Gemini 2.5 Flash-Lite Preview 09-2025 is Googles septembereditie voor frequente taken die een beknopt, gericht tekstresultaat vereisen. De maker groepeert de update rond drie thema's: complexe instructies en systeemprompts beter volgen, minder wijdlopigheid, en betere vertaling en beter multimodaal begrip. De gedateerde naam onderscheidt deze specifieke preview van de Flash-Lite-preview van juni, het stabiele model en een veranderende latest-alias.
Instructies beter volgen is nuttig wanneer een taak verschillende regels bevat die samen actief moeten blijven. Lever het bronmateriaal, de doelgroep en het vereiste formaat aan en maak vervolgens onderscheid tussen verplichte inhoud en optionele uitleg. Een taak voor de verwerking van supportvragen kan een categorie, de exacte vraag van de klant en een volgende stap vereisen die uitsluitend op een meegeleverde referentie is gebaseerd. Een documenttaak kan bepalen welke termen behouden moeten blijven, welke feiten vermeld moeten worden en hoe ontbrekende waarden weergegeven moeten worden. Deze voorbeelden zetten een gedetailleerde instructie om in een resultaat met controleerbare vereisten.
Minder wijdlopigheid is een vermelde eigenschap van deze release. Dat is vooral relevant wanneer de uitvoer een korte veldwaarde, een kort antwoord of de volgende invoer in een grotere workflow wordt. Vraag om de benodigde informatie in plaats van een algemene bespreking: de beslissing, de bron ervan en de open vraag. Som voor een samenvatting de feiten en deadlines op die bij het inkorten behouden moeten blijven en geef het aantal of het doel van de onderdelen aan. Beknoptheid is niet hetzelfde als belangrijke voorwaarden weglaten; een praktisch uitvoersjabloon maakt de vereiste inhoud expliciet.
Google meldt een betere vertaalkwaliteit, beter beeldbegrip en betere audiotranscriptie voor deze septemberupdate. Geef voor een vertaling de doelgroep en een woordenlijst aan en onderscheid namen die ongewijzigd blijven van formuleringen die gelokaliseerd moeten worden. Markeer bij een afbeelding de uit te leggen component of passage en beschrijf waarvoor het antwoord gebruikt zal worden. Vraag voor audiotranscriptie om een geschreven weergave met de taal- en opmaakregels die voor de volgende stap nodig zijn. Een multimediabron kan ook worden samengevat of met een tekstuele vereiste worden vergeleken wanneer de vraag de relevante inhoud aanduidt.
De kaart voor deze specifieke gedateerde editie vermeldt tekst, afbeeldingen, video, audio en PDF als invoer, met tekst als uitvoer. De limieten zijn 1.048.576 invoertokens en 65.536 uitvoertokens, en de gedocumenteerde kennisgrens is januari 2025. Het ruime invoerprofiel kan materiaal, instructies en voorbeelden combineren; label elke bron en geef aan welke onderbouwing het antwoord moet gebruiken. Dit is de Flash-Lite-editie met tekstuitvoer: gegenereerde spraak, gegenereerde afbeeldingen en een spraakinterface in realtime maken geen deel uit van het vermelde uitvoerprofiel.
De maker documenteert een denkfunctie, gestructureerde uitvoer, functieaanroepen, code-uitvoering, zoekonderbouwing, URL-context en bestandszoeken. De denkfunctie kan worden gebruikt voor een taak met onderling afhankelijke voorwaarden; een gestructureerd antwoord kan velden opleveren voor extractie of classificatie. Een functieaanroep bevat een voorgestelde functienaam en argumenten, terwijl de toepassing die uitvoert en het resultaat teruggeeft. Googles tool voor code-uitvoering gebruikt Python; zoek- en documenttools leveren extern materiaal voor een onderbouwd geschreven antwoord. Het specifieke profiel omvat ook ondersteuning voor caching en batchverwerking. Dit zijn gedocumenteerde modelmogelijkheden, geen bewering dat één bepaalde toepassing elke tool heeft ingeschakeld of ze in één verzoek heeft gecombineerd.
