Gemini 2.5 Flash-Lite is Googles stabiele lichtgewicht profiel voor vertaling, classificatie en eenvoudige gegevensextractie in grote volumes. Het hybride redeneren kan afhankelijk van de taak denken gebruiken of overslaan. Het accepteert tekst, afbeeldingen, audio, video en PDF en produceert tekst. Een bruikbaar resultaat is een categorie, een beknopte vertaling, een uit aangeleverd materiaal geëxtraheerd record of een afgebakende geschreven uitleg.
Definieer voor classificatie de categorieën, beslisregel en antwoordvorm. Behoud de bronidentifier in een resultaat wanneer meerdere onafhankelijke items worden verwerkt. Classificeer bij de indeling van supportberichten een bericht op probleemtype en geef de zin terug die de categorie onderbouwt. Neem een regel op voor ontbrekende of dubbelzinnige onderbouwing, zodat een vloeiend antwoord een verplicht veld niet met een gok vult. De lichtgewicht rol van het model is het nuttigst als de invoer en het vereiste resultaat duidelijk zijn vastgelegd.
Denken staat standaard uit in de gedocumenteerde configuratie van 2.5 Flash-Lite. Googles GenerateContent-denkgids staat een expliciet denkbudget van 512 tot 24.576 tokens toe, nul om denken uit te laten staan en -1 om dynamisch denken aan te vragen. Dit zijn instellingen voor het redeneerbudget, los van de ruimte voor het eindantwoord. Schakel extra redeneren in wanneer voorwaarden bij extractie op elkaar inwerken of een classificatie uitzonderingen kent; een eenvoudige omzetting kan het standaardgedrag zonder denken behouden. De gids merkt op dat het model meer of minder denktokens kan gebruiken dan het gevraagde budget.
Geef voor vertaling de doeltaal, het publiek en de te behouden termen op. Geef aan of het resultaat alleen de vertaling of een gelabeld record moet bevatten. Definieer voor documentextractie de velden en vraag om bronpassages waarmee de uitvoer kan worden gecontroleerd. Onderscheid bij een opname een transcript van een samenvatting en benoem de relevante passage. Afbeeldingen of video kunnen onderbouwing leveren voor een tekstantwoord. Het gewenste resultaat moet duidelijk blijven, ook als de invoer meerdere mediatypen combineert.
De modelspecifieke tabel voor de stabiele versie vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Functies hebben een duidelijk doel en vastgelegde parameters nodig; de aangesloten toepassing voert de bewerking uit en levert het resultaat. Valideer bij schema-gebaseerde extractie de teruggegeven structuur en vergelijk de waarden met het oorspronkelijke materiaal. Een toolbeslissing of correct gevormd record is alleen nuttig in de context van de bron en werkelijk teruggegeven onderbouwing.
De native kaart vermeldt een contextvenster van 1M en 64K tekstuitvoer. De API-modelpagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden gesprek gebruiken het invoerbudget, terwijl redeneren en een antwoordlimiet beïnvloeden of het eindresultaat past. Caching, batch, Flex en Priority-verwerking worden voor dit makerprofiel vermeld. Behoud bij herhaalde taken dezelfde categorie- of velddefinities en neem identifiers mee in het resultaat, zodat een latere beoordeling het oorspronkelijke item kan terugvinden.
Dit stabiele profiel staat los van de Preview-varianten van juni en september die elders in de familie worden beschreven. De gedeelde native kaart schrijft verbeteringen in het September Preview, waaronder het volgen van instructies en beknoptheid, specifiek aan die preview toe; ze mogen niet stilzwijgend naar de stabiele identifier worden overgeheveld. Latere Flash-Lite-generaties gebruiken ook andere denkinstellingen en capaciteitstabellen. Behoud de editie en kies de daarvoor gedocumenteerde instellingen, in plaats van de 2.5-budgetten te vervangen door de syntaxis voor denkniveaus van Gemini 3.
De kaart noemt hallucinaties en beperkingen in causaal begrip, complexe logische deductie en contrafeitelijk redeneren en geeft januari 2025 als kennisgrens. Lever actuele onderbouwing of gebruik een gedocumenteerde grounding-workflow als nieuwere feiten van belang zijn. Beoordeel vertalingen op betekenis, geëxtraheerde velden op brononderbouwing en transcripten aan de hand van de audio. Een gericht, klein resultaat maakt deze beoordeling praktisch zonder een verzorgd antwoord te behandelen als bewijs dat het beweerde detail in de bron stond.
