Gemini 2.5 Flash-Lite Preview 06-17 is Googles previeweditie van Flash-Lite van juni, ontworpen voor veelvoorkomende taken waarbij lage latentie belangrijk is, zoals het classificeren van berichten en het op grote schaal samenvatten van materiaal. Het behoort tot de Gemini 2.5-familie met redeneermogelijkheden en behoudt tegelijk een pad voor directe antwoorden bij eenvoudig werk. De gedateerde Preview-aanduiding onderscheidt deze release van de stabiele Flash-Lite en de latere septemberpreview, waarvan de verbeteringen in instructieopvolging en multimodaliteit bij een eigen editie horen.
Bij de introductie in juni staan classificatie en samenvatting centraal in het beoogde gebruik. Bruikbare classificatie-invoer bevat het bericht, de toegestane labels en voorbeelden die hun grenzen aangeven; de uitvoer kan een label, een korte reden en de informatie voor de volgende verwerkingsstap zijn. Een samenvattingstaak kan aangeven welke beslissingen, actiepunten, genoemde deadlines en onopgeloste vragen behouden moeten blijven. Dit zijn praktische toepassingen van het vermelde doel: ze geven een herhaalde bewerking een duidelijke invoer en een compact resultaat in plaats van om een essay zonder duidelijke afbakening te vragen.
Redeneren is beschikbaar, maar staat standaard uit in deze Flash-Lite-preview van juni. Google beschrijft een instelbaar denkbudget waarmee de taak extra redeneerstappen kan gebruiken wanneer de voorwaarden dat vereisen. Houd het directe pad aan voor eenvoudige categorisering of inkorting; gebruik een redeneertaak voor overlappende categorieën, uitzonderingen of een vraag waarvoor meerdere onderling afhankelijke conclusies nodig zijn. Specificeer welke voorwaarden verplicht zijn en wat als een correct antwoord geldt. Redeneren is een mogelijkheid voor taakverwerking; een langere uitleg is op zichzelf geen bewijs dat de conclusie juist is.
Googles technische rapport noemt dit junimodel expliciet en documenteert ondersteuning voor multimodale invoer en een contextlengte van een miljoen tokens. Het resultaat is tekst. De context biedt binnen dezelfde taak ruimte voor bronmateriaal, instructies en voorbeelden. Geef elk document of elke sectie een duidelijke rol en benoem vervolgens wat het model moet extraheren of vergelijken. Scheid voor een documentassistent de vraag van de brontekst en vraag om een resultaat dat aan de relevante passages is gekoppeld. Definieer voor een extractiestap de velden en hoe informatie moet worden weergegeven die in het materiaal ontbreekt. Dit is een contextmogelijkheid, geen belofte dat ongerelateerde inhoud nuttig wordt alleen doordat deze wordt toegevoegd.
De aankondiging van juni noemt ingebouwde tools voor onderbouwing met zoekresultaten, code-uitvoering en URL-context, samen met functieaanroepen. Onderbouwing met zoekresultaten voegt webinformatie aan een antwoord toe; URL-context gebruikt de inhoud van aangeleverde pagina's voor taken zoals documenten vergelijken of details extraheren. Googles tool voor code-uitvoering genereert en voert Python-code uit voor berekeningen of tekstverwerking en gebruikt het uitvoeringsresultaat in het antwoord. Functieaanroepen hebben een andere rol: het model kiest een gedeclareerde functie en de argumenten ervan, terwijl de aangesloten applicatie deze uitvoert en het resultaat teruggeeft. Definieer het doel van de functie en de toegestane parameters, zodat een taak met toolondersteuning een expliciete volgende handeling heeft.
Bereid voor een terugkerende workflow een kleine set representatieve invoer voor voordat je dezelfde instructie op een grotere verzameling toepast. Neem een gewoon geval, een ambigu geval en een geval met ontbrekende informatie op. Een klantenservicevoorbeeld kan vragen om een onderwerp, de werkelijke vraag van de klant en een antwoord dat uitsluitend op een bijgevoegde referentiepassage steunt. Een correspondentievoorbeeld kan om een takenlijst vragen met de handeling, de persoon die deze opdraagt en een deadline alleen wanneer die wordt genoemd. Houd deze gevraagde velden gescheiden van toelichtende tekst, zodat de resulterende tekst aan het oorspronkelijke item kan worden getoetst.
