Gemini 2.5 Flash-Lite to stabilny lekki profil Google do masowego tłumaczenia, klasyfikacji i prostej ekstrakcji danych. Jego hybrydowe rozumowanie może wykorzystywać lub pomijać myślenie zgodnie z zadaniem. Przyjmuje tekst, obrazy, audio, wideo i PDF, a generuje tekst. Przydatny wynik to kategoria, zwięzłe tłumaczenie, rekord wyodrębniony z dostarczonego materiału lub pisemne wyjaśnienie o ograniczonym zakresie.
Dla klasyfikacji zdefiniuj kategorie, regułę decyzji i formę odpowiedzi. Zachowuj identyfikator źródła w wyniku, gdy przetwarzasz kilka niezależnych pozycji. Przy klasyfikacji wiadomości do pomocy technicznej sklasyfikuj wiadomość według typu problemu i zwróć zdanie wspierające kategorię. Uwzględnij regułę dla brakujących lub niejednoznacznych dowodów, aby płynna odpowiedź nie wypełniała wymaganego pola zgadywaną wartością. Lekka rola modelu jest najbardziej przydatna, gdy wejście i wymagany wynik są jasno określone.
Myślenie jest domyślnie wyłączone w udokumentowanej konfiguracji 2.5 Flash-Lite. Przewodnik myślenia GenerateContent Google dopuszcza jawny budżet myślenia od 512 do 24,576 tokenów, zero dla utrzymania wyłączenia i -1 dla żądania dynamicznego myślenia. Są to ustawienia budżetu rozumowania, odrębne od limitu odpowiedzi końcowej. Włącz dodatkowe rozumowanie, gdy ekstrakcja zawiera współzależne warunki lub klasyfikacja ma wyjątki; prosta konwersja może zachować domyślne zachowanie bez myślenia. Przewodnik zaznacza, że model może wykorzystać więcej lub mniej tokenów myślenia niż żądany budżet.
Dla tłumaczenia podaj język docelowy, odbiorców i terminy do zachowania. Określ, czy wynik ma zawierać tylko tłumaczenie, czy oznaczony rekord. Dla ekstrakcji dokumentu zdefiniuj pola i poproś o fragmenty źródłowe pozwalające sprawdzić wyjście. Dla nagrania odróżniaj transkrypt od podsumowania i wskaż ważny fragment. Obrazy lub wideo mogą dostarczać dowodów dla odpowiedzi tekstowej. Pożądany rezultat powinien pozostać jasny nawet wtedy, gdy wejście łączy kilka typów mediów.
Dokładna stabilna tabela wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Funkcje wymagają jasnego celu i zdefiniowanych parametrów; połączona aplikacja wykonuje operację i dostarcza wynik. Przy ekstrakcji opartej na schemacie zweryfikuj zwróconą strukturę i porównaj jej wartości z oryginalnym materiałem. Decyzja narzędziowa lub poprawnie uformowany rekord są przydatne tylko w kontekście źródła i rzeczywiście zwróconych dowodów.
Natywna karta podaje okno kontekstu 1M i wyjście tekstowe 64K. Strona modelu API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, treść źródła i zachowana rozmowa zużywają budżet wejścia, a rozumowanie i limit odpowiedzi wpływają na to, czy wynik końcowy się zmieści. Dla tego profilu producenta wymieniono buforowanie, przetwarzanie wsadowe, Flex i Priority. Przy powtarzalnych zadaniach zachowuj te same definicje kategorii lub pól i przenoś identyfikatory do wyniku, aby późniejsza kontrola mogła znaleźć pozycję źródłową.
Ten stabilny profil jest odrębny od czerwcowych i wrześniowych wariantów Preview opisanych w innych miejscach rodziny. Wspólna natywna karta przypisuje ulepszenia September Preview, w tym wykonywanie instrukcji i zwięzłość, konkretnie tej wersji preview; nie należy ich milcząco przenosić na stabilny identyfikator. Późniejsze generacje Flash-Lite używają także innych ustawień myślenia i tabel możliwości. Zachowuj edycję i wybieraj ustawienia dla niej udokumentowane zamiast zastępować budżety 2.5 składnią poziomów myślenia Gemini 3.
Karta wymienia halucynacje i ograniczenia w rozumieniu przyczynowości, złożonej dedukcji logicznej i rozumowaniu kontrfaktycznym oraz podaje datę graniczną wiedzy styczeń 2025. Dostarcz aktualne dowody lub użyj udokumentowanego przepływu ugruntowania, gdy ważne są nowsze fakty. Sprawdzaj tłumaczenia pod kątem znaczenia, wyodrębnione pola pod kątem poparcia źródłowego, a transkrypty względem audio. Konkretny, mały wynik ułatwia tę kontrolę bez traktowania dopracowanej odpowiedzi jako dowodu, że źródło zawierało wskazany szczegół.