", "aboutText": "Gemini 2.5 Flash-Lite is Googles stabiele lichtgewicht profiel voor vertaling, classificatie en eenvoudige gegevensextractie in grote volumes. Het hybride redeneren kan afhankelijk van de taak denken gebruiken of overslaan. Het accepteert tekst, afbeeldingen, audio, video en PDF en produceert tekst. Een bruikbaar resultaat is een categorie, een beknopte vertaling, een uit aangeleverd materiaal geëxtraheerd record of een afgebakende geschreven uitleg.\n\nDefinieer voor classificatie de categorieën, beslisregel en antwoordvorm. Behoud de bronidentifier in een resultaat wanneer meerdere onafhankelijke items worden verwerkt. Classificeer bij de indeling van supportberichten een bericht op probleemtype en geef de zin terug die de categorie onderbouwt. Neem een regel op voor ontbrekende of dubbelzinnige onderbouwing, zodat een vloeiend antwoord een verplicht veld niet met een gok vult. De lichtgewicht rol van het model is het nuttigst als de invoer en het vereiste resultaat duidelijk zijn vastgelegd.\n\nDenken staat standaard uit in de gedocumenteerde configuratie van 2.5 Flash-Lite. Googles GenerateContent-denkgids staat een expliciet denkbudget van 512 tot 24.576 tokens toe, nul om denken uit te laten staan en -1 om dynamisch denken aan te vragen. Dit zijn instellingen voor het redeneerbudget, los van de ruimte voor het eindantwoord. Schakel extra redeneren in wanneer voorwaarden bij extractie op elkaar inwerken of een classificatie uitzonderingen kent; een eenvoudige omzetting kan het standaardgedrag zonder denken behouden. De gids merkt op dat het model meer of minder denktokens kan gebruiken dan het gevraagde budget.\n\nGeef voor vertaling de doeltaal, het publiek en de te behouden termen op. Geef aan of het resultaat alleen de vertaling of een gelabeld record moet bevatten. Definieer voor documentextractie de velden en vraag om bronpassages waarmee de uitvoer kan worden gecontroleerd. Onderscheid bij een opname een transcript van een samenvatting en benoem de relevante passage. Afbeeldingen of video kunnen onderbouwing leveren voor een tekstantwoord. Het gewenste resultaat moet duidelijk blijven, ook als de invoer meerdere mediatypen combineert.\n\nDe modelspecifieke tabel voor de stabiele versie vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Functies hebben een duidelijk doel en vastgelegde parameters nodig; de aangesloten toepassing voert de bewerking uit en levert het resultaat. Valideer bij schema-gebaseerde extractie de teruggegeven structuur en vergelijk de waarden met het oorspronkelijke materiaal. Een toolbeslissing of correct gevormd record is alleen nuttig in de context van de bron en werkelijk teruggegeven onderbouwing.\n\nDe native kaart vermeldt een contextvenster van 1M en 64K tekstuitvoer. De API-modelpagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden gesprek gebruiken het invoerbudget, terwijl redeneren en een antwoordlimiet beïnvloeden of het eindresultaat past. Caching, batch, Flex en Priority-verwerking worden voor dit makerprofiel vermeld. Behoud bij herhaalde taken dezelfde categorie- of velddefinities en neem identifiers mee in het resultaat, zodat een latere beoordeling het oorspronkelijke item kan terugvinden.\n\nDit stabiele profiel staat los van de Preview-varianten van juni en september die elders in de familie worden beschreven. De gedeelde native kaart schrijft verbeteringen in het September Preview, waaronder het volgen van instructies en beknoptheid, specifiek aan die preview toe; ze mogen niet stilzwijgend naar de stabiele identifier worden overgeheveld. Latere Flash-Lite-generaties gebruiken ook andere denkinstellingen en capaciteitstabellen. Behoud de editie en kies de daarvoor gedocumenteerde instellingen, in plaats van de 2.5-budgetten te vervangen door de syntaxis voor denkniveaus van Gemini 3.\n\nDe kaart noemt hallucinaties en beperkingen in causaal begrip, complexe logische deductie en contrafeitelijk redeneren en geeft januari 2025 als kennisgrens. Lever actuele onderbouwing of gebruik een gedocumenteerde grounding-workflow als nieuwere feiten van belang zijn. Beoordeel vertalingen op betekenis, geëxtraheerde velden op brononderbouwing en transcripten aan de hand van de audio. Een gericht, klein resultaat maakt deze beoordeling praktisch zonder een verzorgd antwoord te behandelen als bewijs dat het beweerde detail in de bron stond.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.gemini-2.5-flash-liteGemini 2.5 Flash-Lite is Googles stabiele multimodale tekstmodel voor veelvuldige classificatie, vertaling en eenvoudige extractie. Denken staat standaard uit en kan worden ingeschakeld met een redeneerbudget van 512–24.576 tokens. Het accepteert tekst en media, met tools, gestructureerde uitvoer en een invoerlimiet van 1.048.576 tokens.
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 is Googles stabiele lichtgewicht profiel voor vertaling, classificatie en eenvoudige gegevensextractie in grote volumes. Het hybride redeneren kan afhankelijk van de taak denken gebruiken of overslaan. Het accepteert tekst, afbeeldingen, audio, video en PDF en produceert tekst. Een bruikbaar resultaat is een categorie, een beknopte vertaling, een uit aangeleverd materiaal geëxtraheerd record of een afgebakende geschreven uitleg.
Definieer voor classificatie de categorieën, beslisregel en antwoordvorm. Behoud de bronidentifier in een resultaat wanneer meerdere onafhankelijke items worden verwerkt. Classificeer bij de indeling van supportberichten een bericht op probleemtype en geef de zin terug die de categorie onderbouwt. Neem een regel op voor ontbrekende of dubbelzinnige onderbouwing, zodat een vloeiend antwoord een verplicht veld niet met een gok vult. De lichtgewicht rol van het model is het nuttigst als de invoer en het vereiste resultaat duidelijk zijn vastgelegd.
