Gemini 2.5 Flash-Lite to stabilny lekki profil Google do masowego tłumaczenia, klasyfikacji i prostej ekstrakcji danych. Jego hybrydowe rozumowanie może wykorzystywać lub pomijać myślenie zgodnie z zadaniem. Przyjmuje tekst, obrazy, audio, wideo i PDF, a generuje tekst. Przydatny wynik to kategoria, zwięzłe tłumaczenie, rekord wyodrębniony z dostarczonego materiału lub pisemne wyjaśnienie o ograniczonym zakresie.
Dla klasyfikacji zdefiniuj kategorie, regułę decyzji i formę odpowiedzi. Zachowuj identyfikator źródła w wyniku, gdy przetwarzasz kilka niezależnych pozycji. Przy klasyfikacji wiadomości do pomocy technicznej sklasyfikuj wiadomość według typu problemu i zwróć zdanie wspierające kategorię. Uwzględnij regułę dla brakujących lub niejednoznacznych dowodów, aby płynna odpowiedź nie wypełniała wymaganego pola zgadywaną wartością. Lekka rola modelu jest najbardziej przydatna, gdy wejście i wymagany wynik są jasno określone.
Myślenie jest domyślnie wyłączone w udokumentowanej konfiguracji 2.5 Flash-Lite. Przewodnik myślenia GenerateContent Google dopuszcza jawny budżet myślenia od 512 do 24,576 tokenów, zero dla utrzymania wyłączenia i -1 dla żądania dynamicznego myślenia. Są to ustawienia budżetu rozumowania, odrębne od limitu odpowiedzi końcowej. Włącz dodatkowe rozumowanie, gdy ekstrakcja zawiera współzależne warunki lub klasyfikacja ma wyjątki; prosta konwersja może zachować domyślne zachowanie bez myślenia. Przewodnik zaznacza, że model może wykorzystać więcej lub mniej tokenów myślenia niż żądany budżet.
Dla tłumaczenia podaj język docelowy, odbiorców i terminy do zachowania. Określ, czy wynik ma zawierać tylko tłumaczenie, czy oznaczony rekord. Dla ekstrakcji dokumentu zdefiniuj pola i poproś o fragmenty źródłowe pozwalające sprawdzić wyjście. Dla nagrania odróżniaj transkrypt od podsumowania i wskaż ważny fragment. Obrazy lub wideo mogą dostarczać dowodów dla odpowiedzi tekstowej. Pożądany rezultat powinien pozostać jasny nawet wtedy, gdy wejście łączy kilka typów mediów.
Dokładna stabilna tabela wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Funkcje wymagają jasnego celu i zdefiniowanych parametrów; połączona aplikacja wykonuje operację i dostarcza wynik. Przy ekstrakcji opartej na schemacie zweryfikuj zwróconą strukturę i porównaj jej wartości z oryginalnym materiałem. Decyzja narzędziowa lub poprawnie uformowany rekord są przydatne tylko w kontekście źródła i rzeczywiście zwróconych dowodów.
Natywna karta podaje okno kontekstu 1M i wyjście tekstowe 64K. Strona modelu API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, treść źródła i zachowana rozmowa zużywają budżet wejścia, a rozumowanie i limit odpowiedzi wpływają na to, czy wynik końcowy się zmieści. Dla tego profilu producenta wymieniono buforowanie, przetwarzanie wsadowe, Flex i Priority. Przy powtarzalnych zadaniach zachowuj te same definicje kategorii lub pól i przenoś identyfikatory do wyniku, aby późniejsza kontrola mogła znaleźć pozycję źródłową.
Ten stabilny profil jest odrębny od czerwcowych i wrześniowych wariantów Preview opisanych w innych miejscach rodziny. Wspólna natywna karta przypisuje ulepszenia September Preview, w tym wykonywanie instrukcji i zwięzłość, konkretnie tej wersji preview; nie należy ich milcząco przenosić na stabilny identyfikator. Późniejsze generacje Flash-Lite używają także innych ustawień myślenia i tabel możliwości. Zachowuj edycję i wybieraj ustawienia dla niej udokumentowane zamiast zastępować budżety 2.5 składnią poziomów myślenia Gemini 3.
