Gemini 2.5 Flash-Lite Preview 09-2025 to wrześniowa edycja Google do częstych zadań wymagających zwięzłego, precyzyjnie ukierunkowanego wyniku tekstowego. Producent opisuje aktualizację wokół trzech tematów: lepszego wykonywania złożonych instrukcji i poleceń systemowych, ograniczenia rozwlekłości oraz poprawy tłumaczenia i rozumienia multimodalnego. Nazwa oznaczona datą identyfikuje tę konkretną wersję zapoznawczą oddzielnie od czerwcowej wersji zapoznawczej Flash-Lite, modelu stabilnego oraz zmiennego aliasu latest.
Lepsze wykonywanie instrukcji przydaje się, gdy zadanie ma kilka reguł, które muszą obowiązywać jednocześnie. Dostarcz materiał źródłowy, określ odbiorców i wymagany format, a następnie oddziel obowiązkową treść od opcjonalnego wyjaśnienia. Zadanie związane z obsługą zgłoszeń może wymagać kategorii, dokładnego pytania klienta i następnego kroku opartego wyłącznie na dostarczonym materiale referencyjnym. Zadanie dotyczące dokumentu może wskazywać, które terminy zachować, jakie fakty muszą się pojawić i jak przedstawiać brakujące wartości. Te przykłady przekładają szczegółową instrukcję na wynik z wymaganiami, które da się sprawdzić.
Ograniczona rozwlekłość jest deklarowaną cechą tego wydania. Ma szczególne znaczenie, gdy wynik staje się krótką wartością pola, zwięzłą odpowiedzią lub kolejnym wejściem w większym procesie. Poproś o potrzebne informacje zamiast ogólnego omówienia: decyzję, jej źródło i nierozstrzygnięte pytanie. W przypadku streszczenia wymień fakty i terminy, które muszą zostać zachowane mimo skrócenia, oraz określ liczbę lub cel sekcji. Zwięzłość nie jest tym samym co pomijanie ważnych warunków; praktyczny szablon odpowiedzi jasno wskazuje wymaganą treść.
Google informuje o poprawie jakości tłumaczenia, rozumienia obrazów i transkrypcji dźwięku w tej wrześniowej aktualizacji. Przy tłumaczeniu określ grupę docelową i glosariusz oraz odróżnij nazwy pozostające bez zmian od sformułowań podlegających lokalizacji. Przy obrazie zaznacz komponent lub fragment do wyjaśnienia i opisz zamierzone zastosowanie odpowiedzi. Przy transkrypcji dźwięku poproś o zapis tekstowy z językiem i regułami formatowania potrzebnymi w kolejnym kroku. Źródło multimedialne można również streścić lub porównać z wymaganiem tekstowym, jeśli pytanie wskazuje istotną treść.
Karta tej konkretnej edycji oznaczonej datą wymienia tekst, obrazy, wideo, dźwięk i PDF jako dane wejściowe, a tekst jako wynik. Limity wynoszą 1 048 576 tokenów wejściowych i 65 536 tokenów wyjściowych, a udokumentowana granica wiedzy to styczeń 2025. Duży zakres danych wejściowych pozwala połączyć materiały, instrukcje i przykłady; nadaj każdemu źródłu etykietę i określ, z jakich dowodów powinna korzystać odpowiedź. To edycja Flash-Lite zwracająca tekst: generowana mowa, generowane obrazy i interfejs głosowy czasu rzeczywistego nie należą do jej wymienionego profilu wyjściowego.
Producent dokumentuje rozumowanie, ustrukturyzowane odpowiedzi, wywoływanie funkcji, wykonywanie kodu, oparcie odpowiedzi na wynikach wyszukiwania, kontekst URL i przeszukiwanie plików. Rozumowanie można wykorzystać w zadaniu z zależnymi warunkami; ustrukturyzowana odpowiedź może dostarczyć pola do wydobywania informacji lub klasyfikacji. Wywołanie funkcji zawiera proponowaną nazwę funkcji i argumenty, natomiast aplikacja wykonuje ją i zwraca wynik. Narzędzie Google do wykonywania kodu używa języka Python; narzędzia wyszukiwania i pracy z dokumentami dostarczają materiały zewnętrzne do merytorycznej odpowiedzi pisemnej. Dokładny profil obejmuje również obsługę buforowania i przetwarzania wsadowego. Są to udokumentowane możliwości modelu, a nie stwierdzenie, że konkretna aplikacja włączyła wszystkie narzędzia lub połączyła je w jednym zapytaniu.