De modelkaart van de fabrikant voor de Flash-Lite-familie noemt mogelijke verzonnen feiten en problemen met causaal begrip, complexe logische deductie en contrafeitelijk redeneren. Ook vermeldt de kaart dat de naleving van een denkbudget inconsistent kan zijn. Behandel dit als concrete controlepunten: vergelijk geëxtraheerde feiten met de bron, controleer onderling afhankelijke berekeningen en onderscheid een waargenomen bewering van een afgeleide verklaring. Het bruikbare eindresultaat is een compacte classificatie, samenvatting, extractie of een antwoord waarvan de vereiste feiten en ontbrekende informatie kunnen worden gecontroleerd. Deze juni-editie is een afzonderlijke keuze voor tekstverwerking; specificaties van latere previews herdefiniëren de gedocumenteerde identiteit ervan niet.
", "aboutText": "Gemini 2.5 Flash-Lite Preview 06-17 is Googles previeweditie van Flash-Lite van juni, ontworpen voor veelvoorkomende taken waarbij lage latentie belangrijk is, zoals het classificeren van berichten en het op grote schaal samenvatten van materiaal. Het behoort tot de Gemini 2.5-familie met redeneermogelijkheden en behoudt tegelijk een pad voor directe antwoorden bij eenvoudig werk. De gedateerde Preview-aanduiding onderscheidt deze release van de stabiele Flash-Lite en de latere septemberpreview, waarvan de verbeteringen in instructieopvolging en multimodaliteit bij een eigen editie horen.\n\nBij de introductie in juni staan classificatie en samenvatting centraal in het beoogde gebruik. Bruikbare classificatie-invoer bevat het bericht, de toegestane labels en voorbeelden die hun grenzen aangeven; de uitvoer kan een label, een korte reden en de informatie voor de volgende verwerkingsstap zijn. Een samenvattingstaak kan aangeven welke beslissingen, actiepunten, genoemde deadlines en onopgeloste vragen behouden moeten blijven. Dit zijn praktische toepassingen van het vermelde doel: ze geven een herhaalde bewerking een duidelijke invoer en een compact resultaat in plaats van om een essay zonder duidelijke afbakening te vragen.\n\nRedeneren is beschikbaar, maar staat standaard uit in deze Flash-Lite-preview van juni. Google beschrijft een instelbaar denkbudget waarmee de taak extra redeneerstappen kan gebruiken wanneer de voorwaarden dat vereisen. Houd het directe pad aan voor eenvoudige categorisering of inkorting; gebruik een redeneertaak voor overlappende categorieën, uitzonderingen of een vraag waarvoor meerdere onderling afhankelijke conclusies nodig zijn. Specificeer welke voorwaarden verplicht zijn en wat als een correct antwoord geldt. Redeneren is een mogelijkheid voor taakverwerking; een langere uitleg is op zichzelf geen bewijs dat de conclusie juist is.\n\nGoogles technische rapport noemt dit junimodel expliciet en documenteert ondersteuning voor multimodale invoer en een contextlengte van een miljoen tokens. Het resultaat is tekst. De context biedt binnen dezelfde taak ruimte voor bronmateriaal, instructies en voorbeelden. Geef elk document of elke sectie een duidelijke rol en benoem vervolgens wat het model moet extraheren of vergelijken. Scheid voor een documentassistent de vraag van de brontekst en vraag om een resultaat dat aan de relevante passages is gekoppeld. Definieer voor een extractiestap de velden en hoe informatie moet worden weergegeven die in het materiaal ontbreekt. Dit is een contextmogelijkheid, geen belofte dat ongerelateerde inhoud nuttig wordt alleen doordat deze wordt toegevoegd.\n\nDe aankondiging van juni noemt ingebouwde tools voor onderbouwing met zoekresultaten, code-uitvoering en URL-context, samen met functieaanroepen. Onderbouwing met zoekresultaten voegt webinformatie aan een antwoord toe; URL-context gebruikt de inhoud van aangeleverde pagina's voor taken zoals documenten vergelijken of details extraheren. Googles tool voor code-uitvoering genereert en voert Python-code uit voor berekeningen of tekstverwerking en gebruikt het uitvoeringsresultaat in het antwoord. Functieaanroepen hebben een andere rol: het model kiest een gedeclareerde functie en de argumenten ervan, terwijl de aangesloten applicatie deze uitvoert en het resultaat teruggeeft. Definieer het doel van de functie en de toegestane parameters, zodat een taak met toolondersteuning een expliciete volgende handeling heeft.