Gemini 2.5 Flash-Lite is Googles stabiele lichtgewicht profiel voor vertaling, classificatie en eenvoudige gegevensextractie in grote volumes. Het hybride redeneren kan afhankelijk van de taak denken gebruiken of overslaan. Het accepteert tekst, afbeeldingen, audio, video en PDF en produceert tekst. Een bruikbaar resultaat is een categorie, een beknopte vertaling, een uit aangeleverd materiaal geëxtraheerd record of een afgebakende geschreven uitleg.
Definieer voor classificatie de categorieën, beslisregel en antwoordvorm. Behoud de bronidentifier in een resultaat wanneer meerdere onafhankelijke items worden verwerkt. Classificeer bij de indeling van supportberichten een bericht op probleemtype en geef de zin terug die de categorie onderbouwt. Neem een regel op voor ontbrekende of dubbelzinnige onderbouwing, zodat een vloeiend antwoord een verplicht veld niet met een gok vult. De lichtgewicht rol van het model is het nuttigst als de invoer en het vereiste resultaat duidelijk zijn vastgelegd.
Denken staat standaard uit in de gedocumenteerde configuratie van 2.5 Flash-Lite. Googles GenerateContent-denkgids staat een expliciet denkbudget van 512 tot 24.576 tokens toe, nul om denken uit te laten staan en -1 om dynamisch denken aan te vragen. Dit zijn instellingen voor het redeneerbudget, los van de ruimte voor het eindantwoord. Schakel extra redeneren in wanneer voorwaarden bij extractie op elkaar inwerken of een classificatie uitzonderingen kent; een eenvoudige omzetting kan het standaardgedrag zonder denken behouden. De gids merkt op dat het model meer of minder denktokens kan gebruiken dan het gevraagde budget.
Geef voor vertaling de doeltaal, het publiek en de te behouden termen op. Geef aan of het resultaat alleen de vertaling of een gelabeld record moet bevatten. Definieer voor documentextractie de velden en vraag om bronpassages waarmee de uitvoer kan worden gecontroleerd. Onderscheid bij een opname een transcript van een samenvatting en benoem de relevante passage. Afbeeldingen of video kunnen onderbouwing leveren voor een tekstantwoord. Het gewenste resultaat moet duidelijk blijven, ook als de invoer meerdere mediatypen combineert.
De modelspecifieke tabel voor de stabiele versie vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Functies hebben een duidelijk doel en vastgelegde parameters nodig; de aangesloten toepassing voert de bewerking uit en levert het resultaat. Valideer bij schema-gebaseerde extractie de teruggegeven structuur en vergelijk de waarden met het oorspronkelijke materiaal. Een toolbeslissing of correct gevormd record is alleen nuttig in de context van de bron en werkelijk teruggegeven onderbouwing.
De native kaart vermeldt een contextvenster van 1M en 64K tekstuitvoer. De API-modelpagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden gesprek gebruiken het invoerbudget, terwijl redeneren en een antwoordlimiet beïnvloeden of het eindresultaat past. Caching, batch, Flex en Priority-verwerking worden voor dit makerprofiel vermeld. Behoud bij herhaalde taken dezelfde categorie- of velddefinities en neem identifiers mee in het resultaat, zodat een latere beoordeling het oorspronkelijke item kan terugvinden.
Dit stabiele profiel staat los van de Preview-varianten van juni en september die elders in de familie worden beschreven. De gedeelde native kaart schrijft verbeteringen in het September Preview, waaronder het volgen van instructies en beknoptheid, specifiek aan die preview toe; ze mogen niet stilzwijgend naar de stabiele identifier worden overgeheveld. Latere Flash-Lite-generaties gebruiken ook andere denkinstellingen en capaciteitstabellen. Behoud de editie en kies de daarvoor gedocumenteerde instellingen, in plaats van de 2.5-budgetten te vervangen door de syntaxis voor denkniveaus van Gemini 3.