Karta rodziny modeli opisuje model typu Transformer o architekturze rzadkiej mieszanki ekspertów (sparse mixture-of-experts) z natywnym rozumieniem multimodalnym. Trening wstępny obejmuje tekst z sieci, języki programowania, obrazy, dźwięk i wideo. Dalsze dostrajanie wykorzystuje zweryfikowane pary instrukcji i odpowiedzi, informacje o preferencjach ludzi oraz dane dotyczące korzystania z narzędzi, a przygotowanie obejmuje usuwanie duplikatów oraz filtrowanie pod kątem bezpieczeństwa i jakości. Ta sama karta wskazuje możliwość zmyślania faktów, trudności z rozumowaniem przyczynowym i kontrfaktycznym, ograniczenia złożonego wnioskowania logicznego oraz niespójne przestrzeganie budżetów rozumowania. Odnotowuje również tendencję niektórych odpowiedzi do nadmiernie pouczającego tonu. To konkretne aspekty wymagające oceny w modelu do zwięzłego przetwarzania.
Przygotuj reprezentatywne zwykłe, niejednoznaczne i niekompletne dane wejściowe do powtarzalnego zadania. Przy tłumaczeniu porównaj terminologię, znaczenie i wymagany format zawierający wyłącznie wynik. Przy transkrypcji lub wydobywaniu informacji z dokumentów porównaj zwrócone szczegóły z dostarczonym materiałem i wskaż, czego nie udało się ustalić. Przy krótkiej odpowiedzi sprawdź, czy zachowano każdy obowiązkowy fakt. Gotowym rezultatem może być przetłumaczony fragment, zwarte streszczenie, wydobyte pola albo kategoria i następne działanie. Takie przygotowanie wykorzystuje charakterystyczny dla wrześniowej edycji nacisk na dokładność wykonywania instrukcji, zwięzłość i obsługę multimediów, zachowując powiązanie wyniku z pierwotnymi dowodami.
", "aboutText": "Gemini 2.5 Flash-Lite Preview 09-2025 to wrześniowa edycja Google do częstych zadań wymagających zwięzłego, precyzyjnie ukierunkowanego wyniku tekstowego. Producent opisuje aktualizację wokół trzech tematów: lepszego wykonywania złożonych instrukcji i poleceń systemowych, ograniczenia rozwlekłości oraz poprawy tłumaczenia i rozumienia multimodalnego. Nazwa oznaczona datą identyfikuje tę konkretną wersję zapoznawczą oddzielnie od czerwcowej wersji zapoznawczej Flash-Lite, modelu stabilnego oraz zmiennego aliasu latest.\n\nLepsze wykonywanie instrukcji przydaje się, gdy zadanie ma kilka reguł, które muszą obowiązywać jednocześnie. Dostarcz materiał źródłowy, określ odbiorców i wymagany format, a następnie oddziel obowiązkową treść od opcjonalnego wyjaśnienia. Zadanie związane z obsługą zgłoszeń może wymagać kategorii, dokładnego pytania klienta i następnego kroku opartego wyłącznie na dostarczonym materiale referencyjnym. Zadanie dotyczące dokumentu może wskazywać, które terminy zachować, jakie fakty muszą się pojawić i jak przedstawiać brakujące wartości. Te przykłady przekładają szczegółową instrukcję na wynik z wymaganiami, które da się sprawdzić.\n\nOgraniczona rozwlekłość jest deklarowaną cechą tego wydania. Ma szczególne znaczenie, gdy wynik staje się krótką wartością pola, zwięzłą odpowiedzią lub kolejnym wejściem w większym procesie. Poproś o potrzebne informacje zamiast ogólnego omówienia: decyzję, jej źródło i nierozstrzygnięte pytanie. W przypadku streszczenia wymień fakty i terminy, które muszą zostać zachowane mimo skrócenia, oraz określ liczbę lub cel sekcji. Zwięzłość nie jest tym samym co pomijanie ważnych warunków; praktyczny szablon odpowiedzi jasno wskazuje wymaganą treść.