Gemini 3.1 Flash-Lite é o modelo textual multimodal leve e estável da Google para tarefas frequentes e bem definidas. Baseia-se no Gemini 3 Pro. A tradução e a classificação são cargas de trabalho centrais; outras tarefas úteis incluem transcrição, resumos documentais, extração de entidades e classificação para escolha de modelos. Texto, imagens, áudio, vídeo e PDF podem fornecer o material de origem, e o resultado é texto. Um pedido útil exige uma operação e uma forma final, como uma mensagem traduzida ou um registo de campos encontrados num documento.
Para tradução, forneça o texto de origem, a língua de destino, o público e a terminologia que deve permanecer intacta. O exemplo da Google utiliza instruções que devolvem apenas a tradução. Para tradução de uma mensagem de suporte, preserve os nomes de produtos e as referências de encomendas, traduzindo o resto naturalmente. Especifique como deve ser tratada a ambiguidade, para que o resultado não acrescente uma data, promessa ou pormenor ausente da fonte. Mantenha a forma pedida adequada ao destino, como uma resposta curta ou um registo de tradução identificado.
Para transcrição, forneça a gravação e defina se a resposta deve ser as palavras faladas, uma transcrição editada legível ou um resumo. São saídas diferentes. Identifique o intervalo relevante quando uma gravação longa contiver apenas uma passagem necessária para a tarefa. O exemplo para programadores do fabricante transmite áudio diretamente e pede uma transcrição textual. Verifique nomes, números e passagens pouco claras face à gravação, preservando a fonte original para revisão. Este perfil textual multimodal geral não implica, por si só, um resultado de saída áudio ou de diarização dedicada de locutores.
Para classificação ou extração, defina as categorias, o esquema e a regra para valores em falta. O guia para programadores mostra JSON estruturado para analisar uma avaliação de cliente, com uma citação de apoio e campos definidos. Um registo estruturado pode conter o produto mencionado, a categoria do problema e a frase que justifica a escolha. Inclua um caso representativo que deva permanecer desconhecido em vez de ser forçado para uma categoria. Um registo sintaticamente válido continua a precisar de comparação com o texto de origem real.
O processamento documental pode transformar um PDF num resumo conciso ou num registo de campos. Indique a pergunta e preserve referências a páginas ou secções onde a conclusão precisar de verificação. Uma revisão de tabela deve especificar as colunas e a regra importantes; uma tarefa visual deve identificar o rótulo ou a região necessários para a resposta. O encaminhamento de modelos é outra utilização documentada: o modelo classifica a complexidade de um pedido e devolve uma escolha permitida. A aplicação ligada, e não o próprio texto de classificação, decide o que executar a seguir.
O pensamento é suportado, e o fabricante mostra esforço mais elevado para tarefas que beneficiam de maior análise. A página estável exata apresenta também chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saída estruturada. Computer Use não é suportado neste perfil 3.1 estável; o perfil 3.5 Flash-Lite posterior tem uma tabela de capacidades diferente. Defina claramente as finalidades e os parâmetros das ferramentas e continue a partir dos resultados reais devolvidos. Uma sugestão de função não estabelece que a operação tenha ocorrido.
A ficha nativa do modelo apresenta contexto de até 1M e saída textual de 64K; a tabela estável da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua as instruções, a conversação e os suportes multimédia de origem na preparação da entrada e peça uma saída dimensionada para o artefacto pretendido. A cache, o processamento em lote, Flex e Priority estão documentados para este perfil do produtor. Para itens independentes repetidos, transporte o identificador da entrada para o resultado e preserve um esquema consistente, para que uma resposta em falta possa ser identificada.
Este identificador de modelo estável é distinto de Gemini 3.1 Flash-Lite Preview e de edições Flash-Lite posteriores. Preserve a edição exata ao preparar processamento repetido, em vez de tratar um nome de família familiar como garantia de revisão fixa. Reveja as traduções quanto à preservação do significado e dos termos, as transcrições face ao áudio e os campos extraídos face ao documento. A função prática do perfil é o processamento textual multimodal focado com um resultado claro, deixando o raciocínio de uma tarefa mais ampla ou as ações externas para a etapa posterior apropriada.
