Gemini 3.5 Flash-Lite is Googles uitvoeringsgerichte multimodale tekstprofiel voor herhaald gegevenswerk en gerichte subagenttaken. Het bouwt voort op Gemini 3.1 Flash-Lite en verbetert documentbegrip, betrouwbaarheid van hulpmiddelen en het volgen van instructies over meerdere beurten. Het accepteert tekst, beelden, audio, video en PDF en geeft tekst terug. Een bruikbaar resultaat is één geëxtraheerd record, een classificatie, een korte vertaling of een afgebakende analyse met hulpmiddelen binnen een grotere taak.
Definieer voor documentanalyse de belangrijke velden en het bewijs dat elk veld moet behouden. Geef de relevante pagina’s en specificeer hoe ontbrekende of dubbelzinnige informatie moet worden weergegeven. Extraheer voor supportberichtverwerking een productcode, het genoemde probleem en de ondersteunende zin uit een supportbericht en behoud de berichtidentificatie in het antwoord. Een document met meerdere kandidaten voor een veld mag die niet stilzwijgend tot één gegiste waarde reduceren. Gestructureerde JSON kan het resultaat bruikbaar maken voor latere verwerking wanneer het schema op de werkelijke taak aansluit.
De gedocumenteerde denkniveaus zijn minimal, low, medium en high, met minimal als standaard. De maker raadt het aan voor extractie, routering en classificatie in grote volumes, terwijl medium of high geschikt is voor autonoom subagentwerk met hulpmiddelaanroepen, code-uitvoering of meerdere redeneerstappen. De handleiding raadt specifiek aan de inspanning voor die langere taken te verhogen om voortijdig beëindigen van hulpmiddelgebruik te voorkomen. Extractie van één veld en een documentvergelijking met uitzonderingen profiteren daarom van verschillende inspanningskeuzes. minimal is een ondersteunde instelling van deze editie, geen algemene instelling om op elk Flash-model over te nemen.
Een gerichte subagentbriefing moet één taak, het bronmateriaal, de toegestane hulpmiddelen en de vereiste eindvorm bevatten. Ze kan bijvoorbeeld een tabel op een aangegeven regel onderzoeken en de betrokken rijen met de relevante waarden teruggeven. De maker benadrukt ook verwerking van tabelgegevens en frontend-JavaScriptwerk met lichte code-uitvoering. De omringende toepassing blijft verantwoordelijk voor het uitvoeren van een gevraagde functie en het teruggeven van het werkelijke resultaat. Houd een voltooid resultaat onderscheiden van een niet-uitgevoerd voorstel of een onopgeloste vraag over de invoer.
De exacte pagina van 3.5 Flash-Lite vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context, met Computer Use als preview gemarkeerd. Gestructureerde uitvoer en denken worden ondersteund. Behoud voor een persona of taak met meerdere beurten de werkelijke instructies en waarnemingen met hulpmiddelen zodat latere antwoorden dezelfde opdracht volgen. De ontwikkelaarshandleiding benadrukt sterkere personabestendigheid dan bij 3.1 Flash-Lite. Gebruik een beknopte rol en uitvoervereisten in plaats van het doel bij elke vervolgvraag opnieuw te definiëren.
De handleiding verklaart ook oudere samplinginstellingen en vooraf ingevulde laatste modelbeurten voor deze editie verouderd. Stuur een afgebakend antwoord met expliciete instructies of een schema in plaats van het antwoord binnen een synthetische beurt met model-rol te proberen te beginnen. Behoud de gedachtehandtekeningcontext van Gemini 3 waar de interface dat vereist en koppel functieresultaten aan hun aanroepen. Deze voorbereidingsregels ondersteunen een voortzetting die het bewijs behoudt dat nodig is om dezelfde taak te voltooien.
De native kaart vermeldt maximaal 1M context en 64K tekstuitvoer; de exacte API-pagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, records, geschiedenis en media dragen allemaal bij aan de invoervoorbereiding. Caching-, batch-, Flex- en Priority-opties zijn voor het producentprofiel vermeld. Gebruik voor herhaalde aanvragen stabiele identificaties en een compact, consistent antwoordformaat zodat elke extractie met de bron kan worden vergeleken. Audio-, beeld- of video-invoer produceert in dit profiel een tekstinterpretatie of transcript in plaats van gegenereerde spraak of beelden.
Mogelijke beperkingen omvatten hallucinaties en incidentele vertragingen of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Bronafhankelijke extractie moet teruggeven wat het aangeleverde materiaal ondersteunt; vragen over actuele feiten vereisen actueel bewijs. Vergeleken met 3.1 Flash-Lite voegt dit profiel de gedocumenteerde uitvoerings- en computergebruiksmogelijkheden toe, terwijl 3.6 Flash de nadruk legt op complexer programmeren en ruimtelijk werk. Controleer geëxtraheerde velden, hulpmiddelresultaten en behouden instructies voordat u het antwoord in een grotere werkstroom opneemt.
", "aboutText": "Gemini 3.5 Flash-Lite is Googles uitvoeringsgerichte multimodale tekstprofiel voor herhaald gegevenswerk en gerichte subagenttaken. Het bouwt voort op Gemini 3.1 Flash-Lite en verbetert documentbegrip, betrouwbaarheid van hulpmiddelen en het volgen van instructies over meerdere beurten. Het accepteert tekst, beelden, audio, video en PDF en geeft tekst terug. Een bruikbaar resultaat is één geëxtraheerd record, een classificatie, een korte vertaling of een afgebakende analyse met hulpmiddelen binnen een grotere taak.\n\nDefinieer voor documentanalyse de belangrijke velden en het bewijs dat elk veld moet behouden. Geef de relevante pagina’s en specificeer hoe ontbrekende of dubbelzinnige informatie moet worden weergegeven. Extraheer voor supportberichtverwerking een productcode, het genoemde probleem en de ondersteunende zin uit een supportbericht en behoud de berichtidentificatie in het antwoord. Een document met meerdere kandidaten voor een veld mag die niet stilzwijgend tot één gegiste waarde reduceren. Gestructureerde JSON kan het resultaat bruikbaar maken voor latere verwerking wanneer het schema op de werkelijke taak aansluit.\n\nDe gedocumenteerde denkniveaus zijn minimal, low, medium en high, met minimal als standaard. De maker raadt het aan voor extractie, routering en classificatie in grote volumes, terwijl medium of high geschikt is voor autonoom subagentwerk met hulpmiddelaanroepen, code-uitvoering of meerdere redeneerstappen. De handleiding raadt specifiek aan de inspanning voor die langere taken te verhogen om voortijdig beëindigen van hulpmiddelgebruik te voorkomen. Extractie van één veld en een documentvergelijking met uitzonderingen profiteren daarom van verschillende inspanningskeuzes. minimal is een ondersteunde instelling van deze editie, geen algemene instelling om op elk Flash-model over te nemen.\n\nEen gerichte subagentbriefing moet één taak, het bronmateriaal, de toegestane hulpmiddelen en de vereiste eindvorm bevatten. Ze kan bijvoorbeeld een tabel op een aangegeven regel onderzoeken en de betrokken rijen met de relevante waarden teruggeven. De maker benadrukt ook verwerking van tabelgegevens en frontend-JavaScriptwerk met lichte code-uitvoering. De omringende toepassing blijft verantwoordelijk voor het uitvoeren van een gevraagde functie en het teruggeven van het werkelijke resultaat. Houd een voltooid resultaat onderscheiden van een niet-uitgevoerd voorstel of een onopgeloste vraag over de invoer.\n\nDe exacte pagina van 3.5 Flash-Lite vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context, met Computer Use als preview gemarkeerd. Gestructureerde uitvoer en denken worden ondersteund. Behoud voor een persona of taak met meerdere beurten de werkelijke instructies en waarnemingen met hulpmiddelen zodat latere antwoorden dezelfde opdracht volgen. De ontwikkelaarshandleiding benadrukt sterkere personabestendigheid dan bij 3.1 Flash-Lite. Gebruik een beknopte rol en uitvoervereisten in plaats van het doel bij elke vervolgvraag opnieuw te definiëren.\n\nDe handleiding verklaart ook oudere samplinginstellingen en vooraf ingevulde laatste modelbeurten voor deze editie verouderd. Stuur een afgebakend antwoord met expliciete instructies of een schema in plaats van het antwoord binnen een synthetische beurt met model-rol te proberen te beginnen. Behoud de gedachtehandtekeningcontext van Gemini 3 waar de interface dat vereist en koppel functieresultaten aan hun aanroepen. Deze voorbereidingsregels ondersteunen een voortzetting die het bewijs behoudt dat nodig is om dezelfde taak te voltooien.