Karta wymienia halucynacje i ograniczenia w rozumieniu przyczynowości, złożonej dedukcji logicznej i rozumowaniu kontrfaktycznym oraz podaje datę graniczną wiedzy styczeń 2025. Dostarcz aktualne dowody lub użyj udokumentowanego przepływu ugruntowania, gdy ważne są nowsze fakty. Sprawdzaj tłumaczenia pod kątem znaczenia, wyodrębnione pola pod kątem poparcia źródłowego, a transkrypty względem audio. Konkretny, mały wynik ułatwia tę kontrolę bez traktowania dopracowanej odpowiedzi jako dowodu, że źródło zawierało wskazany szczegół.
", "aboutText": "Gemini 2.5 Flash-Lite to stabilny lekki profil Google do masowego tłumaczenia, klasyfikacji i prostej ekstrakcji danych. Jego hybrydowe rozumowanie może wykorzystywać lub pomijać myślenie zgodnie z zadaniem. Przyjmuje tekst, obrazy, audio, wideo i PDF, a generuje tekst. Przydatny wynik to kategoria, zwięzłe tłumaczenie, rekord wyodrębniony z dostarczonego materiału lub pisemne wyjaśnienie o ograniczonym zakresie.\n\nDla klasyfikacji zdefiniuj kategorie, regułę decyzji i formę odpowiedzi. Zachowuj identyfikator źródła w wyniku, gdy przetwarzasz kilka niezależnych pozycji. Przy klasyfikacji wiadomości do pomocy technicznej sklasyfikuj wiadomość według typu problemu i zwróć zdanie wspierające kategorię. Uwzględnij regułę dla brakujących lub niejednoznacznych dowodów, aby płynna odpowiedź nie wypełniała wymaganego pola zgadywaną wartością. Lekka rola modelu jest najbardziej przydatna, gdy wejście i wymagany wynik są jasno określone.\n\nMyślenie jest domyślnie wyłączone w udokumentowanej konfiguracji 2.5 Flash-Lite. Przewodnik myślenia GenerateContent Google dopuszcza jawny budżet myślenia od 512 do 24,576 tokenów, zero dla utrzymania wyłączenia i -1 dla żądania dynamicznego myślenia. Są to ustawienia budżetu rozumowania, odrębne od limitu odpowiedzi końcowej. Włącz dodatkowe rozumowanie, gdy ekstrakcja zawiera współzależne warunki lub klasyfikacja ma wyjątki; prosta konwersja może zachować domyślne zachowanie bez myślenia. Przewodnik zaznacza, że model może wykorzystać więcej lub mniej tokenów myślenia niż żądany budżet.\n\nDla tłumaczenia podaj język docelowy, odbiorców i terminy do zachowania. Określ, czy wynik ma zawierać tylko tłumaczenie, czy oznaczony rekord. Dla ekstrakcji dokumentu zdefiniuj pola i poproś o fragmenty źródłowe pozwalające sprawdzić wyjście. Dla nagrania odróżniaj transkrypt od podsumowania i wskaż ważny fragment. Obrazy lub wideo mogą dostarczać dowodów dla odpowiedzi tekstowej. Pożądany rezultat powinien pozostać jasny nawet wtedy, gdy wejście łączy kilka typów mediów.\n\nDokładna stabilna tabela wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Funkcje wymagają jasnego celu i zdefiniowanych parametrów; połączona aplikacja wykonuje operację i dostarcza wynik. Przy ekstrakcji opartej na schemacie zweryfikuj zwróconą strukturę i porównaj jej wartości z oryginalnym materiałem. Decyzja narzędziowa lub poprawnie uformowany rekord są przydatne tylko w kontekście źródła i rzeczywiście zwróconych dowodów.\n\nNatywna karta podaje okno kontekstu 1M i wyjście tekstowe 64K. Strona modelu API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, treść źródła i zachowana rozmowa zużywają budżet wejścia, a rozumowanie i limit odpowiedzi wpływają na to, czy wynik końcowy się zmieści. Dla tego profilu producenta wymieniono buforowanie, przetwarzanie wsadowe, Flex i Priority. Przy powtarzalnych zadaniach zachowuj te same definicje kategorii lub pól i przenoś identyfikatory do wyniku, aby późniejsza kontrola mogła znaleźć pozycję źródłową.\n\nTen stabilny profil jest odrębny od czerwcowych i wrześniowych wariantów Preview opisanych w innych miejscach rodziny. Wspólna natywna karta przypisuje ulepszenia September Preview, w tym wykonywanie instrukcji i zwięzłość, konkretnie tej wersji preview; nie należy ich milcząco przenosić na stabilny identyfikator. Późniejsze generacje Flash-Lite używają także innych ustawień myślenia i tabel możliwości. Zachowuj edycję i wybieraj ustawienia dla niej udokumentowane zamiast zastępować budżety 2.5 składnią poziomów myślenia Gemini 3.