Gemini 3.1 Flash-Lite ialah model teks multimodal ringan dan stabil Google untuk tugas kerap yang ditakrifkan dengan baik. Ia berasaskan Gemini 3 Pro. Terjemahan dan pengelasan ialah beban kerja utama; tugas berguna lain merangkumi transkripsi, ringkasan dokumen, pengekstrakan entiti dan pengelasan pilihan model. Teks, imej, audio, video dan PDF boleh membekalkan bahan sumber, dan hasilnya ialah teks. Taklimat berguna meminta satu operasi dan satu bentuk akhir, seperti mesej diterjemah atau rekod medan yang ditemui dalam dokumen.
Untuk terjemahan, berikan teks sumber, bahasa sasaran, khalayak dan istilah yang perlu dikekalkan. Contoh Google menggunakan arahan yang mengembalikan terjemahan sahaja. Untuk terjemahan mesej sokongan, kekalkan nama produk dan rujukan pesanan sambil menterjemahkan bahagian lain secara semula jadi. Tetapkan cara mengendalikan kekaburan supaya hasil tidak menambah tarikh, janji atau butiran yang tiada dalam sumber. Pastikan bentuk yang diminta sesuai dengan destinasi, seperti balasan ringkas atau rekod terjemahan berlabel.
Untuk transkripsi, bekalkan rakaman dan tetapkan sama ada jawapan perlu berupa kata-kata dituturkan, transkrip tersunting yang mudah dibaca atau ringkasan. Ini ialah output berbeza. Kenal pasti selang berkaitan apabila rakaman panjang hanya mengandungi satu petikan yang diperlukan untuk tugas. Contoh pembangun pembuat menghantar audio secara langsung dan meminta transkrip teks. Semak nama, nombor dan petikan kurang jelas terhadap rakaman, sambil menyimpan sumber asal untuk semakan. Profil teks multimodal umum ini tidak dengan sendirinya membayangkan output audio atau hasil diarisasi penutur khusus.
Untuk pengelasan atau pengekstrakan, tetapkan kategori, skema dan peraturan nilai tiada. Panduan pembangun menunjukkan JSON berstruktur bagi analisis ulasan pelanggan, dengan petikan sokongan dan medan ditetapkan. Rekod berstruktur boleh mengandungi produk yang disebut, kategori isu dan ayat yang menyokong pilihan. Sertakan kes mewakili yang perlu kekal tidak diketahui daripada dipaksa ke dalam kategori. Rekod yang sah dari segi sintaks masih perlu dibandingkan dengan teks sumber sebenar.
Pemprosesan dokumen boleh menukar PDF kepada ringkasan padat atau rekod medan. Nyatakan soalan dan kekalkan rujukan halaman atau bahagian apabila dapatan perlu disemak. Semakan jadual perlu menetapkan lajur dan peraturan yang penting; tugas visual perlu mengenal pasti label atau rantau yang diperlukan untuk jawapan. Penghalaan model ialah satu lagi kegunaan didokumenkan: model mengelaskan kerumitan permintaan dan mengembalikan pilihan yang dibenarkan. Aplikasi yang disambungkan, bukannya teks pengelasan itu sendiri, memutuskan perkara yang dijalankan seterusnya.
Pemikiran disokong, dan pembuat menunjukkan usaha lebih tinggi untuk tugas yang mendapat manfaat daripada analisis lanjut. Halaman stabil khusus turut menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Computer Use tidak disokong dalam profil stabil 3.1 ini; profil 3.5 Flash-Lite kemudian mempunyai jadual keupayaan berbeza. Takrifkan tujuan alat dan parameter dengan jelas serta teruskan berdasarkan hasil sebenar yang dikembalikan. Cadangan fungsi tidak membuktikan operasi telah berlaku.
Kad model asal menyenaraikan konteks sehingga 1M dan output teks 64K; jadual API stabil menetapkan 1,048,576 token input dan 65,536 token output. Sertakan arahan, perbualan dan media sumber dalam penyediaan input, dan minta output bersaiz sesuai untuk artifak yang dimaksudkan. Pemprosesan cache, kelompok, Flex dan Priority didokumenkan bagi profil pengeluar ini. Untuk item bebas berulang, bawa pengecam input ke hasil dan kekalkan skema konsisten supaya jawapan yang hilang boleh dikenal pasti.
