Source: https://ailoot.ai/models/pl/gemini-2-5-flash-lite-preview-09-2025/ Canonical: https://ailoot.ai/models/pl/gemini-2-5-flash-lite-preview-09-2025/ Language: pl # gemini-2.5-flash-lite-preview-09-2025 [Markdown](https://ailoot.ai/models/pl/gemini-2-5-flash-lite-preview-09-2025/index.md) · [JSON](https://ailoot.ai/models/pl/gemini-2-5-flash-lite-preview-09-2025/facts.json) ## [gemini-2.5-flash-lite-preview-09-2025](https://ailoot.ai/models/pl/gemini-2-5-flash-lite-preview-09-2025/) Gemini 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. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `gemini-2.5-flash-lite-preview-09-2025`](https://ailoot.ai/models/pl/gemini-2-5-flash-lite-preview-09-2025/#method-0) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `gemini-2.5-flash-lite-preview-09-2025`](https://ailoot.ai/models/pl/gemini-2-5-flash-lite-preview-09-2025/#method-1) O modelu 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. Zadanie praktyczne ### Zadanie praktyczne Przykład techniczny po angielsku ``` Translate a constrained support notice Translate 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. ``` #### Oczekiwany wynik ``` One French translation with the product name unchanged and both stages kept distinct. ``` #### Sprawdź wynik ``` Check that the translation preserves the pending address check and does not announce dispatch. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `gemini-2.5-flash-lite-preview-09-2025` [`gemini-2.5-flash-lite-preview-09-2025`](https://ailoot.ai/models/pl/#m=gemini-2.5-flash-lite-preview-09-2025&route=Ultra&caller=gemini-2.5-flash-lite-preview-09-2025&fmt=chat) Google /`gemini-2.5-flash-lite-preview-09-2025` ### Start Gemini 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. Akceptowane dane wejściowe Tekst Wyniki Tekst ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Wejście `text` Wyjście `text` Format wyjściowy json lub SSE | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity gemini-2.5-flash-lite-preview-09-2025 | Domyślnie— | | Pole`messages` | Typ`message[]` | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— | | Pole`messages[].role` | Typ`string` | 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— | | Pole`messages[].content` | Typ`string\|content_part[]\|null` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`messages[].tool_calls` | Typ`tool_call[]` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`messages[].tool_call_id` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: role=tool; użyj rzeczywiście zwróconego ID | Domyślnie— | | Pole`messages[].name` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`messages[].reasoning_content` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Przekazuj z powrotem rzeczywiście zwróconą treść rozumowania, gdy ten model jej używa | Domyślnie— | | Pole`messages[].reasoning_details` | Typ`object\|array` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`max_tokens` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— | | Pole`max_completion_tokens` | Typ`integer` | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— | | Pole`stream` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse | | Pole`stream_options.include_usage` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`temperature` | Typ`number` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`top_p` | Typ`number` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`stop` | Typ`string\|string[]` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`tools` | Typ`function_tool[]` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`tools[].type` | Typ`string` | WymaganieOpcjonalne | Wartości i limity function Zależy od modelu | Domyślnie— | | Pole`tools[].function.name` | Typ`string` | WymaganieWymagane | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie funkcji | Domyślnie— | | Pole`tools[].function.description` | Typ`string` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`tools[].function.parameters` | Typ`JSON_schema` | WymaganieOpcjonalne | Wartości i limity | Domyślnie— | | Pole`tool_choice` | Typ`string\|object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`parallel_tool_calls` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`response_format` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`reasoning_effort` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`reasoning` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`service_tier` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`instructions` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Pole zgodności | Domyślnie— | | Pole`functions` | Typ`function[]` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`function_call` | Typ`string\|object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`prompt_cache_options` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— | | Pole`modalities` | Typ`string[]` | WymaganieOpcjonalne | Wartości i limity text | Domyślnie— | | Pole`provider` | Typ`object` | WymaganieOpcjonalne | Wartości i limity Warunki: provider.options jest odrzucane na tej tekstowej trasie Ultra | Domyślnie— | | Pole`cache_control.ttl` | Typ`string` | WymaganieOpcjonalne | Wartości i limity Warunki: 1h jest odrzucane w rzeczywistych miejscach pamięci