De modelkaart van de familie beschrijft een sparse mixture-of-experts-transformer met ingebouwd multimodaal begrip. De voortraining omvat webtekst, programmeertalen, afbeeldingen, audio en video. De natraining gebruikt gecontroleerde paren van instructies en antwoorden, informatie over menselijke voorkeuren en gegevens over toolgebruik, met deduplicatie en veiligheids- en kwaliteitsfilters tijdens de voorbereiding. Dezelfde kaart vermeldt het mogelijk verzinnen van feiten, moeilijkheden met causaal en contrafeitelijk redeneren, beperkingen bij complexe logische deductie en inconsistente naleving van denkbudgetten. Ze vermeldt ook dat sommige antwoorden te belerend kunnen klinken. Dit zijn wezenlijke aandachtspunten bij de beoordeling van een model voor beknopte verwerking.
Bereid voor een terugkerende taak representatieve gewone, dubbelzinnige en onvolledige invoer voor. Vergelijk bij vertaling de terminologie, de betekenis en het gevraagde formaat met uitsluitend de uitvoer. Vergelijk bij transcriptie of documentextractie de teruggegeven details met het aangeleverde materiaal en geef aan wat niet kon worden vastgesteld. Controleer bij een kort antwoord of elk verplicht feit behouden is. Het eindresultaat kan een vertaalde passage, een compacte samenvatting, geëxtraheerde velden of een categorie met een volgende actie zijn. Deze voorbereiding benut de specifieke nadruk van de septembereditie op nauwkeurige instructienaleving, beknoptheid en multimediaverwerking, terwijl het resultaat aan de oorspronkelijke onderbouwing gekoppeld blijft.
", "aboutText": "Gemini 2.5 Flash-Lite Preview 09-2025 is Googles septembereditie voor frequente taken die een beknopt, gericht tekstresultaat vereisen. De maker groepeert de update rond drie thema's: complexe instructies en systeemprompts beter volgen, minder wijdlopigheid, en betere vertaling en beter multimodaal begrip. De gedateerde naam onderscheidt deze specifieke preview van de Flash-Lite-preview van juni, het stabiele model en een veranderende latest-alias.\n\nInstructies beter volgen is nuttig wanneer een taak verschillende regels bevat die samen actief moeten blijven. Lever het bronmateriaal, de doelgroep en het vereiste formaat aan en maak vervolgens onderscheid tussen verplichte inhoud en optionele uitleg. Een taak voor de verwerking van supportvragen kan een categorie, de exacte vraag van de klant en een volgende stap vereisen die uitsluitend op een meegeleverde referentie is gebaseerd. Een documenttaak kan bepalen welke termen behouden moeten blijven, welke feiten vermeld moeten worden en hoe ontbrekende waarden weergegeven moeten worden. Deze voorbeelden zetten een gedetailleerde instructie om in een resultaat met controleerbare vereisten.\n\nMinder wijdlopigheid is een vermelde eigenschap van deze release. Dat is vooral relevant wanneer de uitvoer een korte veldwaarde, een kort antwoord of de volgende invoer in een grotere workflow wordt. Vraag om de benodigde informatie in plaats van een algemene bespreking: de beslissing, de bron ervan en de open vraag. Som voor een samenvatting de feiten en deadlines op die bij het inkorten behouden moeten blijven en geef het aantal of het doel van de onderdelen aan. Beknoptheid is niet hetzelfde als belangrijke voorwaarden weglaten; een praktisch uitvoersjabloon maakt de vereiste inhoud expliciet.