Gemini 2.5 Flash-Lite Preview 09-2025 é a edição de setembro da Google para tarefas frequentes que exigem um resultado textual conciso e bem orientado. O fabricante organiza a atualização em torno de três temas: melhor cumprimento de instruções complexas e prompts de sistema, menor verbosidade e melhorias na tradução e na compreensão multimodal. O nome datado identifica esta pré-visualização específica, separando-a da pré-visualização Flash-Lite de junho, do modelo estável e de um alias latest dinâmico.
O melhor cumprimento de instruções é útil quando uma tarefa tem várias regras que devem permanecer ativas em conjunto. Forneça o material de origem, o público e o formato exigido e separe depois o conteúdo obrigatório da explicação opcional. Uma tarefa de processamento de pedidos de apoio pode exigir uma categoria, a pergunta exata do cliente e um passo seguinte baseado apenas numa referência fornecida. Uma tarefa documental pode especificar os termos a preservar, os factos que devem constar e a forma de representar valores em falta. Estes exemplos transformam uma instrução detalhada num resultado com requisitos observáveis.
A menor verbosidade é uma característica declarada desta versão. É particularmente relevante quando a saída se torna um valor de campo breve, uma resposta curta ou a entrada seguinte num fluxo de trabalho mais vasto. Peça a informação necessária, em vez de uma discussão geral: a decisão, a respetiva fonte e a questão por resolver. Para uma síntese, enumere os factos e os prazos que devem sobreviver à compressão e especifique o número ou a finalidade das secções. A concisão não equivale a omitir condições importantes; um modelo prático de saída torna explícito o conteúdo exigido.
A Google refere melhorias na qualidade da tradução, na compreensão de imagens e na transcrição de áudio nesta atualização de setembro. Para a tradução, identifique o público-alvo e um glossário e distinga os nomes que permanecem inalterados das formulações que devem ser localizadas. Para uma imagem, assinale o componente ou a passagem a explicar e descreva a utilização prevista da resposta. Para a transcrição de áudio, peça uma versão escrita com a língua e as regras de formatação necessárias à etapa seguinte. Uma fonte multimédia também pode ser resumida ou comparada com um requisito textual quando a pergunta identifica o conteúdo relevante.
A ficha desta edição datada indica texto, imagens, vídeo, áudio e PDF como entradas, com texto como saída. Os limites são de 1,048,576 tokens de entrada e 65,536 tokens de saída e a data-limite documentada do conhecimento é janeiro de 2025. O perfil de entrada de grande dimensão pode combinar materiais, instruções e exemplos; atribua uma identificação a cada fonte e indique que elementos de prova a resposta deve utilizar. Esta é a edição Flash-Lite com saída em texto: fala gerada, imagens geradas e uma interface de voz em tempo real não fazem parte do seu perfil de saída indicado.
O fabricante documenta raciocínio, saídas estruturadas, chamadas de funções, execução de código, fundamentação por pesquisa, contexto de URL e pesquisa de ficheiros. O raciocínio pode ser utilizado numa tarefa com condições dependentes; uma resposta estruturada pode fornecer campos para extração ou classificação. Uma chamada de função contém o nome e os argumentos de uma função proposta, enquanto a aplicação a executa e devolve o resultado. A ferramenta de execução de código da Google utiliza Python; as ferramentas de pesquisa e de documentos fornecem material externo para uma resposta escrita informada. O perfil exato inclui também suporte de cache e processamento em lote. Estas são capacidades documentadas do modelo, e não uma afirmação de que uma aplicação específica ativou todas as ferramentas ou as combinou num único pedido.
A ficha da família descreve um transformer de mistura esparsa de especialistas com compreensão multimodal nativa. O pré-treino inclui texto da Web, linguagens de programação, imagens, áudio e vídeo. O pós-treino utiliza pares verificados de instruções e respostas, informação sobre preferências humanas e dados de utilização de ferramentas, com deduplicação e filtragem de segurança e qualidade durante a preparação. A mesma ficha identifica a possível invenção de factos, dificuldades no raciocínio causal e contrafactual, limites na dedução lógica complexa e cumprimento inconsistente dos orçamentos de raciocínio. Regista ainda uma tendência para algumas respostas soarem excessivamente professorais. Estes são pontos de revisão substantivos para um modelo de processamento conciso.