\n\nKarta wymienia halucynacje i ograniczenia w rozumieniu przyczynowości, złożonej dedukcji logicznej i rozumowaniu kontrfaktycznym oraz podaje datę graniczną wiedzy styczeń 2025. Dostarcz aktualne dowody lub użyj udokumentowanego przepływu ugruntowania, gdy ważne są nowsze fakty. Sprawdzaj tłumaczenia pod kątem znaczenia, wyodrębnione pola pod kątem poparcia źródłowego, a transkrypty względem audio. Konkretny, mały wynik ułatwia tę kontrolę bez traktowania dopracowanej odpowiedzi jako dowodu, że źródło zawierało wskazany szczegół.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "315b19a576eedbce6081b1beda22cdffac2eb18cae6f36cb19d65b3e02c7ccc4", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "pl", "methods": [ { "html": "google/gemini-2.5-flash-lite:batchGemini 2.5 Flash-Lite to stabilny multimodalny model tekstowy Google do częstej klasyfikacji, tłumaczenia i prostej ekstrakcji. Myślenie jest domyślnie wyłączone i można je włączyć z budżetem rozumowania 512–24,576 tokenów. Przyjmuje tekst i media, z narzędziami, wyjściem strukturalnym i limitem wejścia 1,048,576 tokenów.
Ten opis przedstawia możliwości modelu. Dane wejściowe, wyniki i opcje dostępne w Ailoot podano poniżej dla wybranej metody.
Gemini 2.5 Flash-Lite to stabilny lekki profil Google do masowego tłumaczenia, klasyfikacji i prostej ekstrakcji danych. Jego hybrydowe rozumowanie może wykorzystywać lub pomijać myślenie zgodnie z zadaniem. Przyjmuje tekst, obrazy, audio, wideo i PDF, a generuje tekst. Przydatny wynik to kategoria, zwięzłe tłumaczenie, rekord wyodrębniony z dostarczonego materiału lub pisemne wyjaśnienie o ograniczonym zakresie.
Dla klasyfikacji zdefiniuj kategorie, regułę decyzji i formę odpowiedzi. Zachowuj identyfikator źródła w wyniku, gdy przetwarzasz kilka niezależnych pozycji. Przy klasyfikacji wiadomości do pomocy technicznej sklasyfikuj wiadomość według typu problemu i zwróć zdanie wspierające kategorię. Uwzględnij regułę dla brakujących lub niejednoznacznych dowodów, aby płynna odpowiedź nie wypełniała wymaganego pola zgadywaną wartością. Lekka rola modelu jest najbardziej przydatna, gdy wejście i wymagany wynik są jasno określone.
Myślenie jest domyślnie wyłączone w udokumentowanej konfiguracji 2.5 Flash-Lite. Przewodnik myślenia GenerateContent Google dopuszcza jawny budżet myślenia od 512 do 24,576 tokenów, zero dla utrzymania wyłączenia i -1 dla żądania dynamicznego myślenia. Są to ustawienia budżetu rozumowania, odrębne od limitu odpowiedzi końcowej. Włącz dodatkowe rozumowanie, gdy ekstrakcja zawiera współzależne warunki lub klasyfikacja ma wyjątki; prosta konwersja może zachować domyślne zachowanie bez myślenia. Przewodnik zaznacza, że model może wykorzystać więcej lub mniej tokenów myślenia niż żądany budżet.
Dla tłumaczenia podaj język docelowy, odbiorców i terminy do zachowania. Określ, czy wynik ma zawierać tylko tłumaczenie, czy oznaczony rekord. Dla ekstrakcji dokumentu zdefiniuj pola i poproś o fragmenty źródłowe pozwalające sprawdzić wyjście. Dla nagrania odróżniaj transkrypt od podsumowania i wskaż ważny fragment. Obrazy lub wideo mogą dostarczać dowodów dla odpowiedzi tekstowej. Pożądany rezultat powinien pozostać jasny nawet wtedy, gdy wejście łączy kilka typów mediów.
Dokładna stabilna tabela wymienia wywoływanie funkcji, wykonywanie kodu, wyszukiwanie plików, ugruntowanie przez wyszukiwanie, ugruntowanie Maps, kontekst URL i structured outputs. Funkcje wymagają jasnego celu i zdefiniowanych parametrów; połączona aplikacja wykonuje operację i dostarcza wynik. Przy ekstrakcji opartej na schemacie zweryfikuj zwróconą strukturę i porównaj jej wartości z oryginalnym materiałem. Decyzja narzędziowa lub poprawnie uformowany rekord są przydatne tylko w kontekście źródła i rzeczywiście zwróconych dowodów.
