Gemini 3.5 Flash-Lite to skupiony na wykonaniu multimodalny profil tekstowy Google do powtarzalnej pracy z danymi i zadań podagentów o jasno określonym zakresie. Rozwija Gemini 3.1 Flash-Lite, ulepszając rozumienie dokumentów, niezawodność narzędzi i wykonywanie instrukcji między turami. Przyjmuje tekst, obrazy, audio, wideo i PDF, a zwraca tekst. Przydatny wynik to jeden wyodrębniony rekord, klasyfikacja, krótkie tłumaczenie lub analiza o ograniczonym zakresie wspomagana narzędziami w obrębie większego zadania.
Przy analizie dokumentów zdefiniuj ważne pola i dowody, które każde pole musi zachować. Dostarcz odpowiednie strony i określ sposób reprezentacji brakujących lub niejednoznacznych informacji. Przy ekstrakcji wiadomości do pomocy technicznej wyodrębnij kod produktu, wspomniany problem i potwierdzające zdanie, zachowując identyfikator wiadomości w odpowiedzi. Dokument z wieloma kandydatami dla pola nie powinien bez wskazania redukować ich do jednej zgadniętej wartości. Strukturalny JSON może uczynić wynik użytecznym w dalszym przetwarzaniu, gdy jego schemat odpowiada rzeczywistemu zadaniu.
Udokumentowane poziomy myślenia to minimal, low, medium i high, z domyślnym minimal. Producent zaleca go do masowej ekstrakcji, routingu i klasyfikacji, natomiast medium lub high jest odpowiednie do autonomicznej pracy podagentów obejmującej wywołania narzędzi, wykonywanie kodu lub kilka kroków rozumowania. Przewodnik wyraźnie zaleca zwiększenie wysiłku w takich dłuższych zadaniach, aby uniknąć przedwczesnego kończenia pracy narzędzi. Ekstrakcja jednego pola i porównanie dokumentów z wyjątkami korzystają więc z różnych wyborów wysiłku. Minimal jest obsługiwanym ustawieniem tej edycji, a nie ogólnym ustawieniem do przenoszenia na każdy model Flash.
Opis dla podagenta o jasno określonym zakresie powinien zawierać jedno zadanie, jego materiały źródłowe, dozwolone narzędzia i wymaganą postać końcową. Może na przykład sprawdzać tabelę według wskazanej reguły i zwracać objęte nią wiersze z odpowiednimi wartościami. Producent wyróżnia też przetwarzanie danych tabelarycznych i pracę nad frontendowym JavaScriptem wspomaganą lekkim wykonywaniem kodu. Otaczająca aplikacja nadal odpowiada za uruchomienie żądanej funkcji i zwrócenie rzeczywistego wyniku. Zachowuj rozróżnienie między ukończonym wynikiem, niewykonaną sugestią i nierozstrzygniętym pytaniem dotyczącym wejścia.
Dokładna strona 3.5 Flash-Lite wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL, z Computer Use oznaczonym jako preview. Obsługiwane są wyjście strukturalne i myślenie. Dla wieloturowej persony lub zadania zachowuj rzeczywiste instrukcje i obserwacje narzędzi, aby późniejsze odpowiedzi realizowały to samo zlecenie. Przewodnik deweloperski podkreśla silniejsze utrzymywanie persony niż w 3.1 Flash-Lite. Używaj zwięzłej roli i kontraktu wyjściowego zamiast redefiniowania celu przy każdym kolejnym poleceniu.
Przewodnik wycofuje również starsze ustawienia próbkowania i wstępnie wypełnione końcowe tury modelu dla tej edycji. Steruj odpowiedzią o ograniczonym zakresie przez jawne instrukcje lub schemat zamiast rozpoczynania jej w syntetycznej turze roli modelu. Zachowuj kontekst sygnatur myśli Gemini 3 tam, gdzie interfejs tego wymaga, i dopasowuj wyniki funkcji do ich wywołań. Te zasady przygotowania wspierają kontynuację, która nadal zawiera dowody potrzebne do ukończenia tego samego zadania.
Natywna karta podaje kontekst do 1M i wyjście tekstowe 64K; dokładna strona API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, rekordy, historia i media składają się na przygotowanie wejścia. Dla profilu producenta wymieniono opcje buforowania, batch, Flex i Priority. Przy powtarzalnych żądaniach stosuj stałe identyfikatory i zwięzły, spójny format odpowiedzi, aby każdą ekstrakcję można było porównać ze źródłem. Wejście audio, obrazowe lub wideo daje w tym profilu tekstową interpretację lub transkrypt, a nie wygenerowaną mowę lub grafikę.
Możliwe ograniczenia obejmują halucynacje i sporadyczne opóźnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Ekstrakcja zależna od źródła powinna zwracać to, co wspiera dostarczony materiał; pytania o aktualne fakty potrzebują aktualnych dowodów. W porównaniu z 3.1 Flash-Lite ten profil dodaje udokumentowane możliwości wykonania i obsługi komputera, podczas gdy 3.6 Flash kładzie nacisk na bardziej złożone programowanie i pracę przestrzenną. Sprawdzaj wyodrębnione pola, wyniki narzędzi i zachowane instrukcje przed włączeniem odpowiedzi do większego przepływu pracy.
", "aboutText": "Gemini 3.5 Flash-Lite to skupiony na wykonaniu multimodalny profil tekstowy Google do powtarzalnej pracy z danymi i zadań podagentów o jasno określonym zakresie. Rozwija Gemini 3.1 Flash-Lite, ulepszając rozumienie dokumentów, niezawodność narzędzi i wykonywanie instrukcji między turami. Przyjmuje tekst, obrazy, audio, wideo i PDF, a zwraca tekst. Przydatny wynik to jeden wyodrębniony rekord, klasyfikacja, krótkie tłumaczenie lub analiza o ograniczonym zakresie wspomagana narzędziami w obrębie większego zadania.\n\nPrzy analizie dokumentów zdefiniuj ważne pola i dowody, które każde pole musi zachować. Dostarcz odpowiednie strony i określ sposób reprezentacji brakujących lub niejednoznacznych informacji. Przy ekstrakcji wiadomości do pomocy technicznej wyodrębnij kod produktu, wspomniany problem i potwierdzające zdanie, zachowując identyfikator wiadomości w odpowiedzi. Dokument z wieloma kandydatami dla pola nie powinien bez wskazania redukować ich do jednej zgadniętej wartości. Strukturalny JSON może uczynić wynik użytecznym w dalszym przetwarzaniu, gdy jego schemat odpowiada rzeczywistemu zadaniu.\n\nUdokumentowane poziomy myślenia to minimal, low, medium i high, z domyślnym minimal. Producent zaleca go do masowej ekstrakcji, routingu i klasyfikacji, natomiast medium lub high jest odpowiednie do autonomicznej pracy podagentów obejmującej wywołania narzędzi, wykonywanie kodu lub kilka kroków rozumowania. Przewodnik wyraźnie zaleca zwiększenie wysiłku w takich dłuższych zadaniach, aby uniknąć przedwczesnego kończenia pracy narzędzi. Ekstrakcja jednego pola i porównanie dokumentów z wyjątkami korzystają więc z różnych wyborów wysiłku. Minimal jest obsługiwanym ustawieniem tej edycji, a nie ogólnym ustawieniem do przenoszenia na każdy model Flash.\n\nOpis dla podagenta o jasno określonym zakresie powinien zawierać jedno zadanie, jego materiały źródłowe, dozwolone narzędzia i wymaganą postać końcową. Może na przykład sprawdzać tabelę według wskazanej reguły i zwracać objęte nią wiersze z odpowiednimi wartościami. Producent wyróżnia też przetwarzanie danych tabelarycznych i pracę nad frontendowym JavaScriptem wspomaganą lekkim wykonywaniem kodu. Otaczająca aplikacja nadal odpowiada za uruchomienie żądanej funkcji i zwrócenie rzeczywistego wyniku. Zachowuj rozróżnienie między ukończonym wynikiem, niewykonaną sugestią i nierozstrzygniętym pytaniem dotyczącym wejścia.\n\nDokładna strona 3.5 Flash-Lite wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL, z Computer Use oznaczonym jako preview. Obsługiwane są wyjście strukturalne i myślenie. Dla wieloturowej persony lub zadania zachowuj rzeczywiste instrukcje i obserwacje narzędzi, aby późniejsze odpowiedzi realizowały to samo zlecenie. Przewodnik deweloperski podkreśla silniejsze utrzymywanie persony niż w 3.1 Flash-Lite. Używaj zwięzłej roli i kontraktu wyjściowego zamiast redefiniowania celu przy każdym kolejnym poleceniu.\n\nPrzewodnik wycofuje również starsze ustawienia próbkowania i wstępnie wypełnione końcowe tury modelu dla tej edycji. Steruj odpowiedzią o ograniczonym zakresie przez jawne instrukcje lub schemat zamiast rozpoczynania jej w syntetycznej turze roli modelu. Zachowuj kontekst sygnatur myśli Gemini 3 tam, gdzie interfejs tego wymaga, i dopasowuj wyniki funkcji do ich wywołań. Te zasady przygotowania wspierają kontynuację, która nadal zawiera dowody potrzebne do ukończenia tego samego zadania.\n\nNatywna karta podaje kontekst do 1M i wyjście tekstowe 64K; dokładna strona API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, rekordy, historia i media składają się na przygotowanie wejścia. Dla profilu producenta wymieniono opcje buforowania, batch, Flex i Priority. Przy powtarzalnych żądaniach stosuj stałe identyfikatory i zwięzły, spójny format odpowiedzi, aby każdą ekstrakcję można było porównać ze źródłem. Wejście audio, obrazowe lub wideo daje w tym profilu tekstową interpretację lub transkrypt, a nie wygenerowaną mowę lub grafikę.\n\nMożliwe ograniczenia obejmują halucynacje i sporadyczne opóźnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Ekstrakcja zależna od źródła powinna zwracać to, co wspiera dostarczony materiał; pytania o aktualne fakty potrzebują aktualnych dowodów. W porównaniu z 3.1 Flash-Lite ten profil dodaje udokumentowane możliwości wykonania i obsługi komputera, podczas gdy 3.6 Flash kładzie nacisk na bardziej złożone programowanie i pracę przestrzenną. Sprawdzaj wyodrębnione pola, wyniki narzędzi i zachowane instrukcje przed włączeniem odpowiedzi do większego przepływu pracy.", "editorialOverlay": { "copy_fields": { "practical_html": "Przykład techniczny po angielsku