\n\nGoogle informuje o poprawie jakości tłumaczenia, rozumienia obrazów i transkrypcji dźwięku w tej wrześniowej aktualizacji. Przy tłumaczeniu określ grupę docelową i glosariusz oraz odróżnij nazwy pozostające bez zmian od sformułowań podlegających lokalizacji. Przy obrazie zaznacz komponent lub fragment do wyjaśnienia i opisz zamierzone zastosowanie odpowiedzi. Przy transkrypcji dźwięku poproś o zapis tekstowy z językiem i regułami formatowania potrzebnymi w kolejnym kroku. Źródło multimedialne można również streścić lub porównać z wymaganiem tekstowym, jeśli pytanie wskazuje istotną treść.\n\nKarta tej konkretnej edycji oznaczonej datą wymienia tekst, obrazy, wideo, dźwięk i PDF jako dane wejściowe, a tekst jako wynik. Limity wynoszą 1 048 576 tokenów wejściowych i 65 536 tokenów wyjściowych, a udokumentowana granica wiedzy to styczeń 2025. Duży zakres danych wejściowych pozwala połączyć materiały, instrukcje i przykłady; nadaj każdemu źródłu etykietę i określ, z jakich dowodów powinna korzystać odpowiedź. To edycja Flash-Lite zwracająca tekst: generowana mowa, generowane obrazy i interfejs głosowy czasu rzeczywistego nie należą do jej wymienionego profilu wyjściowego.\n\nProducent dokumentuje rozumowanie, ustrukturyzowane odpowiedzi, wywoływanie funkcji, wykonywanie kodu, oparcie odpowiedzi na wynikach wyszukiwania, kontekst URL i przeszukiwanie plików. Rozumowanie można wykorzystać w zadaniu z zależnymi warunkami; ustrukturyzowana odpowiedź może dostarczyć pola do wydobywania informacji lub klasyfikacji. Wywołanie funkcji zawiera proponowaną nazwę funkcji i argumenty, natomiast aplikacja wykonuje ją i zwraca wynik. Narzędzie Google do wykonywania kodu używa języka Python; narzędzia wyszukiwania i pracy z dokumentami dostarczają materiały zewnętrzne do merytorycznej odpowiedzi pisemnej. Dokładny profil obejmuje również obsługę buforowania i przetwarzania wsadowego. Są to udokumentowane możliwości modelu, a nie stwierdzenie, że konkretna aplikacja włączyła wszystkie narzędzia lub połączyła je w jednym zapytaniu.\n\nKarta rodziny modeli opisuje model typu Transformer o architekturze rzadkiej mieszanki ekspertów (sparse mixture-of-experts) z natywnym rozumieniem multimodalnym. Trening wstępny obejmuje tekst z sieci, języki programowania, obrazy, dźwięk i wideo. Dalsze dostrajanie wykorzystuje zweryfikowane pary instrukcji i odpowiedzi, informacje o preferencjach ludzi oraz dane dotyczące korzystania z narzędzi, a przygotowanie obejmuje usuwanie duplikatów oraz filtrowanie pod kątem bezpieczeństwa i jakości. Ta sama karta wskazuje możliwość zmyślania faktów, trudności z rozumowaniem przyczynowym i kontrfaktycznym, ograniczenia złożonego wnioskowania logicznego oraz niespójne przestrzeganie budżetów rozumowania. Odnotowuje również tendencję niektórych odpowiedzi do nadmiernie pouczającego tonu. To konkretne aspekty wymagające oceny w modelu do zwięzłego przetwarzania.\n\nPrzygotuj reprezentatywne zwykłe, niejednoznaczne i niekompletne dane wejściowe do powtarzalnego zadania. Przy tłumaczeniu porównaj terminologię, znaczenie i wymagany format zawierający wyłącznie wynik. Przy transkrypcji lub wydobywaniu informacji z dokumentów porównaj zwrócone szczegóły z dostarczonym materiałem i wskaż, czego nie udało się ustalić. Przy krótkiej odpowiedzi sprawdź, czy zachowano każdy obowiązkowy fakt. Gotowym rezultatem może być przetłumaczony fragment, zwarte streszczenie, wydobyte pola albo kategoria i następne działanie. Takie przygotowanie wykorzystuje charakterystyczny dla wrześniowej edycji nacisk na dokładność wykonywania instrukcji, zwięzłość i obsługę multimediów, zachowując powiązanie wyniku z pierwotnymi dowodami.