De kaart noemt hallucinaties en beperkingen in causaal begrip, complexe logische deductie en contrafeitelijk redeneren en geeft januari 2025 als kennisgrens. Lever actuele onderbouwing of gebruik een gedocumenteerde grounding-workflow als nieuwere feiten van belang zijn. Beoordeel vertalingen op betekenis, geëxtraheerde velden op brononderbouwing en transcripten aan de hand van de audio. Een gericht, klein resultaat maakt deze beoordeling praktisch zonder een verzorgd antwoord te behandelen als bewijs dat het beweerde detail in de bron stond.
", "aboutText": "Gemini 2.5 Flash-Lite is Googles stabiele lichtgewicht profiel voor vertaling, classificatie en eenvoudige gegevensextractie in grote volumes. Het hybride redeneren kan afhankelijk van de taak denken gebruiken of overslaan. Het accepteert tekst, afbeeldingen, audio, video en PDF en produceert tekst. Een bruikbaar resultaat is een categorie, een beknopte vertaling, een uit aangeleverd materiaal geëxtraheerd record of een afgebakende geschreven uitleg.\n\nDefinieer voor classificatie de categorieën, beslisregel en antwoordvorm. Behoud de bronidentifier in een resultaat wanneer meerdere onafhankelijke items worden verwerkt. Classificeer bij de indeling van supportberichten een bericht op probleemtype en geef de zin terug die de categorie onderbouwt. Neem een regel op voor ontbrekende of dubbelzinnige onderbouwing, zodat een vloeiend antwoord een verplicht veld niet met een gok vult. De lichtgewicht rol van het model is het nuttigst als de invoer en het vereiste resultaat duidelijk zijn vastgelegd.\n\nDenken staat standaard uit in de gedocumenteerde configuratie van 2.5 Flash-Lite. Googles GenerateContent-denkgids staat een expliciet denkbudget van 512 tot 24.576 tokens toe, nul om denken uit te laten staan en -1 om dynamisch denken aan te vragen. Dit zijn instellingen voor het redeneerbudget, los van de ruimte voor het eindantwoord. Schakel extra redeneren in wanneer voorwaarden bij extractie op elkaar inwerken of een classificatie uitzonderingen kent; een eenvoudige omzetting kan het standaardgedrag zonder denken behouden. De gids merkt op dat het model meer of minder denktokens kan gebruiken dan het gevraagde budget.\n\nGeef voor vertaling de doeltaal, het publiek en de te behouden termen op. Geef aan of het resultaat alleen de vertaling of een gelabeld record moet bevatten. Definieer voor documentextractie de velden en vraag om bronpassages waarmee de uitvoer kan worden gecontroleerd. Onderscheid bij een opname een transcript van een samenvatting en benoem de relevante passage. Afbeeldingen of video kunnen onderbouwing leveren voor een tekstantwoord. Het gewenste resultaat moet duidelijk blijven, ook als de invoer meerdere mediatypen combineert.\n\nDe modelspecifieke tabel voor de stabiele versie vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Functies hebben een duidelijk doel en vastgelegde parameters nodig; de aangesloten toepassing voert de bewerking uit en levert het resultaat. Valideer bij schema-gebaseerde extractie de teruggegeven structuur en vergelijk de waarden met het oorspronkelijke materiaal. Een toolbeslissing of correct gevormd record is alleen nuttig in de context van de bron en werkelijk teruggegeven onderbouwing.\n\nDe native kaart vermeldt een contextvenster van 1M en 64K tekstuitvoer. De API-modelpagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden gesprek gebruiken het invoerbudget, terwijl redeneren en een antwoordlimiet beïnvloeden of het eindresultaat past. Caching, batch, Flex en Priority-verwerking worden voor dit makerprofiel vermeld. Behoud bij herhaalde taken dezelfde categorie- of velddefinities en neem identifiers mee in het resultaat, zodat een latere beoordeling het oorspronkelijke item kan terugvinden.