Gemini 2.0 Flash-Lite is Googles compacte multimodale profiel met tekstuitvoer binnen de Gemini 2.0-familie. De modelkaart van de maker vermeldt tekst, afbeeldingen, audio en video als invoer en tekst als uitvoer. Het is bruikbaar voor een gerichte vraag waarvan het bewijs uit schriftelijk materiaal of een visuele of audiobron kan komen.
Geef de taak op en benoem de rol van elke bron. Een documentafbeelding kan zichtbare tekst of verbanden leveren, een audiobron kan gesproken inhoud leveren en een video kan een te beschrijven reeks gebeurtenissen bieden. Vraag om de specifieke informatie die de applicatie nodig heeft in plaats van om een algemene beschrijving van elke bron.
Label bronnen en gebruik tijds- of visuele verwijzingen waar die van belang zijn. Benoem voor een clip de relevante gebeurtenis of periode. Benoem voor een afbeelding het relevante gebied of object. Houd bij schriftelijk materiaal document- en passage-identificaties zichtbaar, zodat het antwoord naar het juiste bewijs kan verwijzen.
Google vermeldt gestructureerde uitvoer voor dit profiel. Definieer de velden en de behandeling van ontbrekende informatie wanneer een applicatie een gestructureerd antwoord nodig heeft en valideer vervolgens de teruggegeven waarden aan de hand van de invoer. Een schema geeft het antwoord een bruikbare vorm; het aangeleverde bewijs bepaalt of de inhoud juist is.
De maker vermeldt ook functieaanroepen. Een applicatie levert tooldefinities, voert een geselecteerde functie uit en geeft het resultaat terug voor een volgend antwoord. De tekstuele keuze en argumenten van het model maken deel uit van die stroom; een externe zoekactie of handeling wordt vastgesteld op basis van de daadwerkelijke waarneming van de applicatie.
De modelkaart van de maker vermeldt een invoerlimiet van 1,048,576 tokens en een uitvoerlimiet van 8,192 tokens. Orden grotere hoeveelheden invoer rond de vraag en vraag om een passende antwoordlengte. Bewaar de bron, de taak en de teruggegeven tekst bij elkaar wanneer je een resultaat herziet.
Dit specifieke profiel is een model met tekstuitvoer. De kaart onderscheidt die rol van mediageneratie, een live-gespreksinterface en een denkmodus. Gebruik bij het voorbereiden van een taak de eigen ondersteunde invoer- en antwoordinstellingen in plaats van instellingen van Gemini 2.0 Flash of een latere Flash-Lite-editie over te nemen.
", "aboutText": "Gemini 2.0 Flash-Lite is Googles compacte multimodale profiel met tekstuitvoer binnen de Gemini 2.0-familie. De modelkaart van de maker vermeldt tekst, afbeeldingen, audio en video als invoer en tekst als uitvoer. Het is bruikbaar voor een gerichte vraag waarvan het bewijs uit schriftelijk materiaal of een visuele of audiobron kan komen.\n\n### Definieer welke informatie moet worden teruggegeven\n\nGeef de taak op en benoem de rol van elke bron. Een documentafbeelding kan zichtbare tekst of verbanden leveren, een audiobron kan gesproken inhoud leveren en een video kan een te beschrijven reeks gebeurtenissen bieden. Vraag om de specifieke informatie die de applicatie nodig heeft in plaats van om een algemene beschrijving van elke bron.\n\nLabel bronnen en gebruik tijds- of visuele verwijzingen waar die van belang zijn. Benoem voor een clip de relevante gebeurtenis of periode. Benoem voor een afbeelding het relevante gebied of object. Houd bij schriftelijk materiaal document- en passage-identificaties zichtbaar, zodat het antwoord naar het juiste bewijs kan verwijzen.\n\n### Bereid gestructureerde tekst en applicatietools voor\n\nGoogle vermeldt gestructureerde uitvoer voor dit profiel. Definieer de velden en de behandeling van ontbrekende informatie wanneer een applicatie een gestructureerd antwoord nodig heeft en valideer vervolgens de teruggegeven waarden aan de hand van de invoer. Een schema geeft het antwoord een bruikbare vorm; het aangeleverde bewijs bepaalt of de inhoud juist is.