Pengecam model stabil ini berbeza daripada Gemini 3.1 Flash-Lite Preview dan edisi Flash-Lite kemudian. Kekalkan edisi tepat semasa menyediakan pemprosesan berulang daripada menganggap nama keluarga yang biasa sebagai jaminan versi yang tetap. Semak terjemahan untuk makna dan istilah yang dikekalkan, transkrip terhadap audio dan medan diekstrak terhadap dokumen. Peranan praktikal profil ialah pemprosesan teks multimodal berfokus dengan hasil jelas, sambil menyerahkan penaakulan tugas lebih luas atau tindakan luar kepada langkah seterusnya yang sesuai.
", "aboutText": "Gemini 3.1 Flash-Lite ialah model teks multimodal ringan dan stabil Google untuk tugas kerap yang ditakrifkan dengan baik. Ia berasaskan Gemini 3 Pro. Terjemahan dan pengelasan ialah beban kerja utama; tugas berguna lain merangkumi transkripsi, ringkasan dokumen, pengekstrakan entiti dan pengelasan pilihan model. Teks, imej, audio, video dan PDF boleh membekalkan bahan sumber, dan hasilnya ialah teks. Taklimat berguna meminta satu operasi dan satu bentuk akhir, seperti mesej diterjemah atau rekod medan yang ditemui dalam dokumen.\n\nUntuk terjemahan, berikan teks sumber, bahasa sasaran, khalayak dan istilah yang perlu dikekalkan. Contoh Google menggunakan arahan yang mengembalikan terjemahan sahaja. Untuk terjemahan mesej sokongan, kekalkan nama produk dan rujukan pesanan sambil menterjemahkan bahagian lain secara semula jadi. Tetapkan cara mengendalikan kekaburan supaya hasil tidak menambah tarikh, janji atau butiran yang tiada dalam sumber. Pastikan bentuk yang diminta sesuai dengan destinasi, seperti balasan ringkas atau rekod terjemahan berlabel.\n\nUntuk transkripsi, bekalkan rakaman dan tetapkan sama ada jawapan perlu berupa kata-kata dituturkan, transkrip tersunting yang mudah dibaca atau ringkasan. Ini ialah output berbeza. Kenal pasti selang berkaitan apabila rakaman panjang hanya mengandungi satu petikan yang diperlukan untuk tugas. Contoh pembangun pembuat menghantar audio secara langsung dan meminta transkrip teks. Semak nama, nombor dan petikan kurang jelas terhadap rakaman, sambil menyimpan sumber asal untuk semakan. Profil teks multimodal umum ini tidak dengan sendirinya membayangkan output audio atau hasil diarisasi penutur khusus.\n\nUntuk pengelasan atau pengekstrakan, tetapkan kategori, skema dan peraturan nilai tiada. Panduan pembangun menunjukkan JSON berstruktur bagi analisis ulasan pelanggan, dengan petikan sokongan dan medan ditetapkan. Rekod berstruktur boleh mengandungi produk yang disebut, kategori isu dan ayat yang menyokong pilihan. Sertakan kes mewakili yang perlu kekal tidak diketahui daripada dipaksa ke dalam kategori. Rekod yang sah dari segi sintaks masih perlu dibandingkan dengan teks sumber sebenar.\n\nPemprosesan dokumen boleh menukar PDF kepada ringkasan padat atau rekod medan. Nyatakan soalan dan kekalkan rujukan halaman atau bahagian apabila dapatan perlu disemak. Semakan jadual perlu menetapkan lajur dan peraturan yang penting; tugas visual perlu mengenal pasti label atau rantau yang diperlukan untuk jawapan. Penghalaan model ialah satu lagi kegunaan didokumenkan: model mengelaskan kerumitan permintaan dan mengembalikan pilihan yang dibenarkan. Aplikasi yang disambungkan, bukannya teks pengelasan itu sendiri, memutuskan perkara yang dijalankan seterusnya.\n\nPemikiran disokong, dan pembuat menunjukkan usaha lebih tinggi untuk tugas yang mendapat manfaat daripada analisis lanjut. Halaman stabil khusus turut menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Computer Use tidak disokong dalam profil stabil 3.1 ini; profil 3.5 Flash-Lite kemudian mempunyai jadual keupayaan berbeza. Takrifkan tujuan alat dan parameter dengan jelas serta teruskan berdasarkan hasil sebenar yang dikembalikan. Cadangan fungsi tidak membuktikan operasi telah berlaku.