\n\nDe native kaart vermeldt maximaal 1M context en 64K tekstuitvoer; de exacte API-pagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, records, geschiedenis en media dragen allemaal bij aan de invoervoorbereiding. Caching-, batch-, Flex- en Priority-opties zijn voor het producentprofiel vermeld. Gebruik voor herhaalde aanvragen stabiele identificaties en een compact, consistent antwoordformaat zodat elke extractie met de bron kan worden vergeleken. Audio-, beeld- of video-invoer produceert in dit profiel een tekstinterpretatie of transcript in plaats van gegenereerde spraak of beelden.\n\nMogelijke beperkingen omvatten hallucinaties en incidentele vertragingen of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Bronafhankelijke extractie moet teruggeven wat het aangeleverde materiaal ondersteunt; vragen over actuele feiten vereisen actueel bewijs. Vergeleken met 3.1 Flash-Lite voegt dit profiel de gedocumenteerde uitvoerings- en computergebruiksmogelijkheden toe, terwijl 3.6 Flash de nadruk legt op complexer programmeren en ruimtelijk werk. Controleer geëxtraheerde velden, hulpmiddelresultaten en behouden instructies voordat u het antwoord in een grotere werkstroom opneemt.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Extract a support message record\n\nExtract fields from message S-91: "The pump P-28 stopped after ten minutes. I bought two, but only one has this issue. Please arrange a replacement." Return message ID, product code, issue, purchased quantity and affected quantity in a small table. Include the exact supporting phrase for each extracted value.A field/value/evidence table retaining S-91 and separating purchased from affected quantity.Check that two purchased pumps do not become two defective pumps.gemini-3.5-flash-liteGemini 3.5 Flash-Lite is Googles multimodale model voor gerichte subagenttaken, documentanalyse en herhaalde gegevensextractie. De standaard redeneerinspanning minimal past bij afgebakende records; medium of high is gedocumenteerd voor hulpmiddelwerk in meerdere stappen. Het geeft tekst of gestructureerde resultaten terug uit tekst, beelden, audio, video en PDF.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.5 Flash-Lite is Googles uitvoeringsgerichte multimodale tekstprofiel voor herhaald gegevenswerk en gerichte subagenttaken. Het bouwt voort op Gemini 3.1 Flash-Lite en verbetert documentbegrip, betrouwbaarheid van hulpmiddelen en het volgen van instructies over meerdere beurten. Het accepteert tekst, beelden, audio, video en PDF en geeft tekst terug. Een bruikbaar resultaat is één geëxtraheerd record, een classificatie, een korte vertaling of een afgebakende analyse met hulpmiddelen binnen een grotere taak.
Definieer voor documentanalyse de belangrijke velden en het bewijs dat elk veld moet behouden. Geef de relevante pagina’s en specificeer hoe ontbrekende of dubbelzinnige informatie moet worden weergegeven. Extraheer voor supportberichtverwerking een productcode, het genoemde probleem en de ondersteunende zin uit een supportbericht en behoud de berichtidentificatie in het antwoord. Een document met meerdere kandidaten voor een veld mag die niet stilzwijgend tot één gegiste waarde reduceren. Gestructureerde JSON kan het resultaat bruikbaar maken voor latere verwerking wanneer het schema op de werkelijke taak aansluit.
De gedocumenteerde denkniveaus zijn minimal, low, medium en high, met minimal als standaard. De maker raadt het aan voor extractie, routering en classificatie in grote volumes, terwijl medium of high geschikt is voor autonoom subagentwerk met hulpmiddelaanroepen, code-uitvoering of meerdere redeneerstappen. De handleiding raadt specifiek aan de inspanning voor die langere taken te verhogen om voortijdig beëindigen van hulpmiddelgebruik te voorkomen. Extractie van één veld en een documentvergelijking met uitzonderingen profiteren daarom van verschillende inspanningskeuzes. minimal is een ondersteunde instelling van deze editie, geen algemene instelling om op elk Flash-model over te nemen.
Een gerichte subagentbriefing moet één taak, het bronmateriaal, de toegestane hulpmiddelen en de vereiste eindvorm bevatten. Ze kan bijvoorbeeld een tabel op een aangegeven regel onderzoeken en de betrokken rijen met de relevante waarden teruggeven. De maker benadrukt ook verwerking van tabelgegevens en frontend-JavaScriptwerk met lichte code-uitvoering. De omringende toepassing blijft verantwoordelijk voor het uitvoeren van een gevraagde functie en het teruggeven van het werkelijke resultaat. Houd een voltooid resultaat onderscheiden van een niet-uitgevoerd voorstel of een onopgeloste vraag over de invoer.
De exacte pagina van 3.5 Flash-Lite vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context, met Computer Use als preview gemarkeerd. Gestructureerde uitvoer en denken worden ondersteund. Behoud voor een persona of taak met meerdere beurten de werkelijke instructies en waarnemingen met hulpmiddelen zodat latere antwoorden dezelfde opdracht volgen. De ontwikkelaarshandleiding benadrukt sterkere personabestendigheid dan bij 3.1 Flash-Lite. Gebruik een beknopte rol en uitvoervereisten in plaats van het doel bij elke vervolgvraag opnieuw te definiëren.
De handleiding verklaart ook oudere samplinginstellingen en vooraf ingevulde laatste modelbeurten voor deze editie verouderd. Stuur een afgebakend antwoord met expliciete instructies of een schema in plaats van het antwoord binnen een synthetische beurt met model-rol te proberen te beginnen. Behoud de gedachtehandtekeningcontext van Gemini 3 waar de interface dat vereist en koppel functieresultaten aan hun aanroepen. Deze voorbereidingsregels ondersteunen een voortzetting die het bewijs behoudt dat nodig is om dezelfde taak te voltooien.
De native kaart vermeldt maximaal 1M context en 64K tekstuitvoer; de exacte API-pagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, records, geschiedenis en media dragen allemaal bij aan de invoervoorbereiding. Caching-, batch-, Flex- en Priority-opties zijn voor het producentprofiel vermeld. Gebruik voor herhaalde aanvragen stabiele identificaties en een compact, consistent antwoordformaat zodat elke extractie met de bron kan worden vergeleken. Audio-, beeld- of video-invoer produceert in dit profiel een tekstinterpretatie of transcript in plaats van gegenereerde spraak of beelden.
Mogelijke beperkingen omvatten hallucinaties en incidentele vertragingen of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Bronafhankelijke extractie moet teruggeven wat het aangeleverde materiaal ondersteunt; vragen over actuele feiten vereisen actueel bewijs. Vergeleken met 3.1 Flash-Lite voegt dit profiel de gedocumenteerde uitvoerings- en computergebruiksmogelijkheden toe, terwijl 3.6 Flash de nadruk legt op complexer programmeren en ruimtelijk werk. Controleer geëxtraheerde velden, hulpmiddelresultaten en behouden instructies voordat u het antwoord in een grotere werkstroom opneemt.
POST /v1/messagestext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-3.5-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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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-3.5-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-3.5-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-3.5-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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-3.5-flash-liteGemini 3.5 Flash-Lite is Googles multimodale model voor gerichte subagenttaken, documentanalyse en herhaalde gegevensextractie. De standaard redeneerinspanning minimal past bij afgebakende records; medium of high is gedocumenteerd voor hulpmiddelwerk in meerdere stappen. Het geeft tekst of gestructureerde resultaten terug uit tekst, beelden, audio, video en PDF.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.5 Flash-Lite is Googles uitvoeringsgerichte multimodale tekstprofiel voor herhaald gegevenswerk en gerichte subagenttaken. Het bouwt voort op Gemini 3.1 Flash-Lite en verbetert documentbegrip, betrouwbaarheid van hulpmiddelen en het volgen van instructies over meerdere beurten. Het accepteert tekst, beelden, audio, video en PDF en geeft tekst terug. Een bruikbaar resultaat is één geëxtraheerd record, een classificatie, een korte vertaling of een afgebakende analyse met hulpmiddelen binnen een grotere taak.