\n\nDe maker vermeldt ook functieaanroepen. Een applicatie levert tooldefinities, voert een geselecteerde functie uit en geeft het resultaat terug voor een volgend antwoord. De tekstuele keuze en argumenten van het model maken deel uit van die stroom; een externe zoekactie of handeling wordt vastgesteld op basis van de daadwerkelijke waarneming van de applicatie.\n\n### Plan de invoer en het antwoord\n\nDe modelkaart van de maker vermeldt een invoerlimiet van 1,048,576 tokens en een uitvoerlimiet van 8,192 tokens. Orden grotere hoeveelheden invoer rond de vraag en vraag om een passende antwoordlengte. Bewaar de bron, de taak en de teruggegeven tekst bij elkaar wanneer je een resultaat herziet.\n\nDit specifieke profiel is een model met tekstuitvoer. De kaart onderscheidt die rol van mediageneratie, een live-gespreksinterface en een denkmodus. Gebruik bij het voorbereiden van een taak de eigen ondersteunde invoer- en antwoordinstellingen in plaats van instellingen van Gemini 2.0 Flash of een latere Flash-Lite-editie over te nemen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Extract a small shipment record\n\nExtract the shipment details from this text: 'Dispatch note D-81: sent 12 May; three cartons; destination Leeds. Tracking will follow.' Return labelled fields for note ID, dispatch date, carton count, destination and tracking number. Mark fields not present as unknown; do not infer a year or carrier.Five labelled text fields, with absent tracking information marked unknown and the date kept as supplied.The record retains D-81 and three cartons without inventing a tracking number, year or carrier.gemini-2.0-flash-liteGemini 2.0 Flash-Lite accepteert tekst, afbeeldingen, audio en video en geeft tekst terug. Google vermeldt voor dit precieze profiel een invoerlimiet van 1.048.576 tokens, een uitvoerlimiet van 8.192 tokens, gestructureerde uitvoer en functieaanroepen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 2.0 Flash-Lite is Googles compacte multimodale profiel met tekstuitvoer binnen de Gemini 2.0-familie. De modelkaart van de maker vermeldt tekst, afbeeldingen, audio en video als invoer en tekst als uitvoer. Het is bruikbaar voor een gerichte vraag waarvan het bewijs uit schriftelijk materiaal of een visuele of audiobron kan komen.
Geef de taak op en benoem de rol van elke bron. Een documentafbeelding kan zichtbare tekst of verbanden leveren, een audiobron kan gesproken inhoud leveren en een video kan een te beschrijven reeks gebeurtenissen bieden. Vraag om de specifieke informatie die de applicatie nodig heeft in plaats van om een algemene beschrijving van elke bron.
Label bronnen en gebruik tijds- of visuele verwijzingen waar die van belang zijn. Benoem voor een clip de relevante gebeurtenis of periode. Benoem voor een afbeelding het relevante gebied of object. Houd bij schriftelijk materiaal document- en passage-identificaties zichtbaar, zodat het antwoord naar het juiste bewijs kan verwijzen.
Google vermeldt gestructureerde uitvoer voor dit profiel. Definieer de velden en de behandeling van ontbrekende informatie wanneer een applicatie een gestructureerd antwoord nodig heeft en valideer vervolgens de teruggegeven waarden aan de hand van de invoer. Een schema geeft het antwoord een bruikbare vorm; het aangeleverde bewijs bepaalt of de inhoud juist is.
De maker vermeldt ook functieaanroepen. Een applicatie levert tooldefinities, voert een geselecteerde functie uit en geeft het resultaat terug voor een volgend antwoord. De tekstuele keuze en argumenten van het model maken deel uit van die stroom; een externe zoekactie of handeling wordt vastgesteld op basis van de daadwerkelijke waarneming van de applicatie.
De modelkaart van de maker vermeldt een invoerlimiet van 1,048,576 tokens en een uitvoerlimiet van 8,192 tokens. Orden grotere hoeveelheden invoer rond de vraag en vraag om een passende antwoordlengte. Bewaar de bron, de taak en de teruggegeven tekst bij elkaar wanneer je een resultaat herziet.