\n\nDit stabiele profiel staat los van de Preview-varianten van juni en september die elders in de familie worden beschreven. De gedeelde native kaart schrijft verbeteringen in het September Preview, waaronder het volgen van instructies en beknoptheid, specifiek aan die preview toe; ze mogen niet stilzwijgend naar de stabiele identifier worden overgeheveld. Latere Flash-Lite-generaties gebruiken ook andere denkinstellingen en capaciteitstabellen. Behoud de editie en kies de daarvoor gedocumenteerde instellingen, in plaats van de 2.5-budgetten te vervangen door de syntaxis voor denkniveaus van Gemini 3.\n\nDe kaart noemt hallucinaties en beperkingen in causaal begrip, complexe logische deductie en contrafeitelijk redeneren en geeft januari 2025 als kennisgrens. Lever actuele onderbouwing of gebruik een gedocumenteerde grounding-workflow als nieuwere feiten van belang zijn. Beoordeel vertalingen op betekenis, geëxtraheerde velden op brononderbouwing en transcripten aan de hand van de audio. Een gericht, klein resultaat maakt deze beoordeling praktisch zonder een verzorgd antwoord te behandelen als bewijs dat het beweerde detail in de bron stond.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "bf5b086b40ba410df0f8ddad2a8674ba31f1c1a57a55ff76700c132c286a1bb2", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "google/gemini-2.5-flash-lite:batchGemini 2.5 Flash-Lite is Googles stabiele multimodale tekstmodel voor veelvuldige classificatie, vertaling en eenvoudige extractie. Denken staat standaard uit en kan worden ingeschakeld met een redeneerbudget van 512–24.576 tokens. Het accepteert tekst en media, met tools, gestructureerde uitvoer en een invoerlimiet van 1.048.576 tokens.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 2.5 Flash-Lite is Googles stabiele lichtgewicht profiel voor vertaling, classificatie en eenvoudige gegevensextractie in grote volumes. Het hybride redeneren kan afhankelijk van de taak denken gebruiken of overslaan. Het accepteert tekst, afbeeldingen, audio, video en PDF en produceert tekst. Een bruikbaar resultaat is een categorie, een beknopte vertaling, een uit aangeleverd materiaal geëxtraheerd record of een afgebakende geschreven uitleg.
Definieer voor classificatie de categorieën, beslisregel en antwoordvorm. Behoud de bronidentifier in een resultaat wanneer meerdere onafhankelijke items worden verwerkt. Classificeer bij de indeling van supportberichten een bericht op probleemtype en geef de zin terug die de categorie onderbouwt. Neem een regel op voor ontbrekende of dubbelzinnige onderbouwing, zodat een vloeiend antwoord een verplicht veld niet met een gok vult. De lichtgewicht rol van het model is het nuttigst als de invoer en het vereiste resultaat duidelijk zijn vastgelegd.
Denken staat standaard uit in de gedocumenteerde configuratie van 2.5 Flash-Lite. Googles GenerateContent-denkgids staat een expliciet denkbudget van 512 tot 24.576 tokens toe, nul om denken uit te laten staan en -1 om dynamisch denken aan te vragen. Dit zijn instellingen voor het redeneerbudget, los van de ruimte voor het eindantwoord. Schakel extra redeneren in wanneer voorwaarden bij extractie op elkaar inwerken of een classificatie uitzonderingen kent; een eenvoudige omzetting kan het standaardgedrag zonder denken behouden. De gids merkt op dat het model meer of minder denktokens kan gebruiken dan het gevraagde budget.
Geef voor vertaling de doeltaal, het publiek en de te behouden termen op. Geef aan of het resultaat alleen de vertaling of een gelabeld record moet bevatten. Definieer voor documentextractie de velden en vraag om bronpassages waarmee de uitvoer kan worden gecontroleerd. Onderscheid bij een opname een transcript van een samenvatting en benoem de relevante passage. Afbeeldingen of video kunnen onderbouwing leveren voor een tekstantwoord. Het gewenste resultaat moet duidelijk blijven, ook als de invoer meerdere mediatypen combineert.