Extract a support message record\n\nExtract fields from message S-91: "The pump P-28 stopped after ten minutes. I bought two, but only one has this issue. Please arrange a replacement." Return message ID, product code, issue, purchased quantity and affected quantity in a small table. Include the exact supporting phrase for each extracted value.A field/value/evidence table retaining S-91 and separating purchased from affected quantity.Check that two purchased pumps do not become two defective pumps.gemini-3.5-flash-liteGemini 3.5 Flash-Lite to multimodalny model Google do zadań podagentów o jasno określonym zakresie, analizy dokumentów i powtarzalnej ekstrakcji danych. Domyślne rozumowanie minimal pasuje do przetwarzania rekordów w zadaniach o ograniczonym zakresie; medium lub high udokumentowano do wieloetapowej pracy z narzędziami. Zwraca tekst lub wyniki strukturalne na podstawie tekstu, obrazów, audio, wideo i PDF.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.5 Flash-Lite to skupiony na wykonaniu multimodalny profil tekstowy Google do powtarzalnej pracy z danymi i zadań podagentów o jasno określonym zakresie. Rozwija Gemini 3.1 Flash-Lite, ulepszając rozumienie dokumentów, niezawodność narzędzi i wykonywanie instrukcji między turami. Przyjmuje tekst, obrazy, audio, wideo i PDF, a zwraca tekst. Przydatny wynik to jeden wyodrębniony rekord, klasyfikacja, krótkie tłumaczenie lub analiza o ograniczonym zakresie wspomagana narzędziami w obrębie większego zadania.
Przy analizie dokumentów zdefiniuj ważne pola i dowody, które każde pole musi zachować. Dostarcz odpowiednie strony i określ sposób reprezentacji brakujących lub niejednoznacznych informacji. Przy ekstrakcji wiadomości do pomocy technicznej wyodrębnij kod produktu, wspomniany problem i potwierdzające zdanie, zachowując identyfikator wiadomości w odpowiedzi. Dokument z wieloma kandydatami dla pola nie powinien bez wskazania redukować ich do jednej zgadniętej wartości. Strukturalny JSON może uczynić wynik użytecznym w dalszym przetwarzaniu, gdy jego schemat odpowiada rzeczywistemu zadaniu.
Udokumentowane poziomy myślenia to minimal, low, medium i high, z domyślnym minimal. Producent zaleca go do masowej ekstrakcji, routingu i klasyfikacji, natomiast medium lub high jest odpowiednie do autonomicznej pracy podagentów obejmującej wywołania narzędzi, wykonywanie kodu lub kilka kroków rozumowania. Przewodnik wyraźnie zaleca zwiększenie wysiłku w takich dłuższych zadaniach, aby uniknąć przedwczesnego kończenia pracy narzędzi. Ekstrakcja jednego pola i porównanie dokumentów z wyjątkami korzystają więc z różnych wyborów wysiłku. Minimal jest obsługiwanym ustawieniem tej edycji, a nie ogólnym ustawieniem do przenoszenia na każdy model Flash.
Opis dla podagenta o jasno określonym zakresie powinien zawierać jedno zadanie, jego materiały źródłowe, dozwolone narzędzia i wymaganą postać końcową. Może na przykład sprawdzać tabelę według wskazanej reguły i zwracać objęte nią wiersze z odpowiednimi wartościami. Producent wyróżnia też przetwarzanie danych tabelarycznych i pracę nad frontendowym JavaScriptem wspomaganą lekkim wykonywaniem kodu. Otaczająca aplikacja nadal odpowiada za uruchomienie żądanej funkcji i zwrócenie rzeczywistego wyniku. Zachowuj rozróżnienie między ukończonym wynikiem, niewykonaną sugestią i nierozstrzygniętym pytaniem dotyczącym wejścia.
Dokładna strona 3.5 Flash-Lite wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL, z Computer Use oznaczonym jako preview. Obsługiwane są wyjście strukturalne i myślenie. Dla wieloturowej persony lub zadania zachowuj rzeczywiste instrukcje i obserwacje narzędzi, aby późniejsze odpowiedzi realizowały to samo zlecenie. Przewodnik deweloperski podkreśla silniejsze utrzymywanie persony niż w 3.1 Flash-Lite. Używaj zwięzłej roli i kontraktu wyjściowego zamiast redefiniowania celu przy każdym kolejnym poleceniu.
Przewodnik wycofuje również starsze ustawienia próbkowania i wstępnie wypełnione końcowe tury modelu dla tej edycji. Steruj odpowiedzią o ograniczonym zakresie przez jawne instrukcje lub schemat zamiast rozpoczynania jej w syntetycznej turze roli modelu. Zachowuj kontekst sygnatur myśli Gemini 3 tam, gdzie interfejs tego wymaga, i dopasowuj wyniki funkcji do ich wywołań. Te zasady przygotowania wspierają kontynuację, która nadal zawiera dowody potrzebne do ukończenia tego samego zadania.
Natywna karta podaje kontekst do 1M i wyjście tekstowe 64K; dokładna strona API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, rekordy, historia i media składają się na przygotowanie wejścia. Dla profilu producenta wymieniono opcje buforowania, batch, Flex i Priority. Przy powtarzalnych żądaniach stosuj stałe identyfikatory i zwięzły, spójny format odpowiedzi, aby każdą ekstrakcję można było porównać ze źródłem. Wejście audio, obrazowe lub wideo daje w tym profilu tekstową interpretację lub transkrypt, a nie wygenerowaną mowę lub grafikę.
Możliwe ograniczenia obejmują halucynacje i sporadyczne opóźnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Ekstrakcja zależna od źródła powinna zwracać to, co wspiera dostarczony materiał; pytania o aktualne fakty potrzebują aktualnych dowodów. W porównaniu z 3.1 Flash-Lite ten profil dodaje udokumentowane możliwości wykonania i obsługi komputera, podczas gdy 3.6 Flash kładzie nacisk na bardziej złożone programowanie i pracę przestrzenną. Sprawdzaj wyodrębnione pola, wyniki narzędzi i zachowane instrukcje przed włączeniem odpowiedzi do większego przepływu pracy.
POST /v1/messagestext, imagetext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-3.5-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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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-3.5-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-3.5-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-3.5-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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-3.5-flash-liteGemini 3.5 Flash-Lite to multimodalny model Google do zadań podagentów o jasno określonym zakresie, analizy dokumentów i powtarzalnej ekstrakcji danych. Domyślne rozumowanie minimal pasuje do przetwarzania rekordów w zadaniach o ograniczonym zakresie; medium lub high udokumentowano do wieloetapowej pracy z narzędziami. Zwraca tekst lub wyniki strukturalne na podstawie tekstu, obrazów, audio, wideo i PDF.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.5 Flash-Lite to skupiony na wykonaniu multimodalny profil tekstowy Google do powtarzalnej pracy z danymi i zadań podagentów o jasno określonym zakresie. Rozwija Gemini 3.1 Flash-Lite, ulepszając rozumienie dokumentów, niezawodność narzędzi i wykonywanie instrukcji między turami. Przyjmuje tekst, obrazy, audio, wideo i PDF, a zwraca tekst. Przydatny wynik to jeden wyodrębniony rekord, klasyfikacja, krótkie tłumaczenie lub analiza o ograniczonym zakresie wspomagana narzędziami w obrębie większego zadania.
