Gemini 2.5 Flash-Lite Preview 06-17 är Googles förhandsversion av Flash-Lite från juni, utformad för frekventa, latenskänsliga uppgifter som att klassificera meddelanden och sammanfatta material i stor skala. Den hör till familjen Gemini 2.5 med tänkande och behåller samtidigt en väg för direkta svar vid enklare arbete. Den daterade Preview-beteckningen identifierar denna utgåva separat från stabila Flash-Lite och den senare septemberförhandsversionen, vars förbättringar av instruktionsefterlevnad och multimodalitet har sin egen utgåveidentitet.
Junilanseringen placerar klassificering och sammanfattning i centrum för den avsedda användningen. Användbara indata för klassificering innehåller meddelandet, de tillåtna etiketterna och exempel på gränserna mellan dem; utdata kan vara en etikett, en kort motivering och informationen som behövs för nästa bearbetningssteg. En sammanfattningsuppgift kan ange beslut, åtgärdspunkter, angivna tidsfrister och olösta frågor som ska bevaras. Detta är praktiska tillämpningar av det angivna syftet: de ger en upprepad operation tydliga indata och ett kompakt resultat i stället för att begära en fritt hållen uppsats.
Tänkande finns tillgängligt men är avstängt som standard i denna förhandsversion av Flash-Lite från juni. Google beskriver en styrbar tänkandebudget som låter uppgiften använda ytterligare resonemang när villkoren kräver det. Behåll den direkta vägen för enkel kategorisering eller förkortning; använd en uppgift med resonemang för överlappande kategorier, undantag eller en fråga som kräver flera slutsatser som beror på varandra. Ange vilka villkor som är obligatoriska och vad som utgör ett korrekt svar. Tänkande är en förmåga att bearbeta uppgiften; en längre förklaring är inte i sig ett belägg för att slutsatsen är korrekt.
Googles tekniska rapport nämner uttryckligen denna junimodell och dokumenterar stöd för multimodala indata och en kontextlängd på en miljon token. Resultatet är text. Kontexten ger utrymme för källmaterial, instruktioner och exempel inom samma uppgift. Ge varje dokument eller avsnitt en tydlig roll och ange sedan vad modellen ska extrahera eller jämföra. För en dokumentassistent skiljer du frågan från källtexten och begär ett resultat knutet till de relevanta avsnitten. För ett extraheringssteg definierar du fälten och hur information som saknas i materialet ska representeras. Detta är en kontextförmåga, inte ett löfte om att orelaterat innehåll blir användbart bara för att det tas med.
Junimeddelandet anger inbyggda verktyg för sökförankring, kodexekvering och URL-kontext samt funktionsanrop. Sökförankring tillför webbinformation till ett svar; URL-kontext använder innehållet på tillhandahållna sidor för uppgifter som dokumentjämförelser eller detaljextrahering. Googles verktyg för kodexekvering genererar och kör Python för beräkningar eller textbearbetning och använder exekveringsresultatet i svaret. Funktionsanrop har en annan roll: modellen väljer en deklarerad funktion och dess argument, medan den anslutna applikationen exekverar den och returnerar resultatet. Definiera funktionens syfte och tillåtna parametrar så att en verktygsassisterad uppgift har en uttrycklig nästa åtgärd.
För ett återkommande arbetsflöde förbereder du en liten uppsättning representativa indata innan samma instruktion tillämpas på en större samling. Ta med ett normalt fall, ett tvetydigt fall och ett fall där information saknas. Ett exempel från kundsupport kan begära ett ämne, kundens faktiska fråga och ett svar som enbart grundas på ett medföljande referensavsnitt. Ett exempel från korrespondens kan begära en lista över uppgifter med en åtgärd, personen som tilldelar den och en tidsfrist endast när den anges. Håll dessa begärda fält åtskilda från förklarande löptext så att resultattexten kan kontrolleras mot den ursprungliga posten.