", "aboutText": "Gemini 3.1 Flash-Lite é o modelo textual multimodal leve e estável da Google para tarefas frequentes e bem definidas. Baseia-se no Gemini 3 Pro. A tradução e a classificação são cargas de trabalho centrais; outras tarefas úteis incluem transcrição, resumos documentais, extração de entidades e classificação para escolha de modelos. Texto, imagens, áudio, vídeo e PDF podem fornecer o material de origem, e o resultado é texto. Um pedido útil exige uma operação e uma forma final, como uma mensagem traduzida ou um registo de campos encontrados num documento.\n\nPara tradução, forneça o texto de origem, a língua de destino, o público e a terminologia que deve permanecer intacta. O exemplo da Google utiliza instruções que devolvem apenas a tradução. Para tradução de uma mensagem de suporte, preserve os nomes de produtos e as referências de encomendas, traduzindo o resto naturalmente. Especifique como deve ser tratada a ambiguidade, para que o resultado não acrescente uma data, promessa ou pormenor ausente da fonte. Mantenha a forma pedida adequada ao destino, como uma resposta curta ou um registo de tradução identificado.\n\nPara transcrição, forneça a gravação e defina se a resposta deve ser as palavras faladas, uma transcrição editada legível ou um resumo. São saídas diferentes. Identifique o intervalo relevante quando uma gravação longa contiver apenas uma passagem necessária para a tarefa. O exemplo para programadores do fabricante transmite áudio diretamente e pede uma transcrição textual. Verifique nomes, números e passagens pouco claras face à gravação, preservando a fonte original para revisão. Este perfil textual multimodal geral não implica, por si só, um resultado de saída áudio ou de diarização dedicada de locutores.\n\nPara classificação ou extração, defina as categorias, o esquema e a regra para valores em falta. O guia para programadores mostra JSON estruturado para analisar uma avaliação de cliente, com uma citação de apoio e campos definidos. Um registo estruturado pode conter o produto mencionado, a categoria do problema e a frase que justifica a escolha. Inclua um caso representativo que deva permanecer desconhecido em vez de ser forçado para uma categoria. Um registo sintaticamente válido continua a precisar de comparação com o texto de origem real.\n\nO processamento documental pode transformar um PDF num resumo conciso ou num registo de campos. Indique a pergunta e preserve referências a páginas ou secções onde a conclusão precisar de verificação. Uma revisão de tabela deve especificar as colunas e a regra importantes; uma tarefa visual deve identificar o rótulo ou a região necessários para a resposta. O encaminhamento de modelos é outra utilização documentada: o modelo classifica a complexidade de um pedido e devolve uma escolha permitida. A aplicação ligada, e não o próprio texto de classificação, decide o que executar a seguir.\n\nO pensamento é suportado, e o fabricante mostra esforço mais elevado para tarefas que beneficiam de maior análise. A página estável exata apresenta também chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saída estruturada. Computer Use não é suportado neste perfil 3.1 estável; o perfil 3.5 Flash-Lite posterior tem uma tabela de capacidades diferente. Defina claramente as finalidades e os parâmetros das ferramentas e continue a partir dos resultados reais devolvidos. Uma sugestão de função não estabelece que a operação tenha ocorrido.\n\nA ficha nativa do modelo apresenta contexto de até 1M e saída textual de 64K; a tabela estável da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua as instruções, a conversação e os suportes multimédia de origem na preparação da entrada e peça uma saída dimensionada para o artefacto pretendido. A cache, o processamento em lote, Flex e Priority estão documentados para este perfil do produtor. Para itens independentes repetidos, transporte o identificador da entrada para o resultado e preserve um esquema consistente, para que uma resposta em falta possa ser identificada.\n\nEste identificador de modelo estável é distinto de Gemini 3.1 Flash-Lite Preview e de edições Flash-Lite posteriores. Preserve a edição exata ao preparar processamento repetido, em vez de tratar um nome de família familiar como garantia de revisão fixa. Reveja as traduções quanto à preservação do significado e dos termos, as transcrições face ao áudio e os campos extraídos face ao documento. A função prática do perfil é o processamento textual multimodal focado com um resultado claro, deixando o raciocínio de uma tarefa mais ampla ou as ações externas para a etapa posterior apropriada.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemplo técnico em inglês
Localize a compact service message\n\nTranslate into Spanish for a small-business customer: “Invoice INV-204 is ready. The bank transfer has not arrived yet; access starts after payment confirmation.” Keep INV-204 unchanged and return only the translated message. Preserve the distinction between invoice availability, receipt of funds and activation.A Spanish message containing the unchanged invoice reference and the original payment-to-access condition.Check that the translation does not imply that payment is received or access is already active.gemini-3.1-flash-liteGemini 3.1 Flash-Lite é o modelo multimodal estável da Google para tradução, transcrição, classificação e extração simples em grande escala. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto, com pensamento, ferramentas e saída estruturada. Os seus limites exatos de entrada/saída são 1 048 576/65 536 tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.1 Flash-Lite é o modelo textual multimodal leve e estável da Google para tarefas frequentes e bem definidas. Baseia-se no Gemini 3 Pro. A tradução e a classificação são cargas de trabalho centrais; outras tarefas úteis incluem transcrição, resumos documentais, extração de entidades e classificação para escolha de modelos. Texto, imagens, áudio, vídeo e PDF podem fornecer o material de origem, e o resultado é texto. Um pedido útil exige uma operação e uma forma final, como uma mensagem traduzida ou um registo de campos encontrados num documento.
Para tradução, forneça o texto de origem, a língua de destino, o público e a terminologia que deve permanecer intacta. O exemplo da Google utiliza instruções que devolvem apenas a tradução. Para tradução de uma mensagem de suporte, preserve os nomes de produtos e as referências de encomendas, traduzindo o resto naturalmente. Especifique como deve ser tratada a ambiguidade, para que o resultado não acrescente uma data, promessa ou pormenor ausente da fonte. Mantenha a forma pedida adequada ao destino, como uma resposta curta ou um registo de tradução identificado.
Para transcrição, forneça a gravação e defina se a resposta deve ser as palavras faladas, uma transcrição editada legível ou um resumo. São saídas diferentes. Identifique o intervalo relevante quando uma gravação longa contiver apenas uma passagem necessária para a tarefa. O exemplo para programadores do fabricante transmite áudio diretamente e pede uma transcrição textual. Verifique nomes, números e passagens pouco claras face à gravação, preservando a fonte original para revisão. Este perfil textual multimodal geral não implica, por si só, um resultado de saída áudio ou de diarização dedicada de locutores.
Para classificação ou extração, defina as categorias, o esquema e a regra para valores em falta. O guia para programadores mostra JSON estruturado para analisar uma avaliação de cliente, com uma citação de apoio e campos definidos. Um registo estruturado pode conter o produto mencionado, a categoria do problema e a frase que justifica a escolha. Inclua um caso representativo que deva permanecer desconhecido em vez de ser forçado para uma categoria. Um registo sintaticamente válido continua a precisar de comparação com o texto de origem real.