\n\nGoogle meldt een betere vertaalkwaliteit, beter beeldbegrip en betere audiotranscriptie voor deze septemberupdate. Geef voor een vertaling de doelgroep en een woordenlijst aan en onderscheid namen die ongewijzigd blijven van formuleringen die gelokaliseerd moeten worden. Markeer bij een afbeelding de uit te leggen component of passage en beschrijf waarvoor het antwoord gebruikt zal worden. Vraag voor audiotranscriptie om een geschreven weergave met de taal- en opmaakregels die voor de volgende stap nodig zijn. Een multimediabron kan ook worden samengevat of met een tekstuele vereiste worden vergeleken wanneer de vraag de relevante inhoud aanduidt.\n\nDe kaart voor deze specifieke gedateerde editie vermeldt tekst, afbeeldingen, video, audio en PDF als invoer, met tekst als uitvoer. De limieten zijn 1.048.576 invoertokens en 65.536 uitvoertokens, en de gedocumenteerde kennisgrens is januari 2025. Het ruime invoerprofiel kan materiaal, instructies en voorbeelden combineren; label elke bron en geef aan welke onderbouwing het antwoord moet gebruiken. Dit is de Flash-Lite-editie met tekstuitvoer: gegenereerde spraak, gegenereerde afbeeldingen en een spraakinterface in realtime maken geen deel uit van het vermelde uitvoerprofiel.\n\nDe maker documenteert een denkfunctie, gestructureerde uitvoer, functieaanroepen, code-uitvoering, zoekonderbouwing, URL-context en bestandszoeken. De denkfunctie kan worden gebruikt voor een taak met onderling afhankelijke voorwaarden; een gestructureerd antwoord kan velden opleveren voor extractie of classificatie. Een functieaanroep bevat een voorgestelde functienaam en argumenten, terwijl de toepassing die uitvoert en het resultaat teruggeeft. Googles tool voor code-uitvoering gebruikt Python; zoek- en documenttools leveren extern materiaal voor een onderbouwd geschreven antwoord. Het specifieke profiel omvat ook ondersteuning voor caching en batchverwerking. Dit zijn gedocumenteerde modelmogelijkheden, geen bewering dat één bepaalde toepassing elke tool heeft ingeschakeld of ze in één verzoek heeft gecombineerd.\n\nDe modelkaart van de familie beschrijft een sparse mixture-of-experts-transformer met ingebouwd multimodaal begrip. De voortraining omvat webtekst, programmeertalen, afbeeldingen, audio en video. De natraining gebruikt gecontroleerde paren van instructies en antwoorden, informatie over menselijke voorkeuren en gegevens over toolgebruik, met deduplicatie en veiligheids- en kwaliteitsfilters tijdens de voorbereiding. Dezelfde kaart vermeldt het mogelijk verzinnen van feiten, moeilijkheden met causaal en contrafeitelijk redeneren, beperkingen bij complexe logische deductie en inconsistente naleving van denkbudgetten. Ze vermeldt ook dat sommige antwoorden te belerend kunnen klinken. Dit zijn wezenlijke aandachtspunten bij de beoordeling van een model voor beknopte verwerking.\n\nBereid voor een terugkerende taak representatieve gewone, dubbelzinnige en onvolledige invoer voor. Vergelijk bij vertaling de terminologie, de betekenis en het gevraagde formaat met uitsluitend de uitvoer. Vergelijk bij transcriptie of documentextractie de teruggegeven details met het aangeleverde materiaal en geef aan wat niet kon worden vastgesteld. Controleer bij een kort antwoord of elk verplicht feit behouden is. Het eindresultaat kan een vertaalde passage, een compacte samenvatting, geëxtraheerde velden of een categorie met een volgende actie zijn. Deze voorbereiding benut de specifieke nadruk van de septembereditie op nauwkeurige instructienaleving, beknoptheid en multimediaverwerking, terwijl het resultaat aan de oorspronkelijke onderbouwing gekoppeld blijft.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 legt de nadruk op het volgen van instructies, beknopte tekst, vertaling en multimediabegrip. Googles septembereditie aanvaardt tekst, afbeeldingen, video, audio en PDF, met gestructureerde antwoorden en gedocumenteerde tools voor de verwerking van grote volumes.
