.1 Flash-Lite ringan Google. Reka bentuknya berfokus pada tugas berfrekuensi tinggi dengan arahan jelas: terjemahan, transkripsi, pengelasan, ringkasan dokumen dan pengekstrakan data mudah. Ia menerima teks, imej, video, audio dan PDF serta mengembalikan teks. Tugas berguna menetapkan satu operasi dan satu bentuk akhir, seperti mesej diterjemah, transkrip atau rekod yang mengandungi medan diperlukan aplikasi.
Dokumentasi pratonton khusus menyenaraikan had input 1,048,576 token dan had output 65,536 token. Ini ialah had pengeluar yang berasingan. Bahan sumber, arahan dan sejarah perbualan menyumbang kepada input, manakala hasil wajib mesti muat dalam belanjawan output. Untuk koleksi mesej atau halaman besar, kekalkan pengecam dan minta pengecam output sepadan bagi setiap item diproses. Tetingkap besar tidak menggantikan peraturan pengekstrakan jelas atau menjadikan takrif medan kabur lebih tepat.
Kad model merangkumi pemikiran, output berstruktur dan pemanggilan fungsi. Ia turut menyenaraikan pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps, konteks URL dan cache sebagai keupayaan pengeluar. Ini ialah model output teks; input audio atau imej tidak membayangkan pertuturan atau karya visual terjana. Aplikasi pemanggil masih memilih alat tersedia, melaksanakan permintaan fungsi diterima dan mengembalikan hasilnya. Bezakan tindakan dicadangkan daripada tindakan yang disahkan aplikasi.
Untuk terjemahan, berikan mesej sumber, bahasa sasaran, khalayak dan istilah yang perlu dikekalkan. Panduan pembangun menunjukkan cara mengehadkan jawapan kepada teks terjemahan tanpa ulasan tambahan. Aliran kerja mesej sokongan boleh mengekalkan nama produk dan rujukan pesanan tanpa perubahan sambil menghasilkan balasan semula jadi dalam bahasa pembaca. Jika sumber kabur, tetapkan sama ada kekaburan itu dikekalkan atau soalan penjelasan berasingan dikembalikan, daripada menambah butiran rekaan ke dalam terjemahan.
Untuk transkripsi, berikan audio bersama hasil diminta: teks kata demi kata, transkrip dibersihkan atau ringkasan. Ini ialah tugas berbeza. Kenal pasti selang berkaitan jika rakaman panjang hanya mengandungi pertukaran ringkas yang diperlukan untuk hasil. Untuk PDF, tanya soalan pasti atau tetapkan medan yang perlu diekstrak, sambil mengekalkan rujukan halaman atau bahagian apabila jawapan perlu disemak. Untuk sumber visual, tunjukkan objek, label atau rantau yang berkaitan dengan permintaan.
Untuk pengelasan dan pengekstrakan entiti, tetapkan kategori, medan wajib dan pengendalian nilai tiada. Panduan pembuat menunjukkan JSON terkekang skema untuk mengekstrak maklumat ulasan. Contoh asal ialah mengelaskan tiket sokongan dan mengembalikan produk disebut, kategori isu dan ayat sumber yang menyokong pilihan. Berikan set kecil contoh mewakili, termasuk kes yang perlu kekal tidak diketahui. Sahkan rekod yang dikembalikan dan bezakan nilai sah dari segi sintaks daripada nilai yang benar-benar disokong sumber.
Bahan pelancaran menerangkan aras pemikiran boleh laras, membolehkan tugas menggunakan analisis lanjut apabila syaratnya memerlukan. Penukaran bahasa ringkas dan pengelasan dengan beberapa pengecualian boleh menggunakan tetapan penaakulan berbeza. Panduan pembangun turut membentangkan penghalaan model sebagai tugas pengelasan: model mengenal pasti kerumitan permintaan dan mengembalikan kategori terpilih. Aplikasi sekeliling, bukannya pengelas itu sendiri, memutuskan perkara yang dijalankan seterusnya. Bekalkan kriteria penghalaan sebenar dan pilihan dibenarkan supaya output mempunyai makna operasi.