Przy analizie dokumentów zdefiniuj ważne pola i dowody, które każde pole musi zachować. Dostarcz odpowiednie strony i określ sposób reprezentacji brakujących lub niejednoznacznych informacji. Przy ekstrakcji wiadomości do pomocy technicznej wyodrębnij kod produktu, wspomniany problem i potwierdzające zdanie, zachowując identyfikator wiadomości w odpowiedzi. Dokument z wieloma kandydatami dla pola nie powinien bez wskazania redukować ich do jednej zgadniętej wartości. Strukturalny JSON może uczynić wynik użytecznym w dalszym przetwarzaniu, gdy jego schemat odpowiada rzeczywistemu zadaniu.
Udokumentowane poziomy myślenia to minimal, low, medium i high, z domyślnym minimal. Producent zaleca go do masowej ekstrakcji, routingu i klasyfikacji, natomiast medium lub high jest odpowiednie do autonomicznej pracy podagentów obejmującej wywołania narzędzi, wykonywanie kodu lub kilka kroków rozumowania. Przewodnik wyraźnie zaleca zwiększenie wysiłku w takich dłuższych zadaniach, aby uniknąć przedwczesnego kończenia pracy narzędzi. Ekstrakcja jednego pola i porównanie dokumentów z wyjątkami korzystają więc z różnych wyborów wysiłku. Minimal jest obsługiwanym ustawieniem tej edycji, a nie ogólnym ustawieniem do przenoszenia na każdy model Flash.
Opis dla podagenta o jasno określonym zakresie powinien zawierać jedno zadanie, jego materiały źródłowe, dozwolone narzędzia i wymaganą postać końcową. Może na przykład sprawdzać tabelę według wskazanej reguły i zwracać objęte nią wiersze z odpowiednimi wartościami. Producent wyróżnia też przetwarzanie danych tabelarycznych i pracę nad frontendowym JavaScriptem wspomaganą lekkim wykonywaniem kodu. Otaczająca aplikacja nadal odpowiada za uruchomienie żądanej funkcji i zwrócenie rzeczywistego wyniku. Zachowuj rozróżnienie między ukończonym wynikiem, niewykonaną sugestią i nierozstrzygniętym pytaniem dotyczącym wejścia.
Dokładna strona 3.5 Flash-Lite wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL, z Computer Use oznaczonym jako preview. Obsługiwane są wyjście strukturalne i myślenie. Dla wieloturowej persony lub zadania zachowuj rzeczywiste instrukcje i obserwacje narzędzi, aby późniejsze odpowiedzi realizowały to samo zlecenie. Przewodnik deweloperski podkreśla silniejsze utrzymywanie persony niż w 3.1 Flash-Lite. Używaj zwięzłej roli i kontraktu wyjściowego zamiast redefiniowania celu przy każdym kolejnym poleceniu.
Przewodnik wycofuje również starsze ustawienia próbkowania i wstępnie wypełnione końcowe tury modelu dla tej edycji. Steruj odpowiedzią o ograniczonym zakresie przez jawne instrukcje lub schemat zamiast rozpoczynania jej w syntetycznej turze roli modelu. Zachowuj kontekst sygnatur myśli Gemini 3 tam, gdzie interfejs tego wymaga, i dopasowuj wyniki funkcji do ich wywołań. Te zasady przygotowania wspierają kontynuację, która nadal zawiera dowody potrzebne do ukończenia tego samego zadania.
Natywna karta podaje kontekst do 1M i wyjście tekstowe 64K; dokładna strona API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, rekordy, historia i media składają się na przygotowanie wejścia. Dla profilu producenta wymieniono opcje buforowania, batch, Flex i Priority. Przy powtarzalnych żądaniach stosuj stałe identyfikatory i zwięzły, spójny format odpowiedzi, aby każdą ekstrakcję można było porównać ze źródłem. Wejście audio, obrazowe lub wideo daje w tym profilu tekstową interpretację lub transkrypt, a nie wygenerowaną mowę lub grafikę.
Możliwe ograniczenia obejmują halucynacje i sporadyczne opóźnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Ekstrakcja zależna od źródła powinna zwracać to, co wspiera dostarczony materiał; pytania o aktualne fakty potrzebują aktualnych dowodów. W porównaniu z 3.1 Flash-Lite ten profil dodaje udokumentowane możliwości wykonania i obsługi komputera, podczas gdy 3.6 Flash kładzie nacisk na bardziej złożone programowanie i pracę przestrzenną. Sprawdzaj wyodrębnione pola, wyniki narzędzi i zachowane instrukcje przed włączeniem odpowiedzi do większego przepływu pracy.
POST /v1beta/models/{model}:generateContenttext, imagetext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polepath.model | Typstring | WymaganieWymagane | Wartości i limity gemini-3.5-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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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-3.5-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-3.5-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-3.5-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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-3.5-flash-liteGemini 3.5 Flash-Lite to multimodalny model Google do zadań podagentów o jasno określonym zakresie, analizy dokumentów i powtarzalnej ekstrakcji danych. Domyślne rozumowanie minimal pasuje do przetwarzania rekordów w zadaniach o ograniczonym zakresie; medium lub high udokumentowano do wieloetapowej pracy z narzędziami. Zwraca tekst lub wyniki strukturalne na podstawie tekstu, obrazów, audio, wideo i PDF.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.5 Flash-Lite to skupiony na wykonaniu multimodalny profil tekstowy Google do powtarzalnej pracy z danymi i zadań podagentów o jasno określonym zakresie. Rozwija Gemini 3.1 Flash-Lite, ulepszając rozumienie dokumentów, niezawodność narzędzi i wykonywanie instrukcji między turami. Przyjmuje tekst, obrazy, audio, wideo i PDF, a zwraca tekst. Przydatny wynik to jeden wyodrębniony rekord, klasyfikacja, krótkie tłumaczenie lub analiza o ograniczonym zakresie wspomagana narzędziami w obrębie większego zadania.
Przy analizie dokumentów zdefiniuj ważne pola i dowody, które każde pole musi zachować. Dostarcz odpowiednie strony i określ sposób reprezentacji brakujących lub niejednoznacznych informacji. Przy ekstrakcji wiadomości do pomocy technicznej wyodrębnij kod produktu, wspomniany problem i potwierdzające zdanie, zachowując identyfikator wiadomości w odpowiedzi. Dokument z wieloma kandydatami dla pola nie powinien bez wskazania redukować ich do jednej zgadniętej wartości. Strukturalny JSON może uczynić wynik użytecznym w dalszym przetwarzaniu, gdy jego schemat odpowiada rzeczywistemu zadaniu.
Udokumentowane poziomy myślenia to minimal, low, medium i high, z domyślnym minimal. Producent zaleca go do masowej ekstrakcji, routingu i klasyfikacji, natomiast medium lub high jest odpowiednie do autonomicznej pracy podagentów obejmującej wywołania narzędzi, wykonywanie kodu lub kilka kroków rozumowania. Przewodnik wyraźnie zaleca zwiększenie wysiłku w takich dłuższych zadaniach, aby uniknąć przedwczesnego kończenia pracy narzędzi. Ekstrakcja jednego pola i porównanie dokumentów z wyjątkami korzystają więc z różnych wyborów wysiłku. Minimal jest obsługiwanym ustawieniem tej edycji, a nie ogólnym ustawieniem do przenoszenia na każdy model Flash.
Opis dla podagenta o jasno określonym zakresie powinien zawierać jedno zadanie, jego materiały źródłowe, dozwolone narzędzia i wymaganą postać końcową. Może na przykład sprawdzać tabelę według wskazanej reguły i zwracać objęte nią wiersze z odpowiednimi wartościami. Producent wyróżnia też przetwarzanie danych tabelarycznych i pracę nad frontendowym JavaScriptem wspomaganą lekkim wykonywaniem kodu. Otaczająca aplikacja nadal odpowiada za uruchomienie żądanej funkcji i zwrócenie rzeczywistego wyniku. Zachowuj rozróżnienie między ukończonym wynikiem, niewykonaną sugestią i nierozstrzygniętym pytaniem dotyczącym wejścia.