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 09-2025 is Googles septembereditie voor frequente taken die een beknopt, gericht tekstresultaat vereisen. De maker groepeert de update rond drie thema's: complexe instructies en systeemprompts beter volgen, minder wijdlopigheid, en betere vertaling en beter multimodaal begrip. De gedateerde naam onderscheidt deze specifieke preview van de Flash-Lite-preview van juni, het stabiele model en een veranderende latest-alias.
Instructies beter volgen is nuttig wanneer een taak verschillende regels bevat die samen actief moeten blijven. Lever het bronmateriaal, de doelgroep en het vereiste formaat aan en maak vervolgens onderscheid tussen verplichte inhoud en optionele uitleg. Een taak voor de verwerking van supportvragen kan een categorie, de exacte vraag van de klant en een volgende stap vereisen die uitsluitend op een meegeleverde referentie is gebaseerd. Een documenttaak kan bepalen welke termen behouden moeten blijven, welke feiten vermeld moeten worden en hoe ontbrekende waarden weergegeven moeten worden. Deze voorbeelden zetten een gedetailleerde instructie om in een resultaat met controleerbare vereisten.
Minder wijdlopigheid is een vermelde eigenschap van deze release. Dat is vooral relevant wanneer de uitvoer een korte veldwaarde, een kort antwoord of de volgende invoer in een grotere workflow wordt. Vraag om de benodigde informatie in plaats van een algemene bespreking: de beslissing, de bron ervan en de open vraag. Som voor een samenvatting de feiten en deadlines op die bij het inkorten behouden moeten blijven en geef het aantal of het doel van de onderdelen aan. Beknoptheid is niet hetzelfde als belangrijke voorwaarden weglaten; een praktisch uitvoersjabloon maakt de vereiste inhoud expliciet.
Google meldt een betere vertaalkwaliteit, beter beeldbegrip en betere audiotranscriptie voor deze septemberupdate. Geef voor een vertaling de doelgroep en een woordenlijst aan en onderscheid namen die ongewijzigd blijven van formuleringen die gelokaliseerd moeten worden. Markeer bij een afbeelding de uit te leggen component of passage en beschrijf waarvoor het antwoord gebruikt zal worden. Vraag voor audiotranscriptie om een geschreven weergave met de taal- en opmaakregels die voor de volgende stap nodig zijn. Een multimediabron kan ook worden samengevat of met een tekstuele vereiste worden vergeleken wanneer de vraag de relevante inhoud aanduidt.
De kaart voor deze specifieke gedateerde editie vermeldt tekst, afbeeldingen, video, audio en PDF als invoer, met tekst als uitvoer. De limieten zijn 1.048.576 invoertokens en 65.536 uitvoertokens, en de gedocumenteerde kennisgrens is januari 2025. Het ruime invoerprofiel kan materiaal, instructies en voorbeelden combineren; label elke bron en geef aan welke onderbouwing het antwoord moet gebruiken. Dit is de Flash-Lite-editie met tekstuitvoer: gegenereerde spraak, gegenereerde afbeeldingen en een spraakinterface in realtime maken geen deel uit van het vermelde uitvoerprofiel.
De maker documenteert een denkfunctie, gestructureerde uitvoer, functieaanroepen, code-uitvoering, zoekonderbouwing, URL-context en bestandszoeken. De denkfunctie kan worden gebruikt voor een taak met onderling afhankelijke voorwaarden; een gestructureerd antwoord kan velden opleveren voor extractie of classificatie. Een functieaanroep bevat een voorgestelde functienaam en argumenten, terwijl de toepassing die uitvoert en het resultaat teruggeeft. Googles tool voor code-uitvoering gebruikt Python; zoek- en documenttools leveren extern materiaal voor een onderbouwd geschreven antwoord. Het specifieke profiel omvat ook ondersteuning voor caching en batchverwerking. Dit zijn gedocumenteerde modelmogelijkheden, geen bewering dat één bepaalde toepassing elke tool heeft ingeschakeld of ze in één verzoek heeft gecombineerd.