Prepare entradas representativas de casos normais, ambíguos e incompletos para uma tarefa repetida. Para a tradução, compare a terminologia, o significado e o formato solicitado de apresentar apenas o resultado. Para a transcrição ou extração documental, compare os pormenores devolvidos com o material fornecido e identifique o que não foi possível estabelecer. Para uma resposta curta, verifique se todos os factos obrigatórios foram conservados. O artefacto concluído pode ser uma passagem traduzida, uma síntese compacta, campos extraídos ou uma categoria e uma ação seguinte. Esta preparação utiliza a ênfase específica da edição de setembro na precisão das instruções, na concisão e no tratamento de multimédia, mantendo o resultado ligado aos elementos de prova originais.
", "aboutText": "Gemini 2.5 Flash-Lite Preview 09-2025 é a edição de setembro da Google para tarefas frequentes que exigem um resultado textual conciso e bem orientado. O fabricante organiza a atualização em torno de três temas: melhor cumprimento de instruções complexas e prompts de sistema, menor verbosidade e melhorias na tradução e na compreensão multimodal. O nome datado identifica esta pré-visualização específica, separando-a da pré-visualização Flash-Lite de junho, do modelo estável e de um alias latest dinâmico.\n\nO melhor cumprimento de instruções é útil quando uma tarefa tem várias regras que devem permanecer ativas em conjunto. Forneça o material de origem, o público e o formato exigido e separe depois o conteúdo obrigatório da explicação opcional. Uma tarefa de processamento de pedidos de apoio pode exigir uma categoria, a pergunta exata do cliente e um passo seguinte baseado apenas numa referência fornecida. Uma tarefa documental pode especificar os termos a preservar, os factos que devem constar e a forma de representar valores em falta. Estes exemplos transformam uma instrução detalhada num resultado com requisitos observáveis.\n\nA menor verbosidade é uma característica declarada desta versão. É particularmente relevante quando a saída se torna um valor de campo breve, uma resposta curta ou a entrada seguinte num fluxo de trabalho mais vasto. Peça a informação necessária, em vez de uma discussão geral: a decisão, a respetiva fonte e a questão por resolver. Para uma síntese, enumere os factos e os prazos que devem sobreviver à compressão e especifique o número ou a finalidade das secções. A concisão não equivale a omitir condições importantes; um modelo prático de saída torna explícito o conteúdo exigido.\n\nA Google refere melhorias na qualidade da tradução, na compreensão de imagens e na transcrição de áudio nesta atualização de setembro. Para a tradução, identifique o público-alvo e um glossário e distinga os nomes que permanecem inalterados das formulações que devem ser localizadas. Para uma imagem, assinale o componente ou a passagem a explicar e descreva a utilização prevista da resposta. Para a transcrição de áudio, peça uma versão escrita com a língua e as regras de formatação necessárias à etapa seguinte. Uma fonte multimédia também pode ser resumida ou comparada com um requisito textual quando a pergunta identifica o conteúdo relevante.\n\nA ficha desta edição datada indica texto, imagens, vídeo, áudio e PDF como entradas, com texto como saída. Os limites são de 1,048,576 tokens de entrada e 65,536 tokens de saída e a data-limite documentada do conhecimento é janeiro de 2025. O perfil de entrada de grande dimensão pode combinar materiais, instruções e exemplos; atribua uma identificação a cada fonte e indique que elementos de prova a resposta deve utilizar. Esta é a edição Flash-Lite com saída em texto: fala gerada, imagens geradas e uma interface de voz em tempo real não fazem parte do seu perfil de saída indicado.