\n\nBereid voor een terugkerende workflow een kleine set representatieve invoer voor voordat je dezelfde instructie op een grotere verzameling toepast. Neem een gewoon geval, een ambigu geval en een geval met ontbrekende informatie op. Een klantenservicevoorbeeld kan vragen om een onderwerp, de werkelijke vraag van de klant en een antwoord dat uitsluitend op een bijgevoegde referentiepassage steunt. Een correspondentievoorbeeld kan om een takenlijst vragen met de handeling, de persoon die deze opdraagt en een deadline alleen wanneer die wordt genoemd. Houd deze gevraagde velden gescheiden van toelichtende tekst, zodat de resulterende tekst aan het oorspronkelijke item kan worden getoetst.\n\nDe modelkaart van de fabrikant voor de Flash-Lite-familie noemt mogelijke verzonnen feiten en problemen met causaal begrip, complexe logische deductie en contrafeitelijk redeneren. Ook vermeldt de kaart dat de naleving van een denkbudget inconsistent kan zijn. Behandel dit als concrete controlepunten: vergelijk geëxtraheerde feiten met de bron, controleer onderling afhankelijke berekeningen en onderscheid een waargenomen bewering van een afgeleide verklaring. Het bruikbare eindresultaat is een compacte classificatie, samenvatting, extractie of een antwoord waarvan de vereiste feiten en ontbrekende informatie kunnen worden gecontroleerd. Deze juni-editie is een afzonderlijke keuze voor tekstverwerking; specificaties van latere previews herdefiniëren de gedocumenteerde identiteit ervan niet.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisch voorbeeld in het Engels
Extract actions from a meeting note\n\nExtract only explicit action items from this note: 'Mira will send the revised price sheet by Friday. Jonas suggested checking packaging later, but nobody accepted that task. Noor will confirm the delivery address; no deadline was set.' Return a table with action, owner and deadline. Use 'not stated' for an absent deadline and exclude unassigned suggestions.A compact action table containing explicit commitments and source-grounded deadline values.The unassigned packaging suggestion is excluded, and Noor's deadline is not invented.gemini-2.5-flash-lite-preview-06-17Gemini 2.5 Flash-Lite Preview 06-17 is Googles juni-editie voor classificatie met hoge verwerkingscapaciteit, samenvatting en herhaalbare tekstverwerking. Het combineert een context van een miljoen tokens, optioneel redeneren en gedocumenteerde tools voor zoeken, code, URL-context 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 2.5 Flash-Lite Preview 06-17 is Googles previeweditie van Flash-Lite van juni, ontworpen voor veelvoorkomende taken waarbij lage latentie belangrijk is, zoals het classificeren van berichten en het op grote schaal samenvatten van materiaal. Het behoort tot de Gemini 2.5-familie met redeneermogelijkheden en behoudt tegelijk een pad voor directe antwoorden bij eenvoudig werk. De gedateerde Preview-aanduiding onderscheidt deze release van de stabiele Flash-Lite en de latere septemberpreview, waarvan de verbeteringen in instructieopvolging en multimodaliteit bij een eigen editie horen.
Bij de introductie in juni staan classificatie en samenvatting centraal in het beoogde gebruik. Bruikbare classificatie-invoer bevat het bericht, de toegestane labels en voorbeelden die hun grenzen aangeven; de uitvoer kan een label, een korte reden en de informatie voor de volgende verwerkingsstap zijn. Een samenvattingstaak kan aangeven welke beslissingen, actiepunten, genoemde deadlines en onopgeloste vragen behouden moeten blijven. Dit zijn praktische toepassingen van het vermelde doel: ze geven een herhaalde bewerking een duidelijke invoer en een compact resultaat in plaats van om een essay zonder duidelijke afbakening te vragen.