Untuk pemprosesan boleh ulang, kekalkan pengecam Preview yang tepat ini, versi input dan skema atau format output diminta. Semak hasil rintis pada kelas bahan sebenar yang sama sebelum memproses set lebih besar. Bandingkan medan diekstrak dengan mesej asal, semak transkrip terhadap rakaman dan sahkan istilah terjemahan dikekalkan. Kelebihan praktikal profil ini ialah pemprosesan teks multimodal berfokus dengan hasil ditetapkan; teks lancar atau cadangan alat tidak dengan sendirinya membuktikan ketepatan fakta atau pelaksanaan luar yang selesai.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.1-flash-lite-preview | Lalai— |
Medanmessages | Jenismessage[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanmessages[].role | Jenisstring | KeperluanDiperlukan | Nilai & had Bergantung pada model | Lalai— |
Medanmessages[].content | Jenisstring | KeperluanPilihan | Nilai & had Terpakai apabila: Perbualan teks | Lalai— |
Medanstream | Jenisboolean | KeperluanPilihan | Nilai & had | Lalaifalse |
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 |
Parametercontrol_scope | KontrakPerbualan teks; stream ialah nilai boolean dengan false sebagai lalai. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias kaedah: /chat/completions
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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0005 / 1K token Output · Token output $0.003 / 1K token Input · Bacaan cache $0.00005 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0005 / 1K token Output · Token output $0.003 / 1K token Input · Bacaan cache $0.00005 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.1-flash-lite-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.1-flash-lite-preview", 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 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-3.1-flash-lite-preview, google/gemini-3.1-flash-lite-preview
/chat/completions
google/gemini-3.1-flash-lite-preview, gemini-3.1-flash-lite-preview
gemini-3.1-flash-lite-previewGemini 3.1 Flash-Lite Preview ialah model teks multimodal untuk tugas berulang yang ditakrifkan dengan baik seperti terjemahan, transkripsi, pengelasan dan pengekstrakan data. Keupayaan pemikiran serta output berstruktur membantu menukar bahan dibekalkan kepada hasil padat yang boleh digunakan aplikasi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.1 Flash-Lite Preview ialah edisi pratonton barisan Gemini 3.1 Flash-Lite ringan Google. Reka bentuknya berfokus pada tugas berfrekuensi tinggi dengan arahan jelas: terjemahan, transkripsi, pengelasan, ringkasan dokumen dan pengekstrakan data mudah. Ia menerima teks, imej, video, audio dan PDF serta mengembalikan teks. Tugas berguna menetapkan satu operasi dan satu bentuk akhir, seperti mesej diterjemah, transkrip atau rekod yang mengandungi medan diperlukan aplikasi.
Dokumentasi pratonton khusus menyenaraikan had input 1,048,576 token dan had output 65,536 token. Ini ialah had pengeluar yang berasingan. Bahan sumber, arahan dan sejarah perbualan menyumbang kepada input, manakala hasil wajib mesti muat dalam belanjawan output. Untuk koleksi mesej atau halaman besar, kekalkan pengecam dan minta pengecam output sepadan bagi setiap item diproses. Tetingkap besar tidak menggantikan peraturan pengekstrakan jelas atau menjadikan takrif medan kabur lebih tepat.
Kad model merangkumi pemikiran, output berstruktur dan pemanggilan fungsi. Ia turut menyenaraikan pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps, konteks URL dan cache sebagai keupayaan pengeluar. Ini ialah model output teks; input audio atau imej tidak membayangkan pertuturan atau karya visual terjana. Aplikasi pemanggil masih memilih alat tersedia, melaksanakan permintaan fungsi diterima dan mengembalikan hasilnya. Bezakan tindakan dicadangkan daripada tindakan yang disahkan aplikasi.
Untuk terjemahan, berikan mesej sumber, bahasa sasaran, khalayak dan istilah yang perlu dikekalkan. Panduan pembangun menunjukkan cara mengehadkan jawapan kepada teks terjemahan tanpa ulasan tambahan. Aliran kerja mesej sokongan boleh mengekalkan nama produk dan rujukan pesanan tanpa perubahan sambil menghasilkan balasan semula jadi dalam bahasa pembaca. Jika sumber kabur, tetapkan sama ada kekaburan itu dikekalkan atau soalan penjelasan berasingan dikembalikan, daripada menambah butiran rekaan ke dalam terjemahan.