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 koncentruje się na wykonywaniu instrukcji, zwięzłym tekście, tłumaczeniu i rozumieniu multimediów. Wrześniowa edycja Google przyjmuje tekst, obrazy, wideo, dźwięk i PDF, oferując ustrukturyzowane odpowiedzi oraz udokumentowane narzędzia do przetwarzania dużych wolumenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash-Lite Preview 09-2025 to wrześniowa edycja Google do częstych zadań wymagających zwięzłego, precyzyjnie ukierunkowanego wyniku tekstowego. Producent opisuje aktualizację wokół trzech tematów: lepszego wykonywania złożonych instrukcji i poleceń systemowych, ograniczenia rozwlekłości oraz poprawy tłumaczenia i rozumienia multimodalnego. Nazwa oznaczona datą identyfikuje tę konkretną wersję zapoznawczą oddzielnie od czerwcowej wersji zapoznawczej Flash-Lite, modelu stabilnego oraz zmiennego aliasu latest.
Lepsze wykonywanie instrukcji przydaje się, gdy zadanie ma kilka reguł, które muszą obowiązywać jednocześnie. Dostarcz materiał źródłowy, określ odbiorców i wymagany format, a następnie oddziel obowiązkową treść od opcjonalnego wyjaśnienia. Zadanie związane z obsługą zgłoszeń może wymagać kategorii, dokładnego pytania klienta i następnego kroku opartego wyłącznie na dostarczonym materiale referencyjnym. Zadanie dotyczące dokumentu może wskazywać, które terminy zachować, jakie fakty muszą się pojawić i jak przedstawiać brakujące wartości. Te przykłady przekładają szczegółową instrukcję na wynik z wymaganiami, które da się sprawdzić.
Ograniczona rozwlekłość jest deklarowaną cechą tego wydania. Ma szczególne znaczenie, gdy wynik staje się krótką wartością pola, zwięzłą odpowiedzią lub kolejnym wejściem w większym procesie. Poproś o potrzebne informacje zamiast ogólnego omówienia: decyzję, jej źródło i nierozstrzygnięte pytanie. W przypadku streszczenia wymień fakty i terminy, które muszą zostać zachowane mimo skrócenia, oraz określ liczbę lub cel sekcji. Zwięzłość nie jest tym samym co pomijanie ważnych warunków; praktyczny szablon odpowiedzi jasno wskazuje wymaganą treść.
Google informuje o poprawie jakości tłumaczenia, rozumienia obrazów i transkrypcji dźwięku w tej wrześniowej aktualizacji. Przy tłumaczeniu określ grupę docelową i glosariusz oraz odróżnij nazwy pozostające bez zmian od sformułowań podlegających lokalizacji. Przy obrazie zaznacz komponent lub fragment do wyjaśnienia i opisz zamierzone zastosowanie odpowiedzi. Przy transkrypcji dźwięku poproś o zapis tekstowy z językiem i regułami formatowania potrzebnymi w kolejnym kroku. Źródło multimedialne można również streścić lub porównać z wymaganiem tekstowym, jeśli pytanie wskazuje istotną treść.
Karta tej konkretnej edycji oznaczonej datą wymienia tekst, obrazy, wideo, dźwięk i PDF jako dane wejściowe, a tekst jako wynik. Limity wynoszą 1 048 576 tokenów wejściowych i 65 536 tokenów wyjściowych, a udokumentowana granica wiedzy to styczeń 2025. Duży zakres danych wejściowych pozwala połączyć materiały, instrukcje i przykłady; nadaj każdemu źródłu etykietę i określ, z jakich dowodów powinna korzystać odpowiedź. To edycja Flash-Lite zwracająca tekst: generowana mowa, generowane obrazy i interfejs głosowy czasu rzeczywistego nie należą do jej wymienionego profilu wyjściowego.