Redeneren is beschikbaar, maar staat standaard uit in deze Flash-Lite-preview van juni. Google beschrijft een instelbaar denkbudget waarmee de taak extra redeneerstappen kan gebruiken wanneer de voorwaarden dat vereisen. Houd het directe pad aan voor eenvoudige categorisering of inkorting; gebruik een redeneertaak voor overlappende categorieën, uitzonderingen of een vraag waarvoor meerdere onderling afhankelijke conclusies nodig zijn. Specificeer welke voorwaarden verplicht zijn en wat als een correct antwoord geldt. Redeneren is een mogelijkheid voor taakverwerking; een langere uitleg is op zichzelf geen bewijs dat de conclusie juist is.
Googles technische rapport noemt dit junimodel expliciet en documenteert ondersteuning voor multimodale invoer en een contextlengte van een miljoen tokens. Het resultaat is tekst. De context biedt binnen dezelfde taak ruimte voor bronmateriaal, instructies en voorbeelden. Geef elk document of elke sectie een duidelijke rol en benoem vervolgens wat het model moet extraheren of vergelijken. Scheid voor een documentassistent de vraag van de brontekst en vraag om een resultaat dat aan de relevante passages is gekoppeld. Definieer voor een extractiestap de velden en hoe informatie moet worden weergegeven die in het materiaal ontbreekt. Dit is een contextmogelijkheid, geen belofte dat ongerelateerde inhoud nuttig wordt alleen doordat deze wordt toegevoegd.
De aankondiging van juni noemt ingebouwde tools voor onderbouwing met zoekresultaten, code-uitvoering en URL-context, samen met functieaanroepen. Onderbouwing met zoekresultaten voegt webinformatie aan een antwoord toe; URL-context gebruikt de inhoud van aangeleverde pagina's voor taken zoals documenten vergelijken of details extraheren. Googles tool voor code-uitvoering genereert en voert Python-code uit voor berekeningen of tekstverwerking en gebruikt het uitvoeringsresultaat in het antwoord. Functieaanroepen hebben een andere rol: het model kiest een gedeclareerde functie en de argumenten ervan, terwijl de aangesloten applicatie deze uitvoert en het resultaat teruggeeft. Definieer het doel van de functie en de toegestane parameters, zodat een taak met toolondersteuning een expliciete volgende handeling heeft.
Bereid voor een terugkerende workflow een kleine set representatieve invoer voor voordat je dezelfde instructie op een grotere verzameling toepast. Neem een gewoon geval, een ambigu geval en een geval met ontbrekende informatie op. Een klantenservicevoorbeeld kan vragen om een onderwerp, de werkelijke vraag van de klant en een antwoord dat uitsluitend op een bijgevoegde referentiepassage steunt. Een correspondentievoorbeeld kan om een takenlijst vragen met de handeling, de persoon die deze opdraagt en een deadline alleen wanneer die wordt genoemd. Houd deze gevraagde velden gescheiden van toelichtende tekst, zodat de resulterende tekst aan het oorspronkelijke item kan worden getoetst.
De modelkaart van de fabrikant voor de Flash-Lite-familie noemt mogelijke verzonnen feiten en problemen met causaal begrip, complexe logische deductie en contrafeitelijk redeneren. Ook vermeldt de kaart dat de naleving van een denkbudget inconsistent kan zijn. Behandel dit als concrete controlepunten: vergelijk geëxtraheerde feiten met de bron, controleer onderling afhankelijke berekeningen en onderscheid een waargenomen bewering van een afgeleide verklaring. Het bruikbare eindresultaat is een compacte classificatie, samenvatting, extractie of een antwoord waarvan de vereiste feiten en ontbrekende informatie kunnen worden gecontroleerd. Deze juni-editie is een afzonderlijke keuze voor tekstverwerking; specificaties van latere previews herdefiniëren de gedocumenteerde identiteit ervan niet.