", "aboutText": "Gemini 2.5 Flash-Lite to stabilny lekki profil Google do masowego tłumaczenia, klasyfikacji i prostej ekstrakcji danych. Jego hybrydowe rozumowanie może wykorzystywać lub pomijać myślenie zgodnie z zadaniem. Przyjmuje tekst, obrazy, audio, wideo i PDF, a generuje tekst. Przydatny wynik to kategoria, zwięzłe tłumaczenie, rekord wyodrębniony z dostarczonego materiału lub pisemne wyjaśnienie o ograniczonym zakresie.\n\nDla klasyfikacji zdefiniuj kategorie, regułę decyzji i formę odpowiedzi. Zachowuj identyfikator źródła w wyniku, gdy przetwarzasz kilka niezależnych pozycji. Przy klasyfikacji wiadomości do pomocy technicznej sklasyfikuj wiadomość według typu problemu i zwróć zdanie wspierające kategorię. Uwzględnij regułę dla brakujących lub niejednoznacznych dowodów, aby płynna odpowiedź nie wypełniała wymaganego pola zgadywaną wartością. Lekka rola modelu jest najbardziej przydatna, gdy wejście i wymagany wynik są jasno określone.\n\nMyślenie jest domyślnie wyłączone w udokumentowanej konfiguracji 2.5 Flash-Lite. Przewodnik myślenia GenerateContent Google dopuszcza jawny budżet myślenia od 512 do 24,576 tokenów, zero dla utrzymania wyłączenia i -1 dla żądania dynamicznego myślenia. Są to ustawienia budżetu rozumowania, odrębne od limitu odpowiedzi końcowej. Włącz dodatkowe rozumowanie, gdy ekstrakcja zawiera współzależne warunki lub klasyfikacja ma wyjątki; prosta konwersja może zachować domyślne zachowanie bez myślenia. Przewodnik zaznacza, że model może wykorzystać więcej lub mniej tokenów myślenia niż żądany budżet.\n\nDla tłumaczenia podaj język docelowy, odbiorców i terminy do zachowania. Określ, czy wynik ma zawierać tylko tłumaczenie, czy oznaczony rekord. Dla ekstrakcji dokumentu zdefiniuj pola i poproś o fragmenty źródłowe pozwalające sprawdzić wyjście. Dla nagrania odróżniaj transkrypt od podsumowania i wskaż ważny fragment. Obrazy lub wideo mogą dostarczać dowodów dla odpowiedzi tekstowej. Pożądany rezultat powinien pozostać jasny nawet wtedy, gdy wejście łączy kilka typów mediów.\n\nDokładna stabilna tabela wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Funkcje wymagają jasnego celu i zdefiniowanych parametrów; połączona aplikacja wykonuje operację i dostarcza wynik. Przy ekstrakcji opartej na schemacie zweryfikuj zwróconą strukturę i porównaj jej wartości z oryginalnym materiałem. Decyzja narzędziowa lub poprawnie uformowany rekord są przydatne tylko w kontekście źródła i rzeczywiście zwróconych dowodów.\n\nNatywna karta podaje okno kontekstu 1M i wyjście tekstowe 64K. Strona modelu API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, treść źródła i zachowana rozmowa zużywają budżet wejścia, a rozumowanie i limit odpowiedzi wpływają na to, czy wynik końcowy się zmieści. Dla tego profilu producenta wymieniono buforowanie, przetwarzanie wsadowe, Flex i Priority. Przy powtarzalnych zadaniach zachowuj te same definicje kategorii lub pól i przenoś identyfikatory do wyniku, aby późniejsza kontrola mogła znaleźć pozycję źródłową.\n\nTen stabilny profil jest odrębny od czerwcowych i wrześniowych wariantów Preview opisanych w innych miejscach rodziny. Wspólna natywna karta przypisuje ulepszenia September Preview, w tym wykonywanie instrukcji i zwięzłość, konkretnie tej wersji preview; nie należy ich milcząco przenosić na stabilny identyfikator. Późniejsze generacje Flash-Lite używają także innych ustawień myślenia i tabel możliwości. Zachowuj edycję i wybieraj ustawienia dla niej udokumentowane zamiast zastępować budżety 2.5 składnią poziomów myślenia Gemini 3.\n\nKarta wymienia halucynacje i ograniczenia w rozumieniu przyczynowości, złożonej dedukcji logicznej i rozumowaniu kontrfaktycznym oraz podaje datę graniczną wiedzy styczeń 2025. Dostarcz aktualne dowody lub użyj udokumentowanego przepływu ugruntowania, gdy ważne są nowsze fakty. Sprawdzaj tłumaczenia pod kątem znaczenia, wyodrębnione pola pod kątem poparcia źródłowego, a transkrypty względem audio. Konkretny, mały wynik ułatwia tę kontrolę bez traktowania dopracowanej odpowiedzi jako dowodu, że źródło zawierało wskazany szczegół.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.gemini-2.5-flash-liteGemini 2.5 Flash-Lite to stabilny multimodalny model tekstowy Google do częstej klasyfikacji, tłumaczenia i prostej ekstrakcji. Myślenie jest domyślnie wyłączone i można je włączyć z budżetem rozumowania 512–24,576 tokenów. Przyjmuje tekst i media, z narzędziami, wyjściem strukturalnym i limitem wejścia 1,048,576 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash-Lite to stabilny lekki profil Google do masowego tłumaczenia, klasyfikacji i prostej ekstrakcji danych. Jego hybrydowe rozumowanie może wykorzystywać lub pomijać myślenie zgodnie z zadaniem. Przyjmuje tekst, obrazy, audio, wideo i PDF, a generuje tekst. Przydatny wynik to kategoria, zwięzłe tłumaczenie, rekord wyodrębniony z dostarczonego materiału lub pisemne wyjaśnienie o ograniczonym zakresie.
Dla klasyfikacji zdefiniuj kategorie, regułę decyzji i formę odpowiedzi. Zachowuj identyfikator źródła w wyniku, gdy przetwarzasz kilka niezależnych pozycji. Przy klasyfikacji wiadomości do pomocy technicznej sklasyfikuj wiadomość według typu problemu i zwróć zdanie wspierające kategorię. Uwzględnij regułę dla brakujących lub niejednoznacznych dowodów, aby płynna odpowiedź nie wypełniała wymaganego pola zgadywaną wartością. Lekka rola modelu jest najbardziej przydatna, gdy wejście i wymagany wynik są jasno określone.
Myślenie jest domyślnie wyłączone w udokumentowanej konfiguracji 2.5 Flash-Lite. Przewodnik myślenia GenerateContent Google dopuszcza jawny budżet myślenia od 512 do 24,576 tokenów, zero dla utrzymania wyłączenia i -1 dla żądania dynamicznego myślenia. Są to ustawienia budżetu rozumowania, odrębne od limitu odpowiedzi końcowej. Włącz dodatkowe rozumowanie, gdy ekstrakcja zawiera współzależne warunki lub klasyfikacja ma wyjątki; prosta konwersja może zachować domyślne zachowanie bez myślenia. Przewodnik zaznacza, że model może wykorzystać więcej lub mniej tokenów myślenia niż żądany budżet.