De modelspecifieke tabel voor de stabiele versie vermeldt function calling, code-uitvoering, bestandszoekfuncties, search grounding, Maps grounding, URL-context en gestructureerde uitvoer. Functies hebben een duidelijk doel en vastgelegde parameters nodig; de aangesloten toepassing voert de bewerking uit en levert het resultaat. Valideer bij schema-gebaseerde extractie de teruggegeven structuur en vergelijk de waarden met het oorspronkelijke materiaal. Een toolbeslissing of correct gevormd record is alleen nuttig in de context van de bron en werkelijk teruggegeven onderbouwing.
De native kaart vermeldt een contextvenster van 1M en 64K tekstuitvoer. De API-modelpagina specificeert 1.048.576 invoertokens en 65.536 uitvoertokens. Instructies, broninhoud en behouden gesprek gebruiken het invoerbudget, terwijl redeneren en een antwoordlimiet beïnvloeden of het eindresultaat past. Caching, batch, Flex en Priority-verwerking worden voor dit makerprofiel vermeld. Behoud bij herhaalde taken dezelfde categorie- of velddefinities en neem identifiers mee in het resultaat, zodat een latere beoordeling het oorspronkelijke item kan terugvinden.
Dit stabiele profiel staat los van de Preview-varianten van juni en september die elders in de familie worden beschreven. De gedeelde native kaart schrijft verbeteringen in het September Preview, waaronder het volgen van instructies en beknoptheid, specifiek aan die preview toe; ze mogen niet stilzwijgend naar de stabiele identifier worden overgeheveld. Latere Flash-Lite-generaties gebruiken ook andere denkinstellingen en capaciteitstabellen. Behoud de editie en kies de daarvoor gedocumenteerde instellingen, in plaats van de 2.5-budgetten te vervangen door de syntaxis voor denkniveaus van Gemini 3.
De kaart noemt hallucinaties en beperkingen in causaal begrip, complexe logische deductie en contrafeitelijk redeneren en geeft januari 2025 als kennisgrens. Lever actuele onderbouwing of gebruik een gedocumenteerde grounding-workflow als nieuwere feiten van belang zijn. Beoordeel vertalingen op betekenis, geëxtraheerde velden op brononderbouwing en transcripten aan de hand van de audio. Een gericht, klein resultaat maakt deze beoordeling praktisch zonder een verzorgd antwoord te behandelen als bewijs dat het beweerde detail in de bron stond.
POST /v1/batchestexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldendpoint | Typestring | VereisteVereist | Waarden en limieten /v1/chat/completions | Standaard— |
Veldmodel | Typestring | VereisteVereist | Waarden en limieten google/gemini-2.5-flash-lite:batch | Standaard— |
Veldrequests | Typebatch_item[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldrequests[].custom_id | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldrequests[].body.messages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldcompletion_window | Typestring | VereisteOptioneel | Waarden en limieten 24h | Standaard— |
Veldprovider | Typeobject|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldrequests[].body.model | Typestring | VereisteOptioneel | Waarden en limieten google/gemini-2.5-flash-lite:batch, google/gemini-2.5-flash-lite | Standaard— |
Veldprovider.only | Typestring[] | VereisteOptioneel | Waarden en limieten google-ai-studio | Standaard— |
Veldprovider.allow_fallbacks | Typeboolean|null | VereisteOptioneel | Waarden en limieten false, null | Standaard— |
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractendpoint, model, requests |
Parametermaterial_types | Contracttext |
Parameterrepresentation | Contractinline requests[]; elk item bevat custom_id en body |
Parameterrequest_endpoint_profile | Contract/v1/chat/completions |
Parameterfile_material | ContractDe aanroeper kan de daadwerkelijke UTF-8 JSONL lokaal in requests[] inlezen. Er wordt geen uploaddoel, input_file_id of bestandsverwijzing gebruikt. Ontbrekend of leeg klantmateriaal stopt de voorbereiding vóór POST. |
Parameterserialization_order | Contractendpoint, model, provider (indien opgegeven), completion_window (indien opgegeven), requests als laatste |
Parameteroptional_controls | Contractprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | ContractAanvraagbodies voor tekst via Chat Completions in de gedocumenteerde inline Batch-structuur. |
Levenscyclus: asynchronous
GET /v1/batches/{operation_id} · daadwerkelijke response.id uit de oorspronkelijke aanmaakrespons; dezelfde gebruiker/sleutel/groep
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 $0.0001 / 1K tokens Uitvoer · Uitvoertokens $0.0004 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.0001 / 1K tokens Uitvoer · Uitvoertokens $0.0004 / 1K tokens Invoer · Cache lezen $0.00002 / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-2.5-flash-lite:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-2.5-flash-lite:batch', 'google/gemini-2.5-flash-lite']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-2.5-flash-lite:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\ninline JSON uit results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar de volledige oorspronkelijke status-JSON, elk resultaat/custom_id en de volledige respons- of foutbody. Sla voltooide results[] op als JSONL, zonder te filteren.