\n\nKad model asal menyenaraikan konteks sehingga 1M dan output teks 64K; jadual API stabil menetapkan 1,048,576 token input dan 65,536 token output. Sertakan arahan, perbualan dan media sumber dalam penyediaan input, dan minta output bersaiz sesuai untuk artifak yang dimaksudkan. Pemprosesan cache, kelompok, Flex dan Priority didokumenkan bagi profil pengeluar ini. Untuk item bebas berulang, bawa pengecam input ke hasil dan kekalkan skema konsisten supaya jawapan yang hilang boleh dikenal pasti.\n\nPengecam model stabil ini berbeza daripada Gemini 3.1 Flash-Lite Preview dan edisi Flash-Lite kemudian. Kekalkan edisi tepat semasa menyediakan pemprosesan berulang daripada menganggap nama keluarga yang biasa sebagai jaminan versi yang tetap. Semak terjemahan untuk makna dan istilah yang dikekalkan, transkrip terhadap audio dan medan diekstrak terhadap dokumen. Peranan praktikal profil ialah pemprosesan teks multimodal berfokus dengan hasil jelas, sambil menyerahkan penaakulan tugas lebih luas atau tindakan luar kepada langkah seterusnya yang sesuai.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f33ffc6e23ca1fcd8770348e8f1797095ed942faefd160a190641ac63e3e003d", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "ms", "methods": [ { "html": "google/gemini-3.1-flash-lite:batchGemini 3.1 Flash-Lite ialah model multimodal stabil Google untuk terjemahan, transkripsi, pengelasan dan pengekstrakan mudah pada skala besar. Ia menerima teks, imej, audio, video dan PDF serta mengembalikan teks, dengan pemikiran, alat dan output berstruktur. Had input/output khususnya ialah 1,048,576/65,536 token.
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 ialah model teks multimodal ringan dan stabil Google untuk tugas kerap yang ditakrifkan dengan baik. Ia berasaskan Gemini 3 Pro. Terjemahan dan pengelasan ialah beban kerja utama; tugas berguna lain merangkumi transkripsi, ringkasan dokumen, pengekstrakan entiti dan pengelasan pilihan model. Teks, imej, audio, video dan PDF boleh membekalkan bahan sumber, dan hasilnya ialah teks. Taklimat berguna meminta satu operasi dan satu bentuk akhir, seperti mesej diterjemah atau rekod medan yang ditemui dalam dokumen.
Untuk terjemahan, berikan teks sumber, bahasa sasaran, khalayak dan istilah yang perlu dikekalkan. Contoh Google menggunakan arahan yang mengembalikan terjemahan sahaja. Untuk terjemahan mesej sokongan, kekalkan nama produk dan rujukan pesanan sambil menterjemahkan bahagian lain secara semula jadi. Tetapkan cara mengendalikan kekaburan supaya hasil tidak menambah tarikh, janji atau butiran yang tiada dalam sumber. Pastikan bentuk yang diminta sesuai dengan destinasi, seperti balasan ringkas atau rekod terjemahan berlabel.
Untuk transkripsi, bekalkan rakaman dan tetapkan sama ada jawapan perlu berupa kata-kata dituturkan, transkrip tersunting yang mudah dibaca atau ringkasan. Ini ialah output berbeza. Kenal pasti selang berkaitan apabila rakaman panjang hanya mengandungi satu petikan yang diperlukan untuk tugas. Contoh pembangun pembuat menghantar audio secara langsung dan meminta transkrip teks. Semak nama, nombor dan petikan kurang jelas terhadap rakaman, sambil menyimpan sumber asal untuk semakan. Profil teks multimodal umum ini tidak dengan sendirinya membayangkan output audio atau hasil diarisasi penutur khusus.
Untuk pengelasan atau pengekstrakan, tetapkan kategori, skema dan peraturan nilai tiada. Panduan pembangun menunjukkan JSON berstruktur bagi analisis ulasan pelanggan, dengan petikan sokongan dan medan ditetapkan. Rekod berstruktur boleh mengandungi produk yang disebut, kategori isu dan ayat yang menyokong pilihan. Sertakan kes mewakili yang perlu kekal tidak diketahui daripada dipaksa ke dalam kategori. Rekod yang sah dari segi sintaks masih perlu dibandingkan dengan teks sumber sebenar.