Dla tłumaczenia podaj język docelowy, odbiorców i terminy do zachowania. Określ, czy wynik ma zawierać tylko tłumaczenie, czy oznaczony rekord. Dla ekstrakcji dokumentu zdefiniuj pola i poproś o fragmenty źródłowe pozwalające sprawdzić wyjście. Dla nagrania odróżniaj transkrypt od podsumowania i wskaż ważny fragment. Obrazy lub wideo mogą dostarczać dowodów dla odpowiedzi tekstowej. Pożądany rezultat powinien pozostać jasny nawet wtedy, gdy wejście łączy kilka typów mediów.
Dokładna stabilna tabela wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Funkcje wymagają jasnego celu i zdefiniowanych parametrów; połączona aplikacja wykonuje operację i dostarcza wynik. Przy ekstrakcji opartej na schemacie zweryfikuj zwróconą strukturę i porównaj jej wartości z oryginalnym materiałem. Decyzja narzędziowa lub poprawnie uformowany rekord są przydatne tylko w kontekście źródła i rzeczywiście zwróconych dowodów.
Natywna karta podaje okno kontekstu 1M i wyjście tekstowe 64K. Strona modelu API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, treść źródła i zachowana rozmowa zużywają budżet wejścia, a rozumowanie i limit odpowiedzi wpływają na to, czy wynik końcowy się zmieści. Dla tego profilu producenta wymieniono buforowanie, przetwarzanie wsadowe, Flex i Priority. Przy powtarzalnych zadaniach zachowuj te same definicje kategorii lub pól i przenoś identyfikatory do wyniku, aby późniejsza kontrola mogła znaleźć pozycję źródłową.
Ten stabilny profil jest odrębny od czerwcowych i wrześniowych wariantów Preview opisanych w innych miejscach rodziny. Wspólna natywna karta przypisuje ulepszenia September Preview, w tym wykonywanie instrukcji i zwięzłość, konkretnie tej wersji preview; nie należy ich milcząco przenosić na stabilny identyfikator. Późniejsze generacje Flash-Lite używają także innych ustawień myślenia i tabel możliwości. Zachowuj edycję i wybieraj ustawienia dla niej udokumentowane zamiast zastępować budżety 2.5 składnią poziomów myślenia Gemini 3.
Karta wymienia halucynacje i ograniczenia w rozumieniu przyczynowości, złożonej dedukcji logicznej i rozumowaniu kontrfaktycznym oraz podaje datę graniczną wiedzy styczeń 2025. Dostarcz aktualne dowody lub użyj udokumentowanego przepływu ugruntowania, gdy ważne są nowsze fakty. Sprawdzaj tłumaczenia pod kątem znaczenia, wyodrębnione pola pod kątem poparcia źródłowego, a transkrypty względem audio. Konkretny, mały wynik ułatwia tę kontrolę bez traktowania dopracowanej odpowiedzi jako dowodu, że źródło zawierało wskazany szczegół.
POST /v1/messagestext, imagetext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-2.5-flash-lite | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity user, assistant | Domyślnie— |
Polemessages[].content | Typstring|content_block[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polesystem | Typstring|content_block[] | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polemax_tokens | Typinteger | WymaganieWymagane | Wartości i limity Minimum: 1 Limit dotyczy: dokładny limit wybranego modelu/karty | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
Poletemperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletop_p | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polestop_sequences | Typstring[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools | Typtool[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].name | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: udostępnione narzędzie | Domyślnie— |
Poletools[].description | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletools[].input_schema | TypJSON_schema | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Poletool_choice | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polethinking.type | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polethinking.budget_tokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poleoutput_config.effort | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Polemetadata | Typobject | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polecache_control | Typobject | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Tekst · tekst UTF8
messages[].content lub blok type=text
Tekst + obraz
{type:image,source:{type:base64,media_type,data}} lub źródło type=url
| Parametr | Kontrakt |
|---|---|
Parametrmaterial_types | Kontrakttext, image |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktnull |
Parametrcontent_type | Kontraktapplication/json |
Parametrtext_file_material | Kontraktrzeczywista treść UTF-8 wstawiona jako tekst; ID/URLs plików wymagają oddzielnej, dokładnie określonej obsługi |
Cykl życia: exact retained published method
Struktury metod i ID są dokładne; możliwości dostawcy są odrębne od dopuszczenia żądania.
POST /v1/messagesAiloot 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 →
Referencyjne tabele modelu nie zmieniają wyboru metody, wyceny ani opłat. Naliczane opłaty korzystają ze stawek wybranej metody Ailoot.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaOpenAI Chat · Podstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaOpenAI Chat · Przedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaAnthropic Messages · Podstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaAnthropic Messages · Przedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-flash-lite",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-flash-lite",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='gemini-2.5-flash-lite',max_tokens=1024,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_message()\n save_result(final.to_dict(mode="json"),"stream-result")\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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite to stabilny multimodalny model tekstowy Google do częstej klasyfikacji, tłumaczenia i prostej ekstrakcji. Myślenie jest domyślnie wyłączone i można je włączyć z budżetem rozumowania 512–24,576 tokenów. Przyjmuje tekst i media, z narzędziami, wyjściem strukturalnym i limitem wejścia 1,048,576 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash-Lite to stabilny lekki profil Google do masowego tłumaczenia, klasyfikacji i prostej ekstrakcji danych. Jego hybrydowe rozumowanie może wykorzystywać lub pomijać myślenie zgodnie z zadaniem. Przyjmuje tekst, obrazy, audio, wideo i PDF, a generuje tekst. Przydatny wynik to kategoria, zwięzłe tłumaczenie, rekord wyodrębniony z dostarczonego materiału lub pisemne wyjaśnienie o ograniczonym zakresie.