Dokładna strona 3.5 Flash-Lite wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL, z Computer Use oznaczonym jako preview. Obsługiwane są wyjście strukturalne i myślenie. Dla wieloturowej persony lub zadania zachowuj rzeczywiste instrukcje i obserwacje narzędzi, aby późniejsze odpowiedzi realizowały to samo zlecenie. Przewodnik deweloperski podkreśla silniejsze utrzymywanie persony niż w 3.1 Flash-Lite. Używaj zwięzłej roli i kontraktu wyjściowego zamiast redefiniowania celu przy każdym kolejnym poleceniu.
Przewodnik wycofuje również starsze ustawienia próbkowania i wstępnie wypełnione końcowe tury modelu dla tej edycji. Steruj odpowiedzią o ograniczonym zakresie przez jawne instrukcje lub schemat zamiast rozpoczynania jej w syntetycznej turze roli modelu. Zachowuj kontekst sygnatur myśli Gemini 3 tam, gdzie interfejs tego wymaga, i dopasowuj wyniki funkcji do ich wywołań. Te zasady przygotowania wspierają kontynuację, która nadal zawiera dowody potrzebne do ukończenia tego samego zadania.
Natywna karta podaje kontekst do 1M i wyjście tekstowe 64K; dokładna strona API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, rekordy, historia i media składają się na przygotowanie wejścia. Dla profilu producenta wymieniono opcje buforowania, batch, Flex i Priority. Przy powtarzalnych żądaniach stosuj stałe identyfikatory i zwięzły, spójny format odpowiedzi, aby każdą ekstrakcję można było porównać ze źródłem. Wejście audio, obrazowe lub wideo daje w tym profilu tekstową interpretację lub transkrypt, a nie wygenerowaną mowę lub grafikę.
Możliwe ograniczenia obejmują halucynacje i sporadyczne opóźnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Ekstrakcja zależna od źródła powinna zwracać to, co wspiera dostarczony materiał; pytania o aktualne fakty potrzebują aktualnych dowodów. W porównaniu z 3.1 Flash-Lite ten profil dodaje udokumentowane możliwości wykonania i obsługi komputera, podczas gdy 3.6 Flash kładzie nacisk na bardziej złożone programowanie i pracę przestrzenną. Sprawdzaj wyodrębnione pola, wyniki narzędzi i zachowane instrukcje przed włączeniem odpowiedzi do większego przepływu pracy.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-3.5-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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-3.5-flash-liteGemini 3.5 Flash-Lite to multimodalny model Google do zadań podagentów o jasno określonym zakresie, analizy dokumentów i powtarzalnej ekstrakcji danych. Domyślne rozumowanie minimal pasuje do przetwarzania rekordów w zadaniach o ograniczonym zakresie; medium lub high udokumentowano do wieloetapowej pracy z narzędziami. Zwraca tekst lub wyniki strukturalne na podstawie tekstu, obrazów, audio, wideo i PDF.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.5 Flash-Lite to skupiony na wykonaniu multimodalny profil tekstowy Google do powtarzalnej pracy z danymi i zadań podagentów o jasno określonym zakresie. Rozwija Gemini 3.1 Flash-Lite, ulepszając rozumienie dokumentów, niezawodność narzędzi i wykonywanie instrukcji między turami. Przyjmuje tekst, obrazy, audio, wideo i PDF, a zwraca tekst. Przydatny wynik to jeden wyodrębniony rekord, klasyfikacja, krótkie tłumaczenie lub analiza o ograniczonym zakresie wspomagana narzędziami w obrębie większego zadania.
Przy analizie dokumentów zdefiniuj ważne pola i dowody, które każde pole musi zachować. Dostarcz odpowiednie strony i określ sposób reprezentacji brakujących lub niejednoznacznych informacji. Przy ekstrakcji wiadomości do pomocy technicznej wyodrębnij kod produktu, wspomniany problem i potwierdzające zdanie, zachowując identyfikator wiadomości w odpowiedzi. Dokument z wieloma kandydatami dla pola nie powinien bez wskazania redukować ich do jednej zgadniętej wartości. Strukturalny JSON może uczynić wynik użytecznym w dalszym przetwarzaniu, gdy jego schemat odpowiada rzeczywistemu zadaniu.
Udokumentowane poziomy myślenia to minimal, low, medium i high, z domyślnym minimal. Producent zaleca go do masowej ekstrakcji, routingu i klasyfikacji, natomiast medium lub high jest odpowiednie do autonomicznej pracy podagentów obejmującej wywołania narzędzi, wykonywanie kodu lub kilka kroków rozumowania. Przewodnik wyraźnie zaleca zwiększenie wysiłku w takich dłuższych zadaniach, aby uniknąć przedwczesnego kończenia pracy narzędzi. Ekstrakcja jednego pola i porównanie dokumentów z wyjątkami korzystają więc z różnych wyborów wysiłku. Minimal jest obsługiwanym ustawieniem tej edycji, a nie ogólnym ustawieniem do przenoszenia na każdy model Flash.
Opis dla podagenta o jasno określonym zakresie powinien zawierać jedno zadanie, jego materiały źródłowe, dozwolone narzędzia i wymaganą postać końcową. Może na przykład sprawdzać tabelę według wskazanej reguły i zwracać objęte nią wiersze z odpowiednimi wartościami. Producent wyróżnia też przetwarzanie danych tabelarycznych i pracę nad frontendowym JavaScriptem wspomaganą lekkim wykonywaniem kodu. Otaczająca aplikacja nadal odpowiada za uruchomienie żądanej funkcji i zwrócenie rzeczywistego wyniku. Zachowuj rozróżnienie między ukończonym wynikiem, niewykonaną sugestią i nierozstrzygniętym pytaniem dotyczącym wejścia.
Dokładna strona 3.5 Flash-Lite wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL, z Computer Use oznaczonym jako preview. Obsługiwane są wyjście strukturalne i myślenie. Dla wieloturowej persony lub zadania zachowuj rzeczywiste instrukcje i obserwacje narzędzi, aby późniejsze odpowiedzi realizowały to samo zlecenie. Przewodnik deweloperski podkreśla silniejsze utrzymywanie persony niż w 3.1 Flash-Lite. Używaj zwięzłej roli i kontraktu wyjściowego zamiast redefiniowania celu przy każdym kolejnym poleceniu.
Przewodnik wycofuje również starsze ustawienia próbkowania i wstępnie wypełnione końcowe tury modelu dla tej edycji. Steruj odpowiedzią o ograniczonym zakresie przez jawne instrukcje lub schemat zamiast rozpoczynania jej w syntetycznej turze roli modelu. Zachowuj kontekst sygnatur myśli Gemini 3 tam, gdzie interfejs tego wymaga, i dopasowuj wyniki funkcji do ich wywołań. Te zasady przygotowania wspierają kontynuację, która nadal zawiera dowody potrzebne do ukończenia tego samego zadania.
Natywna karta podaje kontekst do 1M i wyjście tekstowe 64K; dokładna strona API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, rekordy, historia i media składają się na przygotowanie wejścia. Dla profilu producenta wymieniono opcje buforowania, batch, Flex i Priority. Przy powtarzalnych żądaniach stosuj stałe identyfikatory i zwięzły, spójny format odpowiedzi, aby każdą ekstrakcję można było porównać ze źródłem. Wejście audio, obrazowe lub wideo daje w tym profilu tekstową interpretację lub transkrypt, a nie wygenerowaną mowę lub grafikę.
Możliwe ograniczenia obejmują halucynacje i sporadyczne opóźnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Ekstrakcja zależna od źródła powinna zwracać to, co wspiera dostarczony materiał; pytania o aktualne fakty potrzebują aktualnych dowodów. W porównaniu z 3.1 Flash-Lite ten profil dodaje udokumentowane możliwości wykonania i obsługi komputera, podczas gdy 3.6 Flash kładzie nacisk na bardziej złożone programowanie i pracę przestrzenną. Sprawdzaj wyodrębnione pola, wyniki narzędzi i zachowane instrukcje przed włączeniem odpowiedzi do większego przepływu pracy.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-3.5-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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "gemini-3.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-liteGemini 3.5 Flash-Lite to multimodalny model Google do zadań podagentów o jasno określonym zakresie, analizy dokumentów i powtarzalnej ekstrakcji danych. Domyślne rozumowanie minimal pasuje do przetwarzania rekordów w zadaniach o ograniczonym zakresie; medium lub high udokumentowano do wieloetapowej pracy z narzędziami. Zwraca tekst lub wyniki strukturalne na podstawie tekstu, obrazów, audio, wideo i PDF.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.5 Flash-Lite to skupiony na wykonaniu multimodalny profil tekstowy Google do powtarzalnej pracy z danymi i zadań podagentów o jasno określonym zakresie. Rozwija Gemini 3.1 Flash-Lite, ulepszając rozumienie dokumentów, niezawodność narzędzi i wykonywanie instrukcji między turami. Przyjmuje tekst, obrazy, audio, wideo i PDF, a zwraca tekst. Przydatny wynik to jeden wyodrębniony rekord, klasyfikacja, krótkie tłumaczenie lub analiza o ograniczonym zakresie wspomagana narzędziami w obrębie większego zadania.