Definieer voor documentanalyse de belangrijke velden en het bewijs dat elk veld moet behouden. Geef de relevante pagina’s en specificeer hoe ontbrekende of dubbelzinnige informatie moet worden weergegeven. Extraheer voor supportberichtverwerking een productcode, het genoemde probleem en de ondersteunende zin uit een supportbericht en behoud de berichtidentificatie in het antwoord. Een document met meerdere kandidaten voor een veld mag die niet stilzwijgend tot één gegiste waarde reduceren. Gestructureerde JSON kan het resultaat bruikbaar maken voor latere verwerking wanneer het schema op de werkelijke taak aansluit.
De gedocumenteerde denkniveaus zijn minimal, low, medium en high, met minimal als standaard. De maker raadt het aan voor extractie, routering en classificatie in grote volumes, terwijl medium of high geschikt is voor autonoom subagentwerk met hulpmiddelaanroepen, code-uitvoering of meerdere redeneerstappen. De handleiding raadt specifiek aan de inspanning voor die langere taken te verhogen om voortijdig beëindigen van hulpmiddelgebruik te voorkomen. Extractie van één veld en een documentvergelijking met uitzonderingen profiteren daarom van verschillende inspanningskeuzes. minimal is een ondersteunde instelling van deze editie, geen algemene instelling om op elk Flash-model over te nemen.
Een gerichte subagentbriefing moet één taak, het bronmateriaal, de toegestane hulpmiddelen en de vereiste eindvorm bevatten. Ze kan bijvoorbeeld een tabel op een aangegeven regel onderzoeken en de betrokken rijen met de relevante waarden teruggeven. De maker benadrukt ook verwerking van tabelgegevens en frontend-JavaScriptwerk met lichte code-uitvoering. De omringende toepassing blijft verantwoordelijk voor het uitvoeren van een gevraagde functie en het teruggeven van het werkelijke resultaat. Houd een voltooid resultaat onderscheiden van een niet-uitgevoerd voorstel of een onopgeloste vraag over de invoer.
De exacte pagina van 3.5 Flash-Lite vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context, met Computer Use als preview gemarkeerd. Gestructureerde uitvoer en denken worden ondersteund. Behoud voor een persona of taak met meerdere beurten de werkelijke instructies en waarnemingen met hulpmiddelen zodat latere antwoorden dezelfde opdracht volgen. De ontwikkelaarshandleiding benadrukt sterkere personabestendigheid dan bij 3.1 Flash-Lite. Gebruik een beknopte rol en uitvoervereisten in plaats van het doel bij elke vervolgvraag opnieuw te definiëren.
De handleiding verklaart ook oudere samplinginstellingen en vooraf ingevulde laatste modelbeurten voor deze editie verouderd. Stuur een afgebakend antwoord met expliciete instructies of een schema in plaats van het antwoord binnen een synthetische beurt met model-rol te proberen te beginnen. Behoud de gedachtehandtekeningcontext van Gemini 3 waar de interface dat vereist en koppel functieresultaten aan hun aanroepen. Deze voorbereidingsregels ondersteunen een voortzetting die het bewijs behoudt dat nodig is om dezelfde taak te voltooien.
De native kaart vermeldt maximaal 1M context en 64K tekstuitvoer; de exacte API-pagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, records, geschiedenis en media dragen allemaal bij aan de invoervoorbereiding. Caching-, batch-, Flex- en Priority-opties zijn voor het producentprofiel vermeld. Gebruik voor herhaalde aanvragen stabiele identificaties en een compact, consistent antwoordformaat zodat elke extractie met de bron kan worden vergeleken. Audio-, beeld- of video-invoer produceert in dit profiel een tekstinterpretatie of transcript in plaats van gegenereerde spraak of beelden.
Mogelijke beperkingen omvatten hallucinaties en incidentele vertragingen of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Bronafhankelijke extractie moet teruggeven wat het aangeleverde materiaal ondersteunt; vragen over actuele feiten vereisen actueel bewijs. Vergeleken met 3.1 Flash-Lite voegt dit profiel de gedocumenteerde uitvoerings- en computergebruiksmogelijkheden toe, terwijl 3.6 Flash de nadruk legt op complexer programmeren en ruimtelijk werk. Controleer geëxtraheerde velden, hulpmiddelresultaten en behouden instructies voordat u het antwoord in een grotere werkstroom opneemt.
POST /v1beta/models/{model}:generateContenttext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldpath.model | Typestring | VereisteVereist | Waarden en limieten gemini-3.5-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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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-3.5-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-3.5-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-3.5-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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-3.5-flash-liteGemini 3.5 Flash-Lite is Googles multimodale model voor gerichte subagenttaken, documentanalyse en herhaalde gegevensextractie. De standaard redeneerinspanning minimal past bij afgebakende records; medium of high is gedocumenteerd voor hulpmiddelwerk in meerdere stappen. Het geeft tekst of gestructureerde resultaten terug uit tekst, beelden, audio, video en PDF.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.5 Flash-Lite is Googles uitvoeringsgerichte multimodale tekstprofiel voor herhaald gegevenswerk en gerichte subagenttaken. Het bouwt voort op Gemini 3.1 Flash-Lite en verbetert documentbegrip, betrouwbaarheid van hulpmiddelen en het volgen van instructies over meerdere beurten. Het accepteert tekst, beelden, audio, video en PDF en geeft tekst terug. Een bruikbaar resultaat is één geëxtraheerd record, een classificatie, een korte vertaling of een afgebakende analyse met hulpmiddelen binnen een grotere taak.
Definieer voor documentanalyse de belangrijke velden en het bewijs dat elk veld moet behouden. Geef de relevante pagina’s en specificeer hoe ontbrekende of dubbelzinnige informatie moet worden weergegeven. Extraheer voor supportberichtverwerking een productcode, het genoemde probleem en de ondersteunende zin uit een supportbericht en behoud de berichtidentificatie in het antwoord. Een document met meerdere kandidaten voor een veld mag die niet stilzwijgend tot één gegiste waarde reduceren. Gestructureerde JSON kan het resultaat bruikbaar maken voor latere verwerking wanneer het schema op de werkelijke taak aansluit.
De gedocumenteerde denkniveaus zijn minimal, low, medium en high, met minimal als standaard. De maker raadt het aan voor extractie, routering en classificatie in grote volumes, terwijl medium of high geschikt is voor autonoom subagentwerk met hulpmiddelaanroepen, code-uitvoering of meerdere redeneerstappen. De handleiding raadt specifiek aan de inspanning voor die langere taken te verhogen om voortijdig beëindigen van hulpmiddelgebruik te voorkomen. Extractie van één veld en een documentvergelijking met uitzonderingen profiteren daarom van verschillende inspanningskeuzes. minimal is een ondersteunde instelling van deze editie, geen algemene instelling om op elk Flash-model over te nemen.
Een gerichte subagentbriefing moet één taak, het bronmateriaal, de toegestane hulpmiddelen en de vereiste eindvorm bevatten. Ze kan bijvoorbeeld een tabel op een aangegeven regel onderzoeken en de betrokken rijen met de relevante waarden teruggeven. De maker benadrukt ook verwerking van tabelgegevens en frontend-JavaScriptwerk met lichte code-uitvoering. De omringende toepassing blijft verantwoordelijk voor het uitvoeren van een gevraagde functie en het teruggeven van het werkelijke resultaat. Houd een voltooid resultaat onderscheiden van een niet-uitgevoerd voorstel of een onopgeloste vraag over de invoer.
De exacte pagina van 3.5 Flash-Lite vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context, met Computer Use als preview gemarkeerd. Gestructureerde uitvoer en denken worden ondersteund. Behoud voor een persona of taak met meerdere beurten de werkelijke instructies en waarnemingen met hulpmiddelen zodat latere antwoorden dezelfde opdracht volgen. De ontwikkelaarshandleiding benadrukt sterkere personabestendigheid dan bij 3.1 Flash-Lite. Gebruik een beknopte rol en uitvoervereisten in plaats van het doel bij elke vervolgvraag opnieuw te definiëren.