O processamento documental pode transformar um PDF num resumo conciso ou num registo de campos. Indique a pergunta e preserve referências a páginas ou secções onde a conclusão precisar de verificação. Uma revisão de tabela deve especificar as colunas e a regra importantes; uma tarefa visual deve identificar o rótulo ou a região necessários para a resposta. O encaminhamento de modelos é outra utilização documentada: o modelo classifica a complexidade de um pedido e devolve uma escolha permitida. A aplicação ligada, e não o próprio texto de classificação, decide o que executar a seguir.
O pensamento é suportado, e o fabricante mostra esforço mais elevado para tarefas que beneficiam de maior análise. A página estável exata apresenta também chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saída estruturada. Computer Use não é suportado neste perfil 3.1 estável; o perfil 3.5 Flash-Lite posterior tem uma tabela de capacidades diferente. Defina claramente as finalidades e os parâmetros das ferramentas e continue a partir dos resultados reais devolvidos. Uma sugestão de função não estabelece que a operação tenha ocorrido.
A ficha nativa do modelo apresenta contexto de até 1M e saída textual de 64K; a tabela estável da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua as instruções, a conversação e os suportes multimédia de origem na preparação da entrada e peça uma saída dimensionada para o artefacto pretendido. A cache, o processamento em lote, Flex e Priority estão documentados para este perfil do produtor. Para itens independentes repetidos, transporte o identificador da entrada para o resultado e preserve um esquema consistente, para que uma resposta em falta possa ser identificada.
Este identificador de modelo estável é distinto de Gemini 3.1 Flash-Lite Preview e de edições Flash-Lite posteriores. Preserve a edição exata ao preparar processamento repetido, em vez de tratar um nome de família familiar como garantia de revisão fixa. Reveja as traduções quanto à preservação do significado e dos termos, as transcrições face ao áudio e os campos extraídos face ao documento. A função prática do perfil é o processamento textual multimodal focado com um resultado claro, deixando o raciocínio de uma tarefa mais ampla ou as ações externas para a etapa posterior apropriada.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gemini-3.1-flash-lite | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites user, assistant | Predefinição— |
Campomessages[].content | Tipostring|content_block[] | RequisitoObrigatório | Valores e limites | Predefinição— |
Camposystem | Tipostring|content_block[] | RequisitoOpcional | Valores e limites | Predefinição— |
Campomax_tokens | Tipointeger | RequisitoObrigatório | Valores e limites Mínimo: 1 O limite aplica-se a: Limite exato do modelo ou da ficha selecionados | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
Campotemperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campostop_sequences | Tipostring[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools | Tipotool[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].name | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Ferramenta fornecida | Predefinição— |
Campotools[].description | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Campotools[].input_schema | TipoJSON_schema | RequisitoOpcional | Valores e limites | Predefinição— |
Campotool_choice | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campothinking.type | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campothinking.budget_tokens | Tipointeger | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campooutput_config.effort | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campometadata | Tipoobject | RequisitoOpcional | Valores e limites | Predefinição— |
Campocache_control | Tipoobject | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Texto · Texto UTF8
messages[].content ou bloco type=text
Texto + imagem
{type:image,source:{type:base64,media_type,data}} ou origem type=url
| Parâmetro | Contrato |
|---|---|
Parâmetromaterial_types | Contratotext, image |
Parâmetrorequired | Contratomodel, messages, max_tokens |
Parâmetrooptional_controls | Contratonull |
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrotext_file_material | ContratoConteúdo UTF-8 real inserido como texto; ID de ficheiros/URLs precisam de suporte separado e exato |
Ciclo de vida: exact retained published method
As estruturas dos métodos e os ID são exatos; a capacidade do fornecedor é distinta da admissão dos pedidos.
POST /v1/messagesO 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 →
As tabelas de referência do modelo não alteram a seleção do método, as cotações ou os custos. Os custos ativos usam as tarifas do método Ailoot selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoOpenAI Chat · Tarifas de base por token | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoOpenAI Chat · Escalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoAnthropic Messages · Tarifas de base por token | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoAnthropic Messages · Escalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
set -eu\n: "${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-3.1-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-3.1-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-3.1-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-3.1-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-3.1-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 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 gemini-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
gemini-3.1-flash-liteGemini 3.1 Flash-Lite é o modelo multimodal estável da Google para tradução, transcrição, classificação e extração simples em grande escala. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto, com pensamento, ferramentas e saída estruturada. Os seus limites exatos de entrada/saída são 1 048 576/65 536 tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.1 Flash-Lite é o modelo textual multimodal leve e estável da Google para tarefas frequentes e bem definidas. Baseia-se no Gemini 3 Pro. A tradução e a classificação são cargas de trabalho centrais; outras tarefas úteis incluem transcrição, resumos documentais, extração de entidades e classificação para escolha de modelos. Texto, imagens, áudio, vídeo e PDF podem fornecer o material de origem, e o resultado é texto. Um pedido útil exige uma operação e uma forma final, como uma mensagem traduzida ou um registo de campos encontrados num documento.
Para tradução, forneça o texto de origem, a língua de destino, o público e a terminologia que deve permanecer intacta. O exemplo da Google utiliza instruções que devolvem apenas a tradução. Para tradução de uma mensagem de suporte, preserve os nomes de produtos e as referências de encomendas, traduzindo o resto naturalmente. Especifique como deve ser tratada a ambiguidade, para que o resultado não acrescente uma data, promessa ou pormenor ausente da fonte. Mantenha a forma pedida adequada ao destino, como uma resposta curta ou um registo de tradução identificado.
