Gemini 2.5 Flash-Lite Preview 06-17 is Googles previeweditie van Flash-Lite van juni, ontworpen voor frequente taken waarbij responstijd belangrijk is, zoals berichten classificeren en materiaal op grote schaal samenvatten. Het behoort tot de Gemini 2.5-familie met denkfunctie en behoudt tegelijk een pad met een rechtstreeks antwoord voor eenvoudig werk. De gedateerde Preview-aanduiding onderscheidt deze release van de stabiele Flash-Lite en de latere septemberpreview, waarvan de verbeteringen in instructienaleving en multimodaliteit bij die eigen editie horen.
Bij de lancering in juni staan classificatie en samenvatting centraal in het beoogde gebruik. Bruikbare invoer voor classificatie bevat het bericht, de toegestane labels en voorbeelden die hun grenzen verduidelijken; de uitvoer kan een label, een korte reden en de informatie voor de volgende verwerkingsstap zijn. Een samenvattingstaak kan vastleggen welke beslissingen, actiepunten, genoemde deadlines en open vragen behouden moeten blijven. Dit zijn praktische toepassingen van het beschreven doel: ze geven een herhaalde bewerking duidelijke invoer en een compact resultaat, in plaats van om een vrij essay te vragen.
De denkfunctie is beschikbaar, maar staat standaard uit in deze Flash-Lite-preview van juni. Google beschrijft een instelbaar denkbudget waarmee de taak extra redeneerwerk kan inzetten wanneer de voorwaarden dat vereisen. Behoud het rechtstreekse pad voor eenvoudige categorisering of inkorting; gebruik een taak met redeneren voor overlappende categorieën, uitzonderingen of een vraag die verschillende onderling afhankelijke conclusies vereist. Geef aan welke voorwaarden verplicht zijn en wat een correct antwoord inhoudt. De denkfunctie is een mogelijkheid om taken te verwerken; een langere uitleg is op zich geen bewijs dat de conclusie correct is.
Googles technische rapport noemt dit junimodel expliciet en documenteert ondersteuning voor multimodale invoer en een contextlengte van een miljoen tokens. Het resultaat is tekst. De context biedt plaats aan bronmateriaal, instructies en voorbeelden binnen dezelfde taak. Geef elk document of onderdeel een duidelijke rol en bepaal vervolgens wat het model moet extraheren of vergelijken. Scheid voor een documentassistent de vraag van de brontekst en vraag om een resultaat dat aan de relevante passages is gekoppeld. Definieer voor een extractiestap de velden en hoe informatie die niet in het materiaal staat, weergegeven moet worden. Dit is een contextmogelijkheid, geen belofte dat niet-gerelateerde inhoud bruikbaar wordt alleen doordat ze wordt opgenomen.
De aankondiging van juni vermeldt ingebouwde tools voor zoekonderbouwing, code-uitvoering en URL-context, samen met functieaanroepen. Zoekonderbouwing voegt webinformatie toe aan een antwoord; URL-context gebruikt de inhoud van meegeleverde pagina's voor taken zoals documenten vergelijken of details extraheren. Googles tool voor code-uitvoering genereert Python-code en voert die uit voor berekeningen of tekstverwerking, en gebruikt het uitvoeringsresultaat in het antwoord. Functieaanroepen hebben een andere rol: het model kiest een gedeclareerde functie en de argumenten ervan, terwijl de gekoppelde toepassing die uitvoert en het resultaat teruggeeft. Definieer het doel en de toegestane parameters van de functie, zodat een taak met ondersteuning van tools een expliciete volgende actie heeft.
Bereid voor een terugkerende workflow een kleine reeks representatieve invoervoorbeelden voor voordat dezelfde instructie op een grotere verzameling wordt toegepast. Neem een gewoon geval, een dubbelzinnig geval en een geval met ontbrekende informatie op. Een voorbeeld voor klantensupport kan vragen om een onderwerp, de werkelijke vraag van de klant en een antwoord dat uitsluitend op een bijgevoegde referentiepassage is gebaseerd. Een correspondentievoorbeeld kan vragen om een takenlijst met een actie, de persoon die ze toewijst en een deadline, uitsluitend wanneer die vermeld is. Houd deze gevraagde velden gescheiden van eventuele toelichtende tekst, zodat de resulterende tekst met het oorspronkelijke item kan worden vergeleken.