Untuk transkripsi, berikan audio bersama hasil diminta: teks kata demi kata, transkrip dibersihkan atau ringkasan. Ini ialah tugas berbeza. Kenal pasti selang berkaitan jika rakaman panjang hanya mengandungi pertukaran ringkas yang diperlukan untuk hasil. Untuk PDF, tanya soalan pasti atau tetapkan medan yang perlu diekstrak, sambil mengekalkan rujukan halaman atau bahagian apabila jawapan perlu disemak. Untuk sumber visual, tunjukkan objek, label atau rantau yang berkaitan dengan permintaan.
Untuk pengelasan dan pengekstrakan entiti, tetapkan kategori, medan wajib dan pengendalian nilai tiada. Panduan pembuat menunjukkan JSON terkekang skema untuk mengekstrak maklumat ulasan. Contoh asal ialah mengelaskan tiket sokongan dan mengembalikan produk disebut, kategori isu dan ayat sumber yang menyokong pilihan. Berikan set kecil contoh mewakili, termasuk kes yang perlu kekal tidak diketahui. Sahkan rekod yang dikembalikan dan bezakan nilai sah dari segi sintaks daripada nilai yang benar-benar disokong sumber.
Bahan pelancaran menerangkan aras pemikiran boleh laras, membolehkan tugas menggunakan analisis lanjut apabila syaratnya memerlukan. Penukaran bahasa ringkas dan pengelasan dengan beberapa pengecualian boleh menggunakan tetapan penaakulan berbeza. Panduan pembangun turut membentangkan penghalaan model sebagai tugas pengelasan: model mengenal pasti kerumitan permintaan dan mengembalikan kategori terpilih. Aplikasi sekeliling, bukannya pengelas itu sendiri, memutuskan perkara yang dijalankan seterusnya. Bekalkan kriteria penghalaan sebenar dan pilihan dibenarkan supaya output mempunyai makna operasi.
Untuk pemprosesan boleh ulang, kekalkan pengecam Preview yang tepat ini, versi input dan skema atau format output diminta. Semak hasil rintis pada kelas bahan sebenar yang sama sebelum memproses set lebih besar. Bandingkan medan diekstrak dengan mesej asal, semak transkrip terhadap rakaman dan sahkan istilah terjemahan dikekalkan. Kelebihan praktikal profil ini ialah pemprosesan teks multimodal berfokus dengan hasil ditetapkan; teks lancar atau cadangan alat tidak dengan sendirinya membuktikan ketepatan fakta atau pelaksanaan luar yang selesai.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had gemini-3.1-flash-lite-preview | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0005 / 1K token Output · Token output $0.003 / 1K token Input · Bacaan cache $0.00005 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0005 / 1K token Output · Token output $0.003 / 1K token Input · Bacaan cache $0.00005 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "gemini-3.1-flash-lite-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.1-flash-lite-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.1-flash-lite-preview', '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-3.1-flash-lite-preview, google/gemini-3.1-flash-lite-preview
/chat/completions
google/gemini-3.1-flash-lite-preview, gemini-3.1-flash-lite-preview
google/gemini-3.1-flash-lite-previewGemini 3.1 Flash-Lite Preview ialah model teks multimodal untuk tugas berulang yang ditakrifkan dengan baik seperti terjemahan, transkripsi, pengelasan dan pengekstrakan data. Keupayaan pemikiran serta output berstruktur membantu menukar bahan dibekalkan kepada hasil padat yang boleh digunakan aplikasi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.1 Flash-Lite Preview ialah edisi pratonton barisan Gemini 3.1 Flash-Lite ringan Google. Reka bentuknya berfokus pada tugas berfrekuensi tinggi dengan arahan jelas: terjemahan, transkripsi, pengelasan, ringkasan dokumen dan pengekstrakan data mudah. Ia menerima teks, imej, video, audio dan PDF serta mengembalikan teks. Tugas berguna menetapkan satu operasi dan satu bentuk akhir, seperti mesej diterjemah, transkrip atau rekod yang mengandungi medan diperlukan aplikasi.