Dla klasyfikacji zdefiniuj kategorie, regułę decyzji i formę odpowiedzi. Zachowuj identyfikator źródła w wyniku, gdy przetwarzasz kilka niezależnych pozycji. Przy klasyfikacji wiadomości do pomocy technicznej sklasyfikuj wiadomość według typu problemu i zwróć zdanie wspierające kategorię. Uwzględnij regułę dla brakujących lub niejednoznacznych dowodów, aby płynna odpowiedź nie wypełniała wymaganego pola zgadywaną wartością. Lekka rola modelu jest najbardziej przydatna, gdy wejście i wymagany wynik są jasno określone.
Myślenie jest domyślnie wyłączone w udokumentowanej konfiguracji 2.5 Flash-Lite. Przewodnik myślenia GenerateContent Google dopuszcza jawny budżet myślenia od 512 do 24,576 tokenów, zero dla utrzymania wyłączenia i -1 dla żądania dynamicznego myślenia. Są to ustawienia budżetu rozumowania, odrębne od limitu odpowiedzi końcowej. Włącz dodatkowe rozumowanie, gdy ekstrakcja zawiera współzależne warunki lub klasyfikacja ma wyjątki; prosta konwersja może zachować domyślne zachowanie bez myślenia. Przewodnik zaznacza, że model może wykorzystać więcej lub mniej tokenów myślenia niż żądany budżet.
Dla tłumaczenia podaj język docelowy, odbiorców i terminy do zachowania. Określ, czy wynik ma zawierać tylko tłumaczenie, czy oznaczony rekord. Dla ekstrakcji dokumentu zdefiniuj pola i poproś o fragmenty źródłowe pozwalające sprawdzić wyjście. Dla nagrania odróżniaj transkrypt od podsumowania i wskaż ważny fragment. Obrazy lub wideo mogą dostarczać dowodów dla odpowiedzi tekstowej. Pożądany rezultat powinien pozostać jasny nawet wtedy, gdy wejście łączy kilka typów mediów.
Dokładna stabilna tabela wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Funkcje wymagają jasnego celu i zdefiniowanych parametrów; połączona aplikacja wykonuje operację i dostarcza wynik. Przy ekstrakcji opartej na schemacie zweryfikuj zwróconą strukturę i porównaj jej wartości z oryginalnym materiałem. Decyzja narzędziowa lub poprawnie uformowany rekord są przydatne tylko w kontekście źródła i rzeczywiście zwróconych dowodów.
Natywna karta podaje okno kontekstu 1M i wyjście tekstowe 64K. Strona modelu API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, treść źródła i zachowana rozmowa zużywają budżet wejścia, a rozumowanie i limit odpowiedzi wpływają na to, czy wynik końcowy się zmieści. Dla tego profilu producenta wymieniono buforowanie, przetwarzanie wsadowe, Flex i Priority. Przy powtarzalnych zadaniach zachowuj te same definicje kategorii lub pól i przenoś identyfikatory do wyniku, aby późniejsza kontrola mogła znaleźć pozycję źródłową.
Ten stabilny profil jest odrębny od czerwcowych i wrześniowych wariantów Preview opisanych w innych miejscach rodziny. Wspólna natywna karta przypisuje ulepszenia September Preview, w tym wykonywanie instrukcji i zwięzłość, konkretnie tej wersji preview; nie należy ich milcząco przenosić na stabilny identyfikator. Późniejsze generacje Flash-Lite używają także innych ustawień myślenia i tabel możliwości. Zachowuj edycję i wybieraj ustawienia dla niej udokumentowane zamiast zastępować budżety 2.5 składnią poziomów myślenia Gemini 3.
Karta wymienia halucynacje i ograniczenia w rozumieniu przyczynowości, złożonej dedukcji logicznej i rozumowaniu kontrfaktycznym oraz podaje datę graniczną wiedzy styczeń 2025. Dostarcz aktualne dowody lub użyj udokumentowanego przepływu ugruntowania, gdy ważne są nowsze fakty. Sprawdzaj tłumaczenia pod kątem znaczenia, wyodrębnione pola pod kątem poparcia źródłowego, a transkrypty względem audio. Konkretny, mały wynik ułatwia tę kontrolę bez traktowania dopracowanej odpowiedzi jako dowodu, że źródło zawierało wskazany szczegół.
POST /v1beta/models/{model}:generateContenttext, imagetext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polepath.model | Typstring | WymaganieWymagane | Wartości i limity gemini-2.5-flash-lite | Domyślnie— |
Polecontents | Typcontent[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polecontents[].role | Typstring | WymaganieOpcjonalne | Wartości i limity user, model | Domyślnie— |
Polecontents[].parts | Typpart[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
PolesystemInstruction | Typcontent | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
PolegenerationConfig.maxOutputTokens | Typinteger | WymaganieOpcjonalne | Wartości i limity Minimum: 1 Zależy od modelu | Domyślnie— |
PolegenerationConfig.temperature | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.topP | Typnumber | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.topK | Typinteger | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.stopSequences | Typstring[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.thinkingConfig.includeThoughts | Typboolean | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolegenerationConfig.thinkingConfig.thinkingBudget | Typinteger | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
Poletools[].functionDeclarations | Typfunction_declaration[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PoletoolConfig.functionCallingConfig.mode | Typstring | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolesafetySettings | Typobject[] | WymaganieOpcjonalne | Wartości i limity Zależy od modelu | Domyślnie— |
PolesessionId | Typstring | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Tekst · tekst UTF8
contents[].parts[].text
Tekst + obraz
parts[].inlineData={mimeType,data}
| Parametr | Kontrakt |
|---|---|
Parametrmaterial_types | Kontrakttext, image |
Parametrrequired | Kontraktcontents |
Parametroptional_controls | Kontraktnull |
Parametrcontent_type | Kontraktapplication/json |
Parametrtext_file_material | Kontraktrzeczywista treść UTF-8 wstawiona jako tekst; ID/URLs plików wymagają oddzielnej, dokładnie określonej obsługi |
Cykl życia: exact retained published method
Struktury metod i ID są dokładne; możliwości dostawcy są odrębne od dopuszczenia żądania.