Tillverkarens familjekort för Flash-Lite anger risken för påhittade fakta och svårigheter med kausal förståelse, komplex logisk slutledning och kontrafaktiskt resonemang. Det påpekar också att efterlevnaden av en tänkandebudget kan vara ojämn. Behandla detta som konkreta granskningspunkter: jämför extraherade fakta med källan, kontrollera beräkningar som beror på varandra och skilj ett observerat påstående från en härledd förklaring. Den användbara slutleveransen är en kompakt klassificering, sammanfattning, extrahering eller ett svar vars obligatoriska fakta och saknade information går att granska. Denna juniutgåva är ett separat val för textbearbetning; senare förhandsversioners specifikationer omdefinierar inte dess dokumenterade identitet.
", "aboutText": "Gemini 2.5 Flash-Lite Preview 06-17 är Googles förhandsversion av Flash-Lite från juni, utformad för frekventa, latenskänsliga uppgifter som att klassificera meddelanden och sammanfatta material i stor skala. Den hör till familjen Gemini 2.5 med tänkande och behåller samtidigt en väg för direkta svar vid enklare arbete. Den daterade Preview-beteckningen identifierar denna utgåva separat från stabila Flash-Lite och den senare septemberförhandsversionen, vars förbättringar av instruktionsefterlevnad och multimodalitet har sin egen utgåveidentitet.\n\nJunilanseringen placerar klassificering och sammanfattning i centrum för den avsedda användningen. Användbara indata för klassificering innehåller meddelandet, de tillåtna etiketterna och exempel på gränserna mellan dem; utdata kan vara en etikett, en kort motivering och informationen som behövs för nästa bearbetningssteg. En sammanfattningsuppgift kan ange beslut, åtgärdspunkter, angivna tidsfrister och olösta frågor som ska bevaras. Detta är praktiska tillämpningar av det angivna syftet: de ger en upprepad operation tydliga indata och ett kompakt resultat i stället för att begära en fritt hållen uppsats.\n\nTänkande finns tillgängligt men är avstängt som standard i denna förhandsversion av Flash-Lite från juni. Google beskriver en styrbar tänkandebudget som låter uppgiften använda ytterligare resonemang när villkoren kräver det. Behåll den direkta vägen för enkel kategorisering eller förkortning; använd en uppgift med resonemang för överlappande kategorier, undantag eller en fråga som kräver flera slutsatser som beror på varandra. Ange vilka villkor som är obligatoriska och vad som utgör ett korrekt svar. Tänkande är en förmåga att bearbeta uppgiften; en längre förklaring är inte i sig ett belägg för att slutsatsen är korrekt.\n\nGoogles tekniska rapport nämner uttryckligen denna junimodell och dokumenterar stöd för multimodala indata och en kontextlängd på en miljon token. Resultatet är text. Kontexten ger utrymme för källmaterial, instruktioner och exempel inom samma uppgift. Ge varje dokument eller avsnitt en tydlig roll och ange sedan vad modellen ska extrahera eller jämföra. För en dokumentassistent skiljer du frågan från källtexten och begär ett resultat knutet till de relevanta avsnitten. För ett extraheringssteg definierar du fälten och hur information som saknas i materialet ska representeras. Detta är en kontextförmåga, inte ett löfte om att orelaterat innehåll blir användbart bara för att det tas med.\n\nJunimeddelandet anger inbyggda verktyg för sökförankring, kodexekvering och URL-kontext samt funktionsanrop. Sökförankring tillför webbinformation till ett svar; URL-kontext använder innehållet på tillhandahållna sidor för uppgifter som dokumentjämförelser eller detaljextrahering. Googles verktyg för kodexekvering genererar och kör Python för beräkningar eller textbearbetning och använder exekveringsresultatet i svaret. Funktionsanrop har en annan roll: modellen väljer en deklarerad funktion och dess argument, medan den anslutna applikationen exekverar den och returnerar resultatet. Definiera funktionens syfte och tillåtna parametrar så att en verktygsassisterad uppgift har en uttrycklig nästa åtgärd.\n\nFör ett återkommande arbetsflöde förbereder du en liten uppsättning representativa indata innan samma instruktion tillämpas på en större samling. Ta med ett normalt fall, ett tvetydigt fall och ett fall där information saknas. Ett exempel från kundsupport kan begära ett ämne, kundens faktiska fråga och ett svar som enbart grundas på ett medföljande referensavsnitt. Ett exempel från korrespondens kan begära en lista över uppgifter med en åtgärd, personen som tilldelar den och en tidsfrist endast när den anges. Håll dessa begärda fält åtskilda från förklarande löptext så att resultattexten kan kontrolleras mot den ursprungliga posten.