Para transcrição, forneça a gravação e defina se a resposta deve ser as palavras faladas, uma transcrição editada legível ou um resumo. São saídas diferentes. Identifique o intervalo relevante quando uma gravação longa contiver apenas uma passagem necessária para a tarefa. O exemplo para programadores do fabricante transmite áudio diretamente e pede uma transcrição textual. Verifique nomes, números e passagens pouco claras face à gravação, preservando a fonte original para revisão. Este perfil textual multimodal geral não implica, por si só, um resultado de saída áudio ou de diarização dedicada de locutores.
Para classificação ou extração, defina as categorias, o esquema e a regra para valores em falta. O guia para programadores mostra JSON estruturado para analisar uma avaliação de cliente, com uma citação de apoio e campos definidos. Um registo estruturado pode conter o produto mencionado, a categoria do problema e a frase que justifica a escolha. Inclua um caso representativo que deva permanecer desconhecido em vez de ser forçado para uma categoria. Um registo sintaticamente válido continua a precisar de comparação com o texto de origem real.
O processamento documental pode transformar um PDF num resumo conciso ou num registo de campos. Indique a pergunta e preserve referências a páginas ou secções onde a conclusão precisar de verificação. Uma revisão de tabela deve especificar as colunas e a regra importantes; uma tarefa visual deve identificar o rótulo ou a região necessários para a resposta. O encaminhamento de modelos é outra utilização documentada: o modelo classifica a complexidade de um pedido e devolve uma escolha permitida. A aplicação ligada, e não o próprio texto de classificação, decide o que executar a seguir.
O pensamento é suportado, e o fabricante mostra esforço mais elevado para tarefas que beneficiam de maior análise. A página estável exata apresenta também chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saída estruturada. Computer Use não é suportado neste perfil 3.1 estável; o perfil 3.5 Flash-Lite posterior tem uma tabela de capacidades diferente. Defina claramente as finalidades e os parâmetros das ferramentas e continue a partir dos resultados reais devolvidos. Uma sugestão de função não estabelece que a operação tenha ocorrido.
A ficha nativa do modelo apresenta contexto de até 1M e saída textual de 64K; a tabela estável da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua as instruções, a conversação e os suportes multimédia de origem na preparação da entrada e peça uma saída dimensionada para o artefacto pretendido. A cache, o processamento em lote, Flex e Priority estão documentados para este perfil do produtor. Para itens independentes repetidos, transporte o identificador da entrada para o resultado e preserve um esquema consistente, para que uma resposta em falta possa ser identificada.
Este identificador de modelo estável é distinto de Gemini 3.1 Flash-Lite Preview e de edições Flash-Lite posteriores. Preserve a edição exata ao preparar processamento repetido, em vez de tratar um nome de família familiar como garantia de revisão fixa. Reveja as traduções quanto à preservação do significado e dos termos, as transcrições face ao áudio e os campos extraídos face ao documento. A função prática do perfil é o processamento textual multimodal focado com um resultado claro, deixando o raciocínio de uma tarefa mais ampla ou as ações externas para a etapa posterior apropriada.
POST /v1beta/models/{model}:generateContenttext, imagetext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campopath.model | Tipostring | RequisitoObrigatório | Valores e limites gemini-3.1-flash-lite | Predefinição— |
Campocontents | Tipocontent[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campocontents[].role | Tipostring | RequisitoOpcional | Valores e limites user, model | Predefinição— |
Campocontents[].parts | Tipopart[] | RequisitoObrigatório | Valores e limites | Predefinição— |
CamposystemInstruction | Tipocontent | RequisitoOpcional | Valores e limites | Predefinição— |
CampogenerationConfig.maxOutputTokens | Tipointeger | RequisitoOpcional | Valores e limites Mínimo: 1 Depende do modelo | Predefinição— |
CampogenerationConfig.temperature | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.topP | Tiponumber | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.topK | Tipointeger | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.stopSequences | Tipostring[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.thinkingConfig.includeThoughts | Tipoboolean | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampogenerationConfig.thinkingConfig.thinkingBudget | Tipointeger | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
Campotools[].functionDeclarations | Tipofunction_declaration[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CampotoolConfig.functionCallingConfig.mode | Tipostring | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CamposafetySettings | Tipoobject[] | RequisitoOpcional | Valores e limites Depende do modelo | Predefinição— |
CamposessionId | Tipostring | RequisitoOpcional | Valores e limites | Predefinição— |
Texto · Texto UTF8
contents[].parts[].text
Texto + imagem
parts[].inlineData={mimeType,data}
| Parâmetro | Contrato |
|---|---|
Parâmetromaterial_types | Contratotext, image |
Parâmetrorequired | Contratocontents |
Parâmetrooptional_controls | Contratonull |
Parâmetrocontent_type | Contratoapplication/json |
Parâmetrotext_file_material | ContratoConteúdo UTF-8 real inserido como texto; ID de ficheiros/URLs precisam de suporte separado e exato |
Ciclo de vida: exact retained published method
As estruturas dos métodos e os ID são exatos; a capacidade do fornecedor é distinta da admissão dos pedidos.