Denken staat standaard uit in de gedocumenteerde configuratie van 2.5 Flash-Lite. Googles GenerateContent-denkgids staat een expliciet denkbudget van 512 tot 24.576 tokens toe, nul om denken uit te laten staan en -1 om dynamisch denken aan te vragen. Dit zijn instellingen voor het redeneerbudget, los van de ruimte voor het eindantwoord. Schakel extra redeneren in wanneer voorwaarden bij extractie op elkaar inwerken of een classificatie uitzonderingen kent; een eenvoudige omzetting kan het standaardgedrag zonder denken behouden. De gids merkt op dat het model meer of minder denktokens kan gebruiken dan het gevraagde budget.
Geef voor vertaling de doeltaal, het publiek en de te behouden termen op. Geef aan of het resultaat alleen de vertaling of een gelabeld record moet bevatten. Definieer voor documentextractie de velden en vraag om bronpassages waarmee de uitvoer kan worden gecontroleerd. Onderscheid bij een opname een transcript van een samenvatting en benoem de relevante passage. Afbeeldingen of video kunnen onderbouwing leveren voor een tekstantwoord. Het gewenste resultaat moet duidelijk blijven, ook als de invoer meerdere mediatypen combineert.
De modelspecifieke tabel voor de stabiele versie vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Functies hebben een duidelijk doel en vastgelegde parameters nodig; de aangesloten toepassing voert de bewerking uit en levert het resultaat. Valideer bij schema-gebaseerde extractie de teruggegeven structuur en vergelijk de waarden met het oorspronkelijke materiaal. Een toolbeslissing of correct gevormd record is alleen nuttig in de context van de bron en werkelijk teruggegeven onderbouwing.
De native kaart vermeldt een contextvenster van 1M en 64K tekstuitvoer. De API-modelpagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden gesprek gebruiken het invoerbudget, terwijl redeneren en een antwoordlimiet beïnvloeden of het eindresultaat past. Caching, batch, Flex en Priority-verwerking worden voor dit makerprofiel vermeld. Behoud bij herhaalde taken dezelfde categorie- of velddefinities en neem identifiers mee in het resultaat, zodat een latere beoordeling het oorspronkelijke item kan terugvinden.
Dit stabiele profiel staat los van de Preview-varianten van juni en september die elders in de familie worden beschreven. De gedeelde native kaart schrijft verbeteringen in het September Preview, waaronder het volgen van instructies en beknoptheid, specifiek aan die preview toe; ze mogen niet stilzwijgend naar de stabiele identifier worden overgeheveld. Latere Flash-Lite-generaties gebruiken ook andere denkinstellingen en capaciteitstabellen. Behoud de editie en kies de daarvoor gedocumenteerde instellingen, in plaats van de 2.5-budgetten te vervangen door de syntaxis voor denkniveaus van Gemini 3.
De kaart noemt hallucinaties en beperkingen in causaal begrip, complexe logische deductie en contrafeitelijk redeneren en geeft januari 2025 als kennisgrens. Lever actuele onderbouwing of gebruik een gedocumenteerde grounding-workflow als nieuwere feiten van belang zijn. Beoordeel vertalingen op betekenis, geëxtraheerde velden op brononderbouwing en transcripten aan de hand van de audio. Een gericht, klein resultaat maakt deze beoordeling praktisch zonder een verzorgd antwoord te behandelen als bewijs dat het beweerde detail in de bron stond.
POST /v1/messagestext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-flash-lite | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring|content_block[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldsystem | Typestring|content_block[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten Minimum: 1 Limiet geldt voor: exacte bovengrens van het gekozen model/de gekozen modelkaart | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop_sequences | Typestring[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typetool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].name | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: tool opgegeven | Standaard— |
Veldtools[].description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].input_schema | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldthinking.type | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldthinking.budget_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldoutput_config.effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmetadata | Typeobject | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldcache_control | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Tekst · UTF8-tekst
messages[].content of een blok met type=text
Tekst + afbeelding
{type:image,source:{type:base64,media_type,data}} of bron met type=url
| Parameter | Contract |
|---|---|
Parametermaterial_types | Contracttext, image |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractnull |
Parametercontent_type | Contractapplication/json |
Parametertext_file_material | Contractwerkelijke UTF-8-inhoud ingevoegd als tekst; bestands-ID’s/URLs vereisen afzonderlijke exacte ondersteuning |
Levenscyclus: exact retained published method
De methodestructuren en ID’s zijn exact; de mogelijkheden van de leverancier staan los van toelating.
POST /v1/messagesAiloot 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 →
Referentiestaffels op modelniveau veranderen de methodeselectie, kostenramingen of afschrijvingen niet. Voor de actieve kostenberekening gelden de tarieven van de geselecteerde Ailoot-methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieOpenAI Chat · Basistarieven per token | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieOpenAI Chat · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Basistarieven per token | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-flash-lite",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-flash-lite",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='gemini-2.5-flash-lite',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite is Googles stabiele multimodale tekstmodel voor veelvuldige classificatie, vertaling en eenvoudige extractie. Denken staat standaard uit en kan worden ingeschakeld met een redeneerbudget van 512–24.576 tokens. Het accepteert tekst en media, met tools, gestructureerde uitvoer en een invoerlimiet van 1.048.576 tokens.