De handleiding verklaart ook oudere samplinginstellingen en vooraf ingevulde laatste modelbeurten voor deze editie verouderd. Stuur een afgebakend antwoord met expliciete instructies of een schema in plaats van het antwoord binnen een synthetische beurt met model-rol te proberen te beginnen. Behoud de gedachtehandtekeningcontext van Gemini 3 waar de interface dat vereist en koppel functieresultaten aan hun aanroepen. Deze voorbereidingsregels ondersteunen een voortzetting die het bewijs behoudt dat nodig is om dezelfde taak te voltooien.
De native kaart vermeldt maximaal 1M context en 64K tekstuitvoer; de exacte API-pagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, records, geschiedenis en media dragen allemaal bij aan de invoervoorbereiding. Caching-, batch-, Flex- en Priority-opties zijn voor het producentprofiel vermeld. Gebruik voor herhaalde aanvragen stabiele identificaties en een compact, consistent antwoordformaat zodat elke extractie met de bron kan worden vergeleken. Audio-, beeld- of video-invoer produceert in dit profiel een tekstinterpretatie of transcript in plaats van gegenereerde spraak of beelden.
Mogelijke beperkingen omvatten hallucinaties en incidentele vertragingen of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Bronafhankelijke extractie moet teruggeven wat het aangeleverde materiaal ondersteunt; vragen over actuele feiten vereisen actueel bewijs. Vergeleken met 3.1 Flash-Lite voegt dit profiel de gedocumenteerde uitvoerings- en computergebruiksmogelijkheden toe, terwijl 3.6 Flash de nadruk legt op complexer programmeren en ruimtelijk werk. Controleer geëxtraheerde velden, hulpmiddelresultaten en behouden instructies voordat u het antwoord in een grotere werkstroom opneemt.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-3.5-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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-3.5-flash-liteGemini 3.5 Flash-Lite is Googles multimodale model voor gerichte subagenttaken, documentanalyse en herhaalde gegevensextractie. De standaard redeneerinspanning minimal past bij afgebakende records; medium of high is gedocumenteerd voor hulpmiddelwerk in meerdere stappen. Het geeft tekst of gestructureerde resultaten terug uit tekst, beelden, audio, video en PDF.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.5 Flash-Lite is Googles uitvoeringsgerichte multimodale tekstprofiel voor herhaald gegevenswerk en gerichte subagenttaken. Het bouwt voort op Gemini 3.1 Flash-Lite en verbetert documentbegrip, betrouwbaarheid van hulpmiddelen en het volgen van instructies over meerdere beurten. Het accepteert tekst, beelden, audio, video en PDF en geeft tekst terug. Een bruikbaar resultaat is één geëxtraheerd record, een classificatie, een korte vertaling of een afgebakende analyse met hulpmiddelen binnen een grotere taak.
Definieer voor documentanalyse de belangrijke velden en het bewijs dat elk veld moet behouden. Geef de relevante pagina’s en specificeer hoe ontbrekende of dubbelzinnige informatie moet worden weergegeven. Extraheer voor supportberichtverwerking een productcode, het genoemde probleem en de ondersteunende zin uit een supportbericht en behoud de berichtidentificatie in het antwoord. Een document met meerdere kandidaten voor een veld mag die niet stilzwijgend tot één gegiste waarde reduceren. Gestructureerde JSON kan het resultaat bruikbaar maken voor latere verwerking wanneer het schema op de werkelijke taak aansluit.
De gedocumenteerde denkniveaus zijn minimal, low, medium en high, met minimal als standaard. De maker raadt het aan voor extractie, routering en classificatie in grote volumes, terwijl medium of high geschikt is voor autonoom subagentwerk met hulpmiddelaanroepen, code-uitvoering of meerdere redeneerstappen. De handleiding raadt specifiek aan de inspanning voor die langere taken te verhogen om voortijdig beëindigen van hulpmiddelgebruik te voorkomen. Extractie van één veld en een documentvergelijking met uitzonderingen profiteren daarom van verschillende inspanningskeuzes. minimal is een ondersteunde instelling van deze editie, geen algemene instelling om op elk Flash-model over te nemen.
Een gerichte subagentbriefing moet één taak, het bronmateriaal, de toegestane hulpmiddelen en de vereiste eindvorm bevatten. Ze kan bijvoorbeeld een tabel op een aangegeven regel onderzoeken en de betrokken rijen met de relevante waarden teruggeven. De maker benadrukt ook verwerking van tabelgegevens en frontend-JavaScriptwerk met lichte code-uitvoering. De omringende toepassing blijft verantwoordelijk voor het uitvoeren van een gevraagde functie en het teruggeven van het werkelijke resultaat. Houd een voltooid resultaat onderscheiden van een niet-uitgevoerd voorstel of een onopgeloste vraag over de invoer.
De exacte pagina van 3.5 Flash-Lite vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context, met Computer Use als preview gemarkeerd. Gestructureerde uitvoer en denken worden ondersteund. Behoud voor een persona of taak met meerdere beurten de werkelijke instructies en waarnemingen met hulpmiddelen zodat latere antwoorden dezelfde opdracht volgen. De ontwikkelaarshandleiding benadrukt sterkere personabestendigheid dan bij 3.1 Flash-Lite. Gebruik een beknopte rol en uitvoervereisten in plaats van het doel bij elke vervolgvraag opnieuw te definiëren.
De handleiding verklaart ook oudere samplinginstellingen en vooraf ingevulde laatste modelbeurten voor deze editie verouderd. Stuur een afgebakend antwoord met expliciete instructies of een schema in plaats van het antwoord binnen een synthetische beurt met model-rol te proberen te beginnen. Behoud de gedachtehandtekeningcontext van Gemini 3 waar de interface dat vereist en koppel functieresultaten aan hun aanroepen. Deze voorbereidingsregels ondersteunen een voortzetting die het bewijs behoudt dat nodig is om dezelfde taak te voltooien.
De native kaart vermeldt maximaal 1M context en 64K tekstuitvoer; de exacte API-pagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, records, geschiedenis en media dragen allemaal bij aan de invoervoorbereiding. Caching-, batch-, Flex- en Priority-opties zijn voor het producentprofiel vermeld. Gebruik voor herhaalde aanvragen stabiele identificaties en een compact, consistent antwoordformaat zodat elke extractie met de bron kan worden vergeleken. Audio-, beeld- of video-invoer produceert in dit profiel een tekstinterpretatie of transcript in plaats van gegenereerde spraak of beelden.
Mogelijke beperkingen omvatten hallucinaties en incidentele vertragingen of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Bronafhankelijke extractie moet teruggeven wat het aangeleverde materiaal ondersteunt; vragen over actuele feiten vereisen actueel bewijs. Vergeleken met 3.1 Flash-Lite voegt dit profiel de gedocumenteerde uitvoerings- en computergebruiksmogelijkheden toe, terwijl 3.6 Flash de nadruk legt op complexer programmeren en ruimtelijk werk. Controleer geëxtraheerde velden, hulpmiddelresultaten en behouden instructies voordat u het antwoord in een grotere werkstroom opneemt.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-3.5-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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gemini-3.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-liteGemini 3.5 Flash-Lite is Googles multimodale model voor gerichte subagenttaken, documentanalyse en herhaalde gegevensextractie. De standaard redeneerinspanning minimal past bij afgebakende records; medium of high is gedocumenteerd voor hulpmiddelwerk in meerdere stappen. Het geeft tekst of gestructureerde resultaten terug uit tekst, beelden, audio, video en PDF.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.5 Flash-Lite is Googles uitvoeringsgerichte multimodale tekstprofiel voor herhaald gegevenswerk en gerichte subagenttaken. Het bouwt voort op Gemini 3.1 Flash-Lite en verbetert documentbegrip, betrouwbaarheid van hulpmiddelen en het volgen van instructies over meerdere beurten. Het accepteert tekst, beelden, audio, video en PDF en geeft tekst terug. Een bruikbaar resultaat is één geëxtraheerd record, een classificatie, een korte vertaling of een afgebakende analyse met hulpmiddelen binnen een grotere taak.