\n\nO fabricante documenta raciocínio, saídas estruturadas, chamadas de funções, execução de código, fundamentação por pesquisa, contexto de URL e pesquisa de ficheiros. O raciocínio pode ser utilizado numa tarefa com condições dependentes; uma resposta estruturada pode fornecer campos para extração ou classificação. Uma chamada de função contém o nome e os argumentos de uma função proposta, enquanto a aplicação a executa e devolve o resultado. A ferramenta de execução de código da Google utiliza Python; as ferramentas de pesquisa e de documentos fornecem material externo para uma resposta escrita informada. O perfil exato inclui também suporte de cache e processamento em lote. Estas são capacidades documentadas do modelo, e não uma afirmação de que uma aplicação específica ativou todas as ferramentas ou as combinou num único pedido.\n\nA ficha da família descreve um transformer de mistura esparsa de especialistas com compreensão multimodal nativa. O pré-treino inclui texto da Web, linguagens de programação, imagens, áudio e vídeo. O pós-treino utiliza pares verificados de instruções e respostas, informação sobre preferências humanas e dados de utilização de ferramentas, com deduplicação e filtragem de segurança e qualidade durante a preparação. A mesma ficha identifica a possível invenção de factos, dificuldades no raciocínio causal e contrafactual, limites na dedução lógica complexa e cumprimento inconsistente dos orçamentos de raciocínio. Regista ainda uma tendência para algumas respostas soarem excessivamente professorais. Estes são pontos de revisão substantivos para um modelo de processamento conciso.\n\nPrepare entradas representativas de casos normais, ambíguos e incompletos para uma tarefa repetida. Para a tradução, compare a terminologia, o significado e o formato solicitado de apresentar apenas o resultado. Para a transcrição ou extração documental, compare os pormenores devolvidos com o material fornecido e identifique o que não foi possível estabelecer. Para uma resposta curta, verifique se todos os factos obrigatórios foram conservados. O artefacto concluído pode ser uma passagem traduzida, uma síntese compacta, campos extraídos ou uma categoria e uma ação seguinte. Esta preparação utiliza a ênfase específica da edição de setembro na precisão das instruções, na concisão e no tratamento de multimédia, mantendo o resultado ligado aos elementos de prova originais.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 centra-se no cumprimento de instruções, no texto conciso, na tradução e na compreensão multimédia. A edição de setembro da Google aceita texto, imagens, vídeo, áudio e PDF, com respostas estruturadas e ferramentas documentadas para processamento em grande volume.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 2.5 Flash-Lite Preview 09-2025 é a edição de setembro da Google para tarefas frequentes que exigem um resultado textual conciso e bem orientado. O fabricante organiza a atualização em torno de três temas: melhor cumprimento de instruções complexas e prompts de sistema, menor verbosidade e melhorias na tradução e na compreensão multimodal. O nome datado identifica esta pré-visualização específica, separando-a da pré-visualização Flash-Lite de junho, do modelo estável e de um alias latest dinâmico.
O melhor cumprimento de instruções é útil quando uma tarefa tem várias regras que devem permanecer ativas em conjunto. Forneça o material de origem, o público e o formato exigido e separe depois o conteúdo obrigatório da explicação opcional. Uma tarefa de processamento de pedidos de apoio pode exigir uma categoria, a pergunta exata do cliente e um passo seguinte baseado apenas numa referência fornecida. Uma tarefa documental pode especificar os termos a preservar, os factos que devem constar e a forma de representar valores em falta. Estes exemplos transformam uma instrução detalhada num resultado com requisitos observáveis.
A menor verbosidade é uma característica declarada desta versão. É particularmente relevante quando a saída se torna um valor de campo breve, uma resposta curta ou a entrada seguinte num fluxo de trabalho mais vasto. Peça a informação necessária, em vez de uma discussão geral: a decisão, a respetiva fonte e a questão por resolver. Para uma síntese, enumere os factos e os prazos que devem sobreviver à compressão e especifique o número ou a finalidade das secções. A concisão não equivale a omitir condições importantes; um modelo prático de saída torna explícito o conteúdo exigido.