Pemprosesan dokumen boleh menukar PDF kepada ringkasan padat atau rekod medan. Nyatakan soalan dan kekalkan rujukan halaman atau bahagian apabila dapatan perlu disemak. Semakan jadual perlu menetapkan lajur dan peraturan yang penting; tugas visual perlu mengenal pasti label atau rantau yang diperlukan untuk jawapan. Penghalaan model ialah satu lagi kegunaan didokumenkan: model mengelaskan kerumitan permintaan dan mengembalikan pilihan yang dibenarkan. Aplikasi yang disambungkan, bukannya teks pengelasan itu sendiri, memutuskan perkara yang dijalankan seterusnya.
Pemikiran disokong, dan pembuat menunjukkan usaha lebih tinggi untuk tugas yang mendapat manfaat daripada analisis lanjut. Halaman stabil khusus turut menyenaraikan pemanggilan fungsi, pelaksanaan kod, carian fail, pembumian carian, pembumian Maps, konteks URL dan output berstruktur. Computer Use tidak disokong dalam profil stabil 3.1 ini; profil 3.5 Flash-Lite kemudian mempunyai jadual keupayaan berbeza. Takrifkan tujuan alat dan parameter dengan jelas serta teruskan berdasarkan hasil sebenar yang dikembalikan. Cadangan fungsi tidak membuktikan operasi telah berlaku.
Kad model asal menyenaraikan konteks sehingga 1M dan output teks 64K; jadual API stabil menetapkan 1,048,576 token input dan 65,536 token output. Sertakan arahan, perbualan dan media sumber dalam penyediaan input, dan minta output bersaiz sesuai untuk artifak yang dimaksudkan. Pemprosesan cache, kelompok, Flex dan Priority didokumenkan bagi profil pengeluar ini. Untuk item bebas berulang, bawa pengecam input ke hasil dan kekalkan skema konsisten supaya jawapan yang hilang boleh dikenal pasti.
Pengecam model stabil ini berbeza daripada Gemini 3.1 Flash-Lite Preview dan edisi Flash-Lite kemudian. Kekalkan edisi tepat semasa menyediakan pemprosesan berulang daripada menganggap nama keluarga yang biasa sebagai jaminan versi yang tetap. Semak terjemahan untuk makna dan istilah yang dikekalkan, transkrip terhadap audio dan medan diekstrak terhadap dokumen. Peranan praktikal profil ialah pemprosesan teks multimodal berfokus dengan hasil jelas, sambil menyerahkan penaakulan tugas lebih luas atau tindakan luar kepada langkah seterusnya yang sesuai.
POST /v1/batchestexttext| Medan | Jenis | Keperluan | Nilai & had | Lalai |
|---|---|---|---|---|
Medanendpoint | Jenisstring | KeperluanDiperlukan | Nilai & had /v1/chat/completions | Lalai— |
Medanmodel | Jenisstring | KeperluanDiperlukan | Nilai & had google/gemini-3.1-flash-lite:batch | Lalai— |
Medanrequests | Jenisbatch_item[] | KeperluanDiperlukan | Nilai & had Item minimum: 1 | Lalai— |
Medanrequests[].custom_id | Jenisstring | KeperluanDiperlukan | Nilai & had | Lalai— |
Medanrequests[].body.messages | Jenismessage[] | KeperluanDiperlukan | Nilai & had | Lalai— |
Medancompletion_window | Jenisstring | KeperluanPilihan | Nilai & had 24h | Lalai— |
Medanprovider | Jenisobject|null | KeperluanPilihan | Nilai & had | Lalai— |
Medanrequests[].body.model | Jenisstring | KeperluanPilihan | Nilai & had google/gemini-3.1-flash-lite:batch, google/gemini-3.1-flash-lite | Lalai— |
Medanprovider.only | Jenisstring[] | KeperluanPilihan | Nilai & had google-vertex/global | Lalai— |
Medanprovider.allow_fallbacks | Jenisboolean|null | KeperluanPilihan | Nilai & had false, null | Lalai— |
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakendpoint, model, requests |
Parametermaterial_types | Kontraktext |
Parameterrepresentation | Kontrakrequests[] sebaris; setiap item mempunyai custom_id dan body |
Parameterrequest_endpoint_profile | Kontrak/v1/chat/completions |
Parameterfile_material | KontrakPemanggil boleh membaca JSONL UTF-8 sebenar secara setempat ke dalam requests[]. Tiada tujuan muat naik, input_file_id atau rujukan fail digunakan. Bahan pelanggan yang tiada atau kosong menghentikan persediaan sebelum POST. |
Parameterserialization_order | Kontrakendpoint, model, provider (jika dibekalkan), completion_window (jika dibekalkan), requests di akhir |
Parameteroptional_controls | Kontrakprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | KontrakBadan permintaan Chat Completions teks dalam pembungkus Batch sebaris yang didokumenkan. |
Kitar hayat: asynchronous
GET /v1/batches/{operation_id} · response.id sebenar daripada respons penciptaan asal; pengguna/kunci/kumpulan yang sama
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 $0.00025 / 1K token Output · Token output $0.0015 / 1K token Input · Bacaan cache $0.000025 / 1K token Input · Penulisan cache — / 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 $0.00025 / 1K token Output · Token output $0.0015 / 1K token Input · Bacaan cache $0.000025 / 1K token Input · Penulisan cache — / 1K token Input · Penulisan cache, 1 jam — / 1K token |
Ailoot merizabkan anggaran amaun sebelum permintaan. Selepas hasil diterima, caj akhir diselesaikan berdasarkan penggunaan terukur. Penyelesaian caj penstriman menggunakan rekod penggunaan akhir. Cara rizab dan penyelesaian caj berfungsi →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-3.1-flash-lite:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-3.1-flash-lite:batch', 'google/gemini-3.1-flash-lite']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.1-flash-lite:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON results[].response.body sebaris
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nSimpan setiap respons lengkap, fail dan bahagian kandungan yang dikembalikan.