POST /v1beta/models/{model}:generateContentO 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 →
As tabelas de referência do modelo não alteram a seleção do método, as cotações ou os custos. Os custos ativos usam as tarifas do método Ailoot selecionado.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoOpenAI Chat · Tarifas de base por token | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoOpenAI Chat · Escalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoAnthropic Messages · Tarifas de base por token | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoAnthropic Messages · Escalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
set -eu\n: "${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-3.1-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-3.1-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-3.1-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-3.1-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-3.1-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 ou streaming suportado
Guarde cada resposta, ficheiro e parte de conteúdo devolvidos na íntegra.
Conserve todos os candidatos e partes, incluindo chamadas de funções, assinaturas de raciocínio e dados de utilização; junte os fragmentos do fluxo pela ordem.
Conserve os ID e cabeçalhos de pedido/resposta. Não é fornecido um URL genérico para obter uma tarefa textual.
| Campo | Tipo |
|---|---|
CamporesponseId | Tipostring |
CampomodelVersion | Tipostring |
Campocandidates[].content.parts[] | Tipotext|inlineData|functionCall|other part |
Campocandidates[].finishReason | Tipostring |
CampousageMetadata | 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 gemini-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
gemini-3.1-flash-liteGemini 3.1 Flash-Lite é o modelo multimodal estável da Google para tradução, transcrição, classificação e extração simples em grande escala. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto, com pensamento, ferramentas e saída estruturada. Os seus limites exatos de entrada/saída são 1 048 576/65 536 tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.1 Flash-Lite é o modelo textual multimodal leve e estável da Google para tarefas frequentes e bem definidas. Baseia-se no Gemini 3 Pro. A tradução e a classificação são cargas de trabalho centrais; outras tarefas úteis incluem transcrição, resumos documentais, extração de entidades e classificação para escolha de modelos. Texto, imagens, áudio, vídeo e PDF podem fornecer o material de origem, e o resultado é texto. Um pedido útil exige uma operação e uma forma final, como uma mensagem traduzida ou um registo de campos encontrados num documento.
Para tradução, forneça o texto de origem, a língua de destino, o público e a terminologia que deve permanecer intacta. O exemplo da Google utiliza instruções que devolvem apenas a tradução. Para tradução de uma mensagem de suporte, preserve os nomes de produtos e as referências de encomendas, traduzindo o resto naturalmente. Especifique como deve ser tratada a ambiguidade, para que o resultado não acrescente uma data, promessa ou pormenor ausente da fonte. Mantenha a forma pedida adequada ao destino, como uma resposta curta ou um registo de tradução identificado.
Para transcrição, forneça a gravação e defina se a resposta deve ser as palavras faladas, uma transcrição editada legível ou um resumo. São saídas diferentes. Identifique o intervalo relevante quando uma gravação longa contiver apenas uma passagem necessária para a tarefa. O exemplo para programadores do fabricante transmite áudio diretamente e pede uma transcrição textual. Verifique nomes, números e passagens pouco claras face à gravação, preservando a fonte original para revisão. Este perfil textual multimodal geral não implica, por si só, um resultado de saída áudio ou de diarização dedicada de locutores.
Para classificação ou extração, defina as categorias, o esquema e a regra para valores em falta. O guia para programadores mostra JSON estruturado para analisar uma avaliação de cliente, com uma citação de apoio e campos definidos. Um registo estruturado pode conter o produto mencionado, a categoria do problema e a frase que justifica a escolha. Inclua um caso representativo que deva permanecer desconhecido em vez de ser forçado para uma categoria. Um registo sintaticamente válido continua a precisar de comparação com o texto de origem real.
O processamento documental pode transformar um PDF num resumo conciso ou num registo de campos. Indique a pergunta e preserve referências a páginas ou secções onde a conclusão precisar de verificação. Uma revisão de tabela deve especificar as colunas e a regra importantes; uma tarefa visual deve identificar o rótulo ou a região necessários para a resposta. O encaminhamento de modelos é outra utilização documentada: o modelo classifica a complexidade de um pedido e devolve uma escolha permitida. A aplicação ligada, e não o próprio texto de classificação, decide o que executar a seguir.
O pensamento é suportado, e o fabricante mostra esforço mais elevado para tarefas que beneficiam de maior análise. A página estável exata apresenta também chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saída estruturada. Computer Use não é suportado neste perfil 3.1 estável; o perfil 3.5 Flash-Lite posterior tem uma tabela de capacidades diferente. Defina claramente as finalidades e os parâmetros das ferramentas e continue a partir dos resultados reais devolvidos. Uma sugestão de função não estabelece que a operação tenha ocorrido.
A ficha nativa do modelo apresenta contexto de até 1M e saída textual de 64K; a tabela estável da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua as instruções, a conversação e os suportes multimédia de origem na preparação da entrada e peça uma saída dimensionada para o artefacto pretendido. A cache, o processamento em lote, Flex e Priority estão documentados para este perfil do produtor. Para itens independentes repetidos, transporte o identificador da entrada para o resultado e preserve um esquema consistente, para que uma resposta em falta possa ser identificada.