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 is Googles stabiele lichtgewicht profiel voor vertaling, classificatie en eenvoudige gegevensextractie in grote volumes. Het hybride redeneren kan afhankelijk van de taak denken gebruiken of overslaan. Het accepteert tekst, afbeeldingen, audio, video en PDF en produceert tekst. Een bruikbaar resultaat is een categorie, een beknopte vertaling, een uit aangeleverd materiaal geëxtraheerd record of een afgebakende geschreven uitleg.
Definieer voor classificatie de categorieën, beslisregel en antwoordvorm. Behoud de bronidentifier in een resultaat wanneer meerdere onafhankelijke items worden verwerkt. Classificeer bij de indeling van supportberichten een bericht op probleemtype en geef de zin terug die de categorie onderbouwt. Neem een regel op voor ontbrekende of dubbelzinnige onderbouwing, zodat een vloeiend antwoord een verplicht veld niet met een gok vult. De lichtgewicht rol van het model is het nuttigst als de invoer en het vereiste resultaat duidelijk zijn vastgelegd.
Denken staat standaard uit in de gedocumenteerde configuratie van 2.5 Flash-Lite. Googles GenerateContent-denkgids staat een expliciet denkbudget van 512 tot 24.576 tokens toe, nul om denken uit te laten staan en -1 om dynamisch denken aan te vragen. Dit zijn instellingen voor het redeneerbudget, los van de ruimte voor het eindantwoord. Schakel extra redeneren in wanneer voorwaarden bij extractie op elkaar inwerken of een classificatie uitzonderingen kent; een eenvoudige omzetting kan het standaardgedrag zonder denken behouden. De gids merkt op dat het model meer of minder denktokens kan gebruiken dan het gevraagde budget.
Geef voor vertaling de doeltaal, het publiek en de te behouden termen op. Geef aan of het resultaat alleen de vertaling of een gelabeld record moet bevatten. Definieer voor documentextractie de velden en vraag om bronpassages waarmee de uitvoer kan worden gecontroleerd. Onderscheid bij een opname een transcript van een samenvatting en benoem de relevante passage. Afbeeldingen of video kunnen onderbouwing leveren voor een tekstantwoord. Het gewenste resultaat moet duidelijk blijven, ook als de invoer meerdere mediatypen combineert.
De modelspecifieke tabel voor de stabiele versie vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Functies hebben een duidelijk doel en vastgelegde parameters nodig; de aangesloten toepassing voert de bewerking uit en levert het resultaat. Valideer bij schema-gebaseerde extractie de teruggegeven structuur en vergelijk de waarden met het oorspronkelijke materiaal. Een toolbeslissing of correct gevormd record is alleen nuttig in de context van de bron en werkelijk teruggegeven onderbouwing.
De native kaart vermeldt een contextvenster van 1M en 64K tekstuitvoer. De API-modelpagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden gesprek gebruiken het invoerbudget, terwijl redeneren en een antwoordlimiet beïnvloeden of het eindresultaat past. Caching, batch, Flex en Priority-verwerking worden voor dit makerprofiel vermeld. Behoud bij herhaalde taken dezelfde categorie- of velddefinities en neem identifiers mee in het resultaat, zodat een latere beoordeling het oorspronkelijke item kan terugvinden.
Dit stabiele profiel staat los van de Preview-varianten van juni en september die elders in de familie worden beschreven. De gedeelde native kaart schrijft verbeteringen in het September Preview, waaronder het volgen van instructies en beknoptheid, specifiek aan die preview toe; ze mogen niet stilzwijgend naar de stabiele identifier worden overgeheveld. Latere Flash-Lite-generaties gebruiken ook andere denkinstellingen en capaciteitstabellen. Behoud de editie en kies de daarvoor gedocumenteerde instellingen, in plaats van de 2.5-budgetten te vervangen door de syntaxis voor denkniveaus van Gemini 3.
De kaart noemt hallucinaties en beperkingen in causaal begrip, complexe logische deductie en contrafeitelijk redeneren en geeft januari 2025 als kennisgrens. Lever actuele onderbouwing of gebruik een gedocumenteerde grounding-workflow als nieuwere feiten van belang zijn. Beoordeel vertalingen op betekenis, geëxtraheerde velden op brononderbouwing en transcripten aan de hand van de audio. Een gericht, klein resultaat maakt deze beoordeling praktisch zonder een verzorgd antwoord te behandelen als bewijs dat het beweerde detail in de bron stond.
POST /v1beta/models/{model}:generateContenttext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldpath.model | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-flash-lite | Standaard— |
Veldcontents | Typecontent[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldcontents[].role | Typestring | VereisteOptioneel | Waarden en limieten user, model | Standaard— |
Veldcontents[].parts | Typepart[] | VereisteVereist | Waarden en limieten | Standaard— |
VeldsystemInstruction | Typecontent | VereisteOptioneel | Waarden en limieten | Standaard— |
VeldgenerationConfig.maxOutputTokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
VeldgenerationConfig.temperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.topP | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.topK | Typeinteger | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.stopSequences | Typestring[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.thinkingConfig.includeThoughts | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldgenerationConfig.thinkingConfig.thinkingBudget | Typeinteger | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].functionDeclarations | Typefunction_declaration[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldtoolConfig.functionCallingConfig.mode | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldsafetySettings | Typeobject[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
VeldsessionId | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Tekst · UTF8-tekst
contents[].parts[].text
Tekst + afbeelding
parts[].inlineData={mimeType,data}
| Parameter | Contract |
|---|---|
Parametermaterial_types | Contracttext, image |
Parameterrequired | Contractcontents |
Parameteroptional_controls | Contractnull |
Parametercontent_type | Contractapplication/json |
Parametertext_file_material | Contractwerkelijke UTF-8-inhoud ingevoegd als tekst; bestands-ID’s/URLs vereisen afzonderlijke exacte ondersteuning |
Levenscyclus: exact retained published method
De methodestructuren en ID’s zijn exact; de mogelijkheden van de leverancier staan los van toelating.