A Google refere melhorias na qualidade da tradução, na compreensão de imagens e na transcrição de áudio nesta atualização de setembro. Para a tradução, identifique o público-alvo e um glossário e distinga os nomes que permanecem inalterados das formulações que devem ser localizadas. Para uma imagem, assinale o componente ou a passagem a explicar e descreva a utilização prevista da resposta. Para a transcrição de áudio, peça uma versão escrita com a língua e as regras de formatação necessárias à etapa seguinte. Uma fonte multimédia também pode ser resumida ou comparada com um requisito textual quando a pergunta identifica o conteúdo relevante.
A ficha desta edição datada indica texto, imagens, vídeo, áudio e PDF como entradas, com texto como saída. Os limites são de 1,048,576 tokens de entrada e 65,536 tokens de saída e a data-limite documentada do conhecimento é janeiro de 2025. O perfil de entrada de grande dimensão pode combinar materiais, instruções e exemplos; atribua uma identificação a cada fonte e indique que elementos de prova a resposta deve utilizar. Esta é a edição Flash-Lite com saída em texto: fala gerada, imagens geradas e uma interface de voz em tempo real não fazem parte do seu perfil de saída indicado.
O fabricante documenta raciocínio, saídas estruturadas, chamadas de funções, execução de código, fundamentação por pesquisa, contexto de URL e pesquisa de ficheiros. O raciocínio pode ser utilizado numa tarefa com condições dependentes; uma resposta estruturada pode fornecer campos para extração ou classificação. Uma chamada de função contém o nome e os argumentos de uma função proposta, enquanto a aplicação a executa e devolve o resultado. A ferramenta de execução de código da Google utiliza Python; as ferramentas de pesquisa e de documentos fornecem material externo para uma resposta escrita informada. O perfil exato inclui também suporte de cache e processamento em lote. Estas são capacidades documentadas do modelo, e não uma afirmação de que uma aplicação específica ativou todas as ferramentas ou as combinou num único pedido.
A ficha da família descreve um transformer de mistura esparsa de especialistas com compreensão multimodal nativa. O pré-treino inclui texto da Web, linguagens de programação, imagens, áudio e vídeo. O pós-treino utiliza pares verificados de instruções e respostas, informação sobre preferências humanas e dados de utilização de ferramentas, com deduplicação e filtragem de segurança e qualidade durante a preparação. A mesma ficha identifica a possível invenção de factos, dificuldades no raciocínio causal e contrafactual, limites na dedução lógica complexa e cumprimento inconsistente dos orçamentos de raciocínio. Regista ainda uma tendência para algumas respostas soarem excessivamente professorais. Estes são pontos de revisão substantivos para um modelo de processamento conciso.
Prepare entradas representativas de casos normais, ambíguos e incompletos para uma tarefa repetida. Para a tradução, compare a terminologia, o significado e o formato solicitado de apresentar apenas o resultado. Para a transcrição ou extração documental, compare os pormenores devolvidos com o material fornecido e identifique o que não foi possível estabelecer. Para uma resposta curta, verifique se todos os factos obrigatórios foram conservados. O artefacto concluído pode ser uma passagem traduzida, uma síntese compacta, campos extraídos ou uma categoria e uma ação seguinte. Esta preparação utiliza a ênfase específica da edição de setembro na precisão das instruções, na concisão e no tratamento de multimédia, mantendo o resultado ligado aos elementos de prova originais.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gemini-2.5-flash-lite-preview-09-2025 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Exemplos: system, user, assistant, tool, function Condições: Estes papéis são representados explicitamente pelos tipos de compatibilidade do código-fonte; o conjunto exato de papéis continua específico do modelo. Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: role=tool; use o ID realmente devolvido | Predefinição— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Reintroduza o raciocínio realmente devolvido quando este modelo o utiliza | Predefinição— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores e limites function Depende do modelo | Predefinição— |
Campotools[].function.name | Tipostring | RequisitoObrigatório | Valores e limites Aplica-se quando: Função fornecida como ferramenta | Predefinição— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores e limites Campo de compatibilidade | Predefinição— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores e limites text | Predefinição— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores e limites Condições: provider.options é rejeitado nesta rota textual Ultra | Predefinição— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores e limites Condições: 1h é rejeitado nos locais efetivos da cache de prompts | Predefinição— |
Texto · Texto UTF8
messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages |
Parâmetromaterial_types | Contratotext |
Parâmetromessages | ContratoLista de mensagens com estrutura role/content |
Parâmetrofile_material | ContratoDocumento UTF-8 real inserido como texto literal; nenhum ID de ficheiro inferido |
Parâmetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parâmetrocontrol_scope | ContratoEspecífico do modelo; as ferramentas de funções do utilizador diferem das ferramentas alojadas |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envie o ID exato do modelo com messages.