POST /v1beta/models/{model}:generateContentAiloot 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 →
Referencyjne tabele modelu nie zmieniają wyboru metody, wyceny ani opłat. Naliczane opłaty korzystają ze stawek wybranej metody Ailoot.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaOpenAI Chat · Podstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaOpenAI Chat · Przedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaAnthropic Messages · Podstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaAnthropic Messages · Przedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-flash-lite", contents="Explain the difference between an observation and a hypothesis 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(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-flash-lite", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\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=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\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\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-flash-lite',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson lub obsługiwane strumieniowanie
Zachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj wszystkich kandydatów i części, w tym wywołania funkcji, sygnatury myślenia i dane użycia; składaj fragmenty strumienia w kolejności.
Zachowaj ID i nagłówki żądań/odpowiedzi. Nie udostępniono ogólnego URL pobierania zadania tekstowego.
| Pole | Typ |
|---|---|
PoleresponseId | Typstring |
PolemodelVersion | Typstring |
Polecandidates[].content.parts[] | Typtext|inlineData|functionCall|other part |
Polecandidates[].finishReason | Typstring |
PoleusageMetadata | 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite to stabilny multimodalny model tekstowy Google do częstej klasyfikacji, tłumaczenia i prostej ekstrakcji. Myślenie jest domyślnie wyłączone i można je włączyć z budżetem rozumowania 512–24,576 tokenów. Przyjmuje tekst i media, z narzędziami, wyjściem strukturalnym i limitem wejścia 1,048,576 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash-Lite to stabilny lekki profil Google do masowego tłumaczenia, klasyfikacji i prostej ekstrakcji danych. Jego hybrydowe rozumowanie może wykorzystywać lub pomijać myślenie zgodnie z zadaniem. Przyjmuje tekst, obrazy, audio, wideo i PDF, a generuje tekst. Przydatny wynik to kategoria, zwięzłe tłumaczenie, rekord wyodrębniony z dostarczonego materiału lub pisemne wyjaśnienie o ograniczonym zakresie.
Dla klasyfikacji zdefiniuj kategorie, regułę decyzji i formę odpowiedzi. Zachowuj identyfikator źródła w wyniku, gdy przetwarzasz kilka niezależnych pozycji. Przy klasyfikacji wiadomości do pomocy technicznej sklasyfikuj wiadomość według typu problemu i zwróć zdanie wspierające kategorię. Uwzględnij regułę dla brakujących lub niejednoznacznych dowodów, aby płynna odpowiedź nie wypełniała wymaganego pola zgadywaną wartością. Lekka rola modelu jest najbardziej przydatna, gdy wejście i wymagany wynik są jasno określone.
Myślenie jest domyślnie wyłączone w udokumentowanej konfiguracji 2.5 Flash-Lite. Przewodnik myślenia GenerateContent Google dopuszcza jawny budżet myślenia od 512 do 24,576 tokenów, zero dla utrzymania wyłączenia i -1 dla żądania dynamicznego myślenia. Są to ustawienia budżetu rozumowania, odrębne od limitu odpowiedzi końcowej. Włącz dodatkowe rozumowanie, gdy ekstrakcja zawiera współzależne warunki lub klasyfikacja ma wyjątki; prosta konwersja może zachować domyślne zachowanie bez myślenia. Przewodnik zaznacza, że model może wykorzystać więcej lub mniej tokenów myślenia niż żądany budżet.
Dla tłumaczenia podaj język docelowy, odbiorców i terminy do zachowania. Określ, czy wynik ma zawierać tylko tłumaczenie, czy oznaczony rekord. Dla ekstrakcji dokumentu zdefiniuj pola i poproś o fragmenty źródłowe pozwalające sprawdzić wyjście. Dla nagrania odróżniaj transkrypt od podsumowania i wskaż ważny fragment. Obrazy lub wideo mogą dostarczać dowodów dla odpowiedzi tekstowej. Pożądany rezultat powinien pozostać jasny nawet wtedy, gdy wejście łączy kilka typów mediów.
Dokładna stabilna tabela wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Funkcje wymagają jasnego celu i zdefiniowanych parametrów; połączona aplikacja wykonuje operację i dostarcza wynik. Przy ekstrakcji opartej na schemacie zweryfikuj zwróconą strukturę i porównaj jej wartości z oryginalnym materiałem. Decyzja narzędziowa lub poprawnie uformowany rekord są przydatne tylko w kontekście źródła i rzeczywiście zwróconych dowodów.
Natywna karta podaje okno kontekstu 1M i wyjście tekstowe 64K. Strona modelu API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, treść źródła i zachowana rozmowa zużywają budżet wejścia, a rozumowanie i limit odpowiedzi wpływają na to, czy wynik końcowy się zmieści. Dla tego profilu producenta wymieniono buforowanie, przetwarzanie wsadowe, Flex i Priority. Przy powtarzalnych zadaniach zachowuj te same definicje kategorii lub pól i przenoś identyfikatory do wyniku, aby późniejsza kontrola mogła znaleźć pozycję źródłową.
Ten stabilny profil jest odrębny od czerwcowych i wrześniowych wariantów Preview opisanych w innych miejscach rodziny. Wspólna natywna karta przypisuje ulepszenia September Preview, w tym wykonywanie instrukcji i zwięzłość, konkretnie tej wersji preview; nie należy ich milcząco przenosić na stabilny identyfikator. Późniejsze generacje Flash-Lite używają także innych ustawień myślenia i tabel możliwości. Zachowuj edycję i wybieraj ustawienia dla niej udokumentowane zamiast zastępować budżety 2.5 składnią poziomów myślenia Gemini 3.