Przy analizie dokumentów zdefiniuj ważne pola i dowody, które każde pole musi zachować. Dostarcz odpowiednie strony i określ sposób reprezentacji brakujących lub niejednoznacznych informacji. Przy ekstrakcji wiadomości do pomocy technicznej wyodrębnij kod produktu, wspomniany problem i potwierdzające zdanie, zachowując identyfikator wiadomości w odpowiedzi. Dokument z wieloma kandydatami dla pola nie powinien bez wskazania redukować ich do jednej zgadniętej wartości. Strukturalny JSON może uczynić wynik użytecznym w dalszym przetwarzaniu, gdy jego schemat odpowiada rzeczywistemu zadaniu.
Udokumentowane poziomy myślenia to minimal, low, medium i high, z domyślnym minimal. Producent zaleca go do masowej ekstrakcji, routingu i klasyfikacji, natomiast medium lub high jest odpowiednie do autonomicznej pracy podagentów obejmującej wywołania narzędzi, wykonywanie kodu lub kilka kroków rozumowania. Przewodnik wyraźnie zaleca zwiększenie wysiłku w takich dłuższych zadaniach, aby uniknąć przedwczesnego kończenia pracy narzędzi. Ekstrakcja jednego pola i porównanie dokumentów z wyjątkami korzystają więc z różnych wyborów wysiłku. Minimal jest obsługiwanym ustawieniem tej edycji, a nie ogólnym ustawieniem do przenoszenia na każdy model Flash.
Opis dla podagenta o jasno określonym zakresie powinien zawierać jedno zadanie, jego materiały źródłowe, dozwolone narzędzia i wymaganą postać końcową. Może na przykład sprawdzać tabelę według wskazanej reguły i zwracać objęte nią wiersze z odpowiednimi wartościami. Producent wyróżnia też przetwarzanie danych tabelarycznych i pracę nad frontendowym JavaScriptem wspomaganą lekkim wykonywaniem kodu. Otaczająca aplikacja nadal odpowiada za uruchomienie żądanej funkcji i zwrócenie rzeczywistego wyniku. Zachowuj rozróżnienie między ukończonym wynikiem, niewykonaną sugestią i nierozstrzygniętym pytaniem dotyczącym wejścia.
Dokładna strona 3.5 Flash-Lite wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL, z Computer Use oznaczonym jako preview. Obsługiwane są wyjście strukturalne i myślenie. Dla wieloturowej persony lub zadania zachowuj rzeczywiste instrukcje i obserwacje narzędzi, aby późniejsze odpowiedzi realizowały to samo zlecenie. Przewodnik deweloperski podkreśla silniejsze utrzymywanie persony niż w 3.1 Flash-Lite. Używaj zwięzłej roli i kontraktu wyjściowego zamiast redefiniowania celu przy każdym kolejnym poleceniu.
Przewodnik wycofuje również starsze ustawienia próbkowania i wstępnie wypełnione końcowe tury modelu dla tej edycji. Steruj odpowiedzią o ograniczonym zakresie przez jawne instrukcje lub schemat zamiast rozpoczynania jej w syntetycznej turze roli modelu. Zachowuj kontekst sygnatur myśli Gemini 3 tam, gdzie interfejs tego wymaga, i dopasowuj wyniki funkcji do ich wywołań. Te zasady przygotowania wspierają kontynuację, która nadal zawiera dowody potrzebne do ukończenia tego samego zadania.
Natywna karta podaje kontekst do 1M i wyjście tekstowe 64K; dokładna strona API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, rekordy, historia i media składają się na przygotowanie wejścia. Dla profilu producenta wymieniono opcje buforowania, batch, Flex i Priority. Przy powtarzalnych żądaniach stosuj stałe identyfikatory i zwięzły, spójny format odpowiedzi, aby każdą ekstrakcję można było porównać ze źródłem. Wejście audio, obrazowe lub wideo daje w tym profilu tekstową interpretację lub transkrypt, a nie wygenerowaną mowę lub grafikę.
Możliwe ograniczenia obejmują halucynacje i sporadyczne opóźnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Ekstrakcja zależna od źródła powinna zwracać to, co wspiera dostarczony materiał; pytania o aktualne fakty potrzebują aktualnych dowodów. W porównaniu z 3.1 Flash-Lite ten profil dodaje udokumentowane możliwości wykonania i obsługi komputera, podczas gdy 3.6 Flash kładzie nacisk na bardziej złożone programowanie i pracę przestrzenną. Sprawdzaj wyodrębnione pola, wyniki narzędzi i zachowane instrukcje przed włączeniem odpowiedzi do większego przepływu pracy.
POST /v1/messagestext, imagetext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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-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-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-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-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-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-liteGemini 3.5 Flash-Lite to multimodalny model Google do zadań podagentów o jasno określonym zakresie, analizy dokumentów i powtarzalnej ekstrakcji danych. Domyślne rozumowanie minimal pasuje do przetwarzania rekordów w zadaniach o ograniczonym zakresie; medium lub high udokumentowano do wieloetapowej pracy z narzędziami. Zwraca tekst lub wyniki strukturalne na podstawie tekstu, obrazów, audio, wideo i PDF.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.5 Flash-Lite to skupiony na wykonaniu multimodalny profil tekstowy Google do powtarzalnej pracy z danymi i zadań podagentów o jasno określonym zakresie. Rozwija Gemini 3.1 Flash-Lite, ulepszając rozumienie dokumentów, niezawodność narzędzi i wykonywanie instrukcji między turami. Przyjmuje tekst, obrazy, audio, wideo i PDF, a zwraca tekst. Przydatny wynik to jeden wyodrębniony rekord, klasyfikacja, krótkie tłumaczenie lub analiza o ograniczonym zakresie wspomagana narzędziami w obrębie większego zadania.
Przy analizie dokumentów zdefiniuj ważne pola i dowody, które każde pole musi zachować. Dostarcz odpowiednie strony i określ sposób reprezentacji brakujących lub niejednoznacznych informacji. Przy ekstrakcji wiadomości do pomocy technicznej wyodrębnij kod produktu, wspomniany problem i potwierdzające zdanie, zachowując identyfikator wiadomości w odpowiedzi. Dokument z wieloma kandydatami dla pola nie powinien bez wskazania redukować ich do jednej zgadniętej wartości. Strukturalny JSON może uczynić wynik użytecznym w dalszym przetwarzaniu, gdy jego schemat odpowiada rzeczywistemu zadaniu.
Udokumentowane poziomy myślenia to minimal, low, medium i high, z domyślnym minimal. Producent zaleca go do masowej ekstrakcji, routingu i klasyfikacji, natomiast medium lub high jest odpowiednie do autonomicznej pracy podagentów obejmującej wywołania narzędzi, wykonywanie kodu lub kilka kroków rozumowania. Przewodnik wyraźnie zaleca zwiększenie wysiłku w takich dłuższych zadaniach, aby uniknąć przedwczesnego kończenia pracy narzędzi. Ekstrakcja jednego pola i porównanie dokumentów z wyjątkami korzystają więc z różnych wyborów wysiłku. Minimal jest obsługiwanym ustawieniem tej edycji, a nie ogólnym ustawieniem do przenoszenia na każdy model Flash.
Opis dla podagenta o jasno określonym zakresie powinien zawierać jedno zadanie, jego materiały źródłowe, dozwolone narzędzia i wymaganą postać końcową. Może na przykład sprawdzać tabelę według wskazanej reguły i zwracać objęte nią wiersze z odpowiednimi wartościami. Producent wyróżnia też przetwarzanie danych tabelarycznych i pracę nad frontendowym JavaScriptem wspomaganą lekkim wykonywaniem kodu. Otaczająca aplikacja nadal odpowiada za uruchomienie żądanej funkcji i zwrócenie rzeczywistego wyniku. Zachowuj rozróżnienie między ukończonym wynikiem, niewykonaną sugestią i nierozstrzygniętym pytaniem dotyczącym wejścia.
Dokładna strona 3.5 Flash-Lite wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL, z Computer Use oznaczonym jako preview. Obsługiwane są wyjście strukturalne i myślenie. Dla wieloturowej persony lub zadania zachowuj rzeczywiste instrukcje i obserwacje narzędzi, aby późniejsze odpowiedzi realizowały to samo zlecenie. Przewodnik deweloperski podkreśla silniejsze utrzymywanie persony niż w 3.1 Flash-Lite. Używaj zwięzłej roli i kontraktu wyjściowego zamiast redefiniowania celu przy każdym kolejnym poleceniu.