De modelkaart van de Flash-Lite-familie vermeldt het mogelijk verzinnen van feiten en moeilijkheden met causaal begrip, complexe logische deductie en contrafeitelijk redeneren. Ze vermeldt ook dat een denkbudget niet altijd consequent wordt nageleefd. Behandel dit als concrete beoordelingspunten: vergelijk geëxtraheerde feiten met de bron, controleer onderling afhankelijke berekeningen en onderscheid een waargenomen uitspraak van een afgeleide verklaring. Het bruikbare eindresultaat is een compacte classificatie, samenvatting, extractie of een antwoord waarvan de vereiste feiten en ontbrekende informatie controleerbaar zijn. Deze juni-editie is een afzonderlijke keuze voor tekstverwerking; specificaties van latere previews herdefiniëren de gedocumenteerde identiteit niet.
", "aboutText": "Gemini 2.5 Flash-Lite Preview 06-17 is Googles previeweditie van Flash-Lite van juni, ontworpen voor frequente taken waarbij responstijd belangrijk is, zoals berichten classificeren en materiaal op grote schaal samenvatten. Het behoort tot de Gemini 2.5-familie met denkfunctie en behoudt tegelijk een pad met een rechtstreeks antwoord voor eenvoudig werk. De gedateerde Preview-aanduiding onderscheidt deze release van de stabiele Flash-Lite en de latere septemberpreview, waarvan de verbeteringen in instructienaleving en multimodaliteit bij die eigen editie horen.\n\nBij de lancering in juni staan classificatie en samenvatting centraal in het beoogde gebruik. Bruikbare invoer voor classificatie bevat het bericht, de toegestane labels en voorbeelden die hun grenzen verduidelijken; de uitvoer kan een label, een korte reden en de informatie voor de volgende verwerkingsstap zijn. Een samenvattingstaak kan vastleggen welke beslissingen, actiepunten, genoemde deadlines en open vragen behouden moeten blijven. Dit zijn praktische toepassingen van het beschreven doel: ze geven een herhaalde bewerking duidelijke invoer en een compact resultaat, in plaats van om een vrij essay te vragen.\n\nDe denkfunctie is beschikbaar, maar staat standaard uit in deze Flash-Lite-preview van juni. Google beschrijft een instelbaar denkbudget waarmee de taak extra redeneerwerk kan inzetten wanneer de voorwaarden dat vereisen. Behoud het rechtstreekse pad voor eenvoudige categorisering of inkorting; gebruik een taak met redeneren voor overlappende categorieën, uitzonderingen of een vraag die verschillende onderling afhankelijke conclusies vereist. Geef aan welke voorwaarden verplicht zijn en wat een correct antwoord inhoudt. De denkfunctie is een mogelijkheid om taken te verwerken; een langere uitleg is op zich geen bewijs dat de conclusie correct is.\n\nGoogles technische rapport noemt dit junimodel expliciet en documenteert ondersteuning voor multimodale invoer en een contextlengte van een miljoen tokens. Het resultaat is tekst. De context biedt plaats aan bronmateriaal, instructies en voorbeelden binnen dezelfde taak. Geef elk document of onderdeel een duidelijke rol en bepaal vervolgens wat het model moet extraheren of vergelijken. Scheid voor een documentassistent de vraag van de brontekst en vraag om een resultaat dat aan de relevante passages is gekoppeld. Definieer voor een extractiestap de velden en hoe informatie die niet in het materiaal staat, weergegeven moet worden. Dit is een contextmogelijkheid, geen belofte dat niet-gerelateerde inhoud bruikbaar wordt alleen doordat ze wordt opgenomen.\n\nDe aankondiging van juni vermeldt ingebouwde tools voor zoekonderbouwing, code-uitvoering en URL-context, samen met functieaanroepen. Zoekonderbouwing voegt webinformatie toe aan een antwoord; URL-context gebruikt de inhoud van meegeleverde pagina's voor taken zoals documenten vergelijken of details extraheren. Googles tool voor code-uitvoering genereert Python-code en voert die uit voor berekeningen of tekstverwerking, en gebruikt het uitvoeringsresultaat in het antwoord. Functieaanroepen hebben een andere rol: het model kiest een gedeclareerde functie en de argumenten ervan, terwijl de gekoppelde toepassing die uitvoert en het resultaat teruggeeft. Definieer het doel en de toegestane parameters van de functie, zodat een taak met ondersteuning van tools een expliciete volgende actie heeft.\n\nBereid voor een terugkerende workflow een kleine reeks representatieve invoervoorbeelden voor voordat dezelfde instructie op een grotere verzameling wordt toegepast. Neem een gewoon geval, een dubbelzinnig geval en een geval met ontbrekende informatie op. Een voorbeeld voor klantensupport kan vragen om een onderwerp, de werkelijke vraag van de klant en een antwoord dat uitsluitend op een bijgevoegde referentiepassage is gebaseerd. Een correspondentievoorbeeld kan vragen om een takenlijst met een actie, de persoon die ze toewijst en een deadline, uitsluitend wanneer die vermeld is. Houd deze gevraagde velden gescheiden van eventuele toelichtende tekst, zodat de resulterende tekst met het oorspronkelijke item kan worden vergeleken.