Karta wymienia halucynacje i ograniczenia w rozumieniu przyczynowości, złożonej dedukcji logicznej i rozumowaniu kontrfaktycznym oraz podaje datę graniczną wiedzy styczeń 2025. Dostarcz aktualne dowody lub użyj udokumentowanego przepływu ugruntowania, gdy ważne są nowsze fakty. Sprawdzaj tłumaczenia pod kątem znaczenia, wyodrębnione pola pod kątem poparcia źródłowego, a transkrypty względem audio. Konkretny, mały wynik ułatwia tę kontrolę bez traktowania dopracowanej odpowiedzi jako dowodu, że źródło zawierało wskazany szczegół.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-2.5-flash-lite | Domyślnie— |
Polemessages | Typmessage[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polemessages[].role | Typstring | WymaganieWymagane | Wartości i limity Zależy od modelu | Domyślnie— |
Polemessages[].content | Typstring | WymaganieOpcjonalne | Wartości i limity Obowiązuje, gdy: Rozmowa tekstowa | Domyślnie— |
Polestream | Typboolean | WymaganieOpcjonalne | Wartości i limity | Domyślniefalse |
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 |
Parametrcontrol_scope | KontraktRozmowa tekstowa; stream jest wartością logiczną i domyślnie wynosi false. |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Aliasy metody: /chat/completions
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.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${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","messages":[{"role":"user","content":"hello"}],"stream":false}')\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", messages=[{"role":"user","content":"hello"}], stream=False)\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"))\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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite to stabilny multimodalny model tekstowy Google do częstej klasyfikacji, tłumaczenia i prostej ekstrakcji. Myślenie jest domyślnie wyłączone i można je włączyć z budżetem rozumowania 512–24,576 tokenów. Przyjmuje tekst i media, z narzędziami, wyjściem strukturalnym i limitem wejścia 1,048,576 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash-Lite to stabilny lekki profil Google do masowego tłumaczenia, klasyfikacji i prostej ekstrakcji danych. Jego hybrydowe rozumowanie może wykorzystywać lub pomijać myślenie zgodnie z zadaniem. Przyjmuje tekst, obrazy, audio, wideo i PDF, a generuje tekst. Przydatny wynik to kategoria, zwięzłe tłumaczenie, rekord wyodrębniony z dostarczonego materiału lub pisemne wyjaśnienie o ograniczonym zakresie.
Dla klasyfikacji zdefiniuj kategorie, regułę decyzji i formę odpowiedzi. Zachowuj identyfikator źródła w wyniku, gdy przetwarzasz kilka niezależnych pozycji. Przy klasyfikacji wiadomości do pomocy technicznej sklasyfikuj wiadomość według typu problemu i zwróć zdanie wspierające kategorię. Uwzględnij regułę dla brakujących lub niejednoznacznych dowodów, aby płynna odpowiedź nie wypełniała wymaganego pola zgadywaną wartością. Lekka rola modelu jest najbardziej przydatna, gdy wejście i wymagany wynik są jasno określone.
Myślenie jest domyślnie wyłączone w udokumentowanej konfiguracji 2.5 Flash-Lite. Przewodnik myślenia GenerateContent Google dopuszcza jawny budżet myślenia od 512 do 24,576 tokenów, zero dla utrzymania wyłączenia i -1 dla żądania dynamicznego myślenia. Są to ustawienia budżetu rozumowania, odrębne od limitu odpowiedzi końcowej. Włącz dodatkowe rozumowanie, gdy ekstrakcja zawiera współzależne warunki lub klasyfikacja ma wyjątki; prosta konwersja może zachować domyślne zachowanie bez myślenia. Przewodnik zaznacza, że model może wykorzystać więcej lub mniej tokenów myślenia niż żądany budżet.
Dla tłumaczenia podaj język docelowy, odbiorców i terminy do zachowania. Określ, czy wynik ma zawierać tylko tłumaczenie, czy oznaczony rekord. Dla ekstrakcji dokumentu zdefiniuj pola i poproś o fragmenty źródłowe pozwalające sprawdzić wyjście. Dla nagrania odróżniaj transkrypt od podsumowania i wskaż ważny fragment. Obrazy lub wideo mogą dostarczać dowodów dla odpowiedzi tekstowej. Pożądany rezultat powinien pozostać jasny nawet wtedy, gdy wejście łączy kilka typów mediów.
Dokładna stabilna tabela wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Funkcje wymagają jasnego celu i zdefiniowanych parametrów; połączona aplikacja wykonuje operację i dostarcza wynik. Przy ekstrakcji opartej na schemacie zweryfikuj zwróconą strukturę i porównaj jej wartości z oryginalnym materiałem. Decyzja narzędziowa lub poprawnie uformowany rekord są przydatne tylko w kontekście źródła i rzeczywiście zwróconych dowodów.
Natywna karta podaje okno kontekstu 1M i wyjście tekstowe 64K. Strona modelu API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, treść źródła i zachowana rozmowa zużywają budżet wejścia, a rozumowanie i limit odpowiedzi wpływają na to, czy wynik końcowy się zmieści. Dla tego profilu producenta wymieniono buforowanie, przetwarzanie wsadowe, Flex i Priority. Przy powtarzalnych zadaniach zachowuj te same definicje kategorii lub pól i przenoś identyfikatory do wyniku, aby późniejsza kontrola mogła znaleźć pozycję źródłową.
Ten stabilny profil jest odrębny od czerwcowych i wrześniowych wariantów Preview opisanych w innych miejscach rodziny. Wspólna natywna karta przypisuje ulepszenia September Preview, w tym wykonywanie instrukcji i zwięzłość, konkretnie tej wersji preview; nie należy ich milcząco przenosić na stabilny identyfikator. Późniejsze generacje Flash-Lite używają także innych ustawień myślenia i tabel możliwości. Zachowuj edycję i wybieraj ustawienia dla niej udokumentowane zamiast zastępować budżety 2.5 składnią poziomów myślenia Gemini 3.