O comprimento do contexto não é um limite de saída.
Um ficheiro de texto pode fornecer texto literal; as entradas de imagem/áudio/objeto de ficheiro exigem uma associação exata.
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.0002 / 1K tokens Saída · Tokens de saída $0.0008 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite-preview-09-2025", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gemini-2.5-flash-lite-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gemini-2.5-flash-lite-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve cada opção com o conteúdo, as chamadas de ferramentas e o raciocínio. Em SSE, junte os deltas por índice de opção e ferramenta e mantenha o motivo final de conclusão e os dados de utilização.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra gemini-2.5-flash-lite-preview-09-2025
Use os caminhos dos métodos indicados acima.
gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 centra-se no cumprimento de instruções, no texto conciso, na tradução e na compreensão multimédia. A edição de setembro da Google aceita texto, imagens, vídeo, áudio e PDF, com respostas estruturadas e ferramentas documentadas para processamento em grande volume.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 2.5 Flash-Lite Preview 09-2025 é a edição de setembro da Google para tarefas frequentes que exigem um resultado textual conciso e bem orientado. O fabricante organiza a atualização em torno de três temas: melhor cumprimento de instruções complexas e prompts de sistema, menor verbosidade e melhorias na tradução e na compreensão multimodal. O nome datado identifica esta pré-visualização específica, separando-a da pré-visualização Flash-Lite de junho, do modelo estável e de um alias latest dinâmico.
O melhor cumprimento de instruções é útil quando uma tarefa tem várias regras que devem permanecer ativas em conjunto. Forneça o material de origem, o público e o formato exigido e separe depois o conteúdo obrigatório da explicação opcional. Uma tarefa de processamento de pedidos de apoio pode exigir uma categoria, a pergunta exata do cliente e um passo seguinte baseado apenas numa referência fornecida. Uma tarefa documental pode especificar os termos a preservar, os factos que devem constar e a forma de representar valores em falta. Estes exemplos transformam uma instrução detalhada num resultado com requisitos observáveis.
A menor verbosidade é uma característica declarada desta versão. É particularmente relevante quando a saída se torna um valor de campo breve, uma resposta curta ou a entrada seguinte num fluxo de trabalho mais vasto. Peça a informação necessária, em vez de uma discussão geral: a decisão, a respetiva fonte e a questão por resolver. Para uma síntese, enumere os factos e os prazos que devem sobreviver à compressão e especifique o número ou a finalidade das secções. A concisão não equivale a omitir condições importantes; um modelo prático de saída torna explícito o conteúdo exigido.
A Google refere melhorias na qualidade da tradução, na compreensão de imagens e na transcrição de áudio nesta atualização de setembro. Para a tradução, identifique o público-alvo e um glossário e distinga os nomes que permanecem inalterados das formulações que devem ser localizadas. Para uma imagem, assinale o componente ou a passagem a explicar e descreva a utilização prevista da resposta. Para a transcrição de áudio, peça uma versão escrita com a língua e as regras de formatação necessárias à etapa seguinte. Uma fonte multimédia também pode ser resumida ou comparada com um requisito textual quando a pergunta identifica o conteúdo relevante.
A ficha desta edição datada indica texto, imagens, vídeo, áudio e PDF como entradas, com texto como saída. Os limites são de 1,048,576 tokens de entrada e 65,536 tokens de saída e a data-limite documentada do conhecimento é janeiro de 2025. O perfil de entrada de grande dimensão pode combinar materiais, instruções e exemplos; atribua uma identificação a cada fonte e indique que elementos de prova a resposta deve utilizar. Esta é a edição Flash-Lite com saída em texto: fala gerada, imagens geradas e uma interface de voz em tempo real não fazem parte do seu perfil de saída indicado.