\n\nDe modelkaart van de Flash-Lite-familie vermeldt het mogelijk verzinnen van feiten en moeilijkheden met causaal begrip, complexe logische deductie en contrafeitelijk redeneren. Ze vermeldt ook dat een denkbudget niet altijd consequent wordt nageleefd. Behandel dit als concrete beoordelingspunten: vergelijk geëxtraheerde feiten met de bron, controleer onderling afhankelijke berekeningen en onderscheid een waargenomen uitspraak van een afgeleide verklaring. Het bruikbare eindresultaat is een compacte classificatie, samenvatting, extractie of een antwoord waarvan de vereiste feiten en ontbrekende informatie controleerbaar zijn. Deze juni-editie is een afzonderlijke keuze voor tekstverwerking; specificaties van latere previews herdefiniëren de gedocumenteerde identiteit niet.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Extract actions from a meeting note\n\nExtract only explicit action items from this note: 'Mira will send the revised price sheet by Friday. Jonas suggested checking packaging later, but nobody accepted that task. Noor will confirm the delivery address; no deadline was set.' Return a table with action, owner and deadline. Use 'not stated' for an absent deadline and exclude unassigned suggestions.A compact action table containing explicit commitments and source-grounded deadline values.The unassigned packaging suggestion is excluded, and Noor's deadline is not invented.gemini-2.5-flash-lite-preview-06-17Gemini 2.5 Flash-Lite Preview 06-17 is Googles juni-editie voor classificatie en samenvatting met een hoge verwerkingscapaciteit en herhaalbare tekstverwerking. Het combineert een context van een miljoen tokens, een optionele denkfunctie en gedocumenteerde tools voor zoeken, code, URL-context en functieaanroepen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 2.5 Flash-Lite Preview 06-17 is Googles previeweditie van Flash-Lite van juni, ontworpen voor frequente taken waarbij responstijd belangrijk is, zoals berichten classificeren en materiaal op grote schaal samenvatten. Het behoort tot de Gemini 2.5-familie met denkfunctie en behoudt tegelijk een pad met een rechtstreeks antwoord voor eenvoudig werk. De gedateerde Preview-aanduiding onderscheidt deze release van de stabiele Flash-Lite en de latere septemberpreview, waarvan de verbeteringen in instructienaleving en multimodaliteit bij die eigen editie horen.
Bij de lancering in juni staan classificatie en samenvatting centraal in het beoogde gebruik. Bruikbare invoer voor classificatie bevat het bericht, de toegestane labels en voorbeelden die hun grenzen verduidelijken; de uitvoer kan een label, een korte reden en de informatie voor de volgende verwerkingsstap zijn. Een samenvattingstaak kan vastleggen welke beslissingen, actiepunten, genoemde deadlines en open vragen behouden moeten blijven. Dit zijn praktische toepassingen van het beschreven doel: ze geven een herhaalde bewerking duidelijke invoer en een compact resultaat, in plaats van om een vrij essay te vragen.
De denkfunctie is beschikbaar, maar staat standaard uit in deze Flash-Lite-preview van juni. Google beschrijft een instelbaar denkbudget waarmee de taak extra redeneerwerk kan inzetten wanneer de voorwaarden dat vereisen. Behoud het rechtstreekse pad voor eenvoudige categorisering of inkorting; gebruik een taak met redeneren voor overlappende categorieën, uitzonderingen of een vraag die verschillende onderling afhankelijke conclusies vereist. Geef aan welke voorwaarden verplicht zijn en wat een correct antwoord inhoudt. De denkfunctie is een mogelijkheid om taken te verwerken; een langere uitleg is op zich geen bewijs dat de conclusie correct is.
Googles technische rapport noemt dit junimodel expliciet en documenteert ondersteuning voor multimodale invoer en een contextlengte van een miljoen tokens. Het resultaat is tekst. De context biedt plaats aan bronmateriaal, instructies en voorbeelden binnen dezelfde taak. Geef elk document of onderdeel een duidelijke rol en bepaal vervolgens wat het model moet extraheren of vergelijken. Scheid voor een documentassistent de vraag van de brontekst en vraag om een resultaat dat aan de relevante passages is gekoppeld. Definieer voor een extractiestap de velden en hoe informatie die niet in het materiaal staat, weergegeven moet worden. Dit is een contextmogelijkheid, geen belofte dat niet-gerelateerde inhoud bruikbaar wordt alleen doordat ze wordt opgenomen.