Este identificador de modelo estável é distinto de Gemini 3.1 Flash-Lite Preview e de edições Flash-Lite posteriores. Preserve a edição exata ao preparar processamento repetido, em vez de tratar um nome de família familiar como garantia de revisão fixa. Reveja as traduções quanto à preservação do significado e dos termos, as transcrições face ao áudio e os campos extraídos face ao documento. A função prática do perfil é o processamento textual multimodal focado com um resultado claro, deixando o raciocínio de uma tarefa mais ampla ou as ações externas para a etapa posterior apropriada.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gemini-3.1-flash-lite | Predefinição— |
Campomessages | Tipomessage[] | RequisitoObrigatório | Valores e limites Número mínimo de elementos: 1 | Predefinição— |
Campomessages[].role | Tipostring | RequisitoObrigatório | Valores e limites Depende do modelo | Predefinição— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores e limites Aplica-se quando: Conversação textual | Predefinição— |
Campostream | Tipoboolean | RequisitoOpcional | Valores e limites | Predefiniçãofalse |
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 |
Parâmetrocontrol_scope | ContratoConversação textual; stream é um booleano e tem false como predefinição. |
Parâmetrooutput_modalities | Contratotext |
Parâmetrohosted_operations | Contratofalse |
Parâmetromultimodal_input_binding | Contratonull |
Aliases do método: /chat/completions
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.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.1-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-3.1-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 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 gemini-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
gemini-3.1-flash-liteGemini 3.1 Flash-Lite é o modelo multimodal estável da Google para tradução, transcrição, classificação e extração simples em grande escala. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto, com pensamento, ferramentas e saída estruturada. Os seus limites exatos de entrada/saída são 1 048 576/65 536 tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.1 Flash-Lite é o modelo textual multimodal leve e estável da Google para tarefas frequentes e bem definidas. Baseia-se no Gemini 3 Pro. A tradução e a classificação são cargas de trabalho centrais; outras tarefas úteis incluem transcrição, resumos documentais, extração de entidades e classificação para escolha de modelos. Texto, imagens, áudio, vídeo e PDF podem fornecer o material de origem, e o resultado é texto. Um pedido útil exige uma operação e uma forma final, como uma mensagem traduzida ou um registo de campos encontrados num documento.
Para tradução, forneça o texto de origem, a língua de destino, o público e a terminologia que deve permanecer intacta. O exemplo da Google utiliza instruções que devolvem apenas a tradução. Para tradução de uma mensagem de suporte, preserve os nomes de produtos e as referências de encomendas, traduzindo o resto naturalmente. Especifique como deve ser tratada a ambiguidade, para que o resultado não acrescente uma data, promessa ou pormenor ausente da fonte. Mantenha a forma pedida adequada ao destino, como uma resposta curta ou um registo de tradução identificado.
Para transcrição, forneça a gravação e defina se a resposta deve ser as palavras faladas, uma transcrição editada legível ou um resumo. São saídas diferentes. Identifique o intervalo relevante quando uma gravação longa contiver apenas uma passagem necessária para a tarefa. O exemplo para programadores do fabricante transmite áudio diretamente e pede uma transcrição textual. Verifique nomes, números e passagens pouco claras face à gravação, preservando a fonte original para revisão. Este perfil textual multimodal geral não implica, por si só, um resultado de saída áudio ou de diarização dedicada de locutores.
Para classificação ou extração, defina as categorias, o esquema e a regra para valores em falta. O guia para programadores mostra JSON estruturado para analisar uma avaliação de cliente, com uma citação de apoio e campos definidos. Um registo estruturado pode conter o produto mencionado, a categoria do problema e a frase que justifica a escolha. Inclua um caso representativo que deva permanecer desconhecido em vez de ser forçado para uma categoria. Um registo sintaticamente válido continua a precisar de comparação com o texto de origem real.
O processamento documental pode transformar um PDF num resumo conciso ou num registo de campos. Indique a pergunta e preserve referências a páginas ou secções onde a conclusão precisar de verificação. Uma revisão de tabela deve especificar as colunas e a regra importantes; uma tarefa visual deve identificar o rótulo ou a região necessários para a resposta. O encaminhamento de modelos é outra utilização documentada: o modelo classifica a complexidade de um pedido e devolve uma escolha permitida. A aplicação ligada, e não o próprio texto de classificação, decide o que executar a seguir.
O pensamento é suportado, e o fabricante mostra esforço mais elevado para tarefas que beneficiam de maior análise. A página estável exata apresenta também chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saída estruturada. Computer Use não é suportado neste perfil 3.1 estável; o perfil 3.5 Flash-Lite posterior tem uma tabela de capacidades diferente. Defina claramente as finalidades e os parâmetros das ferramentas e continue a partir dos resultados reais devolvidos. Uma sugestão de função não estabelece que a operação tenha ocorrido.
A ficha nativa do modelo apresenta contexto de até 1M e saída textual de 64K; a tabela estável da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua as instruções, a conversação e os suportes multimédia de origem na preparação da entrada e peça uma saída dimensionada para o artefacto pretendido. A cache, o processamento em lote, Flex e Priority estão documentados para este perfil do produtor. Para itens independentes repetidos, transporte o identificador da entrada para o resultado e preserve um esquema consistente, para que uma resposta em falta possa ser identificada.
Este identificador de modelo estável é distinto de Gemini 3.1 Flash-Lite Preview e de edições Flash-Lite posteriores. Preserve a edição exata ao preparar processamento repetido, em vez de tratar um nome de família familiar como garantia de revisão fixa. Reveja as traduções quanto à preservação do significado e dos termos, as transcrições face ao áudio e os campos extraídos face ao documento. A função prática do perfil é o processamento textual multimodal focado com um resultado claro, deixando o raciocínio de uma tarefa mais ampla ou as ações externas para a etapa posterior apropriada.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites gemini-3.1-flash-lite | 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.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "gemini-3.1-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.1-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-3.1-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 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 gemini-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
google/gemini-3.1-flash-liteGemini 3.1 Flash-Lite é o modelo multimodal estável da Google para tradução, transcrição, classificação e extração simples em grande escala. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto, com pensamento, ferramentas e saída estruturada. Os seus limites exatos de entrada/saída são 1 048 576/65 536 tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.1 Flash-Lite é o modelo textual multimodal leve e estável da Google para tarefas frequentes e bem definidas. Baseia-se no Gemini 3 Pro. A tradução e a classificação são cargas de trabalho centrais; outras tarefas úteis incluem transcrição, resumos documentais, extração de entidades e classificação para escolha de modelos. Texto, imagens, áudio, vídeo e PDF podem fornecer o material de origem, e o resultado é texto. Um pedido útil exige uma operação e uma forma final, como uma mensagem traduzida ou um registo de campos encontrados num documento.