\n\nTillverkarens familjekort för Flash-Lite anger risken för påhittade fakta och svårigheter med kausal förståelse, komplex logisk slutledning och kontrafaktiskt resonemang. Det påpekar också att efterlevnaden av en tänkandebudget kan vara ojämn. Behandla detta som konkreta granskningspunkter: jämför extraherade fakta med källan, kontrollera beräkningar som beror på varandra och skilj ett observerat påstående från en härledd förklaring. Den användbara slutleveransen är en kompakt klassificering, sammanfattning, extrahering eller ett svar vars obligatoriska fakta och saknade information går att granska. Denna juniutgåva är ett separat val för textbearbetning; senare förhandsversioners specifikationer omdefinierar inte dess dokumenterade identitet.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Extract actions from a meeting note\n\nExtract only explicit action items from this note: 'Mira will send the revised price sheet by Friday. Jonas suggested checking packaging later, but nobody accepted that task. Noor will confirm the delivery address; no deadline was set.' Return a table with action, owner and deadline. Use 'not stated' for an absent deadline and exclude unassigned suggestions.A compact action table containing explicit commitments and source-grounded deadline values.The unassigned packaging suggestion is excluded, and Noor's deadline is not invented.gemini-2.5-flash-lite-preview-06-17Gemini 2.5 Flash-Lite Preview 06-17 är Googles juniutgåva för klassificering, sammanfattning och repeterbar textbearbetning med hög genomströmning. Den kombinerar en kontext på en miljon token, valfritt tänkande och dokumenterade verktyg för sökning, kod, URL-kontext och funktionsanrop.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash-Lite Preview 06-17 är Googles förhandsversion av Flash-Lite från juni, utformad för frekventa, latenskänsliga uppgifter som att klassificera meddelanden och sammanfatta material i stor skala. Den hör till familjen Gemini 2.5 med tänkande och behåller samtidigt en väg för direkta svar vid enklare arbete. Den daterade Preview-beteckningen identifierar denna utgåva separat från stabila Flash-Lite och den senare septemberförhandsversionen, vars förbättringar av instruktionsefterlevnad och multimodalitet har sin egen utgåveidentitet.
Junilanseringen placerar klassificering och sammanfattning i centrum för den avsedda användningen. Användbara indata för klassificering innehåller meddelandet, de tillåtna etiketterna och exempel på gränserna mellan dem; utdata kan vara en etikett, en kort motivering och informationen som behövs för nästa bearbetningssteg. En sammanfattningsuppgift kan ange beslut, åtgärdspunkter, angivna tidsfrister och olösta frågor som ska bevaras. Detta är praktiska tillämpningar av det angivna syftet: de ger en upprepad operation tydliga indata och ett kompakt resultat i stället för att begära en fritt hållen uppsats.
Tänkande finns tillgängligt men är avstängt som standard i denna förhandsversion av Flash-Lite från juni. Google beskriver en styrbar tänkandebudget som låter uppgiften använda ytterligare resonemang när villkoren kräver det. Behåll den direkta vägen för enkel kategorisering eller förkortning; använd en uppgift med resonemang för överlappande kategorier, undantag eller en fråga som kräver flera slutsatser som beror på varandra. Ange vilka villkor som är obligatoriska och vad som utgör ett korrekt svar. Tänkande är en förmåga att bearbeta uppgiften; en längre förklaring är inte i sig ett belägg för att slutsatsen är korrekt.
Googles tekniska rapport nämner uttryckligen denna junimodell och dokumenterar stöd för multimodala indata och en kontextlängd på en miljon token. Resultatet är text. Kontexten ger utrymme för källmaterial, instruktioner och exempel inom samma uppgift. Ge varje dokument eller avsnitt en tydlig roll och ange sedan vad modellen ska extrahera eller jämföra. För en dokumentassistent skiljer du frågan från källtexten och begär ett resultat knutet till de relevanta avsnitten. För ett extraheringssteg definierar du fälten och hur information som saknas i materialet ska representeras. Detta är en kontextförmåga, inte ett löfte om att orelaterat innehåll blir användbart bara för att det tas med.