Dokumentasi pratonton khusus menyenaraikan had input 1,048,576 token dan had output 65,536 token. Ini ialah had pengeluar yang berasingan. Bahan sumber, arahan dan sejarah perbualan menyumbang kepada input, manakala hasil wajib mesti muat dalam belanjawan output. Untuk koleksi mesej atau halaman besar, kekalkan pengecam dan minta pengecam output sepadan bagi setiap item diproses. Tetingkap besar tidak menggantikan peraturan pengekstrakan jelas atau menjadikan takrif medan kabur lebih tepat.
Kad model merangkumi pemikiran, output berstruktur dan pemanggilan fungsi. Ia turut menyenaraikan pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps, konteks URL dan cache sebagai keupayaan pengeluar. Ini ialah model output teks; input audio atau imej tidak membayangkan pertuturan atau karya visual terjana. Aplikasi pemanggil masih memilih alat tersedia, melaksanakan permintaan fungsi diterima dan mengembalikan hasilnya. Bezakan tindakan dicadangkan daripada tindakan yang disahkan aplikasi.
Untuk terjemahan, berikan mesej sumber, bahasa sasaran, khalayak dan istilah yang perlu dikekalkan. Panduan pembangun menunjukkan cara mengehadkan jawapan kepada teks terjemahan tanpa ulasan tambahan. Aliran kerja mesej sokongan boleh mengekalkan nama produk dan rujukan pesanan tanpa perubahan sambil menghasilkan balasan semula jadi dalam bahasa pembaca. Jika sumber kabur, tetapkan sama ada kekaburan itu dikekalkan atau soalan penjelasan berasingan dikembalikan, daripada menambah butiran rekaan ke dalam terjemahan.
Untuk transkripsi, berikan audio bersama hasil diminta: teks kata demi kata, transkrip dibersihkan atau ringkasan. Ini ialah tugas berbeza. Kenal pasti selang berkaitan jika rakaman panjang hanya mengandungi pertukaran ringkas yang diperlukan untuk hasil. Untuk PDF, tanya soalan pasti atau tetapkan medan yang perlu diekstrak, sambil mengekalkan rujukan halaman atau bahagian apabila jawapan perlu disemak. Untuk sumber visual, tunjukkan objek, label atau rantau yang berkaitan dengan permintaan.
Untuk pengelasan dan pengekstrakan entiti, tetapkan kategori, medan wajib dan pengendalian nilai tiada. Panduan pembuat menunjukkan JSON terkekang skema untuk mengekstrak maklumat ulasan. Contoh asal ialah mengelaskan tiket sokongan dan mengembalikan produk disebut, kategori isu dan ayat sumber yang menyokong pilihan. Berikan set kecil contoh mewakili, termasuk kes yang perlu kekal tidak diketahui. Sahkan rekod yang dikembalikan dan bezakan nilai sah dari segi sintaks daripada nilai yang benar-benar disokong sumber.
Bahan pelancaran menerangkan aras pemikiran boleh laras, membolehkan tugas menggunakan analisis lanjut apabila syaratnya memerlukan. Penukaran bahasa ringkas dan pengelasan dengan beberapa pengecualian boleh menggunakan tetapan penaakulan berbeza. Panduan pembangun turut membentangkan penghalaan model sebagai tugas pengelasan: model mengenal pasti kerumitan permintaan dan mengembalikan kategori terpilih. Aplikasi sekeliling, bukannya pengelas itu sendiri, memutuskan perkara yang dijalankan seterusnya. Bekalkan kriteria penghalaan sebenar dan pilihan dibenarkan supaya output mempunyai makna operasi.