O fabricante documenta raciocínio, saídas estruturadas, chamadas de funções, execução de código, fundamentação por pesquisa, contexto de URL e pesquisa de ficheiros. O raciocínio pode ser utilizado numa tarefa com condições dependentes; uma resposta estruturada pode fornecer campos para extração ou classificação. Uma chamada de função contém o nome e os argumentos de uma função proposta, enquanto a aplicação a executa e devolve o resultado. A ferramenta de execução de código da Google utiliza Python; as ferramentas de pesquisa e de documentos fornecem material externo para uma resposta escrita informada. O perfil exato inclui também suporte de cache e processamento em lote. Estas são capacidades documentadas do modelo, e não uma afirmação de que uma aplicação específica ativou todas as ferramentas ou as combinou num único pedido.
A ficha da família descreve um transformer de mistura esparsa de especialistas com compreensão multimodal nativa. O pré-treino inclui texto da Web, linguagens de programação, imagens, áudio e vídeo. O pós-treino utiliza pares verificados de instruções e respostas, informação sobre preferências humanas e dados de utilização de ferramentas, com deduplicação e filtragem de segurança e qualidade durante a preparação. A mesma ficha identifica a possível invenção de factos, dificuldades no raciocínio causal e contrafactual, limites na dedução lógica complexa e cumprimento inconsistente dos orçamentos de raciocínio. Regista ainda uma tendência para algumas respostas soarem excessivamente professorais. Estes são pontos de revisão substantivos para um modelo de processamento conciso.
Prepare entradas representativas de casos normais, ambíguos e incompletos para uma tarefa repetida. Para a tradução, compare a terminologia, o significado e o formato solicitado de apresentar apenas o resultado. Para a transcrição ou extração documental, compare os pormenores devolvidos com o material fornecido e identifique o que não foi possível estabelecer. Para uma resposta curta, verifique se todos os factos obrigatórios foram conservados. O artefacto concluído pode ser uma passagem traduzida, uma síntese compacta, campos extraídos ou uma categoria e uma ação seguinte. Esta preparação utiliza a ênfase específica da edição de setembro na precisão das instruções, na concisão e no tratamento de multimédia, mantendo o resultado ligado aos elementos de prova originais.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gemini-2.5-flash-lite-preview-09-2025 | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring | RequisitoObrigatório | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Texto · Texto UTF-8
Cadeia de caracteres messages[].content
| Parâmetro | Contrato |
|---|---|
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratostream |
Parâmetromaterial_types | Contratotext |
Parâmetrotext_file_material | ContratoLeia o documento UTF-8 real e coloque o texto na entrada indicada ou na cadeia de conteúdo da mensagem. |
Ciclo de vida: synchronous_or_streamed
As referências tarifárias não acrescentam opções ao pedido. Os parâmetros suportados constam do método selecionado.
| Configuração | Tabela de tarifas | Custo |
|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Custo Entrada · Tokens de entrada $0.0002 / 1K tokens Saída · Tokens de saída $0.0008 / 1K tokens Entrada · Leitura da cache $0 / 1K tokens Entrada · Escrita na cache $0 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "gemini-2.5-flash-lite-preview-09-2025",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON ou SSE
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os blocos de conteúdo, as assinaturas de raciocínio e os ID reais de utilização de ferramentas. Junte todos os deltas de blocos SSE; o primeiro bloco de texto não é a saída completa.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Resposta | Condição | Passo seguinte |
|---|---|---|
Resposta400 · invalid_request_error | CondiçãoCampos obrigatórios, representação do material ou valor do parâmetro inválidos | Passo seguinteCorrija os campos indicados antes de um novo pedido de criação. |
Ailoot Ultra gemini-2.5-flash-lite-preview-09-2025
Use os caminhos dos métodos indicados acima.
Exemplo técnico em inglês
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.