podręcznej promptów | Domyślnie— | Kombinacje materiałów wejściowych **Tekst** · tekst UTF8 `messages[].content` Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, messages | | Parametr`material_types` | Kontrakttext | | Parametr`messages` | Kontrakttablica wiadomości o strukturze role/content | | Parametr`file_material` | Kontraktrzeczywisty dokument UTF-8 wstawiony jako dosłowny tekst; bez wywnioskowanego ID pliku | | Parametr`optional_controls` | Kontraktstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parametr`control_scope` | Kontraktwłaściwe dla modelu; narzędzia funkcji użytkownika różnią się od narzędzi hostowanych | | Parametr`output_modalities` | Kontrakttext | | Parametr`hosted_operations` | Kontraktfalse | | Parametr`multimodal_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. ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) Wycena jawnej pamięci podręcznej Niewłączone Gdy zażądano jawnej pamięci podręcznej #### Stawki Ailoot #### Ceny według konfiguracji | 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 **$0** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · OpenAI Chat curlPython SDKStrumień w Pythonie ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=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."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='gemini-2.5-flash-lite-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with 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: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · OpenAI Chat json lub SSE ##### Zachowaj wszystkie ukończone wyniki 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. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`choices[].index` | Typinteger | | Pole`choices[].message.content` | Typstring\|null | | Pole`choices[].message.tool_calls` | Typtool\_call\[\] | | Pole`choices[].message.reasoning_content` | Typstring | | Pole`choices[].message.reasoning_details` | Typobject\|array | | Pole`choices[].finish_reason` | Typstring\|null | | Pole`usage` | Typobject | Błędy i dalsze kroki | 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. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`gemini-2.5-flash-lite-preview-09-2025`](https://ailoot.ai/models/pl/#m=gemini-2.5-flash-lite-preview-09-2025&route=Ultra&caller=gemini-2.5-flash-lite-preview-09-2025&fmt=chat) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`gemini-2.5-flash-lite-preview-09-2025`](https://ailoot.ai/models/pl/#m=gemini-2.5-flash-lite-preview-09-2025&route=Ultra&caller=gemini-2.5-flash-lite-preview-09-2025&fmt=chat) **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `gemini-2.5-flash-lite-preview-09-2025` [`gemini-2.5-flash-lite-preview-09-2025`](https://ailoot.ai/models/pl/#m=gemini-2.5-flash-lite-preview-09-2025&route=Ultra&caller=gemini-2.5-flash-lite-preview-09-2025&fmt=messages) Google /`gemini-2.5-flash-lite-preview-09-2025` ### Start Gemini 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. Akceptowane dane wejściowe Tekst Wyniki json · sse ### Dostępne w Ailoot · dane wejściowe i metody **Ailoot Ultra · Anthropic Messages** `POST /v1/messages` Wejście `text` Wyjście `json`, `sse` Format wyjściowy JSON lub SSE | Pole | Typ | Wymaganie | Wartości i limity | Domyślnie | | --- | --- | --- | --- | --- | | Pole`model` | Typ`string` | WymaganieWymagane | Wartości i limity gemini-2.5-flash-lite-preview-09-2025 | Domyślnie— | | Pole`messages` | Typ`message[]` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`messages[].role` | Typ`string` | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— | | Pole`messages[].content` | Typ`string` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`max_tokens` | Typ`integer` | WymaganieWymagane | Wartości i limity | Domyślnie— | | Pole`stream` | Typ`boolean` | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse | Kombinacje materiałów wejściowych **Tekst** · tekst UTF-8 `ciąg messages[].content` Parametry i cykl życia metody | Parametr | Kontrakt | | --- | --- | | Parametr`content_type` | Kontraktapplication/json | | Parametr`required` | Kontraktmodel, messages, max\_tokens | | Parametr`optional_controls` | Kontraktstream | | Parametr`material_types` | Kontrakttext | | Parametr`text_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` ### Cennik Informacje taryfowe nie dodają opcji żądania. Obsługiwane parametry podano przy wybranej metodzie. Tryb szybki Nie określono Gdy wybrany jest tryb szybki Tryb flex Nie określono Gdy wybrany jest tryb flex Maksymalna intensywność rozumowania Nie określono Gdy dla maksymalnej intensywności rozumowania stosowana jest domyślna korekta (default) Wycena jawnej pamięci podręcznej Niewłączone Gdy zażądano jawnej pamięci podręcznej #### Stawki Ailoot #### Ceny według konfiguracji | 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 **$0** / 1K tokenów Wejście · Zapis do cache, 1 godz. **—** / 1K tokenów | Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. [Jak działają rezerwacja i rozliczenie →](https://ailoot.ai/docs/pl/billing/reserve/) ### Przykładowe żądania #### Ailoot Ultra · Anthropic Messages Kompletna minimalna treść żądania JSONcurl · użyj swojego dokumentu UTF-8Python · zapisz kompletny wynik ```json { "model": "gemini-2.5-flash-lite-preview-09-2025", "max_tokens": 