POST /v1/chat/completionstexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-flash-lite-preview-06-17 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten Voorbeelden: system, user, assistant, tool, function Voorwaarden: Deze rollen worden expliciet weergegeven door compatibiliteitstypen in de broncode; de exacte rollenverzameling van het model blijft modelspecifiek. Afhankelijk van het model | Standaard— |
Veldmessages[].content | Typestring|content_part[]|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_calls | Typetool_call[] | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].tool_call_id | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: role=tool; gebruik het werkelijk teruggegeven ID | Standaard— |
Veldmessages[].name | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldmessages[].reasoning_content | Typestring | VereisteOptioneel | Waarden en limieten Geldt wanneer: Stuur de werkelijk teruggegeven redeneringen terug wanneer dit model ze gebruikt | Standaard— |
Veldmessages[].reasoning_details | Typeobject|array | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmax_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldmax_completion_tokens | Typeinteger | VereisteOptioneel | Waarden en limieten Minimum: 1 Afhankelijk van het model | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Veldstream_options.include_usage | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtemperature | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtop_p | Typenumber | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldstop | Typestring|string[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools | Typefunction_tool[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldtools[].type | Typestring | VereisteOptioneel | Waarden en limieten function Afhankelijk van het model | Standaard— |
Veldtools[].function.name | Typestring | VereisteVereist | Waarden en limieten Geldt wanneer: functietool opgegeven | Standaard— |
Veldtools[].function.description | Typestring | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtools[].function.parameters | TypeJSON_schema | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldtool_choice | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldparallel_tool_calls | Typeboolean | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldresponse_format | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning_effort | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldreasoning | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldservice_tier | Typestring | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldinstructions | Typestring | VereisteOptioneel | Waarden en limieten Compatibiliteitsveld | Standaard— |
Veldfunctions | Typefunction[] | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldfunction_call | Typestring|object | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldprompt_cache_options | Typeobject | VereisteOptioneel | Waarden en limieten Afhankelijk van het model | Standaard— |
Veldmodalities | Typestring[] | VereisteOptioneel | Waarden en limieten text | Standaard— |
Veldprovider | Typeobject | VereisteOptioneel | Waarden en limieten Voorwaarden: provider.options wordt op deze Ultra-tekstroute geweigerd | Standaard— |
Veldcache_control.ttl | Typestring | VereisteOptioneel | Waarden en limieten Voorwaarden: 1h wordt op de daadwerkelijke locaties voor promptcaching geweigerd | Standaard— |
Tekst · UTF8-tekst
messages[].content
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages |
Parametermaterial_types | Contracttext |
Parametermessages | Contractberichtenarray met de structuur role/content |
Parameterfile_material | Contractwerkelijk UTF-8-document ingevoegd als letterlijke tekst; er wordt geen bestands-ID afgeleid |
Parameteroptional_controls | Contractstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Contractmodelspecifiek; functietools van de gebruiker verschillen van gehoste tools |
Parameteroutput_modalities | Contracttext |
Parameterhosted_operations | Contractfalse |
Parametermultimodal_input_binding | Contractnull |
Levenscyclus: synchronous_or_streamed
Stuur het exacte model-ID mee met messages.
Contextlengte is geen uitvoerlimiet.
Een tekstbestand kan letterlijke tekst aanleveren; beeld-, audio- en bestandsobjectinvoer vereisen een exacte koppeling.
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite-preview-06-17", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gemini-2.5-flash-lite-preview-06-17',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gemini-2.5-flash-lite-preview-06-17',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar elke keuze en de bijbehorende inhoud, toolaanroepen en redeneringen. Voeg in SSE delta’s samen per keuze-/toolindex en bewaar de uiteindelijke reden van beëindiging en de verbruiksgegevens.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldchoices[].index | Typeinteger |
Veldchoices[].message.content | Typestring|null |
Veldchoices[].message.tool_calls | Typetool_call[] |
Veldchoices[].message.reasoning_content | Typestring |
Veldchoices[].message.reasoning_details | Typeobject|array |
Veldchoices[].finish_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra gemini-2.5-flash-lite-preview-06-17
Gebruik de hierboven getoonde methodepaden.