De modelkaart van de familie beschrijft een sparse mixture-of-experts-transformer met ingebouwd multimodaal begrip. De voortraining omvat webtekst, programmeertalen, afbeeldingen, audio en video. De natraining gebruikt gecontroleerde paren van instructies en antwoorden, informatie over menselijke voorkeuren en gegevens over toolgebruik, met deduplicatie en veiligheids- en kwaliteitsfilters tijdens de voorbereiding. Dezelfde kaart vermeldt het mogelijk verzinnen van feiten, moeilijkheden met causaal en contrafeitelijk redeneren, beperkingen bij complexe logische deductie en inconsistente naleving van denkbudgetten. Ze vermeldt ook dat sommige antwoorden te belerend kunnen klinken. Dit zijn wezenlijke aandachtspunten bij de beoordeling van een model voor beknopte verwerking.
Bereid voor een terugkerende taak representatieve gewone, dubbelzinnige en onvolledige invoer voor. Vergelijk bij vertaling de terminologie, de betekenis en het gevraagde formaat met uitsluitend de uitvoer. Vergelijk bij transcriptie of documentextractie de teruggegeven details met het aangeleverde materiaal en geef aan wat niet kon worden vastgesteld. Controleer bij een kort antwoord of elk verplicht feit behouden is. Het eindresultaat kan een vertaalde passage, een compacte samenvatting, geëxtraheerde velden of een categorie met een volgende actie zijn. Deze voorbereiding benut de specifieke nadruk van de septembereditie op nauwkeurige instructienaleving, beknoptheid en multimediaverwerking, terwijl het resultaat aan de oorspronkelijke onderbouwing gekoppeld blijft.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-flash-lite-preview-09-2025 | 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-09-2025", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gemini-2.5-flash-lite-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gemini-2.5-flash-lite-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-09-2025
Gebruik de hierboven getoonde methodepaden.
gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 legt de nadruk op het volgen van instructies, beknopte tekst, vertaling en multimediabegrip. Googles septembereditie aanvaardt tekst, afbeeldingen, video, audio en PDF, met gestructureerde antwoorden en gedocumenteerde tools voor de verwerking van grote volumes.
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 09-2025 is Googles septembereditie voor frequente taken die een beknopt, gericht tekstresultaat vereisen. De maker groepeert de update rond drie thema's: complexe instructies en systeemprompts beter volgen, minder wijdlopigheid, en betere vertaling en beter multimodaal begrip. De gedateerde naam onderscheidt deze specifieke preview van de Flash-Lite-preview van juni, het stabiele model en een veranderende latest-alias.
Instructies beter volgen is nuttig wanneer een taak verschillende regels bevat die samen actief moeten blijven. Lever het bronmateriaal, de doelgroep en het vereiste formaat aan en maak vervolgens onderscheid tussen verplichte inhoud en optionele uitleg. Een taak voor de verwerking van supportvragen kan een categorie, de exacte vraag van de klant en een volgende stap vereisen die uitsluitend op een meegeleverde referentie is gebaseerd. Een documenttaak kan bepalen welke termen behouden moeten blijven, welke feiten vermeld moeten worden en hoe ontbrekende waarden weergegeven moeten worden. Deze voorbeelden zetten een gedetailleerde instructie om in een resultaat met controleerbare vereisten.
Minder wijdlopigheid is een vermelde eigenschap van deze release. Dat is vooral relevant wanneer de uitvoer een korte veldwaarde, een kort antwoord of de volgende invoer in een grotere workflow wordt. Vraag om de benodigde informatie in plaats van een algemene bespreking: de beslissing, de bron ervan en de open vraag. Som voor een samenvatting de feiten en deadlines op die bij het inkorten behouden moeten blijven en geef het aantal of het doel van de onderdelen aan. Beknoptheid is niet hetzelfde als belangrijke voorwaarden weglaten; een praktisch uitvoersjabloon maakt de vereiste inhoud expliciet.