POST /v1beta/models/{model}:generateContentAiloot 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 →
Referentiestaffels op modelniveau veranderen de methodeselectie, kostenramingen of afschrijvingen niet. Voor de actieve kostenberekening gelden de tarieven van de geselecteerde Ailoot-methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieOpenAI Chat · Basistarieven per token | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieOpenAI Chat · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Basistarieven per token | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAnthropic Messages · Tariefniveau 1 op basis van aanvraaglengte | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-flash-lite", contents="Explain the difference between an observation and a hypothesis 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(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-flash-lite", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\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=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\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\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-flash-lite',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson of ondersteunde streaming
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle kandidaten en onderdelen, inclusief functieaanroepen, handtekeningen van redeneringen en verbruiksgegevens; voeg streamingfragmenten in de juiste volgorde samen.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
VeldresponseId | Typestring |
VeldmodelVersion | Typestring |
Veldcandidates[].content.parts[] | Typetext|inlineData|functionCall|other part |
Veldcandidates[].finishReason | Typestring |
VeldusageMetadata | 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite is Googles stabiele multimodale tekstmodel voor veelvuldige classificatie, vertaling en eenvoudige extractie. Denken staat standaard uit en kan worden ingeschakeld met een redeneerbudget van 512–24.576 tokens. Het accepteert tekst en media, met tools, gestructureerde uitvoer en een invoerlimiet van 1.048.576 tokens.
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 is Googles stabiele lichtgewicht profiel voor vertaling, classificatie en eenvoudige gegevensextractie in grote volumes. Het hybride redeneren kan afhankelijk van de taak denken gebruiken of overslaan. Het accepteert tekst, afbeeldingen, audio, video en PDF en produceert tekst. Een bruikbaar resultaat is een categorie, een beknopte vertaling, een uit aangeleverd materiaal geëxtraheerd record of een afgebakende geschreven uitleg.
Definieer voor classificatie de categorieën, beslisregel en antwoordvorm. Behoud de bronidentifier in een resultaat wanneer meerdere onafhankelijke items worden verwerkt. Classificeer bij de indeling van supportberichten een bericht op probleemtype en geef de zin terug die de categorie onderbouwt. Neem een regel op voor ontbrekende of dubbelzinnige onderbouwing, zodat een vloeiend antwoord een verplicht veld niet met een gok vult. De lichtgewicht rol van het model is het nuttigst als de invoer en het vereiste resultaat duidelijk zijn vastgelegd.
Denken staat standaard uit in de gedocumenteerde configuratie van 2.5 Flash-Lite. Googles GenerateContent-denkgids staat een expliciet denkbudget van 512 tot 24.576 tokens toe, nul om denken uit te laten staan en -1 om dynamisch denken aan te vragen. Dit zijn instellingen voor het redeneerbudget, los van de ruimte voor het eindantwoord. Schakel extra redeneren in wanneer voorwaarden bij extractie op elkaar inwerken of een classificatie uitzonderingen kent; een eenvoudige omzetting kan het standaardgedrag zonder denken behouden. De gids merkt op dat het model meer of minder denktokens kan gebruiken dan het gevraagde budget.
Geef voor vertaling de doeltaal, het publiek en de te behouden termen op. Geef aan of het resultaat alleen de vertaling of een gelabeld record moet bevatten. Definieer voor documentextractie de velden en vraag om bronpassages waarmee de uitvoer kan worden gecontroleerd. Onderscheid bij een opname een transcript van een samenvatting en benoem de relevante passage. Afbeeldingen of video kunnen onderbouwing leveren voor een tekstantwoord. Het gewenste resultaat moet duidelijk blijven, ook als de invoer meerdere mediatypen combineert.
De modelspecifieke tabel voor de stabiele versie vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Functies hebben een duidelijk doel en vastgelegde parameters nodig; de aangesloten toepassing voert de bewerking uit en levert het resultaat. Valideer bij schema-gebaseerde extractie de teruggegeven structuur en vergelijk de waarden met het oorspronkelijke materiaal. Een toolbeslissing of correct gevormd record is alleen nuttig in de context van de bron en werkelijk teruggegeven onderbouwing.
De native kaart vermeldt een contextvenster van 1M en 64K tekstuitvoer. De API-modelpagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden gesprek gebruiken het invoerbudget, terwijl redeneren en een antwoordlimiet beïnvloeden of het eindresultaat past. Caching, batch, Flex en Priority-verwerking worden voor dit makerprofiel vermeld. Behoud bij herhaalde taken dezelfde categorie- of velddefinities en neem identifiers mee in het resultaat, zodat een latere beoordeling het oorspronkelijke item kan terugvinden.