gemini-2.5-flash-lite-preview-06-17Gemini 2.5 Flash-Lite Preview 06-17 is Googles juni-editie voor classificatie met hoge verwerkingscapaciteit, samenvatting en herhaalbare tekstverwerking. Het combineert een context van een miljoen tokens, optioneel redeneren en gedocumenteerde tools voor zoeken, code, URL-context 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 2.5 Flash-Lite Preview 06-17 is Googles previeweditie van Flash-Lite van juni, ontworpen voor veelvoorkomende taken waarbij lage latentie belangrijk is, zoals het classificeren van berichten en het op grote schaal samenvatten van materiaal. Het behoort tot de Gemini 2.5-familie met redeneermogelijkheden en behoudt tegelijk een pad voor directe antwoorden bij eenvoudig werk. De gedateerde Preview-aanduiding onderscheidt deze release van de stabiele Flash-Lite en de latere septemberpreview, waarvan de verbeteringen in instructieopvolging en multimodaliteit bij een eigen editie horen.
Bij de introductie in juni staan classificatie en samenvatting centraal in het beoogde gebruik. Bruikbare classificatie-invoer bevat het bericht, de toegestane labels en voorbeelden die hun grenzen aangeven; de uitvoer kan een label, een korte reden en de informatie voor de volgende verwerkingsstap zijn. Een samenvattingstaak kan aangeven welke beslissingen, actiepunten, genoemde deadlines en onopgeloste vragen behouden moeten blijven. Dit zijn praktische toepassingen van het vermelde doel: ze geven een herhaalde bewerking een duidelijke invoer en een compact resultaat in plaats van om een essay zonder duidelijke afbakening te vragen.
Redeneren is beschikbaar, maar staat standaard uit in deze Flash-Lite-preview van juni. Google beschrijft een instelbaar denkbudget waarmee de taak extra redeneerstappen kan gebruiken wanneer de voorwaarden dat vereisen. Houd het directe pad aan voor eenvoudige categorisering of inkorting; gebruik een redeneertaak voor overlappende categorieën, uitzonderingen of een vraag waarvoor meerdere onderling afhankelijke conclusies nodig zijn. Specificeer welke voorwaarden verplicht zijn en wat als een correct antwoord geldt. Redeneren is een mogelijkheid voor taakverwerking; een langere uitleg is op zichzelf geen bewijs dat de conclusie juist is.
Googles technische rapport noemt dit junimodel expliciet en documenteert ondersteuning voor multimodale invoer en een contextlengte van een miljoen tokens. Het resultaat is tekst. De context biedt binnen dezelfde taak ruimte voor bronmateriaal, instructies en voorbeelden. Geef elk document of elke sectie een duidelijke rol en benoem vervolgens wat het model moet extraheren of vergelijken. Scheid voor een documentassistent de vraag van de brontekst en vraag om een resultaat dat aan de relevante passages is gekoppeld. Definieer voor een extractiestap de velden en hoe informatie moet worden weergegeven die in het materiaal ontbreekt. Dit is een contextmogelijkheid, geen belofte dat ongerelateerde inhoud nuttig wordt alleen doordat deze wordt toegevoegd.
De aankondiging van juni noemt ingebouwde tools voor onderbouwing met zoekresultaten, code-uitvoering en URL-context, samen met functieaanroepen. Onderbouwing met zoekresultaten voegt webinformatie aan een antwoord toe; URL-context gebruikt de inhoud van aangeleverde pagina's voor taken zoals documenten vergelijken of details extraheren. Googles tool voor code-uitvoering genereert en voert Python-code uit voor berekeningen of tekstverwerking en gebruikt het uitvoeringsresultaat in het antwoord. Functieaanroepen hebben een andere rol: het model kiest een gedeclareerde functie en de argumenten ervan, terwijl de aangesloten applicatie deze uitvoert en het resultaat teruggeeft. Definieer het doel van de functie en de toegestane parameters, zodat een taak met toolondersteuning een expliciete volgende handeling heeft.