Karta wymienia halucynacje i ograniczenia w rozumieniu przyczynowości, złożonej dedukcji logicznej i rozumowaniu kontrfaktycznym oraz podaje datę graniczną wiedzy styczeń 2025. Dostarcz aktualne dowody lub użyj udokumentowanego przepływu ugruntowania, gdy ważne są nowsze fakty. Sprawdzaj tłumaczenia pod kątem znaczenia, wyodrębnione pola pod kątem poparcia źródłowego, a transkrypty względem audio. Konkretny, mały wynik ułatwia tę kontrolę bez traktowania dopracowanej odpowiedzi jako dowodu, że źródło zawierało wskazany szczegół.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-2.5-flash-lite | 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.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite to stabilny multimodalny model tekstowy Google do częstej klasyfikacji, tłumaczenia i prostej ekstrakcji. Myślenie jest domyślnie wyłączone i można je włączyć z budżetem rozumowania 512–24,576 tokenów. Przyjmuje tekst i media, z narzędziami, wyjściem strukturalnym i limitem wejścia 1,048,576 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash-Lite to stabilny lekki profil Google do masowego tłumaczenia, klasyfikacji i prostej ekstrakcji danych. Jego hybrydowe rozumowanie może wykorzystywać lub pomijać myślenie zgodnie z zadaniem. Przyjmuje tekst, obrazy, audio, wideo i PDF, a generuje tekst. Przydatny wynik to kategoria, zwięzłe tłumaczenie, rekord wyodrębniony z dostarczonego materiału lub pisemne wyjaśnienie o ograniczonym zakresie.
Dla klasyfikacji zdefiniuj kategorie, regułę decyzji i formę odpowiedzi. Zachowuj identyfikator źródła w wyniku, gdy przetwarzasz kilka niezależnych pozycji. Przy klasyfikacji wiadomości do pomocy technicznej sklasyfikuj wiadomość według typu problemu i zwróć zdanie wspierające kategorię. Uwzględnij regułę dla brakujących lub niejednoznacznych dowodów, aby płynna odpowiedź nie wypełniała wymaganego pola zgadywaną wartością. Lekka rola modelu jest najbardziej przydatna, gdy wejście i wymagany wynik są jasno określone.
Myślenie jest domyślnie wyłączone w udokumentowanej konfiguracji 2.5 Flash-Lite. Przewodnik myślenia GenerateContent Google dopuszcza jawny budżet myślenia od 512 do 24,576 tokenów, zero dla utrzymania wyłączenia i -1 dla żądania dynamicznego myślenia. Są to ustawienia budżetu rozumowania, odrębne od limitu odpowiedzi końcowej. Włącz dodatkowe rozumowanie, gdy ekstrakcja zawiera współzależne warunki lub klasyfikacja ma wyjątki; prosta konwersja może zachować domyślne zachowanie bez myślenia. Przewodnik zaznacza, że model może wykorzystać więcej lub mniej tokenów myślenia niż żądany budżet.
Dla tłumaczenia podaj język docelowy, odbiorców i terminy do zachowania. Określ, czy wynik ma zawierać tylko tłumaczenie, czy oznaczony rekord. Dla ekstrakcji dokumentu zdefiniuj pola i poproś o fragmenty źródłowe pozwalające sprawdzić wyjście. Dla nagrania odróżniaj transkrypt od podsumowania i wskaż ważny fragment. Obrazy lub wideo mogą dostarczać dowodów dla odpowiedzi tekstowej. Pożądany rezultat powinien pozostać jasny nawet wtedy, gdy wejście łączy kilka typów mediów.
Dokładna stabilna tabela wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Funkcje wymagają jasnego celu i zdefiniowanych parametrów; połączona aplikacja wykonuje operację i dostarcza wynik. Przy ekstrakcji opartej na schemacie zweryfikuj zwróconą strukturę i porównaj jej wartości z oryginalnym materiałem. Decyzja narzędziowa lub poprawnie uformowany rekord są przydatne tylko w kontekście źródła i rzeczywiście zwróconych dowodów.
Natywna karta podaje okno kontekstu 1M i wyjście tekstowe 64K. Strona modelu API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, treść źródła i zachowana rozmowa zużywają budżet wejścia, a rozumowanie i limit odpowiedzi wpływają na to, czy wynik końcowy się zmieści. Dla tego profilu producenta wymieniono buforowanie, przetwarzanie wsadowe, Flex i Priority. Przy powtarzalnych zadaniach zachowuj te same definicje kategorii lub pól i przenoś identyfikatory do wyniku, aby późniejsza kontrola mogła znaleźć pozycję źródłową.
Ten stabilny profil jest odrębny od czerwcowych i wrześniowych wariantów Preview opisanych w innych miejscach rodziny. Wspólna natywna karta przypisuje ulepszenia September Preview, w tym wykonywanie instrukcji i zwięzłość, konkretnie tej wersji preview; nie należy ich milcząco przenosić na stabilny identyfikator. Późniejsze generacje Flash-Lite używają także innych ustawień myślenia i tabel możliwości. Zachowuj edycję i wybieraj ustawienia dla niej udokumentowane zamiast zastępować budżety 2.5 składnią poziomów myślenia Gemini 3.
Karta wymienia halucynacje i ograniczenia w rozumieniu przyczynowości, złożonej dedukcji logicznej i rozumowaniu kontrfaktycznym oraz podaje datę graniczną wiedzy styczeń 2025. Dostarcz aktualne dowody lub użyj udokumentowanego przepływu ugruntowania, gdy ważne są nowsze fakty. Sprawdzaj tłumaczenia pod kątem znaczenia, wyodrębnione pola pod kątem poparcia źródłowego, a transkrypty względem audio. Konkretny, mały wynik ułatwia tę kontrolę bez traktowania dopracowanej odpowiedzi jako dowodu, że źródło zawierało wskazany szczegół.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemini-2.5-flash-lite | 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.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-flash-lite", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-2.5-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-2.5-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite to stabilny multimodalny model tekstowy Google do częstej klasyfikacji, tłumaczenia i prostej ekstrakcji. Myślenie jest domyślnie wyłączone i można je włączyć z budżetem rozumowania 512–24,576 tokenów. Przyjmuje tekst i media, z narzędziami, wyjściem strukturalnym i limitem wejścia 1,048,576 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash-Lite to stabilny lekki profil Google do masowego tłumaczenia, klasyfikacji i prostej ekstrakcji danych. Jego hybrydowe rozumowanie może wykorzystywać lub pomijać myślenie zgodnie z zadaniem. Przyjmuje tekst, obrazy, audio, wideo i PDF, a generuje tekst. Przydatny wynik to kategoria, zwięzłe tłumaczenie, rekord wyodrębniony z dostarczonego materiału lub pisemne wyjaśnienie o ograniczonym zakresie.