Przewodnik wycofuje również starsze ustawienia próbkowania i wstępnie wypełnione końcowe tury modelu dla tej edycji. Steruj odpowiedzią o ograniczonym zakresie przez jawne instrukcje lub schemat zamiast rozpoczynania jej w syntetycznej turze roli modelu. Zachowuj kontekst sygnatur myśli Gemini 3 tam, gdzie interfejs tego wymaga, i dopasowuj wyniki funkcji do ich wywołań. Te zasady przygotowania wspierają kontynuację, która nadal zawiera dowody potrzebne do ukończenia tego samego zadania.
Natywna karta podaje kontekst do 1M i wyjście tekstowe 64K; dokładna strona API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, rekordy, historia i media składają się na przygotowanie wejścia. Dla profilu producenta wymieniono opcje buforowania, batch, Flex i Priority. Przy powtarzalnych żądaniach stosuj stałe identyfikatory i zwięzły, spójny format odpowiedzi, aby każdą ekstrakcję można było porównać ze źródłem. Wejście audio, obrazowe lub wideo daje w tym profilu tekstową interpretację lub transkrypt, a nie wygenerowaną mowę lub grafikę.
Możliwe ograniczenia obejmują halucynacje i sporadyczne opóźnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Ekstrakcja zależna od źródła powinna zwracać to, co wspiera dostarczony materiał; pytania o aktualne fakty potrzebują aktualnych dowodów. W porównaniu z 3.1 Flash-Lite ten profil dodaje udokumentowane możliwości wykonania i obsługi komputera, podczas gdy 3.6 Flash kładzie nacisk na bardziej złożone programowanie i pracę przestrzenną. Sprawdzaj wyodrębnione pola, wyniki narzędzi i zachowane instrukcje przed włączeniem odpowiedzi do większego przepływu pracy.
POST /v1beta/models/{model}:generateContenttext, imagetext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polepath.model | Typstring | WymaganieWymagane | Wartości i limity gemini-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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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-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-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-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-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-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-lite-latestGemini 3.5 Flash-Lite to multimodalny model Google do zadań podagentów o jasno określonym zakresie, analizy dokumentów i powtarzalnej ekstrakcji danych. Domyślne rozumowanie minimal pasuje do przetwarzania rekordów w zadaniach o ograniczonym zakresie; medium lub high udokumentowano do wieloetapowej pracy z narzędziami. Zwraca tekst lub wyniki strukturalne na podstawie tekstu, obrazów, audio, wideo i PDF.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.5 Flash-Lite to skupiony na wykonaniu multimodalny profil tekstowy Google do powtarzalnej pracy z danymi i zadań podagentów o jasno określonym zakresie. Rozwija Gemini 3.1 Flash-Lite, ulepszając rozumienie dokumentów, niezawodność narzędzi i wykonywanie instrukcji między turami. Przyjmuje tekst, obrazy, audio, wideo i PDF, a zwraca tekst. Przydatny wynik to jeden wyodrębniony rekord, klasyfikacja, krótkie tłumaczenie lub analiza o ograniczonym zakresie wspomagana narzędziami w obrębie większego zadania.
Przy analizie dokumentów zdefiniuj ważne pola i dowody, które każde pole musi zachować. Dostarcz odpowiednie strony i określ sposób reprezentacji brakujących lub niejednoznacznych informacji. Przy ekstrakcji wiadomości do pomocy technicznej wyodrębnij kod produktu, wspomniany problem i potwierdzające zdanie, zachowując identyfikator wiadomości w odpowiedzi. Dokument z wieloma kandydatami dla pola nie powinien bez wskazania redukować ich do jednej zgadniętej wartości. Strukturalny JSON może uczynić wynik użytecznym w dalszym przetwarzaniu, gdy jego schemat odpowiada rzeczywistemu zadaniu.
Udokumentowane poziomy myślenia to minimal, low, medium i high, z domyślnym minimal. Producent zaleca go do masowej ekstrakcji, routingu i klasyfikacji, natomiast medium lub high jest odpowiednie do autonomicznej pracy podagentów obejmującej wywołania narzędzi, wykonywanie kodu lub kilka kroków rozumowania. Przewodnik wyraźnie zaleca zwiększenie wysiłku w takich dłuższych zadaniach, aby uniknąć przedwczesnego kończenia pracy narzędzi. Ekstrakcja jednego pola i porównanie dokumentów z wyjątkami korzystają więc z różnych wyborów wysiłku. Minimal jest obsługiwanym ustawieniem tej edycji, a nie ogólnym ustawieniem do przenoszenia na każdy model Flash.
Opis dla podagenta o jasno określonym zakresie powinien zawierać jedno zadanie, jego materiały źródłowe, dozwolone narzędzia i wymaganą postać końcową. Może na przykład sprawdzać tabelę według wskazanej reguły i zwracać objęte nią wiersze z odpowiednimi wartościami. Producent wyróżnia też przetwarzanie danych tabelarycznych i pracę nad frontendowym JavaScriptem wspomaganą lekkim wykonywaniem kodu. Otaczająca aplikacja nadal odpowiada za uruchomienie żądanej funkcji i zwrócenie rzeczywistego wyniku. Zachowuj rozróżnienie między ukończonym wynikiem, niewykonaną sugestią i nierozstrzygniętym pytaniem dotyczącym wejścia.
Dokładna strona 3.5 Flash-Lite wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL, z Computer Use oznaczonym jako preview. Obsługiwane są wyjście strukturalne i myślenie. Dla wieloturowej persony lub zadania zachowuj rzeczywiste instrukcje i obserwacje narzędzi, aby późniejsze odpowiedzi realizowały to samo zlecenie. Przewodnik deweloperski podkreśla silniejsze utrzymywanie persony niż w 3.1 Flash-Lite. Używaj zwięzłej roli i kontraktu wyjściowego zamiast redefiniowania celu przy każdym kolejnym poleceniu.
Przewodnik wycofuje również starsze ustawienia próbkowania i wstępnie wypełnione końcowe tury modelu dla tej edycji. Steruj odpowiedzią o ograniczonym zakresie przez jawne instrukcje lub schemat zamiast rozpoczynania jej w syntetycznej turze roli modelu. Zachowuj kontekst sygnatur myśli Gemini 3 tam, gdzie interfejs tego wymaga, i dopasowuj wyniki funkcji do ich wywołań. Te zasady przygotowania wspierają kontynuację, która nadal zawiera dowody potrzebne do ukończenia tego samego zadania.
Natywna karta podaje kontekst do 1M i wyjście tekstowe 64K; dokładna strona API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, rekordy, historia i media składają się na przygotowanie wejścia. Dla profilu producenta wymieniono opcje buforowania, batch, Flex i Priority. Przy powtarzalnych żądaniach stosuj stałe identyfikatory i zwięzły, spójny format odpowiedzi, aby każdą ekstrakcję można było porównać ze źródłem. Wejście audio, obrazowe lub wideo daje w tym profilu tekstową interpretację lub transkrypt, a nie wygenerowaną mowę lub grafikę.
Możliwe ograniczenia obejmują halucynacje i sporadyczne opóźnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Ekstrakcja zależna od źródła powinna zwracać to, co wspiera dostarczony materiał; pytania o aktualne fakty potrzebują aktualnych dowodów. W porównaniu z 3.1 Flash-Lite ten profil dodaje udokumentowane możliwości wykonania i obsługi komputera, podczas gdy 3.6 Flash kładzie nacisk na bardziej złożone programowanie i pracę przestrzenną. Sprawdzaj wyodrębnione pola, wyniki narzędzi i zachowane instrukcje przed włączeniem odpowiedzi do większego przepływu pracy.
POST /v1/messagestext, imagetext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity gemini-flash-lite-latest | 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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-flash-lite-latest", "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-flash-lite-latest", "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-flash-lite-latest",\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-flash-lite-latest",\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-flash-lite-latest',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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-lite-latestGemini 3.5 Flash-Lite to multimodalny model Google do zadań podagentów o jasno określonym zakresie, analizy dokumentów i powtarzalnej ekstrakcji danych. Domyślne rozumowanie minimal pasuje do przetwarzania rekordów w zadaniach o ograniczonym zakresie; medium lub high udokumentowano do wieloetapowej pracy z narzędziami. Zwraca tekst lub wyniki strukturalne na podstawie tekstu, obrazów, audio, wideo i PDF.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.5 Flash-Lite to skupiony na wykonaniu multimodalny profil tekstowy Google do powtarzalnej pracy z danymi i zadań podagentów o jasno określonym zakresie. Rozwija Gemini 3.1 Flash-Lite, ulepszając rozumienie dokumentów, niezawodność narzędzi i wykonywanie instrukcji między turami. Przyjmuje tekst, obrazy, audio, wideo i PDF, a zwraca tekst. Przydatny wynik to jeden wyodrębniony rekord, klasyfikacja, krótkie tłumaczenie lub analiza o ograniczonym zakresie wspomagana narzędziami w obrębie większego zadania.