Definieer voor documentanalyse de belangrijke velden en het bewijs dat elk veld moet behouden. Geef de relevante pagina’s en specificeer hoe ontbrekende of dubbelzinnige informatie moet worden weergegeven. Extraheer voor supportberichtverwerking een productcode, het genoemde probleem en de ondersteunende zin uit een supportbericht en behoud de berichtidentificatie in het antwoord. Een document met meerdere kandidaten voor een veld mag die niet stilzwijgend tot één gegiste waarde reduceren. Gestructureerde JSON kan het resultaat bruikbaar maken voor latere verwerking wanneer het schema op de werkelijke taak aansluit.
De gedocumenteerde denkniveaus zijn minimal, low, medium en high, met minimal als standaard. De maker raadt het aan voor extractie, routering en classificatie in grote volumes, terwijl medium of high geschikt is voor autonoom subagentwerk met hulpmiddelaanroepen, code-uitvoering of meerdere redeneerstappen. De handleiding raadt specifiek aan de inspanning voor die langere taken te verhogen om voortijdig beëindigen van hulpmiddelgebruik te voorkomen. Extractie van één veld en een documentvergelijking met uitzonderingen profiteren daarom van verschillende inspanningskeuzes. minimal is een ondersteunde instelling van deze editie, geen algemene instelling om op elk Flash-model over te nemen.
Een gerichte subagentbriefing moet één taak, het bronmateriaal, de toegestane hulpmiddelen en de vereiste eindvorm bevatten. Ze kan bijvoorbeeld een tabel op een aangegeven regel onderzoeken en de betrokken rijen met de relevante waarden teruggeven. De maker benadrukt ook verwerking van tabelgegevens en frontend-JavaScriptwerk met lichte code-uitvoering. De omringende toepassing blijft verantwoordelijk voor het uitvoeren van een gevraagde functie en het teruggeven van het werkelijke resultaat. Houd een voltooid resultaat onderscheiden van een niet-uitgevoerd voorstel of een onopgeloste vraag over de invoer.
De exacte pagina van 3.5 Flash-Lite vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context, met Computer Use als preview gemarkeerd. Gestructureerde uitvoer en denken worden ondersteund. Behoud voor een persona of taak met meerdere beurten de werkelijke instructies en waarnemingen met hulpmiddelen zodat latere antwoorden dezelfde opdracht volgen. De ontwikkelaarshandleiding benadrukt sterkere personabestendigheid dan bij 3.1 Flash-Lite. Gebruik een beknopte rol en uitvoervereisten in plaats van het doel bij elke vervolgvraag opnieuw te definiëren.
De handleiding verklaart ook oudere samplinginstellingen en vooraf ingevulde laatste modelbeurten voor deze editie verouderd. Stuur een afgebakend antwoord met expliciete instructies of een schema in plaats van het antwoord binnen een synthetische beurt met model-rol te proberen te beginnen. Behoud de gedachtehandtekeningcontext van Gemini 3 waar de interface dat vereist en koppel functieresultaten aan hun aanroepen. Deze voorbereidingsregels ondersteunen een voortzetting die het bewijs behoudt dat nodig is om dezelfde taak te voltooien.
De native kaart vermeldt maximaal 1M context en 64K tekstuitvoer; de exacte API-pagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, records, geschiedenis en media dragen allemaal bij aan de invoervoorbereiding. Caching-, batch-, Flex- en Priority-opties zijn voor het producentprofiel vermeld. Gebruik voor herhaalde aanvragen stabiele identificaties en een compact, consistent antwoordformaat zodat elke extractie met de bron kan worden vergeleken. Audio-, beeld- of video-invoer produceert in dit profiel een tekstinterpretatie of transcript in plaats van gegenereerde spraak of beelden.
Mogelijke beperkingen omvatten hallucinaties en incidentele vertragingen of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Bronafhankelijke extractie moet teruggeven wat het aangeleverde materiaal ondersteunt; vragen over actuele feiten vereisen actueel bewijs. Vergeleken met 3.1 Flash-Lite voegt dit profiel de gedocumenteerde uitvoerings- en computergebruiksmogelijkheden toe, terwijl 3.6 Flash de nadruk legt op complexer programmeren en ruimtelijk werk. Controleer geëxtraheerde velden, hulpmiddelresultaten en behouden instructies voordat u het antwoord in een grotere werkstroom opneemt.
POST /v1/messagestext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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-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-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-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-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-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-liteGemini 3.5 Flash-Lite is Googles multimodale model voor gerichte subagenttaken, documentanalyse en herhaalde gegevensextractie. De standaard redeneerinspanning minimal past bij afgebakende records; medium of high is gedocumenteerd voor hulpmiddelwerk in meerdere stappen. Het geeft tekst of gestructureerde resultaten terug uit tekst, beelden, audio, video en PDF.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.5 Flash-Lite is Googles uitvoeringsgerichte multimodale tekstprofiel voor herhaald gegevenswerk en gerichte subagenttaken. Het bouwt voort op Gemini 3.1 Flash-Lite en verbetert documentbegrip, betrouwbaarheid van hulpmiddelen en het volgen van instructies over meerdere beurten. Het accepteert tekst, beelden, audio, video en PDF en geeft tekst terug. Een bruikbaar resultaat is één geëxtraheerd record, een classificatie, een korte vertaling of een afgebakende analyse met hulpmiddelen binnen een grotere taak.
Definieer voor documentanalyse de belangrijke velden en het bewijs dat elk veld moet behouden. Geef de relevante pagina’s en specificeer hoe ontbrekende of dubbelzinnige informatie moet worden weergegeven. Extraheer voor supportberichtverwerking een productcode, het genoemde probleem en de ondersteunende zin uit een supportbericht en behoud de berichtidentificatie in het antwoord. Een document met meerdere kandidaten voor een veld mag die niet stilzwijgend tot één gegiste waarde reduceren. Gestructureerde JSON kan het resultaat bruikbaar maken voor latere verwerking wanneer het schema op de werkelijke taak aansluit.
De gedocumenteerde denkniveaus zijn minimal, low, medium en high, met minimal als standaard. De maker raadt het aan voor extractie, routering en classificatie in grote volumes, terwijl medium of high geschikt is voor autonoom subagentwerk met hulpmiddelaanroepen, code-uitvoering of meerdere redeneerstappen. De handleiding raadt specifiek aan de inspanning voor die langere taken te verhogen om voortijdig beëindigen van hulpmiddelgebruik te voorkomen. Extractie van één veld en een documentvergelijking met uitzonderingen profiteren daarom van verschillende inspanningskeuzes. minimal is een ondersteunde instelling van deze editie, geen algemene instelling om op elk Flash-model over te nemen.
Een gerichte subagentbriefing moet één taak, het bronmateriaal, de toegestane hulpmiddelen en de vereiste eindvorm bevatten. Ze kan bijvoorbeeld een tabel op een aangegeven regel onderzoeken en de betrokken rijen met de relevante waarden teruggeven. De maker benadrukt ook verwerking van tabelgegevens en frontend-JavaScriptwerk met lichte code-uitvoering. De omringende toepassing blijft verantwoordelijk voor het uitvoeren van een gevraagde functie en het teruggeven van het werkelijke resultaat. Houd een voltooid resultaat onderscheiden van een niet-uitgevoerd voorstel of een onopgeloste vraag over de invoer.
De exacte pagina van 3.5 Flash-Lite vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context, met Computer Use als preview gemarkeerd. Gestructureerde uitvoer en denken worden ondersteund. Behoud voor een persona of taak met meerdere beurten de werkelijke instructies en waarnemingen met hulpmiddelen zodat latere antwoorden dezelfde opdracht volgen. De ontwikkelaarshandleiding benadrukt sterkere personabestendigheid dan bij 3.1 Flash-Lite. Gebruik een beknopte rol en uitvoervereisten in plaats van het doel bij elke vervolgvraag opnieuw te definiëren.