Dla klasyfikacji zdefiniuj kategorie, regułę decyzji i formę odpowiedzi. Zachowuj identyfikator źródła w wyniku, gdy przetwarzasz kilka niezależnych pozycji. Przy klasyfikacji wiadomości do pomocy technicznej sklasyfikuj wiadomość według typu problemu i zwróć zdanie wspierające kategorię. Uwzględnij regułę dla brakujących lub niejednoznacznych dowodów, aby płynna odpowiedź nie wypełniała wymaganego pola zgadywaną wartością. Lekka rola modelu jest najbardziej przydatna, gdy wejście i wymagany wynik są jasno określone.
Myślenie jest domyślnie wyłączone w udokumentowanej konfiguracji 2.5 Flash-Lite. Przewodnik myślenia GenerateContent Google dopuszcza jawny budżet myślenia od 512 do 24,576 tokenów, zero dla utrzymania wyłączenia i -1 dla żądania dynamicznego myślenia. Są to ustawienia budżetu rozumowania, odrębne od limitu odpowiedzi końcowej. Włącz dodatkowe rozumowanie, gdy ekstrakcja zawiera współzależne warunki lub klasyfikacja ma wyjątki; prosta konwersja może zachować domyślne zachowanie bez myślenia. Przewodnik zaznacza, że model może wykorzystać więcej lub mniej tokenów myślenia niż żądany budżet.
Dla tłumaczenia podaj język docelowy, odbiorców i terminy do zachowania. Określ, czy wynik ma zawierać tylko tłumaczenie, czy oznaczony rekord. Dla ekstrakcji dokumentu zdefiniuj pola i poproś o fragmenty źródłowe pozwalające sprawdzić wyjście. Dla nagrania odróżniaj transkrypt od podsumowania i wskaż ważny fragment. Obrazy lub wideo mogą dostarczać dowodów dla odpowiedzi tekstowej. Pożądany rezultat powinien pozostać jasny nawet wtedy, gdy wejście łączy kilka typów mediów.
Dokładna stabilna tabela wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Funkcje wymagają jasnego celu i zdefiniowanych parametrów; połączona aplikacja wykonuje operację i dostarcza wynik. Przy ekstrakcji opartej na schemacie zweryfikuj zwróconą strukturę i porównaj jej wartości z oryginalnym materiałem. Decyzja narzędziowa lub poprawnie uformowany rekord są przydatne tylko w kontekście źródła i rzeczywiście zwróconych dowodów.
Natywna karta podaje okno kontekstu 1M i wyjście tekstowe 64K. Strona modelu API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, treść źródła i zachowana rozmowa zużywają budżet wejścia, a rozumowanie i limit odpowiedzi wpływają na to, czy wynik końcowy się zmieści. Dla tego profilu producenta wymieniono buforowanie, przetwarzanie wsadowe, Flex i Priority. Przy powtarzalnych zadaniach zachowuj te same definicje kategorii lub pól i przenoś identyfikatory do wyniku, aby późniejsza kontrola mogła znaleźć pozycję źródłową.
Ten stabilny profil jest odrębny od czerwcowych i wrześniowych wariantów Preview opisanych w innych miejscach rodziny. Wspólna natywna karta przypisuje ulepszenia September Preview, w tym wykonywanie instrukcji i zwięzłość, konkretnie tej wersji preview; nie należy ich milcząco przenosić na stabilny identyfikator. Późniejsze generacje Flash-Lite używają także innych ustawień myślenia i tabel możliwości. Zachowuj edycję i wybieraj ustawienia dla niej udokumentowane zamiast zastępować budżety 2.5 składnią poziomów myślenia Gemini 3.
Karta wymienia halucynacje i ograniczenia w rozumieniu przyczynowości, złożonej dedukcji logicznej i rozumowaniu kontrfaktycznym oraz podaje datę graniczną wiedzy styczeń 2025. Dostarcz aktualne dowody lub użyj udokumentowanego przepływu ugruntowania, gdy ważne są nowsze fakty. Sprawdzaj tłumaczenia pod kątem znaczenia, wyodrębnione pola pod kątem poparcia źródłowego, a transkrypty względem audio. Konkretny, mały wynik ułatwia tę kontrolę bez traktowania dopracowanej odpowiedzi jako dowodu, że źródło zawierało wskazany szczegół.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemini-2.5-flash-lite | 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.
Dopasuj każdą opłatę do pokazanych warunków. Użyj jednej stawki dla każdego zestawu alternatywnych konfiguracji.
| Konfiguracja | Tabela stawek | Tokeny kontekstu, więcej niż | Tokeny kontekstu, do podanej wartości włącznie | Opłata |
|---|---|---|---|---|
| KonfiguracjaPodstawowe stawki za tokeny | Tabela stawekStawka podstawowa | Tokeny kontekstu, więcej niż— | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
| KonfiguracjaPrzedział długości żądania 1 | Tabela stawek— | Tokeny kontekstu, więcej niż0 | Tokeny kontekstu, do podanej wartości włącznieBez górnej granicy | Opłata Wejście · Tokeny wejściowe $0.0002 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0008 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "google/gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
Przykład techniczny po angielsku
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.