Przy analizie dokumentów zdefiniuj ważne pola i dowody, które każde pole musi zachować. Dostarcz odpowiednie strony i określ sposób reprezentacji brakujących lub niejednoznacznych informacji. Przy ekstrakcji wiadomości do pomocy technicznej wyodrębnij kod produktu, wspomniany problem i potwierdzające zdanie, zachowując identyfikator wiadomości w odpowiedzi. Dokument z wieloma kandydatami dla pola nie powinien bez wskazania redukować ich do jednej zgadniętej wartości. Strukturalny JSON może uczynić wynik użytecznym w dalszym przetwarzaniu, gdy jego schemat odpowiada rzeczywistemu zadaniu.
Udokumentowane poziomy myślenia to minimal, low, medium i high, z domyślnym minimal. Producent zaleca go do masowej ekstrakcji, routingu i klasyfikacji, natomiast medium lub high jest odpowiednie do autonomicznej pracy podagentów obejmującej wywołania narzędzi, wykonywanie kodu lub kilka kroków rozumowania. Przewodnik wyraźnie zaleca zwiększenie wysiłku w takich dłuższych zadaniach, aby uniknąć przedwczesnego kończenia pracy narzędzi. Ekstrakcja jednego pola i porównanie dokumentów z wyjątkami korzystają więc z różnych wyborów wysiłku. Minimal jest obsługiwanym ustawieniem tej edycji, a nie ogólnym ustawieniem do przenoszenia na każdy model Flash.
Opis dla podagenta o jasno określonym zakresie powinien zawierać jedno zadanie, jego materiały źródłowe, dozwolone narzędzia i wymaganą postać końcową. Może na przykład sprawdzać tabelę według wskazanej reguły i zwracać objęte nią wiersze z odpowiednimi wartościami. Producent wyróżnia też przetwarzanie danych tabelarycznych i pracę nad frontendowym JavaScriptem wspomaganą lekkim wykonywaniem kodu. Otaczająca aplikacja nadal odpowiada za uruchomienie żądanej funkcji i zwrócenie rzeczywistego wyniku. Zachowuj rozróżnienie między ukończonym wynikiem, niewykonaną sugestią i nierozstrzygniętym pytaniem dotyczącym wejścia.
Dokładna strona 3.5 Flash-Lite wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL, z Computer Use oznaczonym jako preview. Obsługiwane są wyjście strukturalne i myślenie. Dla wieloturowej persony lub zadania zachowuj rzeczywiste instrukcje i obserwacje narzędzi, aby późniejsze odpowiedzi realizowały to samo zlecenie. Przewodnik deweloperski podkreśla silniejsze utrzymywanie persony niż w 3.1 Flash-Lite. Używaj zwięzłej roli i kontraktu wyjściowego zamiast redefiniowania celu przy każdym kolejnym poleceniu.
Przewodnik wycofuje również starsze ustawienia próbkowania i wstępnie wypełnione końcowe tury modelu dla tej edycji. Steruj odpowiedzią o ograniczonym zakresie przez jawne instrukcje lub schemat zamiast rozpoczynania jej w syntetycznej turze roli modelu. Zachowuj kontekst sygnatur myśli Gemini 3 tam, gdzie interfejs tego wymaga, i dopasowuj wyniki funkcji do ich wywołań. Te zasady przygotowania wspierają kontynuację, która nadal zawiera dowody potrzebne do ukończenia tego samego zadania.
Natywna karta podaje kontekst do 1M i wyjście tekstowe 64K; dokładna strona API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, rekordy, historia i media składają się na przygotowanie wejścia. Dla profilu producenta wymieniono opcje buforowania, batch, Flex i Priority. Przy powtarzalnych żądaniach stosuj stałe identyfikatory i zwięzły, spójny format odpowiedzi, aby każdą ekstrakcję można było porównać ze źródłem. Wejście audio, obrazowe lub wideo daje w tym profilu tekstową interpretację lub transkrypt, a nie wygenerowaną mowę lub grafikę.
Możliwe ograniczenia obejmują halucynacje i sporadyczne opóźnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Ekstrakcja zależna od źródła powinna zwracać to, co wspiera dostarczony materiał; pytania o aktualne fakty potrzebują aktualnych dowodów. W porównaniu z 3.1 Flash-Lite ten profil dodaje udokumentowane możliwości wykonania i obsługi komputera, podczas gdy 3.6 Flash kładzie nacisk na bardziej złożone programowanie i pracę przestrzenną. Sprawdzaj wyodrębnione pola, wyniki narzędzi i zachowane instrukcje przed włączeniem odpowiedzi do większego przepływu pracy.
POST /v1beta/models/{model}:generateContenttext, imagetext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polepath.model | Typstring | WymaganieWymagane | Wartości i limity gemini-flash-lite-latest | 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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-flash-lite-latest: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-flash-lite-latest: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-flash-lite-latest", 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-flash-lite-latest", 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-flash-lite-latest',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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
google/gemini-3.5-flash-liteGemini 3.5 Flash-Lite to multimodalny model Google do zadań podagentów o jasno określonym zakresie, analizy dokumentów i powtarzalnej ekstrakcji danych. Domyślne rozumowanie minimal pasuje do przetwarzania rekordów w zadaniach o ograniczonym zakresie; medium lub high udokumentowano do wieloetapowej pracy z narzędziami. Zwraca tekst lub wyniki strukturalne na podstawie tekstu, obrazów, audio, wideo i PDF.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.5 Flash-Lite to skupiony na wykonaniu multimodalny profil tekstowy Google do powtarzalnej pracy z danymi i zadań podagentów o jasno określonym zakresie. Rozwija Gemini 3.1 Flash-Lite, ulepszając rozumienie dokumentów, niezawodność narzędzi i wykonywanie instrukcji między turami. Przyjmuje tekst, obrazy, audio, wideo i PDF, a zwraca tekst. Przydatny wynik to jeden wyodrębniony rekord, klasyfikacja, krótkie tłumaczenie lub analiza o ograniczonym zakresie wspomagana narzędziami w obrębie większego zadania.
Przy analizie dokumentów zdefiniuj ważne pola i dowody, które każde pole musi zachować. Dostarcz odpowiednie strony i określ sposób reprezentacji brakujących lub niejednoznacznych informacji. Przy ekstrakcji wiadomości do pomocy technicznej wyodrębnij kod produktu, wspomniany problem i potwierdzające zdanie, zachowując identyfikator wiadomości w odpowiedzi. Dokument z wieloma kandydatami dla pola nie powinien bez wskazania redukować ich do jednej zgadniętej wartości. Strukturalny JSON może uczynić wynik użytecznym w dalszym przetwarzaniu, gdy jego schemat odpowiada rzeczywistemu zadaniu.
Udokumentowane poziomy myślenia to minimal, low, medium i high, z domyślnym minimal. Producent zaleca go do masowej ekstrakcji, routingu i klasyfikacji, natomiast medium lub high jest odpowiednie do autonomicznej pracy podagentów obejmującej wywołania narzędzi, wykonywanie kodu lub kilka kroków rozumowania. Przewodnik wyraźnie zaleca zwiększenie wysiłku w takich dłuższych zadaniach, aby uniknąć przedwczesnego kończenia pracy narzędzi. Ekstrakcja jednego pola i porównanie dokumentów z wyjątkami korzystają więc z różnych wyborów wysiłku. Minimal jest obsługiwanym ustawieniem tej edycji, a nie ogólnym ustawieniem do przenoszenia na każdy model Flash.
Opis dla podagenta o jasno określonym zakresie powinien zawierać jedno zadanie, jego materiały źródłowe, dozwolone narzędzia i wymaganą postać końcową. Może na przykład sprawdzać tabelę według wskazanej reguły i zwracać objęte nią wiersze z odpowiednimi wartościami. Producent wyróżnia też przetwarzanie danych tabelarycznych i pracę nad frontendowym JavaScriptem wspomaganą lekkim wykonywaniem kodu. Otaczająca aplikacja nadal odpowiada za uruchomienie żądanej funkcji i zwrócenie rzeczywistego wyniku. Zachowuj rozróżnienie między ukończonym wynikiem, niewykonaną sugestią i nierozstrzygniętym pytaniem dotyczącym wejścia.
Dokładna strona 3.5 Flash-Lite wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL, z Computer Use oznaczonym jako preview. Obsługiwane są wyjście strukturalne i myślenie. Dla wieloturowej persony lub zadania zachowuj rzeczywiste instrukcje i obserwacje narzędzi, aby późniejsze odpowiedzi realizowały to samo zlecenie. Przewodnik deweloperski podkreśla silniejsze utrzymywanie persony niż w 3.1 Flash-Lite. Używaj zwięzłej roli i kontraktu wyjściowego zamiast redefiniowania celu przy każdym kolejnym poleceniu.