128, "messages": [ { "role": "user", "content": "Summarize the incident report." } ], "stream": false } ``` ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" : "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}" export AILOOT_TEXT_FILE python3 - <<'PY_REQUEST' import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'gemini-2.5-flash-lite-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8') PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \ -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) PY_RESULT ``` ```python import json, os from pathlib import Path source_file = Path(os.environ['AILOOT_TEXT_FILE']) if not source_file.is_file(): raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document') text = source_file.read_text(encoding='utf-8') if not text.strip(): raise SystemExit('Choose a document containing text') payload = {'model': 'gemini-2.5-flash-lite-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]} payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text from urllib.request import Request, urlopen from urllib.error import HTTPError api_key = os.environ['AILOOT_API_KEY'] if not api_key.strip(): raise SystemExit('Set AILOOT_API_KEY before making a request') headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'} headers['x-api-key'] = api_key request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST') try: with urlopen(request, timeout=120) as response: raw = response.read() Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8') except HTTPError as error: Path('result.json').write_bytes(error.read()) Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8') raise Path('result.json').write_bytes(raw) import json from pathlib import Path result = json.loads(Path('result.json').read_text(encoding='utf-8')) print(json.dumps(result, ensure_ascii=False, indent=2)) ``` ### Odbieranie i zapisywanie wyników #### Ailoot Ultra · Anthropic Messages JSON lub SSE ##### Zachowaj wszystkie ukończone wyniki 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. ##### Jeśli trzeba sprawdzić pierwotną odpowiedź Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego. Pola odpowiedzi | Pole | Typ | | --- | --- | | Pole`id` | Typstring | | Pole`model` | Typstring | | Pole`content[]` | Typtext\|thinking\|tool\_use\|other content block | | Pole`stop_reason` | Typstring\|null | | Pole`usage` | Typobject | Błędy i dalsze kroki | 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. | ### Aliasy #### Aliasy modelu **Ailoot Ultra** [`gemini-2.5-flash-lite-preview-09-2025`](https://ailoot.ai/models/pl/#m=gemini-2.5-flash-lite-preview-09-2025&route=Ultra&caller=gemini-2.5-flash-lite-preview-09-2025&fmt=messages) #### Aliasy ścieżek metod Użyj ścieżek metod podanych powyżej. #### Powiązane ID modeli [`gemini-2.5-flash-lite-preview-09-2025`](https://ailoot.ai/models/pl/#m=gemini-2.5-flash-lite-preview-09-2025&route=Ultra&caller=gemini-2.5-flash-lite-preview-09-2025&fmt=messages) FAQ · gemini-2.5-flash-lite-preview-09-2025 Jakie dane wejściowe i wyniki są dostępne? `POST /v1/chat/completions` · `gemini-2.5-flash-lite-preview-09-2025`: `text` → `text` `POST /v1/messages` · `gemini-2.5-flash-lite-preview-09-2025`: `text` → `json`, `sse` Jakich pól używa żądanie? `POST /v1/chat/completions` · `gemini-2.5-flash-lite-preview-09-2025`: `model`, `messages`, `stream`, `modalities`, `provider` `POST /v1/messages` · `gemini-2.5-flash-lite-preview-09-2025`: `model`, `messages`, `max_tokens`, `stream` Jakie limity obowiązują? `POST /v1/chat/completions` · `gemini-2.5-flash-lite-preview-09-2025`: `messages.min_items`: `1` Połącz Ailoot z Claude Code, OpenCode, Hermes albo własną aplikacją. ## Firma i jej portfel projektów Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. ## Kupuj tokeny z rabatem. Rabat subskrypcji do regularnej pracy. Kody promocyjne — do 50% na tokeny. Subskrypcja Wybierz plan z rabatem do regularnych żądań. Kod promocyjny do 50% Wpisz kod przy zakupie. Cena zostanie przeliczona według aktualnej promocji. Koszty w historii Model, tokeny i kwota są zapisywane dla każdego żądania. [Wybierz subskrypcję](https://ailoot.ai/docs/pl/billing/subscriptions/) · [Sprawdź ceny modeli](https://ailoot.ai/models/pl/) ## Połącz API z produktem, który sprzedajesz. SaaS, aplikacje i boty na warunkach oferty i umowy licencyjnej Ailoot. Do odsprzedaży poproś o licencję resellerską. Aplikacja komercyjna Wbuduj generowanie tekstu, obrazów, wideo i dźwięku w płatne funkcje usługi. Licencja resellerska Prześlij opis projektu i schemat dostępu. Poproś o pisemne warunki używania i odsprzedaży. Dokumenty na stronie Oferta, umowa licencyjna i polityka przetwarzania danych są dostępne przed połączeniem. [Poproś o licencję resellerską](mailto:support@ailoot.ai) · [Oferta i umowa licencyjna](https://ailoot.ai/legal/offer?lang=pl) ## Ailoot · Firma i jej portfel projektów Ailoot opiera się na zgromadzonym doświadczeniu operacyjnym, szerokiej bazie klientów, stabilnej usłudze i stałej kontroli KPI. Firma i jej portfel projektów: miliony klientów; miesięczna sprzedaż liczona w miliardach. Ailoot wykorzystuje to doświadczenie operacyjne, zapewniając dostęp przez API do funkcji AI w produktach klientów, agentach, aplikacjach i automatyzacjach.