De handleiding verklaart ook oudere samplinginstellingen en vooraf ingevulde laatste modelbeurten voor deze editie verouderd. Stuur een afgebakend antwoord met expliciete instructies of een schema in plaats van het antwoord binnen een synthetische beurt met model-rol te proberen te beginnen. Behoud de gedachtehandtekeningcontext van Gemini 3 waar de interface dat vereist en koppel functieresultaten aan hun aanroepen. Deze voorbereidingsregels ondersteunen een voortzetting die het bewijs behoudt dat nodig is om dezelfde taak te voltooien.
De native kaart vermeldt maximaal 1M context en 64K tekstuitvoer; de exacte API-pagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, records, geschiedenis en media dragen allemaal bij aan de invoervoorbereiding. Caching-, batch-, Flex- en Priority-opties zijn voor het producentprofiel vermeld. Gebruik voor herhaalde aanvragen stabiele identificaties en een compact, consistent antwoordformaat zodat elke extractie met de bron kan worden vergeleken. Audio-, beeld- of video-invoer produceert in dit profiel een tekstinterpretatie of transcript in plaats van gegenereerde spraak of beelden.
Mogelijke beperkingen omvatten hallucinaties en incidentele vertragingen of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Bronafhankelijke extractie moet teruggeven wat het aangeleverde materiaal ondersteunt; vragen over actuele feiten vereisen actueel bewijs. Vergeleken met 3.1 Flash-Lite voegt dit profiel de gedocumenteerde uitvoerings- en computergebruiksmogelijkheden toe, terwijl 3.6 Flash de nadruk legt op complexer programmeren en ruimtelijk werk. Controleer geëxtraheerde velden, hulpmiddelresultaten en behouden instructies voordat u het antwoord in een grotere werkstroom opneemt.
POST /v1beta/models/{model}:generateContenttext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldpath.model | Typestring | VereisteVereist | Waarden en limieten gemini-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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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-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-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-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-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-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-lite-latestGemini 3.5 Flash-Lite is Googles multimodale model voor gerichte subagenttaken, documentanalyse en herhaalde gegevensextractie. De standaard redeneerinspanning minimal past bij afgebakende records; medium of high is gedocumenteerd voor hulpmiddelwerk in meerdere stappen. Het geeft tekst of gestructureerde resultaten terug uit tekst, beelden, audio, video en PDF.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.5 Flash-Lite is Googles uitvoeringsgerichte multimodale tekstprofiel voor herhaald gegevenswerk en gerichte subagenttaken. Het bouwt voort op Gemini 3.1 Flash-Lite en verbetert documentbegrip, betrouwbaarheid van hulpmiddelen en het volgen van instructies over meerdere beurten. Het accepteert tekst, beelden, audio, video en PDF en geeft tekst terug. Een bruikbaar resultaat is één geëxtraheerd record, een classificatie, een korte vertaling of een afgebakende analyse met hulpmiddelen binnen een grotere taak.
Definieer voor documentanalyse de belangrijke velden en het bewijs dat elk veld moet behouden. Geef de relevante pagina’s en specificeer hoe ontbrekende of dubbelzinnige informatie moet worden weergegeven. Extraheer voor supportberichtverwerking een productcode, het genoemde probleem en de ondersteunende zin uit een supportbericht en behoud de berichtidentificatie in het antwoord. Een document met meerdere kandidaten voor een veld mag die niet stilzwijgend tot één gegiste waarde reduceren. Gestructureerde JSON kan het resultaat bruikbaar maken voor latere verwerking wanneer het schema op de werkelijke taak aansluit.
De gedocumenteerde denkniveaus zijn minimal, low, medium en high, met minimal als standaard. De maker raadt het aan voor extractie, routering en classificatie in grote volumes, terwijl medium of high geschikt is voor autonoom subagentwerk met hulpmiddelaanroepen, code-uitvoering of meerdere redeneerstappen. De handleiding raadt specifiek aan de inspanning voor die langere taken te verhogen om voortijdig beëindigen van hulpmiddelgebruik te voorkomen. Extractie van één veld en een documentvergelijking met uitzonderingen profiteren daarom van verschillende inspanningskeuzes. minimal is een ondersteunde instelling van deze editie, geen algemene instelling om op elk Flash-model over te nemen.
Een gerichte subagentbriefing moet één taak, het bronmateriaal, de toegestane hulpmiddelen en de vereiste eindvorm bevatten. Ze kan bijvoorbeeld een tabel op een aangegeven regel onderzoeken en de betrokken rijen met de relevante waarden teruggeven. De maker benadrukt ook verwerking van tabelgegevens en frontend-JavaScriptwerk met lichte code-uitvoering. De omringende toepassing blijft verantwoordelijk voor het uitvoeren van een gevraagde functie en het teruggeven van het werkelijke resultaat. Houd een voltooid resultaat onderscheiden van een niet-uitgevoerd voorstel of een onopgeloste vraag over de invoer.
De exacte pagina van 3.5 Flash-Lite vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context, met Computer Use als preview gemarkeerd. Gestructureerde uitvoer en denken worden ondersteund. Behoud voor een persona of taak met meerdere beurten de werkelijke instructies en waarnemingen met hulpmiddelen zodat latere antwoorden dezelfde opdracht volgen. De ontwikkelaarshandleiding benadrukt sterkere personabestendigheid dan bij 3.1 Flash-Lite. Gebruik een beknopte rol en uitvoervereisten in plaats van het doel bij elke vervolgvraag opnieuw te definiëren.
De handleiding verklaart ook oudere samplinginstellingen en vooraf ingevulde laatste modelbeurten voor deze editie verouderd. Stuur een afgebakend antwoord met expliciete instructies of een schema in plaats van het antwoord binnen een synthetische beurt met model-rol te proberen te beginnen. Behoud de gedachtehandtekeningcontext van Gemini 3 waar de interface dat vereist en koppel functieresultaten aan hun aanroepen. Deze voorbereidingsregels ondersteunen een voortzetting die het bewijs behoudt dat nodig is om dezelfde taak te voltooien.
De native kaart vermeldt maximaal 1M context en 64K tekstuitvoer; de exacte API-pagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, records, geschiedenis en media dragen allemaal bij aan de invoervoorbereiding. Caching-, batch-, Flex- en Priority-opties zijn voor het producentprofiel vermeld. Gebruik voor herhaalde aanvragen stabiele identificaties en een compact, consistent antwoordformaat zodat elke extractie met de bron kan worden vergeleken. Audio-, beeld- of video-invoer produceert in dit profiel een tekstinterpretatie of transcript in plaats van gegenereerde spraak of beelden.
Mogelijke beperkingen omvatten hallucinaties en incidentele vertragingen of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Bronafhankelijke extractie moet teruggeven wat het aangeleverde materiaal ondersteunt; vragen over actuele feiten vereisen actueel bewijs. Vergeleken met 3.1 Flash-Lite voegt dit profiel de gedocumenteerde uitvoerings- en computergebruiksmogelijkheden toe, terwijl 3.6 Flash de nadruk legt op complexer programmeren en ruimtelijk werk. Controleer geëxtraheerde velden, hulpmiddelresultaten en behouden instructies voordat u het antwoord in een grotere werkstroom opneemt.
POST /v1/messagestext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-flash-lite-latest | 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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-flash-lite-latest", "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-flash-lite-latest", "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-flash-lite-latest",\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-flash-lite-latest",\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-flash-lite-latest',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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-lite-latestGemini 3.5 Flash-Lite is Googles multimodale model voor gerichte subagenttaken, documentanalyse en herhaalde gegevensextractie. De standaard redeneerinspanning minimal past bij afgebakende records; medium of high is gedocumenteerd voor hulpmiddelwerk in meerdere stappen. Het geeft tekst of gestructureerde resultaten terug uit tekst, beelden, audio, video en PDF.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.5 Flash-Lite is Googles uitvoeringsgerichte multimodale tekstprofiel voor herhaald gegevenswerk en gerichte subagenttaken. Het bouwt voort op Gemini 3.1 Flash-Lite en verbetert documentbegrip, betrouwbaarheid van hulpmiddelen en het volgen van instructies over meerdere beurten. Het accepteert tekst, beelden, audio, video en PDF en geeft tekst terug. Een bruikbaar resultaat is één geëxtraheerd record, een classificatie, een korte vertaling of een afgebakende analyse met hulpmiddelen binnen een grotere taak.