Przewodnik wycofuje również starsze ustawienia próbkowania i wstępnie wypełnione końcowe tury modelu dla tej edycji. Steruj odpowiedzią o ograniczonym zakresie przez jawne instrukcje lub schemat zamiast rozpoczynania jej w syntetycznej turze roli modelu. Zachowuj kontekst sygnatur myśli Gemini 3 tam, gdzie interfejs tego wymaga, i dopasowuj wyniki funkcji do ich wywołań. Te zasady przygotowania wspierają kontynuację, która nadal zawiera dowody potrzebne do ukończenia tego samego zadania.
Natywna karta podaje kontekst do 1M i wyjście tekstowe 64K; dokładna strona API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, rekordy, historia i media składają się na przygotowanie wejścia. Dla profilu producenta wymieniono opcje buforowania, batch, Flex i Priority. Przy powtarzalnych żądaniach stosuj stałe identyfikatory i zwięzły, spójny format odpowiedzi, aby każdą ekstrakcję można było porównać ze źródłem. Wejście audio, obrazowe lub wideo daje w tym profilu tekstową interpretację lub transkrypt, a nie wygenerowaną mowę lub grafikę.
Możliwe ograniczenia obejmują halucynacje i sporadyczne opóźnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Ekstrakcja zależna od źródła powinna zwracać to, co wspiera dostarczony materiał; pytania o aktualne fakty potrzebują aktualnych dowodów. W porównaniu z 3.1 Flash-Lite ten profil dodaje udokumentowane możliwości wykonania i obsługi komputera, podczas gdy 3.6 Flash kładzie nacisk na bardziej złożone programowanie i pracę przestrzenną. Sprawdzaj wyodrębnione pola, wyniki narzędzi i zachowane instrukcje przed włączeniem odpowiedzi do większego przepływu pracy.
POST /v1/chat/completionstexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemini-3.5-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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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-3.5-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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
google/gemini-3.5-flash-liteGemini 3.5 Flash-Lite to multimodalny model Google do zadań podagentów o jasno określonym zakresie, analizy dokumentów i powtarzalnej ekstrakcji danych. Domyślne rozumowanie minimal pasuje do przetwarzania rekordów w zadaniach o ograniczonym zakresie; medium lub high udokumentowano do wieloetapowej pracy z narzędziami. Zwraca tekst lub wyniki strukturalne na podstawie tekstu, obrazów, audio, wideo i PDF.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 3.5 Flash-Lite to skupiony na wykonaniu multimodalny profil tekstowy Google do powtarzalnej pracy z danymi i zadań podagentów o jasno określonym zakresie. Rozwija Gemini 3.1 Flash-Lite, ulepszając rozumienie dokumentów, niezawodność narzędzi i wykonywanie instrukcji między turami. Przyjmuje tekst, obrazy, audio, wideo i PDF, a zwraca tekst. Przydatny wynik to jeden wyodrębniony rekord, klasyfikacja, krótkie tłumaczenie lub analiza o ograniczonym zakresie wspomagana narzędziami w obrębie większego zadania.
Przy analizie dokumentów zdefiniuj ważne pola i dowody, które każde pole musi zachować. Dostarcz odpowiednie strony i określ sposób reprezentacji brakujących lub niejednoznacznych informacji. Przy ekstrakcji wiadomości do pomocy technicznej wyodrębnij kod produktu, wspomniany problem i potwierdzające zdanie, zachowując identyfikator wiadomości w odpowiedzi. Dokument z wieloma kandydatami dla pola nie powinien bez wskazania redukować ich do jednej zgadniętej wartości. Strukturalny JSON może uczynić wynik użytecznym w dalszym przetwarzaniu, gdy jego schemat odpowiada rzeczywistemu zadaniu.
Udokumentowane poziomy myślenia to minimal, low, medium i high, z domyślnym minimal. Producent zaleca go do masowej ekstrakcji, routingu i klasyfikacji, natomiast medium lub high jest odpowiednie do autonomicznej pracy podagentów obejmującej wywołania narzędzi, wykonywanie kodu lub kilka kroków rozumowania. Przewodnik wyraźnie zaleca zwiększenie wysiłku w takich dłuższych zadaniach, aby uniknąć przedwczesnego kończenia pracy narzędzi. Ekstrakcja jednego pola i porównanie dokumentów z wyjątkami korzystają więc z różnych wyborów wysiłku. Minimal jest obsługiwanym ustawieniem tej edycji, a nie ogólnym ustawieniem do przenoszenia na każdy model Flash.
Opis dla podagenta o jasno określonym zakresie powinien zawierać jedno zadanie, jego materiały źródłowe, dozwolone narzędzia i wymaganą postać końcową. Może na przykład sprawdzać tabelę według wskazanej reguły i zwracać objęte nią wiersze z odpowiednimi wartościami. Producent wyróżnia też przetwarzanie danych tabelarycznych i pracę nad frontendowym JavaScriptem wspomaganą lekkim wykonywaniem kodu. Otaczająca aplikacja nadal odpowiada za uruchomienie żądanej funkcji i zwrócenie rzeczywistego wyniku. Zachowuj rozróżnienie między ukończonym wynikiem, niewykonaną sugestią i nierozstrzygniętym pytaniem dotyczącym wejścia.
Dokładna strona 3.5 Flash-Lite wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps i kontekst URL, z Computer Use oznaczonym jako preview. Obsługiwane są wyjście strukturalne i myślenie. Dla wieloturowej persony lub zadania zachowuj rzeczywiste instrukcje i obserwacje narzędzi, aby późniejsze odpowiedzi realizowały to samo zlecenie. Przewodnik deweloperski podkreśla silniejsze utrzymywanie persony niż w 3.1 Flash-Lite. Używaj zwięzłej roli i kontraktu wyjściowego zamiast redefiniowania celu przy każdym kolejnym poleceniu.
Przewodnik wycofuje również starsze ustawienia próbkowania i wstępnie wypełnione końcowe tury modelu dla tej edycji. Steruj odpowiedzią o ograniczonym zakresie przez jawne instrukcje lub schemat zamiast rozpoczynania jej w syntetycznej turze roli modelu. Zachowuj kontekst sygnatur myśli Gemini 3 tam, gdzie interfejs tego wymaga, i dopasowuj wyniki funkcji do ich wywołań. Te zasady przygotowania wspierają kontynuację, która nadal zawiera dowody potrzebne do ukończenia tego samego zadania.
Natywna karta podaje kontekst do 1M i wyjście tekstowe 64K; dokładna strona API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, rekordy, historia i media składają się na przygotowanie wejścia. Dla profilu producenta wymieniono opcje buforowania, batch, Flex i Priority. Przy powtarzalnych żądaniach stosuj stałe identyfikatory i zwięzły, spójny format odpowiedzi, aby każdą ekstrakcję można było porównać ze źródłem. Wejście audio, obrazowe lub wideo daje w tym profilu tekstową interpretację lub transkrypt, a nie wygenerowaną mowę lub grafikę.
Możliwe ograniczenia obejmują halucynacje i sporadyczne opóźnienia lub przekroczenia czasu. Data graniczna wiedzy to marzec 2026, przy czym niektóre dziedziny są ograniczone do stycznia 2025. Ekstrakcja zależna od źródła powinna zwracać to, co wspiera dostarczony materiał; pytania o aktualne fakty potrzebują aktualnych dowodów. W porównaniu z 3.1 Flash-Lite ten profil dodaje udokumentowane możliwości wykonania i obsługi komputera, podczas gdy 3.6 Flash kładzie nacisk na bardziej złożone programowanie i pracę przestrzenną. Sprawdzaj wyodrębnione pola, wyniki narzędzi i zachowane instrukcje przed włączeniem odpowiedzi do większego przepływu pracy.
POST /v1/messagestextjson, sse| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemini-3.5-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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 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 $0.0006 / 1K tokenów Wyjście · Tokeny wyjściowe $0.005 / 1K tokenów Wejście · Odczyt cache $0.00006 / 1K tokenów Wejście · Zapis do cache $0.0001666666666666666 / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
{\n "model": "google/gemini-3.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.5-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-3.5-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
Przykład techniczny po angielsku
Extract a support message record\n\nExtract fields from message S-91: "The pump P-28 stopped after ten minutes. I bought two, but only one has this issue. Please arrange a replacement." Return message ID, product code, issue, purchased quantity and affected quantity in a small table. Include the exact supporting phrase for each extracted value.A field/value/evidence table retaining S-91 and separating purchased from affected quantity.Check that two purchased pumps do not become two defective pumps.