Producent dokumentuje rozumowanie, ustrukturyzowane odpowiedzi, wywoływanie funkcji, wykonywanie kodu, oparcie odpowiedzi na wynikach wyszukiwania, kontekst URL i przeszukiwanie plików. Rozumowanie można wykorzystać w zadaniu z zależnymi warunkami; ustrukturyzowana odpowiedź może dostarczyć pola do wydobywania informacji lub klasyfikacji. Wywołanie funkcji zawiera proponowaną nazwę funkcji i argumenty, natomiast aplikacja wykonuje ją i zwraca wynik. Narzędzie Google do wykonywania kodu używa języka Python; narzędzia wyszukiwania i pracy z dokumentami dostarczają materiały zewnętrzne do merytorycznej odpowiedzi pisemnej. Dokładny profil obejmuje również obsługę buforowania i przetwarzania wsadowego. Są to udokumentowane możliwości modelu, a nie stwierdzenie, że konkretna aplikacja włączyła wszystkie narzędzia lub połączyła je w jednym zapytaniu.
Karta rodziny modeli opisuje model typu Transformer o architekturze rzadkiej mieszanki ekspertów (sparse mixture-of-experts) z natywnym rozumieniem multimodalnym. Trening wstępny obejmuje tekst z sieci, języki programowania, obrazy, dźwięk i wideo. Dalsze dostrajanie wykorzystuje zweryfikowane pary instrukcji i odpowiedzi, informacje o preferencjach ludzi oraz dane dotyczące korzystania z narzędzi, a przygotowanie obejmuje usuwanie duplikatów oraz filtrowanie pod kątem bezpieczeństwa i jakości. Ta sama karta wskazuje możliwość zmyślania faktów, trudności z rozumowaniem przyczynowym i kontrfaktycznym, ograniczenia złożonego wnioskowania logicznego oraz niespójne przestrzeganie budżetów rozumowania. Odnotowuje również tendencję niektórych odpowiedzi do nadmiernie pouczającego tonu. To konkretne aspekty wymagające oceny w modelu do zwięzłego przetwarzania.
Przygotuj reprezentatywne zwykłe, niejednoznaczne i niekompletne dane wejściowe do powtarzalnego zadania. Przy tłumaczeniu porównaj terminologię, znaczenie i wymagany format zawierający wyłącznie wynik. Przy transkrypcji lub wydobywaniu informacji z dokumentów porównaj zwrócone szczegóły z dostarczonym materiałem i wskaż, czego nie udało się ustalić. Przy krótkiej odpowiedzi sprawdź, czy zachowano każdy obowiązkowy fakt. Gotowym rezultatem może być przetłumaczony fragment, zwarte streszczenie, wydobyte pola albo kategoria i następne działanie. Takie przygotowanie wykorzystuje charakterystyczny dla wrześniowej edycji nacisk na dokładność wykonywania instrukcji, zwięzłość i obsługę multimediów, zachowując powiązanie wyniku z pierwotnymi dowodami.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-2.5-flash-lite-preview-09-2025 | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Przykłady: system, user, assistant, tool, function Warunki: Te role są jawnie reprezentowane przez typy zgodności w kodzie źródłowym; dokładny zestaw ról pozostaje właściwy dla danego modelu. Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring|content_part[]|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_calls | Typtool_call[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].tool_call_id | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— |
Polemessages[].name | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemessages[].reasoning_content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— |
Polemessages[].reasoning_details | Typobject|array | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polemax_completion_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Polestream_options.include_usage | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop | Typstring|string[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typfunction_tool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].type | Typstring | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— |
Poletools[].function.name | Typstring | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— |
Poletools[].function.description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].function.parameters | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleparallel_tool_calls | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleresponse_format | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning_effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polereasoning | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleservice_tier | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleinstructions | Typstring | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— |
Polefunctions | Typfunction[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polefunction_call | Typstring|object | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleprompt_cache_options | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemodalities | Typstring[] | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— |
Poleprovider | Typobject | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— |
Polecache_control.ttl | Typstring | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— |
Tekst · tekst UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontrakttablica wiadomości o strukturze role/content |
Parametrfile_material | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku |
Parametroptional_controls | Kontraktstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Cykl życia: synchronous_or_streamed
Wyślij dokładne ID modelu wraz z messages.
Długość kontekstu nie jest limitem wyjścia.