Google meldt een betere vertaalkwaliteit, beter beeldbegrip en betere audiotranscriptie voor deze septemberupdate. Geef voor een vertaling de doelgroep en een woordenlijst aan en onderscheid namen die ongewijzigd blijven van formuleringen die gelokaliseerd moeten worden. Markeer bij een afbeelding de uit te leggen component of passage en beschrijf waarvoor het antwoord gebruikt zal worden. Vraag voor audiotranscriptie om een geschreven weergave met de taal- en opmaakregels die voor de volgende stap nodig zijn. Een multimediabron kan ook worden samengevat of met een tekstuele vereiste worden vergeleken wanneer de vraag de relevante inhoud aanduidt.
De kaart voor deze specifieke gedateerde editie vermeldt tekst, afbeeldingen, video, audio en PDF als invoer, met tekst als uitvoer. De limieten zijn 1.048.576 invoertokens en 65.536 uitvoertokens, en de gedocumenteerde kennisgrens is januari 2025. Het ruime invoerprofiel kan materiaal, instructies en voorbeelden combineren; label elke bron en geef aan welke onderbouwing het antwoord moet gebruiken. Dit is de Flash-Lite-editie met tekstuitvoer: gegenereerde spraak, gegenereerde afbeeldingen en een spraakinterface in realtime maken geen deel uit van het vermelde uitvoerprofiel.
De maker documenteert een denkfunctie, gestructureerde uitvoer, functieaanroepen, code-uitvoering, zoekonderbouwing, URL-context en bestandszoeken. De denkfunctie kan worden gebruikt voor een taak met onderling afhankelijke voorwaarden; een gestructureerd antwoord kan velden opleveren voor extractie of classificatie. Een functieaanroep bevat een voorgestelde functienaam en argumenten, terwijl de toepassing die uitvoert en het resultaat teruggeeft. Googles tool voor code-uitvoering gebruikt Python; zoek- en documenttools leveren extern materiaal voor een onderbouwd geschreven antwoord. Het specifieke profiel omvat ook ondersteuning voor caching en batchverwerking. Dit zijn gedocumenteerde modelmogelijkheden, geen bewering dat één bepaalde toepassing elke tool heeft ingeschakeld of ze in één verzoek heeft gecombineerd.
De modelkaart van de familie beschrijft een sparse mixture-of-experts-transformer met ingebouwd multimodaal begrip. De voortraining omvat webtekst, programmeertalen, afbeeldingen, audio en video. De natraining gebruikt gecontroleerde paren van instructies en antwoorden, informatie over menselijke voorkeuren en gegevens over toolgebruik, met deduplicatie en veiligheids- en kwaliteitsfilters tijdens de voorbereiding. Dezelfde kaart vermeldt het mogelijk verzinnen van feiten, moeilijkheden met causaal en contrafeitelijk redeneren, beperkingen bij complexe logische deductie en inconsistente naleving van denkbudgetten. Ze vermeldt ook dat sommige antwoorden te belerend kunnen klinken. Dit zijn wezenlijke aandachtspunten bij de beoordeling van een model voor beknopte verwerking.
Bereid voor een terugkerende taak representatieve gewone, dubbelzinnige en onvolledige invoer voor. Vergelijk bij vertaling de terminologie, de betekenis en het gevraagde formaat met uitsluitend de uitvoer. Vergelijk bij transcriptie of documentextractie de teruggegeven details met het aangeleverde materiaal en geef aan wat niet kon worden vastgesteld. Controleer bij een kort antwoord of elk verplicht feit behouden is. Het eindresultaat kan een vertaalde passage, een compacte samenvatting, geëxtraheerde velden of een categorie met een volgende actie zijn. Deze voorbereiding benut de specifieke nadruk van de septembereditie op nauwkeurige instructienaleving, beknoptheid en multimediaverwerking, terwijl het resultaat aan de oorspronkelijke onderbouwing gekoppeld blijft.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-flash-lite-preview-09-2025 | 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 $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gemini-2.5-flash-lite-preview-09-2025",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-09-2025
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.