Definieer voor documentanalyse de belangrijke velden en het bewijs dat elk veld moet behouden. Geef de relevante pagina’s en specificeer hoe ontbrekende of dubbelzinnige informatie moet worden weergegeven. Extraheer voor supportberichtverwerking een productcode, het genoemde probleem en de ondersteunende zin uit een supportbericht en behoud de berichtidentificatie in het antwoord. Een document met meerdere kandidaten voor een veld mag die niet stilzwijgend tot één gegiste waarde reduceren. Gestructureerde JSON kan het resultaat bruikbaar maken voor latere verwerking wanneer het schema op de werkelijke taak aansluit.
De gedocumenteerde denkniveaus zijn minimal, low, medium en high, met minimal als standaard. De maker raadt het aan voor extractie, routering en classificatie in grote volumes, terwijl medium of high geschikt is voor autonoom subagentwerk met hulpmiddelaanroepen, code-uitvoering of meerdere redeneerstappen. De handleiding raadt specifiek aan de inspanning voor die langere taken te verhogen om voortijdig beëindigen van hulpmiddelgebruik te voorkomen. Extractie van één veld en een documentvergelijking met uitzonderingen profiteren daarom van verschillende inspanningskeuzes. minimal is een ondersteunde instelling van deze editie, geen algemene instelling om op elk Flash-model over te nemen.
Een gerichte subagentbriefing moet één taak, het bronmateriaal, de toegestane hulpmiddelen en de vereiste eindvorm bevatten. Ze kan bijvoorbeeld een tabel op een aangegeven regel onderzoeken en de betrokken rijen met de relevante waarden teruggeven. De maker benadrukt ook verwerking van tabelgegevens en frontend-JavaScriptwerk met lichte code-uitvoering. De omringende toepassing blijft verantwoordelijk voor het uitvoeren van een gevraagde functie en het teruggeven van het werkelijke resultaat. Houd een voltooid resultaat onderscheiden van een niet-uitgevoerd voorstel of een onopgeloste vraag over de invoer.
De exacte pagina van 3.5 Flash-Lite vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context, met Computer Use als preview gemarkeerd. Gestructureerde uitvoer en denken worden ondersteund. Behoud voor een persona of taak met meerdere beurten de werkelijke instructies en waarnemingen met hulpmiddelen zodat latere antwoorden dezelfde opdracht volgen. De ontwikkelaarshandleiding benadrukt sterkere personabestendigheid dan bij 3.1 Flash-Lite. Gebruik een beknopte rol en uitvoervereisten in plaats van het doel bij elke vervolgvraag opnieuw te definiëren.
De handleiding verklaart ook oudere samplinginstellingen en vooraf ingevulde laatste modelbeurten voor deze editie verouderd. Stuur een afgebakend antwoord met expliciete instructies of een schema in plaats van het antwoord binnen een synthetische beurt met model-rol te proberen te beginnen. Behoud de gedachtehandtekeningcontext van Gemini 3 waar de interface dat vereist en koppel functieresultaten aan hun aanroepen. Deze voorbereidingsregels ondersteunen een voortzetting die het bewijs behoudt dat nodig is om dezelfde taak te voltooien.
De native kaart vermeldt maximaal 1M context en 64K tekstuitvoer; de exacte API-pagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, records, geschiedenis en media dragen allemaal bij aan de invoervoorbereiding. Caching-, batch-, Flex- en Priority-opties zijn voor het producentprofiel vermeld. Gebruik voor herhaalde aanvragen stabiele identificaties en een compact, consistent antwoordformaat zodat elke extractie met de bron kan worden vergeleken. Audio-, beeld- of video-invoer produceert in dit profiel een tekstinterpretatie of transcript in plaats van gegenereerde spraak of beelden.
Mogelijke beperkingen omvatten hallucinaties en incidentele vertragingen of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Bronafhankelijke extractie moet teruggeven wat het aangeleverde materiaal ondersteunt; vragen over actuele feiten vereisen actueel bewijs. Vergeleken met 3.1 Flash-Lite voegt dit profiel de gedocumenteerde uitvoerings- en computergebruiksmogelijkheden toe, terwijl 3.6 Flash de nadruk legt op complexer programmeren en ruimtelijk werk. Controleer geëxtraheerde velden, hulpmiddelresultaten en behouden instructies voordat u het antwoord in een grotere werkstroom opneemt.
POST /v1beta/models/{model}:generateContenttext, imagetext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldpath.model | Typestring | VereisteVereist | Waarden en limieten gemini-flash-lite-latest | 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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-flash-lite-latest: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-flash-lite-latest: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-flash-lite-latest", 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-flash-lite-latest", 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-flash-lite-latest',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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
google/gemini-3.5-flash-liteGemini 3.5 Flash-Lite is Googles multimodale model voor gerichte subagenttaken, documentanalyse en herhaalde gegevensextractie. De standaard redeneerinspanning minimal past bij afgebakende records; medium of high is gedocumenteerd voor hulpmiddelwerk in meerdere stappen. Het geeft tekst of gestructureerde resultaten terug uit tekst, beelden, audio, video en PDF.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.5 Flash-Lite is Googles uitvoeringsgerichte multimodale tekstprofiel voor herhaald gegevenswerk en gerichte subagenttaken. Het bouwt voort op Gemini 3.1 Flash-Lite en verbetert documentbegrip, betrouwbaarheid van hulpmiddelen en het volgen van instructies over meerdere beurten. Het accepteert tekst, beelden, audio, video en PDF en geeft tekst terug. Een bruikbaar resultaat is één geëxtraheerd record, een classificatie, een korte vertaling of een afgebakende analyse met hulpmiddelen binnen een grotere taak.
Definieer voor documentanalyse de belangrijke velden en het bewijs dat elk veld moet behouden. Geef de relevante pagina’s en specificeer hoe ontbrekende of dubbelzinnige informatie moet worden weergegeven. Extraheer voor supportberichtverwerking een productcode, het genoemde probleem en de ondersteunende zin uit een supportbericht en behoud de berichtidentificatie in het antwoord. Een document met meerdere kandidaten voor een veld mag die niet stilzwijgend tot één gegiste waarde reduceren. Gestructureerde JSON kan het resultaat bruikbaar maken voor latere verwerking wanneer het schema op de werkelijke taak aansluit.
De gedocumenteerde denkniveaus zijn minimal, low, medium en high, met minimal als standaard. De maker raadt het aan voor extractie, routering en classificatie in grote volumes, terwijl medium of high geschikt is voor autonoom subagentwerk met hulpmiddelaanroepen, code-uitvoering of meerdere redeneerstappen. De handleiding raadt specifiek aan de inspanning voor die langere taken te verhogen om voortijdig beëindigen van hulpmiddelgebruik te voorkomen. Extractie van één veld en een documentvergelijking met uitzonderingen profiteren daarom van verschillende inspanningskeuzes. minimal is een ondersteunde instelling van deze editie, geen algemene instelling om op elk Flash-model over te nemen.
Een gerichte subagentbriefing moet één taak, het bronmateriaal, de toegestane hulpmiddelen en de vereiste eindvorm bevatten. Ze kan bijvoorbeeld een tabel op een aangegeven regel onderzoeken en de betrokken rijen met de relevante waarden teruggeven. De maker benadrukt ook verwerking van tabelgegevens en frontend-JavaScriptwerk met lichte code-uitvoering. De omringende toepassing blijft verantwoordelijk voor het uitvoeren van een gevraagde functie en het teruggeven van het werkelijke resultaat. Houd een voltooid resultaat onderscheiden van een niet-uitgevoerd voorstel of een onopgeloste vraag over de invoer.
De exacte pagina van 3.5 Flash-Lite vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context, met Computer Use als preview gemarkeerd. Gestructureerde uitvoer en denken worden ondersteund. Behoud voor een persona of taak met meerdere beurten de werkelijke instructies en waarnemingen met hulpmiddelen zodat latere antwoorden dezelfde opdracht volgen. De ontwikkelaarshandleiding benadrukt sterkere personabestendigheid dan bij 3.1 Flash-Lite. Gebruik een beknopte rol en uitvoervereisten in plaats van het doel bij elke vervolgvraag opnieuw te definiëren.