Junimeddelandet anger inbyggda verktyg för sökförankring, kodexekvering och URL-kontext samt funktionsanrop. Sökförankring tillför webbinformation till ett svar; URL-kontext använder innehållet på tillhandahållna sidor för uppgifter som dokumentjämförelser eller detaljextrahering. Googles verktyg för kodexekvering genererar och kör Python för beräkningar eller textbearbetning och använder exekveringsresultatet i svaret. Funktionsanrop har en annan roll: modellen väljer en deklarerad funktion och dess argument, medan den anslutna applikationen exekverar den och returnerar resultatet. Definiera funktionens syfte och tillåtna parametrar så att en verktygsassisterad uppgift har en uttrycklig nästa åtgärd.
För ett återkommande arbetsflöde förbereder du en liten uppsättning representativa indata innan samma instruktion tillämpas på en större samling. Ta med ett normalt fall, ett tvetydigt fall och ett fall där information saknas. Ett exempel från kundsupport kan begära ett ämne, kundens faktiska fråga och ett svar som enbart grundas på ett medföljande referensavsnitt. Ett exempel från korrespondens kan begära en lista över uppgifter med en åtgärd, personen som tilldelar den och en tidsfrist endast när den anges. Håll dessa begärda fält åtskilda från förklarande löptext så att resultattexten kan kontrolleras mot den ursprungliga posten.
Tillverkarens familjekort för Flash-Lite anger risken för påhittade fakta och svårigheter med kausal förståelse, komplex logisk slutledning och kontrafaktiskt resonemang. Det påpekar också att efterlevnaden av en tänkandebudget kan vara ojämn. Behandla detta som konkreta granskningspunkter: jämför extraherade fakta med källan, kontrollera beräkningar som beror på varandra och skilj ett observerat påstående från en härledd förklaring. Den användbara slutleveransen är en kompakt klassificering, sammanfattning, extrahering eller ett svar vars obligatoriska fakta och saknade information går att granska. Denna juniutgåva är ett separat val för textbearbetning; senare förhandsversioners specifikationer omdefinierar inte dess dokumenterade identitet.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-2.5-flash-lite-preview-06-17 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite-preview-06-17", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gemini-2.5-flash-lite-preview-06-17',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gemini-2.5-flash-lite-preview-06-17',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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra gemini-2.5-flash-lite-preview-06-17
Använd metodsökvägarna som visas ovan.
gemini-2.5-flash-lite-preview-06-17Gemini 2.5 Flash-Lite Preview 06-17 är Googles juniutgåva för klassificering, sammanfattning och repeterbar textbearbetning med hög genomströmning. Den kombinerar en kontext på en miljon token, valfritt tänkande och dokumenterade verktyg för sökning, kod, URL-kontext och funktionsanrop.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash-Lite Preview 06-17 är Googles förhandsversion av Flash-Lite från juni, utformad för frekventa, latenskänsliga uppgifter som att klassificera meddelanden och sammanfatta material i stor skala. Den hör till familjen Gemini 2.5 med tänkande och behåller samtidigt en väg för direkta svar vid enklare arbete. Den daterade Preview-beteckningen identifierar denna utgåva separat från stabila Flash-Lite och den senare septemberförhandsversionen, vars förbättringar av instruktionsefterlevnad och multimodalitet har sin egen utgåveidentitet.
Junilanseringen placerar klassificering och sammanfattning i centrum för den avsedda användningen. Användbara indata för klassificering innehåller meddelandet, de tillåtna etiketterna och exempel på gränserna mellan dem; utdata kan vara en etikett, en kort motivering och informationen som behövs för nästa bearbetningssteg. En sammanfattningsuppgift kan ange beslut, åtgärdspunkter, angivna tidsfrister och olösta frågor som ska bevaras. Detta är praktiska tillämpningar av det angivna syftet: de ger en upprepad operation tydliga indata och ett kompakt resultat i stället för att begära en fritt hållen uppsats.