Dit specifieke profiel is een model met tekstuitvoer. De kaart onderscheidt die rol van mediageneratie, een live-gespreksinterface en een denkmodus. Gebruik bij het voorbereiden van een taak de eigen ondersteunde invoer- en antwoordinstellingen in plaats van instellingen van Gemini 2.0 Flash of een latere Flash-Lite-editie over te nemen.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.0-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.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.00015 / 1K tokens Uitvoer · Uitvoertokens $0.0006 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.0-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='gemini-2.0-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='gemini-2.0-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 Ultra gemini-2.0-flash-lite
Gebruik de hierboven getoonde methodepaden.
gemini-2.0-flash-liteGemini 2.0 Flash-Lite accepteert tekst, afbeeldingen, audio en video en geeft tekst terug. Google vermeldt voor dit precieze profiel een invoerlimiet van 1.048.576 tokens, een uitvoerlimiet van 8.192 tokens, gestructureerde uitvoer en functieaanroepen.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
Gemini 2.0 Flash-Lite is Googles compacte multimodale profiel met tekstuitvoer binnen de Gemini 2.0-familie. De modelkaart van de maker vermeldt tekst, afbeeldingen, audio en video als invoer en tekst als uitvoer. Het is bruikbaar voor een gerichte vraag waarvan het bewijs uit schriftelijk materiaal of een visuele of audiobron kan komen.
Geef de taak op en benoem de rol van elke bron. Een documentafbeelding kan zichtbare tekst of verbanden leveren, een audiobron kan gesproken inhoud leveren en een video kan een te beschrijven reeks gebeurtenissen bieden. Vraag om de specifieke informatie die de applicatie nodig heeft in plaats van om een algemene beschrijving van elke bron.
Label bronnen en gebruik tijds- of visuele verwijzingen waar die van belang zijn. Benoem voor een clip de relevante gebeurtenis of periode. Benoem voor een afbeelding het relevante gebied of object. Houd bij schriftelijk materiaal document- en passage-identificaties zichtbaar, zodat het antwoord naar het juiste bewijs kan verwijzen.
Google vermeldt gestructureerde uitvoer voor dit profiel. Definieer de velden en de behandeling van ontbrekende informatie wanneer een applicatie een gestructureerd antwoord nodig heeft en valideer vervolgens de teruggegeven waarden aan de hand van de invoer. Een schema geeft het antwoord een bruikbare vorm; het aangeleverde bewijs bepaalt of de inhoud juist is.
De maker vermeldt ook functieaanroepen. Een applicatie levert tooldefinities, voert een geselecteerde functie uit en geeft het resultaat terug voor een volgend antwoord. De tekstuele keuze en argumenten van het model maken deel uit van die stroom; een externe zoekactie of handeling wordt vastgesteld op basis van de daadwerkelijke waarneming van de applicatie.
De modelkaart van de maker vermeldt een invoerlimiet van 1,048,576 tokens en een uitvoerlimiet van 8,192 tokens. Orden grotere hoeveelheden invoer rond de vraag en vraag om een passende antwoordlengte. Bewaar de bron, de taak en de teruggegeven tekst bij elkaar wanneer je een resultaat herziet.
Dit specifieke profiel is een model met tekstuitvoer. De kaart onderscheidt die rol van mediageneratie, een live-gespreksinterface en een denkmodus. Gebruik bij het voorbereiden van een taak de eigen ondersteunde invoer- en antwoordinstellingen in plaats van instellingen van Gemini 2.0 Flash of een latere Flash-Lite-editie over te nemen.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.0-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.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.00015 / 1K tokens Uitvoer · Uitvoertokens $0.0006 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gemini-2.0-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.0-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.0-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 Ultra gemini-2.0-flash-lite
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Extract a small shipment record\n\nExtract the shipment details from this text: 'Dispatch note D-81: sent 12 May; three cartons; destination Leeds. Tracking will follow.' Return labelled fields for note ID, dispatch date, carton count, destination and tracking number. Mark fields not present as unknown; do not infer a year or carrier.Five labelled text fields, with absent tracking information marked unknown and the date kept as supplied.The record retains D-81 and three cartons without inventing a tracking number, year or carrier.