Natywna karta podaje okno kontekstu 1M i wyjście tekstowe 64K. Strona modelu API określa 1,048,576 tokenów wejściowych i 65,536 tokenów wyjściowych. Instrukcje, treść źródła i zachowana rozmowa zużywają budżet wejścia, a rozumowanie i limit odpowiedzi wpływają na to, czy wynik końcowy się zmieści. Dla tego profilu producenta wymieniono buforowanie, przetwarzanie wsadowe, Flex i Priority. Przy powtarzalnych zadaniach zachowuj te same definicje kategorii lub pól i przenoś identyfikatory do wyniku, aby późniejsza kontrola mogła znaleźć pozycję źródłową.
Ten stabilny profil jest odrębny od czerwcowych i wrześniowych wariantów Preview opisanych w innych miejscach rodziny. Wspólna natywna karta przypisuje ulepszenia September Preview, w tym wykonywanie instrukcji i zwięzłość, konkretnie tej wersji preview; nie należy ich milcząco przenosić na stabilny identyfikator. Późniejsze generacje Flash-Lite używają także innych ustawień myślenia i tabel możliwości. Zachowuj edycję i wybieraj ustawienia dla niej udokumentowane zamiast zastępować budżety 2.5 składnią poziomów myślenia Gemini 3.
Karta wymienia halucynacje i ograniczenia w rozumieniu przyczynowości, złożonej dedukcji logicznej i rozumowaniu kontrfaktycznym oraz podaje datę graniczną wiedzy styczeń 2025. Dostarcz aktualne dowody lub użyj udokumentowanego przepływu ugruntowania, gdy ważne są nowsze fakty. Sprawdzaj tłumaczenia pod kątem znaczenia, wyodrębnione pola pod kątem poparcia źródłowego, a transkrypty względem audio. Konkretny, mały wynik ułatwia tę kontrolę bez traktowania dopracowanej odpowiedzi jako dowodu, że źródło zawierało wskazany szczegół.
POST /v1/batchestexttext| Pole | Typ | Wymaganie | Wartości i limity | Domyślnie |
|---|---|---|---|---|
Poleendpoint | Typstring | WymaganieWymagane | Wartości i limity /v1/chat/completions | Domyślnie— |
Polemodel | Typstring | WymaganieWymagane | Wartości i limity google/gemini-2.5-flash-lite:batch | Domyślnie— |
Polerequests | Typbatch_item[] | WymaganieWymagane | Wartości i limity Minimalna liczba elementów: 1 | Domyślnie— |
Polerequests[].custom_id | Typstring | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polerequests[].body.messages | Typmessage[] | WymaganieWymagane | Wartości i limity | Domyślnie— |
Polecompletion_window | Typstring | WymaganieOpcjonalne | Wartości i limity 24h | Domyślnie— |
Poleprovider | Typobject|null | WymaganieOpcjonalne | Wartości i limity | Domyślnie— |
Polerequests[].body.model | Typstring | WymaganieOpcjonalne | Wartości i limity google/gemini-2.5-flash-lite:batch, google/gemini-2.5-flash-lite | Domyślnie— |
Poleprovider.only | Typstring[] | WymaganieOpcjonalne | Wartości i limity google-ai-studio | Domyślnie— |
Poleprovider.allow_fallbacks | Typboolean|null | WymaganieOpcjonalne | Wartości i limity false, null | Domyślnie— |
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktendpoint, model, requests |
Parametrmaterial_types | Kontrakttext |
Parametrrepresentation | Kontraktrequests[] bezpośrednio w żądaniu; każdy element zawiera custom_id i body |
Parametrrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parametrfile_material | KontraktWywołujący może lokalnie wczytać rzeczywisty plik JSONL w kodowaniu UTF-8 do requests[]. Nie używa się przeznaczenia przesyłanego pliku, input_file_id ani odwołania do pliku. Brak materiałów klienta lub ich pusta zawartość zatrzymują przygotowanie przed POST. |
Parametrserialization_order | Kontraktendpoint, model, provider (jeśli podano), completion_window (jeśli podano), requests na końcu |
Parametroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parametrschema_scope | KontraktTreści żądań tekstowych Chat Completions w udokumentowanej strukturze Batch z danymi bezpośrednio w żądaniu. |
Cykl życia: asynchronous
GET /v1/batches/{operation_id} · Rzeczywista wartość response.id zwrócona przy pierwotnym utworzeniu; ten sam użytkownik, klucz i grupa
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 $0.0001 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0004 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache — / 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 $0.0001 / 1K tokenów Wyjście · Tokeny wyjściowe $0.0004 / 1K tokenów Wejście · Odczyt cache $0.00002 / 1K tokenów Wejście · Zapis do cache — / 1K tokenów Wejście · Zapis do cache, 1 godz. — / 1K tokenów |
Ailoot rezerwuje szacowaną kwotę przed żądaniem. Po otrzymaniu wyniku rozlicza ostateczną opłatę według zmierzonego użycia. Rozliczenie strumieniowania korzysta z końcowego rekordu użycia. Jak działają rezerwacja i rozliczenie →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-2.5-flash-lite:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-2.5-flash-lite:batch', 'google/gemini-2.5-flash-lite']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-2.5-flash-lite:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON bezpośrednio w results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nZachowaj każdą kompletną zwróconą odpowiedź, plik i część treści.