Tänkande finns tillgängligt men är avstängt som standard i denna förhandsversion av Flash-Lite från juni. Google beskriver en styrbar tänkandebudget som låter uppgiften använda ytterligare resonemang när villkoren kräver det. Behåll den direkta vägen för enkel kategorisering eller förkortning; använd en uppgift med resonemang för överlappande kategorier, undantag eller en fråga som kräver flera slutsatser som beror på varandra. Ange vilka villkor som är obligatoriska och vad som utgör ett korrekt svar. Tänkande är en förmåga att bearbeta uppgiften; en längre förklaring är inte i sig ett belägg för att slutsatsen är korrekt.
Googles tekniska rapport nämner uttryckligen denna junimodell och dokumenterar stöd för multimodala indata och en kontextlängd på en miljon token. Resultatet är text. Kontexten ger utrymme för källmaterial, instruktioner och exempel inom samma uppgift. Ge varje dokument eller avsnitt en tydlig roll och ange sedan vad modellen ska extrahera eller jämföra. För en dokumentassistent skiljer du frågan från källtexten och begär ett resultat knutet till de relevanta avsnitten. För ett extraheringssteg definierar du fälten och hur information som saknas i materialet ska representeras. Detta är en kontextförmåga, inte ett löfte om att orelaterat innehåll blir användbart bara för att det tas med.
Junimeddelandet anger inbyggda verktyg för sökförankring, kodexekvering och URL-kontext samt funktionsanrop. Sökförankring tillför webbinformation till ett svar; URL-kontext använder innehållet på tillhandahållna sidor för uppgifter som dokumentjämförelser eller detaljextrahering. Googles verktyg för kodexekvering genererar och kör Python för beräkningar eller textbearbetning och använder exekveringsresultatet i svaret. Funktionsanrop har en annan roll: modellen väljer en deklarerad funktion och dess argument, medan den anslutna applikationen exekverar den och returnerar resultatet. Definiera funktionens syfte och tillåtna parametrar så att en verktygsassisterad uppgift har en uttrycklig nästa åtgärd.
För ett återkommande arbetsflöde förbereder du en liten uppsättning representativa indata innan samma instruktion tillämpas på en större samling. Ta med ett normalt fall, ett tvetydigt fall och ett fall där information saknas. Ett exempel från kundsupport kan begära ett ämne, kundens faktiska fråga och ett svar som enbart grundas på ett medföljande referensavsnitt. Ett exempel från korrespondens kan begära en lista över uppgifter med en åtgärd, personen som tilldelar den och en tidsfrist endast när den anges. Håll dessa begärda fält åtskilda från förklarande löptext så att resultattexten kan kontrolleras mot den ursprungliga posten.
Tillverkarens familjekort för Flash-Lite anger risken för påhittade fakta och svårigheter med kausal förståelse, komplex logisk slutledning och kontrafaktiskt resonemang. Det påpekar också att efterlevnaden av en tänkandebudget kan vara ojämn. Behandla detta som konkreta granskningspunkter: jämför extraherade fakta med källan, kontrollera beräkningar som beror på varandra och skilj ett observerat påstående från en härledd förklaring. Den användbara slutleveransen är en kompakt klassificering, sammanfattning, extrahering eller ett svar vars obligatoriska fakta och saknade information går att granska. Denna juniutgåva är ett separat val för textbearbetning; senare förhandsversioners specifikationer omdefinierar inte dess dokumenterade identitet.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-2.5-flash-lite-preview-06-17 | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
| Konfiguration | Prislista | Avgift |
|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0 / 1K token Indata · Skrivning till cache $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gemini-2.5-flash-lite-preview-06-17",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-06-17', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-06-17', '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 eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot Ultra gemini-2.5-flash-lite-preview-06-17
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Extract actions from a meeting note\n\nExtract only explicit action items from this note: 'Mira will send the revised price sheet by Friday. Jonas suggested checking packaging later, but nobody accepted that task. Noor will confirm the delivery address; no deadline was set.' Return a table with action, owner and deadline. Use 'not stated' for an absent deadline and exclude unassigned suggestions.A compact action table containing explicit commitments and source-grounded deadline values.The unassigned packaging suggestion is excluded, and Noor's deadline is not invented.