Para tradução, forneça o texto de origem, a língua de destino, o público e a terminologia que deve permanecer intacta. O exemplo da Google utiliza instruções que devolvem apenas a tradução. Para tradução de uma mensagem de suporte, preserve os nomes de produtos e as referências de encomendas, traduzindo o resto naturalmente. Especifique como deve ser tratada a ambiguidade, para que o resultado não acrescente uma data, promessa ou pormenor ausente da fonte. Mantenha a forma pedida adequada ao destino, como uma resposta curta ou um registo de tradução identificado.
Para transcrição, forneça a gravação e defina se a resposta deve ser as palavras faladas, uma transcrição editada legível ou um resumo. São saídas diferentes. Identifique o intervalo relevante quando uma gravação longa contiver apenas uma passagem necessária para a tarefa. O exemplo para programadores do fabricante transmite áudio diretamente e pede uma transcrição textual. Verifique nomes, números e passagens pouco claras face à gravação, preservando a fonte original para revisão. Este perfil textual multimodal geral não implica, por si só, um resultado de saída áudio ou de diarização dedicada de locutores.
Para classificação ou extração, defina as categorias, o esquema e a regra para valores em falta. O guia para programadores mostra JSON estruturado para analisar uma avaliação de cliente, com uma citação de apoio e campos definidos. Um registo estruturado pode conter o produto mencionado, a categoria do problema e a frase que justifica a escolha. Inclua um caso representativo que deva permanecer desconhecido em vez de ser forçado para uma categoria. Um registo sintaticamente válido continua a precisar de comparação com o texto de origem real.
O processamento documental pode transformar um PDF num resumo conciso ou num registo de campos. Indique a pergunta e preserve referências a páginas ou secções onde a conclusão precisar de verificação. Uma revisão de tabela deve especificar as colunas e a regra importantes; uma tarefa visual deve identificar o rótulo ou a região necessários para a resposta. O encaminhamento de modelos é outra utilização documentada: o modelo classifica a complexidade de um pedido e devolve uma escolha permitida. A aplicação ligada, e não o próprio texto de classificação, decide o que executar a seguir.
O pensamento é suportado, e o fabricante mostra esforço mais elevado para tarefas que beneficiam de maior análise. A página estável exata apresenta também chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saída estruturada. Computer Use não é suportado neste perfil 3.1 estável; o perfil 3.5 Flash-Lite posterior tem uma tabela de capacidades diferente. Defina claramente as finalidades e os parâmetros das ferramentas e continue a partir dos resultados reais devolvidos. Uma sugestão de função não estabelece que a operação tenha ocorrido.
A ficha nativa do modelo apresenta contexto de até 1M e saída textual de 64K; a tabela estável da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua as instruções, a conversação e os suportes multimédia de origem na preparação da entrada e peça uma saída dimensionada para o artefacto pretendido. A cache, o processamento em lote, Flex e Priority estão documentados para este perfil do produtor. Para itens independentes repetidos, transporte o identificador da entrada para o resultado e preserve um esquema consistente, para que uma resposta em falta possa ser identificada.
Este identificador de modelo estável é distinto de Gemini 3.1 Flash-Lite Preview e de edições Flash-Lite posteriores. Preserve a edição exata ao preparar processamento repetido, em vez de tratar um nome de família familiar como garantia de revisão fixa. Reveja as traduções quanto à preservação do significado e dos termos, as transcrições face ao áudio e os campos extraídos face ao documento. A função prática do perfil é o processamento textual multimodal focado com um resultado claro, deixando o raciocínio de uma tarefa mais ampla ou as ações externas para a etapa posterior apropriada.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites google/gemini-3.1-flash-lite | 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.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.1-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-3.1-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-3.1-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 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 gemini-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
google/gemini-3.1-flash-liteGemini 3.1 Flash-Lite é o modelo multimodal estável da Google para tradução, transcrição, classificação e extração simples em grande escala. Aceita texto, imagens, áudio, vídeo e PDF e devolve texto, com pensamento, ferramentas e saída estruturada. Os seus limites exatos de entrada/saída são 1 048 576/65 536 tokens.
Esta descrição apresenta as capacidades do modelo. As entradas, saídas e opções disponíveis no Ailoot para o método selecionado estão indicadas abaixo.
Gemini 3.1 Flash-Lite é o modelo textual multimodal leve e estável da Google para tarefas frequentes e bem definidas. Baseia-se no Gemini 3 Pro. A tradução e a classificação são cargas de trabalho centrais; outras tarefas úteis incluem transcrição, resumos documentais, extração de entidades e classificação para escolha de modelos. Texto, imagens, áudio, vídeo e PDF podem fornecer o material de origem, e o resultado é texto. Um pedido útil exige uma operação e uma forma final, como uma mensagem traduzida ou um registo de campos encontrados num documento.