De handleiding verklaart ook oudere samplinginstellingen en vooraf ingevulde laatste modelbeurten voor deze editie verouderd. Stuur een afgebakend antwoord met expliciete instructies of een schema in plaats van het antwoord binnen een synthetische beurt met model-rol te proberen te beginnen. Behoud de gedachtehandtekeningcontext van Gemini 3 waar de interface dat vereist en koppel functieresultaten aan hun aanroepen. Deze voorbereidingsregels ondersteunen een voortzetting die het bewijs behoudt dat nodig is om dezelfde taak te voltooien.
De native kaart vermeldt maximaal 1M context en 64K tekstuitvoer; de exacte API-pagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, records, geschiedenis en media dragen allemaal bij aan de invoervoorbereiding. Caching-, batch-, Flex- en Priority-opties zijn voor het producentprofiel vermeld. Gebruik voor herhaalde aanvragen stabiele identificaties en een compact, consistent antwoordformaat zodat elke extractie met de bron kan worden vergeleken. Audio-, beeld- of video-invoer produceert in dit profiel een tekstinterpretatie of transcript in plaats van gegenereerde spraak of beelden.
Mogelijke beperkingen omvatten hallucinaties en incidentele vertragingen of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Bronafhankelijke extractie moet teruggeven wat het aangeleverde materiaal ondersteunt; vragen over actuele feiten vereisen actueel bewijs. Vergeleken met 3.1 Flash-Lite voegt dit profiel de gedocumenteerde uitvoerings- en computergebruiksmogelijkheden toe, terwijl 3.6 Flash de nadruk legt op complexer programmeren en ruimtelijk werk. Controleer geëxtraheerde velden, hulpmiddelresultaten en behouden instructies voordat u het antwoord in een grotere werkstroom opneemt.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-3.5-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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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-3.5-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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
google/gemini-3.5-flash-liteGemini 3.5 Flash-Lite is Googles multimodale model voor gerichte subagenttaken, documentanalyse en herhaalde gegevensextractie. De standaard redeneerinspanning minimal past bij afgebakende records; medium of high is gedocumenteerd voor hulpmiddelwerk in meerdere stappen. Het geeft tekst of gestructureerde resultaten terug uit tekst, beelden, audio, video en PDF.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 3.5 Flash-Lite is Googles uitvoeringsgerichte multimodale tekstprofiel voor herhaald gegevenswerk en gerichte subagenttaken. Het bouwt voort op Gemini 3.1 Flash-Lite en verbetert documentbegrip, betrouwbaarheid van hulpmiddelen en het volgen van instructies over meerdere beurten. Het accepteert tekst, beelden, audio, video en PDF en geeft tekst terug. Een bruikbaar resultaat is één geëxtraheerd record, een classificatie, een korte vertaling of een afgebakende analyse met hulpmiddelen binnen een grotere taak.
Definieer voor documentanalyse de belangrijke velden en het bewijs dat elk veld moet behouden. Geef de relevante pagina’s en specificeer hoe ontbrekende of dubbelzinnige informatie moet worden weergegeven. Extraheer voor supportberichtverwerking een productcode, het genoemde probleem en de ondersteunende zin uit een supportbericht en behoud de berichtidentificatie in het antwoord. Een document met meerdere kandidaten voor een veld mag die niet stilzwijgend tot één gegiste waarde reduceren. Gestructureerde JSON kan het resultaat bruikbaar maken voor latere verwerking wanneer het schema op de werkelijke taak aansluit.
De gedocumenteerde denkniveaus zijn minimal, low, medium en high, met minimal als standaard. De maker raadt het aan voor extractie, routering en classificatie in grote volumes, terwijl medium of high geschikt is voor autonoom subagentwerk met hulpmiddelaanroepen, code-uitvoering of meerdere redeneerstappen. De handleiding raadt specifiek aan de inspanning voor die langere taken te verhogen om voortijdig beëindigen van hulpmiddelgebruik te voorkomen. Extractie van één veld en een documentvergelijking met uitzonderingen profiteren daarom van verschillende inspanningskeuzes. minimal is een ondersteunde instelling van deze editie, geen algemene instelling om op elk Flash-model over te nemen.
Een gerichte subagentbriefing moet één taak, het bronmateriaal, de toegestane hulpmiddelen en de vereiste eindvorm bevatten. Ze kan bijvoorbeeld een tabel op een aangegeven regel onderzoeken en de betrokken rijen met de relevante waarden teruggeven. De maker benadrukt ook verwerking van tabelgegevens en frontend-JavaScriptwerk met lichte code-uitvoering. De omringende toepassing blijft verantwoordelijk voor het uitvoeren van een gevraagde functie en het teruggeven van het werkelijke resultaat. Houd een voltooid resultaat onderscheiden van een niet-uitgevoerd voorstel of een onopgeloste vraag over de invoer.
De exacte pagina van 3.5 Flash-Lite vermeldt functieaanroepen, code-uitvoering, zoeken in bestanden, zoekgrounding, Maps-grounding en URL-context, met Computer Use als preview gemarkeerd. Gestructureerde uitvoer en denken worden ondersteund. Behoud voor een persona of taak met meerdere beurten de werkelijke instructies en waarnemingen met hulpmiddelen zodat latere antwoorden dezelfde opdracht volgen. De ontwikkelaarshandleiding benadrukt sterkere personabestendigheid dan bij 3.1 Flash-Lite. Gebruik een beknopte rol en uitvoervereisten in plaats van het doel bij elke vervolgvraag opnieuw te definiëren.
De handleiding verklaart ook oudere samplinginstellingen en vooraf ingevulde laatste modelbeurten voor deze editie verouderd. Stuur een afgebakend antwoord met expliciete instructies of een schema in plaats van het antwoord binnen een synthetische beurt met model-rol te proberen te beginnen. Behoud de gedachtehandtekeningcontext van Gemini 3 waar de interface dat vereist en koppel functieresultaten aan hun aanroepen. Deze voorbereidingsregels ondersteunen een voortzetting die het bewijs behoudt dat nodig is om dezelfde taak te voltooien.
De native kaart vermeldt maximaal 1M context en 64K tekstuitvoer; de exacte API-pagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, records, geschiedenis en media dragen allemaal bij aan de invoervoorbereiding. Caching-, batch-, Flex- en Priority-opties zijn voor het producentprofiel vermeld. Gebruik voor herhaalde aanvragen stabiele identificaties en een compact, consistent antwoordformaat zodat elke extractie met de bron kan worden vergeleken. Audio-, beeld- of video-invoer produceert in dit profiel een tekstinterpretatie of transcript in plaats van gegenereerde spraak of beelden.
Mogelijke beperkingen omvatten hallucinaties en incidentele vertragingen of time-outs. De kennisgrens is maart 2026, met sommige domeinen beperkt tot januari 2025. Bronafhankelijke extractie moet teruggeven wat het aangeleverde materiaal ondersteunt; vragen over actuele feiten vereisen actueel bewijs. Vergeleken met 3.1 Flash-Lite voegt dit profiel de gedocumenteerde uitvoerings- en computergebruiksmogelijkheden toe, terwijl 3.6 Flash de nadruk legt op complexer programmeren en ruimtelijk werk. Controleer geëxtraheerde velden, hulpmiddelresultaten en behouden instructies voordat u het antwoord in een grotere werkstroom opneemt.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-3.5-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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 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 $0.0006 / 1K tokens Uitvoer · Uitvoertokens $0.005 / 1K tokens Invoer · Cache lezen $0.00006 / 1K tokens Invoer · Cache schrijven $0.0001666666666666666 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "google/gemini-3.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
Technisch voorbeeld in het Engels
Extract a support message record\n\nExtract fields from message S-91: "The pump P-28 stopped after ten minutes. I bought two, but only one has this issue. Please arrange a replacement." Return message ID, product code, issue, purchased quantity and affected quantity in a small table. Include the exact supporting phrase for each extracted value.A field/value/evidence table retaining S-91 and separating purchased from affected quantity.Check that two purchased pumps do not become two defective pumps.