Dit stabiele profiel staat los van de Preview-varianten van juni en september die elders in de familie worden beschreven. De gedeelde native kaart schrijft verbeteringen in het September Preview, waaronder het volgen van instructies en beknoptheid, specifiek aan die preview toe; ze mogen niet stilzwijgend naar de stabiele identifier worden overgeheveld. Latere Flash-Lite-generaties gebruiken ook andere denkinstellingen en capaciteitstabellen. Behoud de editie en kies de daarvoor gedocumenteerde instellingen, in plaats van de 2.5-budgetten te vervangen door de syntaxis voor denkniveaus van Gemini 3.
De kaart noemt hallucinaties en beperkingen in causaal begrip, complexe logische deductie en contrafeitelijk redeneren en geeft januari 2025 als kennisgrens. Lever actuele onderbouwing of gebruik een gedocumenteerde grounding-workflow als nieuwere feiten van belang zijn. Beoordeel vertalingen op betekenis, geëxtraheerde velden op brononderbouwing en transcripten aan de hand van de audio. Een gericht, klein resultaat maakt deze beoordeling praktisch zonder een verzorgd antwoord te behandelen als bewijs dat het beweerde detail in de bron stond.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-flash-lite | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Tekstgesprek | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
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 |
Parametercontrol_scope | ContractTekstgesprek; stream is een booleaanse waarde en is standaard false. |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Methodealiasnamen: /chat/completions
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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${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","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-2.5-flash-lite", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite is Googles stabiele multimodale tekstmodel voor veelvuldige classificatie, vertaling en eenvoudige extractie. Denken staat standaard uit en kan worden ingeschakeld met een redeneerbudget van 512–24.576 tokens. Het accepteert tekst en media, met tools, gestructureerde uitvoer en een invoerlimiet van 1.048.576 tokens.
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 is Googles stabiele lichtgewicht profiel voor vertaling, classificatie en eenvoudige gegevensextractie in grote volumes. Het hybride redeneren kan afhankelijk van de taak denken gebruiken of overslaan. Het accepteert tekst, afbeeldingen, audio, video en PDF en produceert tekst. Een bruikbaar resultaat is een categorie, een beknopte vertaling, een uit aangeleverd materiaal geëxtraheerd record of een afgebakende geschreven uitleg.
Definieer voor classificatie de categorieën, beslisregel en antwoordvorm. Behoud de bronidentifier in een resultaat wanneer meerdere onafhankelijke items worden verwerkt. Classificeer bij de indeling van supportberichten een bericht op probleemtype en geef de zin terug die de categorie onderbouwt. Neem een regel op voor ontbrekende of dubbelzinnige onderbouwing, zodat een vloeiend antwoord een verplicht veld niet met een gok vult. De lichtgewicht rol van het model is het nuttigst als de invoer en het vereiste resultaat duidelijk zijn vastgelegd.
Denken staat standaard uit in de gedocumenteerde configuratie van 2.5 Flash-Lite. Googles GenerateContent-denkgids staat een expliciet denkbudget van 512 tot 24.576 tokens toe, nul om denken uit te laten staan en -1 om dynamisch denken aan te vragen. Dit zijn instellingen voor het redeneerbudget, los van de ruimte voor het eindantwoord. Schakel extra redeneren in wanneer voorwaarden bij extractie op elkaar inwerken of een classificatie uitzonderingen kent; een eenvoudige omzetting kan het standaardgedrag zonder denken behouden. De gids merkt op dat het model meer of minder denktokens kan gebruiken dan het gevraagde budget.
Geef voor vertaling de doeltaal, het publiek en de te behouden termen op. Geef aan of het resultaat alleen de vertaling of een gelabeld record moet bevatten. Definieer voor documentextractie de velden en vraag om bronpassages waarmee de uitvoer kan worden gecontroleerd. Onderscheid bij een opname een transcript van een samenvatting en benoem de relevante passage. Afbeeldingen of video kunnen onderbouwing leveren voor een tekstantwoord. Het gewenste resultaat moet duidelijk blijven, ook als de invoer meerdere mediatypen combineert.
De modelspecifieke tabel voor de stabiele versie vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Functies hebben een duidelijk doel en vastgelegde parameters nodig; de aangesloten toepassing voert de bewerking uit en levert het resultaat. Valideer bij schema-gebaseerde extractie de teruggegeven structuur en vergelijk de waarden met het oorspronkelijke materiaal. Een toolbeslissing of correct gevormd record is alleen nuttig in de context van de bron en werkelijk teruggegeven onderbouwing.
De native kaart vermeldt een contextvenster van 1M en 64K tekstuitvoer. De API-modelpagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden gesprek gebruiken het invoerbudget, terwijl redeneren en een antwoordlimiet beïnvloeden of het eindresultaat past. Caching, batch, Flex en Priority-verwerking worden voor dit makerprofiel vermeld. Behoud bij herhaalde taken dezelfde categorie- of velddefinities en neem identifiers mee in het resultaat, zodat een latere beoordeling het oorspronkelijke item kan terugvinden.
Dit stabiele profiel staat los van de Preview-varianten van juni en september die elders in de familie worden beschreven. De gedeelde native kaart schrijft verbeteringen in het September Preview, waaronder het volgen van instructies en beknoptheid, specifiek aan die preview toe; ze mogen niet stilzwijgend naar de stabiele identifier worden overgeheveld. Latere Flash-Lite-generaties gebruiken ook andere denkinstellingen en capaciteitstabellen. Behoud de editie en kies de daarvoor gedocumenteerde instellingen, in plaats van de 2.5-budgetten te vervangen door de syntaxis voor denkniveaus van Gemini 3.