Simpan keseluruhan JSON status asal, setiap hasil/custom_id serta badan respons atau ralat yang lengkap. Simpan results[] yang telah selesai sebagai JSONL tanpa penapisan.
Simpan ID operasi asal. 503 result_pending_check mempunyai X-Should-Retry:false; jangan sekali-kali hantar semula kelompok asal yang hasilnya tidak diketahui.
| Medan | Jenis |
|---|---|
Medanresults[].custom_id | Jenisstring |
Medanresults[].response.body.choices[].message.content | Jenisstring|null |
Medanresults[].error | Jenisobject|null |
Medanusage | Jenisobject|null |
Medanid | Jenisstring |
Medanmodel | Jenisstring |
Medanendpoint | Jenisstring |
Medanstatus | Jenisstring |
Medanrequest_counts | Jenisobject |
Medanresults[].id | Jenisstring |
Medanresults[].response.status_code | Jenisinteger |
Medanresults[].response.request_id | Jenisstring |
| Respons | Syarat | Langkah seterusnya |
|---|---|---|
Respons400 · invalid_request_error | SyaratPembungkus sebaris yang didokumenkan tidak sah, kunci berulang, identiti item atau keupayaan model yang dikonfigurasikan bercanggah. | Langkah seterusnyaBetulkan medan yang dinyatakan sebelum sebarang penghantaran baharu. |
Respons401 · authentication_error | SyaratKunci API tidak sah. | Langkah seterusnyaGunakan kunci Ailoot yang dibenarkan. |
Respons403 · permission_error | SyaratKumpulan kelompok tidak tersedia. | Langkah seterusnyaSemak hak akses kunci/kumpulan. |
Respons422 · invalid_request_error | SyaratKelompok menggunakan pengebilan baki; penciptaan melalui langganan ditolak. | Langkah seterusnyaGunakan kumpulan yang dibenarkan untuk pengebilan melalui baki. |
Respons422 · price_unavailable | SyaratSebut harga tidak dapat diberikan untuk input kelompok. | Langkah seterusnyaSimpan respons; gunakan input keluarga API yang didokumenkan. |
Respons402 · billing_error | SyaratRizab kelompok tidak tersedia. | Langkah seterusnyaSelesaikan isu penerimaan permintaan sebelum menghantar permintaan baharu. |
Respons503 · price_unavailable | SyaratHarga kaedah kelompok/kadar natif tidak tersedia. | Langkah seterusnyaSimpan respons; jangan gantikan harga. |
Respons503 · api_error | SyaratLaluan pembekal yang tepat tidak tersedia. | Langkah seterusnyaSimpan respons untuk pembaikan laluan. |
Respons503 · result_pending_check | SyaratHasil asal memerlukan semakan; X-Should-Retry:false. | Langkah seterusnyaSimpan operation_id/id asal dan baca statusnya; jangan sekali-kali ulang POST asal. |
Respons404 · not_found | SyaratOperasi status kelompok tiada atau dimiliki oleh identiti lain. | Langkah seterusnyaGunakan id asal yang tepat serta pengguna/kunci/kumpulan yang sama. |
Ailoot Ultra google/gemini-3.1-flash-lite:batch
Gunakan laluan kaedah yang dipaparkan di atas.