Untuk pemprosesan boleh ulang, kekalkan pengecam Preview yang tepat ini, versi input dan skema atau format output diminta. Semak hasil rintis pada kelas bahan sebenar yang sama sebelum memproses set lebih besar. Bandingkan medan diekstrak dengan mesej asal, semak transkrip terhadap rakaman dan sahkan istilah terjemahan dikekalkan. Kelebihan praktikal profil ini ialah pemprosesan teks multimodal berfokus dengan hasil ditetapkan; teks lancar atau cadangan alat tidak dengan sendirinya membuktikan ketepatan fakta atau pelaksanaan luar yang selesai.
POST /v1/chat/completionstexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had google/gemini-3.1-flash-lite-preview | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0005 / 1K token Output · Token output $0.003 / 1K token Input · Bacaan cache $0.00005 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0005 / 1K token Output · Token output $0.003 / 1K token Input · Bacaan cache $0.00005 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.1-flash-lite-preview", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-3.1-flash-lite-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-3.1-flash-lite-preview',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-3.1-flash-lite-preview, google/gemini-3.1-flash-lite-preview
/chat/completions
google/gemini-3.1-flash-lite-preview, gemini-3.1-flash-lite-preview
google/gemini-3.1-flash-lite-previewGemini 3.1 Flash-Lite Preview ialah model teks multimodal untuk tugas berulang yang ditakrifkan dengan baik seperti terjemahan, transkripsi, pengelasan dan pengekstrakan data. Keupayaan pemikiran serta output berstruktur membantu menukar bahan dibekalkan kepada hasil padat yang boleh digunakan aplikasi.
Huraian ini merangkumi keupayaan model. Input, output dan pilihan yang tersedia di Ailoot disenaraikan di bawah untuk kaedah yang dipilih.
Gemini 3.1 Flash-Lite Preview ialah edisi pratonton barisan Gemini 3.1 Flash-Lite ringan Google. Reka bentuknya berfokus pada tugas berfrekuensi tinggi dengan arahan jelas: terjemahan, transkripsi, pengelasan, ringkasan dokumen dan pengekstrakan data mudah. Ia menerima teks, imej, video, audio dan PDF serta mengembalikan teks. Tugas berguna menetapkan satu operasi dan satu bentuk akhir, seperti mesej diterjemah, transkrip atau rekod yang mengandungi medan diperlukan aplikasi.
Dokumentasi pratonton khusus menyenaraikan had input 1,048,576 token dan had output 65,536 token. Ini ialah had pengeluar yang berasingan. Bahan sumber, arahan dan sejarah perbualan menyumbang kepada input, manakala hasil wajib mesti muat dalam belanjawan output. Untuk koleksi mesej atau halaman besar, kekalkan pengecam dan minta pengecam output sepadan bagi setiap item diproses. Tetingkap besar tidak menggantikan peraturan pengekstrakan jelas atau menjadikan takrif medan kabur lebih tepat.
Kad model merangkumi pemikiran, output berstruktur dan pemanggilan fungsi. Ia turut menyenaraikan pelaksanaan kod, carian fail, pembumian carian, pembumian Google Maps, konteks URL dan cache sebagai keupayaan pengeluar. Ini ialah model output teks; input audio atau imej tidak membayangkan pertuturan atau karya visual terjana. Aplikasi pemanggil masih memilih alat tersedia, melaksanakan permintaan fungsi diterima dan mengembalikan hasilnya. Bezakan tindakan dicadangkan daripada tindakan yang disahkan aplikasi.
Untuk terjemahan, berikan mesej sumber, bahasa sasaran, khalayak dan istilah yang perlu dikekalkan. Panduan pembangun menunjukkan cara mengehadkan jawapan kepada teks terjemahan tanpa ulasan tambahan. Aliran kerja mesej sokongan boleh mengekalkan nama produk dan rujukan pesanan tanpa perubahan sambil menghasilkan balasan semula jadi dalam bahasa pembaca. Jika sumber kabur, tetapkan sama ada kekaburan itu dikekalkan atau soalan penjelasan berasingan dikembalikan, daripada menambah butiran rekaan ke dalam terjemahan.