De kaart noemt hallucinaties en beperkingen in causaal begrip, complexe logische deductie en contrafeitelijk redeneren en geeft januari 2025 als kennisgrens. Lever actuele onderbouwing of gebruik een gedocumenteerde grounding-workflow als nieuwere feiten van belang zijn. Beoordeel vertalingen op betekenis, geëxtraheerde velden op brononderbouwing en transcripten aan de hand van de audio. Een gericht, klein resultaat maakt deze beoordeling praktisch zonder een verzorgd antwoord te behandelen als bewijs dat het beweerde detail in de bron stond.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-flash-lite | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite is Googles stabiele multimodale tekstmodel voor veelvuldige classificatie, vertaling en eenvoudige extractie. Denken staat standaard uit en kan worden ingeschakeld met een redeneerbudget van 512–24.576 tokens. Het accepteert tekst en media, met tools, gestructureerde uitvoer en een invoerlimiet van 1.048.576 tokens.
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 is Googles stabiele lichtgewicht profiel voor vertaling, classificatie en eenvoudige gegevensextractie in grote volumes. Het hybride redeneren kan afhankelijk van de taak denken gebruiken of overslaan. Het accepteert tekst, afbeeldingen, audio, video en PDF en produceert tekst. Een bruikbaar resultaat is een categorie, een beknopte vertaling, een uit aangeleverd materiaal geëxtraheerd record of een afgebakende geschreven uitleg.
Definieer voor classificatie de categorieën, beslisregel en antwoordvorm. Behoud de bronidentifier in een resultaat wanneer meerdere onafhankelijke items worden verwerkt. Classificeer bij de indeling van supportberichten een bericht op probleemtype en geef de zin terug die de categorie onderbouwt. Neem een regel op voor ontbrekende of dubbelzinnige onderbouwing, zodat een vloeiend antwoord een verplicht veld niet met een gok vult. De lichtgewicht rol van het model is het nuttigst als de invoer en het vereiste resultaat duidelijk zijn vastgelegd.
Denken staat standaard uit in de gedocumenteerde configuratie van 2.5 Flash-Lite. Googles GenerateContent-denkgids staat een expliciet denkbudget van 512 tot 24.576 tokens toe, nul om denken uit te laten staan en -1 om dynamisch denken aan te vragen. Dit zijn instellingen voor het redeneerbudget, los van de ruimte voor het eindantwoord. Schakel extra redeneren in wanneer voorwaarden bij extractie op elkaar inwerken of een classificatie uitzonderingen kent; een eenvoudige omzetting kan het standaardgedrag zonder denken behouden. De gids merkt op dat het model meer of minder denktokens kan gebruiken dan het gevraagde budget.
Geef voor vertaling de doeltaal, het publiek en de te behouden termen op. Geef aan of het resultaat alleen de vertaling of een gelabeld record moet bevatten. Definieer voor documentextractie de velden en vraag om bronpassages waarmee de uitvoer kan worden gecontroleerd. Onderscheid bij een opname een transcript van een samenvatting en benoem de relevante passage. Afbeeldingen of video kunnen onderbouwing leveren voor een tekstantwoord. Het gewenste resultaat moet duidelijk blijven, ook als de invoer meerdere mediatypen combineert.
De modelspecifieke tabel voor de stabiele versie vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Functies hebben een duidelijk doel en vastgelegde parameters nodig; de aangesloten toepassing voert de bewerking uit en levert het resultaat. Valideer bij schema-gebaseerde extractie de teruggegeven structuur en vergelijk de waarden met het oorspronkelijke materiaal. Een toolbeslissing of correct gevormd record is alleen nuttig in de context van de bron en werkelijk teruggegeven onderbouwing.
De native kaart vermeldt een contextvenster van 1M en 64K tekstuitvoer. De API-modelpagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden gesprek gebruiken het invoerbudget, terwijl redeneren en een antwoordlimiet beïnvloeden of het eindresultaat past. Caching, batch, Flex en Priority-verwerking worden voor dit makerprofiel vermeld. Behoud bij herhaalde taken dezelfde categorie- of velddefinities en neem identifiers mee in het resultaat, zodat een latere beoordeling het oorspronkelijke item kan terugvinden.
Dit stabiele profiel staat los van de Preview-varianten van juni en september die elders in de familie worden beschreven. De gedeelde native kaart schrijft verbeteringen in het September Preview, waaronder het volgen van instructies en beknoptheid, specifiek aan die preview toe; ze mogen niet stilzwijgend naar de stabiele identifier worden overgeheveld. Latere Flash-Lite-generaties gebruiken ook andere denkinstellingen en capaciteitstabellen. Behoud de editie en kies de daarvoor gedocumenteerde instellingen, in plaats van de 2.5-budgetten te vervangen door de syntaxis voor denkniveaus van Gemini 3.