Para tradução, forneça o texto de origem, a língua de destino, o público e a terminologia que deve permanecer intacta. O exemplo da Google utiliza instruções que devolvem apenas a tradução. Para tradução de uma mensagem de suporte, preserve os nomes de produtos e as referências de encomendas, traduzindo o resto naturalmente. Especifique como deve ser tratada a ambiguidade, para que o resultado não acrescente uma data, promessa ou pormenor ausente da fonte. Mantenha a forma pedida adequada ao destino, como uma resposta curta ou um registo de tradução identificado.
Para transcrição, forneça a gravação e defina se a resposta deve ser as palavras faladas, uma transcrição editada legível ou um resumo. São saídas diferentes. Identifique o intervalo relevante quando uma gravação longa contiver apenas uma passagem necessária para a tarefa. O exemplo para programadores do fabricante transmite áudio diretamente e pede uma transcrição textual. Verifique nomes, números e passagens pouco claras face à gravação, preservando a fonte original para revisão. Este perfil textual multimodal geral não implica, por si só, um resultado de saída áudio ou de diarização dedicada de locutores.
Para classificação ou extração, defina as categorias, o esquema e a regra para valores em falta. O guia para programadores mostra JSON estruturado para analisar uma avaliação de cliente, com uma citação de apoio e campos definidos. Um registo estruturado pode conter o produto mencionado, a categoria do problema e a frase que justifica a escolha. Inclua um caso representativo que deva permanecer desconhecido em vez de ser forçado para uma categoria. Um registo sintaticamente válido continua a precisar de comparação com o texto de origem real.
O processamento documental pode transformar um PDF num resumo conciso ou num registo de campos. Indique a pergunta e preserve referências a páginas ou secções onde a conclusão precisar de verificação. Uma revisão de tabela deve especificar as colunas e a regra importantes; uma tarefa visual deve identificar o rótulo ou a região necessários para a resposta. O encaminhamento de modelos é outra utilização documentada: o modelo classifica a complexidade de um pedido e devolve uma escolha permitida. A aplicação ligada, e não o próprio texto de classificação, decide o que executar a seguir.
O pensamento é suportado, e o fabricante mostra esforço mais elevado para tarefas que beneficiam de maior análise. A página estável exata apresenta também chamadas de funções, execução de código, pesquisa em ficheiros, fundamentação por pesquisa, fundamentação com Maps, contexto de URL e saída estruturada. Computer Use não é suportado neste perfil 3.1 estável; o perfil 3.5 Flash-Lite posterior tem uma tabela de capacidades diferente. Defina claramente as finalidades e os parâmetros das ferramentas e continue a partir dos resultados reais devolvidos. Uma sugestão de função não estabelece que a operação tenha ocorrido.
A ficha nativa do modelo apresenta contexto de até 1M e saída textual de 64K; a tabela estável da API especifica 1 048 576 tokens de entrada e 65 536 tokens de saída. Inclua as instruções, a conversação e os suportes multimédia de origem na preparação da entrada e peça uma saída dimensionada para o artefacto pretendido. A cache, o processamento em lote, Flex e Priority estão documentados para este perfil do produtor. Para itens independentes repetidos, transporte o identificador da entrada para o resultado e preserve um esquema consistente, para que uma resposta em falta possa ser identificada.
Este identificador de modelo estável é distinto de Gemini 3.1 Flash-Lite Preview e de edições Flash-Lite posteriores. Preserve a edição exata ao preparar processamento repetido, em vez de tratar um nome de família familiar como garantia de revisão fixa. Reveja as traduções quanto à preservação do significado e dos termos, as transcrições face ao áudio e os campos extraídos face ao documento. A função prática do perfil é o processamento textual multimodal focado com um resultado claro, deixando o raciocínio de uma tarefa mais ampla ou as ações externas para a etapa posterior apropriada.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores e limites | Predefinição |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObrigatório | Valores e limites google/gemini-3.1-flash-lite | 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.
Associe cada custo às condições apresentadas. Use uma única tarifa para cada conjunto de configurações alternativas.
| Configuração | Tabela de tarifas | Tokens de contexto, mais de | Tokens de contexto, até ao limite inclusive | Custo |
|---|---|---|---|---|
| ConfiguraçãoTarifas base dos tokens | Tabela de tarifasTarifa base | Tokens de contexto, mais de— | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
| ConfiguraçãoEscalão 1 por comprimento do pedido | Tabela de tarifas— | Tokens de contexto, mais de0 | Tokens de contexto, até ao limite inclusiveSem limite superior | Custo Entrada · Tokens de entrada $0.0005 / 1K tokens Saída · Tokens de saída $0.003 / 1K tokens Entrada · Leitura da cache $0.00005 / 1K tokens Entrada · Escrita na cache $0.0001666666666666666 / 1K tokens Entrada · Escrita na cache, 1 hora — / 1K tokens |
O Ailoot reserva um montante estimado antes de um pedido. Após o resultado, liquida o custo final com base na utilização medida. No streaming, a liquidação usa o registo final de utilização. Como funcionam a reserva e a liquidação →
{\n "model": "google/gemini-3.1-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.1-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-3.1-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 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 gemini-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
Exemplo técnico em inglês
Localize a compact service message\n\nTranslate into Spanish for a small-business customer: “Invoice INV-204 is ready. The bank transfer has not arrived yet; access starts after payment confirmation.” Keep INV-204 unchanged and return only the translated message. Preserve the distinction between invoice availability, receipt of funds and activation.A Spanish message containing the unchanged invoice reference and the original payment-to-access condition.Check that the translation does not imply that payment is received or access is already active.