Plik tekstowy może dostarczyć dosłowny tekst; wejścia obrazowe/dźwiękowe/obiekty plików wymagają dokładnego powiązania.
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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-09-2025", "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-09-2025',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-09-2025',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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj każdy wariant i jego treść/wywołania narzędzi/rozumowanie. W SSE składaj przyrosty według indeksu wariantu/narzędzia, zachowując końcowy powód zakończenia i dane użycia.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra gemini-2.5-flash-lite-preview-09-2025
Użyj ścieżek metod podanych powyżej.
gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 koncentruje się na wykonywaniu instrukcji, zwięzłym tekście, tłumaczeniu i rozumieniu multimediów. Wrześniowa edycja Google przyjmuje tekst, obrazy, wideo, dźwięk i PDF, oferując ustrukturyzowane odpowiedzi oraz udokumentowane narzędzia do przetwarzania dużych wolumenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash-Lite Preview 09-2025 to wrześniowa edycja Google do częstych zadań wymagających zwięzłego, precyzyjnie ukierunkowanego wyniku tekstowego. Producent opisuje aktualizację wokół trzech tematów: lepszego wykonywania złożonych instrukcji i poleceń systemowych, ograniczenia rozwlekłości oraz poprawy tłumaczenia i rozumienia multimodalnego. Nazwa oznaczona datą identyfikuje tę konkretną wersję zapoznawczą oddzielnie od czerwcowej wersji zapoznawczej Flash-Lite, modelu stabilnego oraz zmiennego aliasu latest.
Lepsze wykonywanie instrukcji przydaje się, gdy zadanie ma kilka reguł, które muszą obowiązywać jednocześnie. Dostarcz materiał źródłowy, określ odbiorców i wymagany format, a następnie oddziel obowiązkową treść od opcjonalnego wyjaśnienia. Zadanie związane z obsługą zgłoszeń może wymagać kategorii, dokładnego pytania klienta i następnego kroku opartego wyłącznie na dostarczonym materiale referencyjnym. Zadanie dotyczące dokumentu może wskazywać, które terminy zachować, jakie fakty muszą się pojawić i jak przedstawiać brakujące wartości. Te przykłady przekładają szczegółową instrukcję na wynik z wymaganiami, które da się sprawdzić.
Ograniczona rozwlekłość jest deklarowaną cechą tego wydania. Ma szczególne znaczenie, gdy wynik staje się krótką wartością pola, zwięzłą odpowiedzią lub kolejnym wejściem w większym procesie. Poproś o potrzebne informacje zamiast ogólnego omówienia: decyzję, jej źródło i nierozstrzygnięte pytanie. W przypadku streszczenia wymień fakty i terminy, które muszą zostać zachowane mimo skrócenia, oraz określ liczbę lub cel sekcji. Zwięzłość nie jest tym samym co pomijanie ważnych warunków; praktyczny szablon odpowiedzi jasno wskazuje wymaganą treść.
Google informuje o poprawie jakości tłumaczenia, rozumienia obrazów i transkrypcji dźwięku w tej wrześniowej aktualizacji. Przy tłumaczeniu określ grupę docelową i glosariusz oraz odróżnij nazwy pozostające bez zmian od sformułowań podlegających lokalizacji. Przy obrazie zaznacz komponent lub fragment do wyjaśnienia i opisz zamierzone zastosowanie odpowiedzi. Przy transkrypcji dźwięku poproś o zapis tekstowy z językiem i regułami formatowania potrzebnymi w kolejnym kroku. Źródło multimedialne można również streścić lub porównać z wymaganiem tekstowym, jeśli pytanie wskazuje istotną treść.
Karta tej konkretnej edycji oznaczonej datą wymienia tekst, obrazy, wideo, dźwięk i PDF jako dane wejściowe, a tekst jako wynik. Limity wynoszą 1 048 576 tokenów wejściowych i 65 536 tokenów wyjściowych, a udokumentowana granica wiedzy to styczeń 2025. Duży zakres danych wejściowych pozwala połączyć materiały, instrukcje i przykłady; nadaj każdemu źródłu etykietę i określ, z jakich dowodów powinna korzystać odpowiedź. To edycja Flash-Lite zwracająca tekst: generowana mowa, generowane obrazy i interfejs głosowy czasu rzeczywistego nie należą do jej wymienionego profilu wyjściowego.