Bereid voor een terugkerende workflow een kleine set representatieve invoer voor voordat je dezelfde instructie op een grotere verzameling toepast. Neem een gewoon geval, een ambigu geval en een geval met ontbrekende informatie op. Een klantenservicevoorbeeld kan vragen om een onderwerp, de werkelijke vraag van de klant en een antwoord dat uitsluitend op een bijgevoegde referentiepassage steunt. Een correspondentievoorbeeld kan om een takenlijst vragen met de handeling, de persoon die deze opdraagt en een deadline alleen wanneer die wordt genoemd. Houd deze gevraagde velden gescheiden van toelichtende tekst, zodat de resulterende tekst aan het oorspronkelijke item kan worden getoetst.
De modelkaart van de fabrikant voor de Flash-Lite-familie noemt mogelijke verzonnen feiten en problemen met causaal begrip, complexe logische deductie en contrafeitelijk redeneren. Ook vermeldt de kaart dat de naleving van een denkbudget inconsistent kan zijn. Behandel dit als concrete controlepunten: vergelijk geëxtraheerde feiten met de bron, controleer onderling afhankelijke berekeningen en onderscheid een waargenomen bewering van een afgeleide verklaring. Het bruikbare eindresultaat is een compacte classificatie, samenvatting, extractie of een antwoord waarvan de vereiste feiten en ontbrekende informatie kunnen worden gecontroleerd. Deze juni-editie is een afzonderlijke keuze voor tekstverwerking; specificaties van latere previews herdefiniëren de gedocumenteerde identiteit ervan niet.
POST /v1/messagestextjson, sse| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldmodel | Typestring | VereisteVereist | Waarden en limieten gemini-2.5-flash-lite-preview-06-17 | Standaard— |
Veldmessages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldmessages[].role | Typestring | VereisteVereist | Waarden en limieten user, assistant | Standaard— |
Veldmessages[].content | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldmax_tokens | Typeinteger | VereisteVereist | Waarden en limieten | Standaard— |
Veldstream | Typeboolean | VereisteOptioneel | Waarden en limieten | Standaardfalse |
Tekst · UTF-8-tekst
messages[].content als tekenreeks
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractmodel, messages, max_tokens |
Parameteroptional_controls | Contractstream |
Parametermaterial_types | Contracttext |
Parametertext_file_material | ContractLees het werkelijke UTF-8-document en plaats de tekst ervan in de aangegeven invoer of in de inhoudstekenreeks van een bericht. |
Levenscyclus: synchronous_or_streamed
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
| Configuratie | Tariefstaffel | Kosten |
|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Kosten Invoer · Invoertokens $0.0002 / 1K tokens Uitvoer · Uitvoertokens $0.0008 / 1K tokens Invoer · Cache lezen $0 / 1K tokens Invoer · Cache schrijven $0 / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
{\n "model": "gemini-2.5-flash-lite-preview-06-17",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-06-17', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-06-17', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON of SSE
Bewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar alle inhoudsblokken, handtekeningen van redeneringen en werkelijke toolgebruik-ID’s. Voeg alle SSE-blokdelta’s samen; het eerste tekstblok is niet de volledige uitvoer.
Bewaar aanvraag-/antwoord-ID’s en headers. Er wordt geen algemene URL meegeleverd om teksttaken op te halen.
| Veld | Type |
|---|---|
Veldid | Typestring |
Veldmodel | Typestring |
Veldcontent[] | Typetext|thinking|tool_use|other content block |
Veldstop_reason | Typestring|null |
Veldusage | Typeobject |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeVerplichte velden, de materiaalrepresentatie of een parameterwaarde zijn ongeldig | Volgende stapCorrigeer de aangegeven velden vóór een nieuwe aanmaakaanvraag. |
Ailoot Ultra gemini-2.5-flash-lite-preview-06-17
Gebruik de hierboven getoonde methodepaden.
Technisch voorbeeld in het Engels
Extract actions from a meeting note\n\nExtract only explicit action items from this note: 'Mira will send the revised price sheet by Friday. Jonas suggested checking packaging later, but nobody accepted that task. Noor will confirm the delivery address; no deadline was set.' Return a table with action, owner and deadline. Use 'not stated' for an absent deadline and exclude unassigned suggestions.A compact action table containing explicit commitments and source-grounded deadline values.The unassigned packaging suggestion is excluded, and Noor's deadline is not invented.