Untuk transkripsi, berikan audio bersama hasil diminta: teks kata demi kata, transkrip dibersihkan atau ringkasan. Ini ialah tugas berbeza. Kenal pasti selang berkaitan jika rakaman panjang hanya mengandungi pertukaran ringkas yang diperlukan untuk hasil. Untuk PDF, tanya soalan pasti atau tetapkan medan yang perlu diekstrak, sambil mengekalkan rujukan halaman atau bahagian apabila jawapan perlu disemak. Untuk sumber visual, tunjukkan objek, label atau rantau yang berkaitan dengan permintaan.
Untuk pengelasan dan pengekstrakan entiti, tetapkan kategori, medan wajib dan pengendalian nilai tiada. Panduan pembuat menunjukkan JSON terkekang skema untuk mengekstrak maklumat ulasan. Contoh asal ialah mengelaskan tiket sokongan dan mengembalikan produk disebut, kategori isu dan ayat sumber yang menyokong pilihan. Berikan set kecil contoh mewakili, termasuk kes yang perlu kekal tidak diketahui. Sahkan rekod yang dikembalikan dan bezakan nilai sah dari segi sintaks daripada nilai yang benar-benar disokong sumber.
Bahan pelancaran menerangkan aras pemikiran boleh laras, membolehkan tugas menggunakan analisis lanjut apabila syaratnya memerlukan. Penukaran bahasa ringkas dan pengelasan dengan beberapa pengecualian boleh menggunakan tetapan penaakulan berbeza. Panduan pembangun turut membentangkan penghalaan model sebagai tugas pengelasan: model mengenal pasti kerumitan permintaan dan mengembalikan kategori terpilih. Aplikasi sekeliling, bukannya pengelas itu sendiri, memutuskan perkara yang dijalankan seterusnya. Bekalkan kriteria penghalaan sebenar dan pilihan dibenarkan supaya output mempunyai makna operasi.
Untuk pemprosesan boleh ulang, kekalkan pengecam Preview yang tepat ini, versi input dan skema atau format output diminta. Semak hasil rintis pada kelas bahan sebenar yang sama sebelum memproses set lebih besar. Bandingkan medan diekstrak dengan mesej asal, semak transkrip terhadap rakaman dan sahkan istilah terjemahan dikekalkan. Kelebihan praktikal profil ini ialah pemprosesan teks multimodal berfokus dengan hasil ditetapkan; teks lancar atau cadangan alat tidak dengan sendirinya membuktikan ketepatan fakta atau pelaksanaan luar yang selesai.
POST /v1/messagestextjson, sse| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had google/gemini-3.1-flash-lite-preview | 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.
Padankan setiap caj dengan syarat yang dipaparkan. Gunakan satu kadar bagi setiap set konfigurasi alternatif.
| Konfigurasi | Jadual kadar | Token konteks, melebihi | Token konteks, sehingga dan termasuk | Caj |
|---|---|---|---|---|
| KonfigurasiKadar asas token | Jadual kadarKadar asas | Token konteks, melebihi— | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0005 / 1K token Output · Token output $0.003 / 1K token Input · Bacaan cache $0.00005 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
| KonfigurasiTahap panjang permintaan 1 | Jadual kadar— | Token konteks, melebihi0 | Token konteks, sehingga dan termasukTiada had atas | Caj Input · Token input $0.0005 / 1K token Output · Token output $0.003 / 1K token Input · Bacaan cache $0.00005 / 1K token Input · Penulisan cache $0.0001666666666666666 / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
{\n "model": "google/gemini-3.1-flash-lite-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.1-flash-lite-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.1-flash-lite-preview', '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-3.1-flash-lite-preview, google/gemini-3.1-flash-lite-preview
/chat/completions
google/gemini-3.1-flash-lite-preview, gemini-3.1-flash-lite-preview
Contoh teknikal dalam bahasa Inggeris
Translate a support message without additions\n\nTranslate this customer-service message into English for a customer. Preserve order reference K-204 and product name Orbit Mini exactly: 'Votre commande K-204 contenant Orbit Mini est prête à être retirée. Merci de présenter une pièce d’identité.' Return only the translation; do not add a collection address or deadline.Only the English translation, retaining the two exact identifiers and the identity-document requirement.K-204 and Orbit Mini remain unchanged, with no invented address, deadline or additional policy.