De aankondiging van juni vermeldt ingebouwde tools voor zoekonderbouwing, code-uitvoering en URL-context, samen met functieaanroepen. Zoekonderbouwing voegt webinformatie toe aan een antwoord; URL-context gebruikt de inhoud van meegeleverde pagina's voor taken zoals documenten vergelijken of details extraheren. Googles tool voor code-uitvoering genereert Python-code en voert die uit voor berekeningen of tekstverwerking, en gebruikt het uitvoeringsresultaat in het antwoord. Functieaanroepen hebben een andere rol: het model kiest een gedeclareerde functie en de argumenten ervan, terwijl de gekoppelde toepassing die uitvoert en het resultaat teruggeeft. Definieer het doel en de toegestane parameters van de functie, zodat een taak met ondersteuning van tools een expliciete volgende actie heeft.
Bereid voor een terugkerende workflow een kleine reeks representatieve invoervoorbeelden voor voordat dezelfde instructie op een grotere verzameling wordt toegepast. Neem een gewoon geval, een dubbelzinnig geval en een geval met ontbrekende informatie op. Een voorbeeld voor klantensupport kan vragen om een onderwerp, de werkelijke vraag van de klant en een antwoord dat uitsluitend op een bijgevoegde referentiepassage is gebaseerd. Een correspondentievoorbeeld kan vragen om een takenlijst met een actie, de persoon die ze toewijst en een deadline, uitsluitend wanneer die vermeld is. Houd deze gevraagde velden gescheiden van eventuele toelichtende tekst, zodat de resulterende tekst met het oorspronkelijke item kan worden vergeleken.
De modelkaart van de Flash-Lite-familie vermeldt het mogelijk verzinnen van feiten en moeilijkheden met causaal begrip, complexe logische deductie en contrafeitelijk redeneren. Ze vermeldt ook dat een denkbudget niet altijd consequent wordt nageleefd. Behandel dit als concrete beoordelingspunten: vergelijk geëxtraheerde feiten met de bron, controleer onderling afhankelijke berekeningen en onderscheid een waargenomen uitspraak van een afgeleide verklaring. Het bruikbare eindresultaat is een compacte classificatie, samenvatting, extractie of een antwoord waarvan de vereiste feiten en ontbrekende informatie controleerbaar zijn. Deze juni-editie is een afzonderlijke keuze voor tekstverwerking; specificaties van latere previews herdefiniëren de gedocumenteerde identiteit niet.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-flash-lite-preview-06-17 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite-preview-06-17", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gemini-2.5-flash-lite-preview-06-17',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gemini-2.5-flash-lite-preview-06-17',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra gemini-2.5-flash-lite-preview-06-17
Gebruik de hierboven getoonde methodepaden.
gemini-2.5-flash-lite-preview-06-17Gemini 2.5 Flash-Lite Preview 06-17 is Googles juni-editie voor classificatie en samenvatting met een hoge verwerkingscapaciteit en herhaalbare tekstverwerking. Het combineert een context van een miljoen tokens, een optionele denkfunctie en gedocumenteerde tools voor zoeken, code, URL-context en functieaanroepen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 2.5 Flash-Lite Preview 06-17 is Googles previeweditie van Flash-Lite van juni, ontworpen voor frequente taken waarbij responstijd belangrijk is, zoals berichten classificeren en materiaal op grote schaal samenvatten. Het behoort tot de Gemini 2.5-familie met denkfunctie en behoudt tegelijk een pad met een rechtstreeks antwoord voor eenvoudig werk. De gedateerde Preview-aanduiding onderscheidt deze release van de stabiele Flash-Lite en de latere septemberpreview, waarvan de verbeteringen in instructienaleving en multimodaliteit bij die eigen editie horen.
Bij de lancering in juni staan classificatie en samenvatting centraal in het beoogde gebruik. Bruikbare invoer voor classificatie bevat het bericht, de toegestane labels en voorbeelden die hun grenzen verduidelijken; de uitvoer kan een label, een korte reden en de informatie voor de volgende verwerkingsstap zijn. Een samenvattingstaak kan vastleggen welke beslissingen, actiepunten, genoemde deadlines en open vragen behouden moeten blijven. Dit zijn praktische toepassingen van het beschreven doel: ze geven een herhaalde bewerking duidelijke invoer en een compact resultaat, in plaats van om een vrij essay te vragen.