Producent dokumentuje rozumowanie, ustrukturyzowane odpowiedzi, wywoływanie funkcji, wykonywanie kodu, oparcie odpowiedzi na wynikach wyszukiwania, kontekst URL i przeszukiwanie plików. Rozumowanie można wykorzystać w zadaniu z zależnymi warunkami; ustrukturyzowana odpowiedź może dostarczyć pola do wydobywania informacji lub klasyfikacji. Wywołanie funkcji zawiera proponowaną nazwę funkcji i argumenty, natomiast aplikacja wykonuje ją i zwraca wynik. Narzędzie Google do wykonywania kodu używa języka Python; narzędzia wyszukiwania i pracy z dokumentami dostarczają materiały zewnętrzne do merytorycznej odpowiedzi pisemnej. Dokładny profil obejmuje również obsługę buforowania i przetwarzania wsadowego. Są to udokumentowane możliwości modelu, a nie stwierdzenie, że konkretna aplikacja włączyła wszystkie narzędzia lub połączyła je w jednym zapytaniu.
Karta rodziny modeli opisuje model typu Transformer o architekturze rzadkiej mieszanki ekspertów (sparse mixture-of-experts) z natywnym rozumieniem multimodalnym. Trening wstępny obejmuje tekst z sieci, języki programowania, obrazy, dźwięk i wideo. Dalsze dostrajanie wykorzystuje zweryfikowane pary instrukcji i odpowiedzi, informacje o preferencjach ludzi oraz dane dotyczące korzystania z narzędzi, a przygotowanie obejmuje usuwanie duplikatów oraz filtrowanie pod kątem bezpieczeństwa i jakości. Ta sama karta wskazuje możliwość zmyślania faktów, trudności z rozumowaniem przyczynowym i kontrfaktycznym, ograniczenia złożonego wnioskowania logicznego oraz niespójne przestrzeganie budżetów rozumowania. Odnotowuje również tendencję niektórych odpowiedzi do nadmiernie pouczającego tonu. To konkretne aspekty wymagające oceny w modelu do zwięzłego przetwarzania.
Przygotuj reprezentatywne zwykłe, niejednoznaczne i niekompletne dane wejściowe do powtarzalnego zadania. Przy tłumaczeniu porównaj terminologię, znaczenie i wymagany format zawierający wyłącznie wynik. Przy transkrypcji lub wydobywaniu informacji z dokumentów porównaj zwrócone szczegóły z dostarczonym materiałem i wskaż, czego nie udało się ustalić. Przy krótkiej odpowiedzi sprawdź, czy zachowano każdy obowiązkowy fakt. Gotowym rezultatem może być przetłumaczony fragment, zwarte streszczenie, wydobyte pola albo kategoria i następne działanie. Takie przygotowanie wykorzystuje charakterystyczny dla wrześniowej edycji nacisk na dokładność wykonywania instrukcji, zwięzłość i obsługę multimediów, zachowując powiązanie wyniku z pierwotnymi dowodami.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-2.5-flash-lite-preview-09-2025 | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Tekst · tekst UTF-8
ciąg messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktOdczytaj rzeczywisty dokument UTF-8 i umieść jego tekst we wskazanym polu input lub w ciągu treści wiadomości. |
Cykl życia: synchronous_or_streamed
Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie.
| Konfiguracja | Tabela stawek | Opłata |
|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0 / 1K tokenów Wejście · Zapis do cache $0 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "gemini-2.5-flash-lite-preview-09-2025",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-09-2025', '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-09-2025', '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 lub SSE
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkie bloki treści, sygnatury myślenia i rzeczywiste ID użycia narzędzi. Złóż wszystkie przyrosty bloków SSE; pierwszy blok tekstowy nie jest pełnym wyjściem.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowe wymagane pola, sposób reprezentacji materiału lub wartość parametru | Następny krokPopraw wskazane pola przed nowym żądaniem utworzenia. |
Ailoot Ultra gemini-2.5-flash-lite-preview-09-2025
Użyj ścieżek metod podanych powyżej.
Przykład techniczny po angielsku
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.