De kaart noemt hallucinaties en beperkingen in causaal begrip, complexe logische deductie en contrafeitelijk redeneren en geeft januari 2025 als kennisgrens. Lever actuele onderbouwing of gebruik een gedocumenteerde grounding-workflow als nieuwere feiten van belang zijn. Beoordeel vertalingen op betekenis, geëxtraheerde velden op brononderbouwing en transcripten aan de hand van de audio. Een gericht, klein resultaat maakt deze beoordeling praktisch zonder een verzorgd antwoord te behandelen als bewijs dat het beweerde detail in de bron stond.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-2.5-flash-lite | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-flash-lite", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-2.5-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-2.5-flash-lite',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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite is Googles stabiele multimodale tekstmodel voor veelvuldige classificatie, vertaling en eenvoudige extractie. Denken staat standaard uit en kan worden ingeschakeld met een redeneerbudget van 512–24.576 tokens. Het accepteert tekst en media, met tools, gestructureerde uitvoer en een invoerlimiet van 1.048.576 tokens.
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 is Googles stabiele lichtgewicht profiel voor vertaling, classificatie en eenvoudige gegevensextractie in grote volumes. Het hybride redeneren kan afhankelijk van de taak denken gebruiken of overslaan. Het accepteert tekst, afbeeldingen, audio, video en PDF en produceert tekst. Een bruikbaar resultaat is een categorie, een beknopte vertaling, een uit aangeleverd materiaal geëxtraheerd record of een afgebakende geschreven uitleg.
Definieer voor classificatie de categorieën, beslisregel en antwoordvorm. Behoud de bronidentifier in een resultaat wanneer meerdere onafhankelijke items worden verwerkt. Classificeer bij de indeling van supportberichten een bericht op probleemtype en geef de zin terug die de categorie onderbouwt. Neem een regel op voor ontbrekende of dubbelzinnige onderbouwing, zodat een vloeiend antwoord een verplicht veld niet met een gok vult. De lichtgewicht rol van het model is het nuttigst als de invoer en het vereiste resultaat duidelijk zijn vastgelegd.
Denken staat standaard uit in de gedocumenteerde configuratie van 2.5 Flash-Lite. Googles GenerateContent-denkgids staat een expliciet denkbudget van 512 tot 24.576 tokens toe, nul om denken uit te laten staan en -1 om dynamisch denken aan te vragen. Dit zijn instellingen voor het redeneerbudget, los van de ruimte voor het eindantwoord. Schakel extra redeneren in wanneer voorwaarden bij extractie op elkaar inwerken of een classificatie uitzonderingen kent; een eenvoudige omzetting kan het standaardgedrag zonder denken behouden. De gids merkt op dat het model meer of minder denktokens kan gebruiken dan het gevraagde budget.
Geef voor vertaling de doeltaal, het publiek en de te behouden termen op. Geef aan of het resultaat alleen de vertaling of een gelabeld record moet bevatten. Definieer voor documentextractie de velden en vraag om bronpassages waarmee de uitvoer kan worden gecontroleerd. Onderscheid bij een opname een transcript van een samenvatting en benoem de relevante passage. Afbeeldingen of video kunnen onderbouwing leveren voor een tekstantwoord. Het gewenste resultaat moet duidelijk blijven, ook als de invoer meerdere mediatypen combineert.
De modelspecifieke tabel voor de stabiele versie vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Functies hebben een duidelijk doel en vastgelegde parameters nodig; de aangesloten toepassing voert de bewerking uit en levert het resultaat. Valideer bij schema-gebaseerde extractie de teruggegeven structuur en vergelijk de waarden met het oorspronkelijke materiaal. Een toolbeslissing of correct gevormd record is alleen nuttig in de context van de bron en werkelijk teruggegeven onderbouwing.
De native kaart vermeldt een contextvenster van 1M en 64K tekstuitvoer. De API-modelpagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden gesprek gebruiken het invoerbudget, terwijl redeneren en een antwoordlimiet beïnvloeden of het eindresultaat past. Caching, batch, Flex en Priority-verwerking worden voor dit makerprofiel vermeld. Behoud bij herhaalde taken dezelfde categorie- of velddefinities en neem identifiers mee in het resultaat, zodat een latere beoordeling het oorspronkelijke item kan terugvinden.
Dit stabiele profiel staat los van de Preview-varianten van juni en september die elders in de familie worden beschreven. De gedeelde native kaart schrijft verbeteringen in het September Preview, waaronder het volgen van instructies en beknoptheid, specifiek aan die preview toe; ze mogen niet stilzwijgend naar de stabiele identifier worden overgeheveld. Latere Flash-Lite-generaties gebruiken ook andere denkinstellingen en capaciteitstabellen. Behoud de editie en kies de daarvoor gedocumenteerde instellingen, in plaats van de 2.5-budgetten te vervangen door de syntaxis voor denkniveaus van Gemini 3.
De kaart noemt hallucinaties en beperkingen in causaal begrip, complexe logische deductie en contrafeitelijk redeneren en geeft januari 2025 als kennisgrens. Lever actuele onderbouwing of gebruik een gedocumenteerde grounding-workflow als nieuwere feiten van belang zijn. Beoordeel vertalingen op betekenis, geëxtraheerde velden op brononderbouwing en transcripten aan de hand van de audio. Een gericht, klein resultaat maakt deze beoordeling praktisch zonder een verzorgd antwoord te behandelen als bewijs dat het beweerde detail in de bron stond.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-2.5-flash-lite | 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.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "google/gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash-lite', '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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
Technisch voorbeeld in het Engels
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.