Bewaar de oorspronkelijke bewerkings-ID. 503 result_pending_check bevat X-Should-Retry:false; dien een oorspronkelijke batch met onbekende status nooit opnieuw in.
| Veld | Type |
|---|---|
Veldresults[].custom_id | Typestring |
Veldresults[].response.body.choices[].message.content | Typestring|null |
Veldresults[].error | Typeobject|null |
Veldusage | Typeobject|null |
Veldid | Typestring |
Veldmodel | Typestring |
Veldendpoint | Typestring |
Veldstatus | Typestring |
Veldrequest_counts | Typeobject |
Veldresults[].id | Typestring |
Veldresults[].response.status_code | Typeinteger |
Veldresults[].response.request_id | Typestring |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeOngeldige gedocumenteerde inline structuur, dubbele sleutels, ongeldige itemidentiteit of conflict met de geconfigureerde modelmogelijkheden. | Volgende stapCorrigeer de aangegeven velden vóór elke nieuwe indiening. |
Antwoord401 · authentication_error | VoorwaardeOngeldige API-sleutel. | Volgende stapGebruik de geautoriseerde Ailoot-sleutel. |
Antwoord403 · permission_error | VoorwaardeBatch-groep niet beschikbaar. | Volgende stapControleer de toegangsrechten van de sleutel/groep. |
Antwoord422 · invalid_request_error | VoorwaardeBatch wordt via het saldo gefactureerd; aanmaken via een abonnement wordt geweigerd. | Volgende stapGebruik de geautoriseerde groep die via het saldo wordt gefactureerd. |
Antwoord422 · price_unavailable | VoorwaardeVoor de Batch-invoer kan geen prijsraming worden gemaakt. | Volgende stapBewaar de respons; gebruik de gedocumenteerde invoer voor deze familie. |
Antwoord402 · billing_error | VoorwaardeReservering voor Batch niet beschikbaar. | Volgende stapLos het toelatingsprobleem op vóór een nieuwe aanvraag. |
Antwoord503 · price_unavailable | VoorwaardePrijs voor de Batch-methode/native tarieven niet beschikbaar. | Volgende stapBewaar de respons; vervang de prijzen niet. |
Antwoord503 · api_error | VoorwaardeDe exacte leveranciersroute is niet beschikbaar. | Volgende stapBewaar de respons voor het herstel van de route. |
Antwoord503 · result_pending_check | VoorwaardeHet oorspronkelijke resultaat moet gecontroleerd worden; X-Should-Retry:false. | Volgende stapBewaar de oorspronkelijke operation_id/id en lees de status ervan uit; herhaal de oorspronkelijke POST nooit. |
Antwoord404 · not_found | VoorwaardeBewerking voor de Batch-status ontbreekt of behoort toe aan een andere identiteit. | Volgende stapGebruik de exacte oorspronkelijke id en dezelfde gebruiker/sleutel/groep. |
Ailoot Ultra google/gemini-2.5-flash-lite:batch
Gebruik de hierboven getoonde methodepaden.