De denkfunctie is beschikbaar, maar staat standaard uit in deze Flash-Lite-preview van juni. Google beschrijft een instelbaar denkbudget waarmee de taak extra redeneerwerk kan inzetten wanneer de voorwaarden dat vereisen. Behoud het rechtstreekse pad voor eenvoudige categorisering of inkorting; gebruik een taak met redeneren voor overlappende categorieën, uitzonderingen of een vraag die verschillende onderling afhankelijke conclusies vereist. Geef aan welke voorwaarden verplicht zijn en wat een correct antwoord inhoudt. De denkfunctie is een mogelijkheid om taken te verwerken; een langere uitleg is op zich geen bewijs dat de conclusie correct is.
Googles technische rapport noemt dit junimodel expliciet en documenteert ondersteuning voor multimodale invoer en een contextlengte van een miljoen tokens. Het resultaat is tekst. De context biedt plaats aan bronmateriaal, instructies en voorbeelden binnen dezelfde taak. Geef elk document of onderdeel een duidelijke rol en bepaal vervolgens wat het model moet extraheren of vergelijken. Scheid voor een documentassistent de vraag van de brontekst en vraag om een resultaat dat aan de relevante passages is gekoppeld. Definieer voor een extractiestap de velden en hoe informatie die niet in het materiaal staat, weergegeven moet worden. Dit is een contextmogelijkheid, geen belofte dat niet-gerelateerde inhoud bruikbaar wordt alleen doordat ze wordt opgenomen.
De aankondiging van juni vermeldt ingebouwde tools voor zoekonderbouwing, code-uitvoering en URL-context, samen met functieaanroepen. Zoekonderbouwing voegt webinformatie toe aan een antwoord; URL-context gebruikt de inhoud van meegeleverde pagina's voor taken zoals documenten vergelijken of details extraheren. Googles tool voor code-uitvoering genereert Python-code en voert die uit voor berekeningen of tekstverwerking, en gebruikt het uitvoeringsresultaat in het antwoord. Functieaanroepen hebben een andere rol: het model kiest een gedeclareerde functie en de argumenten ervan, terwijl de gekoppelde toepassing die uitvoert en het resultaat teruggeeft. Definieer het doel en de toegestane parameters van de functie, zodat een taak met ondersteuning van tools een expliciete volgende actie heeft.
Bereid voor een terugkerende workflow een kleine reeks representatieve invoervoorbeelden voor voordat dezelfde instructie op een grotere verzameling wordt toegepast. Neem een gewoon geval, een dubbelzinnig geval en een geval met ontbrekende informatie op. Een voorbeeld voor klantensupport kan vragen om een onderwerp, de werkelijke vraag van de klant en een antwoord dat uitsluitend op een bijgevoegde referentiepassage is gebaseerd. Een correspondentievoorbeeld kan vragen om een takenlijst met een actie, de persoon die ze toewijst en een deadline, uitsluitend wanneer die vermeld is. Houd deze gevraagde velden gescheiden van eventuele toelichtende tekst, zodat de resulterende tekst met het oorspronkelijke item kan worden vergeleken.
De modelkaart van de Flash-Lite-familie vermeldt het mogelijk verzinnen van feiten en moeilijkheden met causaal begrip, complexe logische deductie en contrafeitelijk redeneren. Ze vermeldt ook dat een denkbudget niet altijd consequent wordt nageleefd. Behandel dit als concrete beoordelingspunten: vergelijk geëxtraheerde feiten met de bron, controleer onderling afhankelijke berekeningen en onderscheid een waargenomen uitspraak van een afgeleide verklaring. Het bruikbare eindresultaat is een compacte classificatie, samenvatting, extractie of een antwoord waarvan de vereiste feiten en ontbrekende informatie controleerbaar zijn. Deze juni-editie is een afzonderlijke keuze voor tekstverwerking; specificaties van latere previews herdefiniëren de gedocumenteerde identiteit niet.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-flash-lite-preview-06-17 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gemini-2.5-flash-lite-preview-06-17",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-06-17', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-06-17', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra gemini-2.5-flash-lite-preview-06-17
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Extract actions from a meeting note\n\nExtract only explicit action items from this note: 'Mira will send the revised price sheet by Friday. Jonas suggested checking packaging later, but nobody accepted that task. Noor will confirm the delivery address; no deadline was set.' Return a table with action, owner and deadline. Use 'not stated' for an absent deadline and exclude unassigned suggestions.A compact action table containing explicit commitments and source-grounded deadline values.The unassigned packaging suggestion is excluded, and Noor's deadline is not invented.