Zachowaj pełny pierwotny JSON stanu, każdy wynik i custom_id oraz pełną treść odpowiedzi lub błędu. Zapisz ukończone wyniki z results[] jako JSONL bez filtrowania.
Zachowaj pierwotny identyfikator operacji. Odpowiedź 503 result_pending_check zawiera X-Should-Retry:false; nigdy nie wysyłaj ponownie pierwotnego żądania Batch, którego wynik jest nieznany.
| Pole | Typ |
|---|---|
Poleresults[].custom_id | Typstring |
Poleresults[].response.body.choices[].message.content | Typstring|null |
Poleresults[].error | Typobject|null |
Poleusage | Typobject|null |
Poleid | Typstring |
Polemodel | Typstring |
Poleendpoint | Typstring |
Polestatus | Typstring |
Polerequest_counts | Typobject |
Poleresults[].id | Typstring |
Poleresults[].response.status_code | Typinteger |
Poleresults[].response.request_id | Typstring |
| Odpowiedź | Warunek | Następny krok |
|---|---|---|
Odpowiedź400 · invalid_request_error | WarunekNieprawidłowa udokumentowana struktura z danymi bezpośrednio w żądaniu, zduplikowane klucze, problem z tożsamością elementu lub konflikt ze skonfigurowanymi możliwościami modelu. | Następny krokPopraw wskazane pola przed wysłaniem jakiegokolwiek nowego żądania. |
Odpowiedź401 · authentication_error | WarunekNieprawidłowy klucz API. | Następny krokUżyj autoryzowanego klucza Ailoot. |
Odpowiedź403 · permission_error | WarunekGrupa Batch jest niedostępna. | Następny krokSprawdź uprawnienia klucza i grupy. |
Odpowiedź422 · invalid_request_error | WarunekBatch korzysta z rozliczania z salda; utworzenie w ramach subskrypcji jest odrzucane. | Następny krokUżyj autoryzowanej grupy rozliczanej z salda. |
Odpowiedź422 · price_unavailable | WarunekNie można wycenić danych wejściowych Batch. | Następny krokZachowaj odpowiedź; użyj danych wejściowych udokumentowanych dla tej rodziny API. |
Odpowiedź402 · billing_error | WarunekRezerwa dla Batch jest niedostępna. | Następny krokRozwiąż problem dopuszczenia żądania przed wysłaniem nowego. |
Odpowiedź503 · price_unavailable | WarunekCena metody Batch lub stawki natywne są niedostępne. | Następny krokZachowaj odpowiedź; nie zastępuj cen innymi. |
Odpowiedź503 · api_error | WarunekDokładna trasa dostawcy jest niedostępna. | Następny krokZachowaj odpowiedź na potrzeby naprawy trasy. |
Odpowiedź503 · result_pending_check | WarunekPierwotny wynik wymaga sprawdzenia; X-Should-Retry:false. | Następny krokZachowaj pierwotny operation_id/id i odczytuj stan operacji; nigdy nie powtarzaj pierwotnego POST. |
Odpowiedź404 · not_found | WarunekOperacja sprawdzania stanu Batch nie istnieje lub należy do innej tożsamości. | Następny krokUżyj dokładnego pierwotnego id oraz tego samego użytkownika, klucza i grupy. |
Ailoot Ultra google/gemini-2.5-flash-lite:batch
Użyj ścieżek metod podanych powyżej.