Gemini 2.5 Flash-Lite Preview 09-2025 är Googles septemberutgåva för frekventa uppgifter som behöver ett kortfattat, väl avgränsat textresultat. Tillverkaren organiserar uppdateringen kring tre teman: bättre efterlevnad av komplexa instruktioner och systemprompter, minskad ordrikedom samt förbättrad översättning och multimodal förståelse. Det daterade namnet identifierar just denna förhandsversion separat från förhandsversionen av Flash-Lite från juni, den stabila modellen och ett rörligt latest-alias.
Bättre förmåga att följa instruktioner är användbar när en uppgift har flera regler som måste vara aktiva samtidigt. Tillhandahåll källmaterialet, målgruppen och det format som krävs, och skilj sedan obligatoriskt innehåll från valfri förklaring. En uppgift för hantering av supportärenden kan kräva en kategori, kundens exakta fråga och ett nästa steg som enbart bygger på en tillhandahållen referens. En dokumentuppgift kan ange vilka termer som ska bevaras, vilka fakta som måste finnas med och hur saknade värden ska representeras. Dessa exempel omvandlar en detaljerad instruktion till ett resultat med observerbara krav.
Minskad ordrikedom är en uttalad egenskap hos denna utgåva. Den är särskilt relevant när utdata blir ett kort fältvärde, ett kort svar eller nästa indata i ett större arbetsflöde. Be om den information som behövs i stället för en allmän diskussion: beslutet, dess källa och den olösta frågan. För en sammanfattning listar du de fakta och tidsfrister som måste finnas kvar efter komprimeringen och anger antalet avsnitt eller deras syfte. Kortfattadhet innebär inte att viktiga villkor utelämnas; en praktisk utdatamall gör det obligatoriska innehållet tydligt.
Google rapporterar förbättrad översättningskvalitet, bildförståelse och ljudtranskribering i denna septemberuppdatering. För översättning anger du målgruppen och en ordlista och skiljer namn som ska förbli oförändrade från formuleringar som ska lokaliseras. För en bild markerar du komponenten eller textavsnittet som ska förklaras och beskriver hur svaret ska användas. För ljudtranskribering begär du en skriftlig återgivning med det språk och de formateringsregler som behövs för nästa steg. En multimediekälla kan också sammanfattas eller jämföras med ett textkrav när frågan pekar ut det relevanta innehållet.
Det exakt daterade kortet anger text, bilder, video, ljud och PDF som indata, med text som utdata. Gränserna är 1 048 576 indatatoken och 65 536 utdatatoken, och den dokumenterade kunskapsgränsen är januari 2025. Den stora indataprofilen kan kombinera material, instruktioner och exempel; ge varje källa en etikett och ange vilka belägg svaret ska använda. Detta är Flash-Lite-utgåvan med textutdata: genererat tal, genererade bilder och ett röstgränssnitt i realtid ingår inte i den angivna utdataprofilen.
Tillverkaren dokumenterar tänkande, strukturerade utdata, funktionsanrop, kodexekvering, sökförankring, URL-kontext och filsökning. Tänkande kan användas för en uppgift med beroende villkor; ett strukturerat svar kan ge fält för extrahering eller klassificering. Ett funktionsanrop innehåller ett föreslaget funktionsnamn och argument, medan applikationen exekverar det och returnerar resultatet. Googles verktyg för kodexekvering använder Python; sök- och dokumentverktyg tillhandahåller externt material för ett väl underbyggt skriftligt svar. Den exakta profilen omfattar även stöd för cachelagring och batchbearbetning. Detta är dokumenterade modellfunktioner, inte ett påstående om att en viss applikation har aktiverat varje verktyg eller kombinerat dem i en enda begäran.
Familjekortet beskriver en gles mixture-of-experts-transformer med inbyggd multimodal förståelse. Förträningen omfattar webbtext, programmeringsspråk, bilder, ljud och video. Efterträningen använder granskade par av instruktioner och svar, information om mänskliga preferenser och data om verktygsanvändning, med deduplicering samt säkerhets- och kvalitetsfiltrering under förberedelsen. Samma kort anger risken för påhittade fakta, svårigheter med kausalt och kontrafaktiskt resonemang, begränsningar i komplex logisk slutledning och ojämn efterlevnad av tänkandebudgetar. Det noterar också en tendens att vissa svar låter alltför mästrande. Detta är väsentliga granskningspunkter för en modell som bearbetar text kortfattat.
Förbered representativa normala, tvetydiga och ofullständiga indata för en återkommande uppgift. För översättning jämför du terminologi, innebörd och det begärda formatet med enbart utdata. För transkribering eller dokumentextrahering jämför du de returnerade detaljerna med det tillhandahållna materialet och identifierar vad som inte kunde fastställas. För ett kort svar granskar du om varje obligatoriskt faktum har bevarats. Slutleveransen kan vara ett översatt textavsnitt, en kompakt sammanfattning, extraherade fält eller en kategori och nästa åtgärd. Denna förberedelse använder septemberutgåvans särskilda betoning på korrekt instruktionsefterlevnad, kompakthet och multimediehantering samtidigt som resultatet förblir knutet till de ursprungliga beläggen.
", "aboutText": "Gemini 2.5 Flash-Lite Preview 09-2025 är Googles septemberutgåva för frekventa uppgifter som behöver ett kortfattat, väl avgränsat textresultat. Tillverkaren organiserar uppdateringen kring tre teman: bättre efterlevnad av komplexa instruktioner och systemprompter, minskad ordrikedom samt förbättrad översättning och multimodal förståelse. Det daterade namnet identifierar just denna förhandsversion separat från förhandsversionen av Flash-Lite från juni, den stabila modellen och ett rörligt latest-alias.\n\nBättre förmåga att följa instruktioner är användbar när en uppgift har flera regler som måste vara aktiva samtidigt. Tillhandahåll källmaterialet, målgruppen och det format som krävs, och skilj sedan obligatoriskt innehåll från valfri förklaring. En uppgift för hantering av supportärenden kan kräva en kategori, kundens exakta fråga och ett nästa steg som enbart bygger på en tillhandahållen referens. En dokumentuppgift kan ange vilka termer som ska bevaras, vilka fakta som måste finnas med och hur saknade värden ska representeras. Dessa exempel omvandlar en detaljerad instruktion till ett resultat med observerbara krav.\n\nMinskad ordrikedom är en uttalad egenskap hos denna utgåva. Den är särskilt relevant när utdata blir ett kort fältvärde, ett kort svar eller nästa indata i ett större arbetsflöde. Be om den information som behövs i stället för en allmän diskussion: beslutet, dess källa och den olösta frågan. För en sammanfattning listar du de fakta och tidsfrister som måste finnas kvar efter komprimeringen och anger antalet avsnitt eller deras syfte. Kortfattadhet innebär inte att viktiga villkor utelämnas; en praktisk utdatamall gör det obligatoriska innehållet tydligt.\n\nGoogle rapporterar förbättrad översättningskvalitet, bildförståelse och ljudtranskribering i denna septemberuppdatering. För översättning anger du målgruppen och en ordlista och skiljer namn som ska förbli oförändrade från formuleringar som ska lokaliseras. För en bild markerar du komponenten eller textavsnittet som ska förklaras och beskriver hur svaret ska användas. För ljudtranskribering begär du en skriftlig återgivning med det språk och de formateringsregler som behövs för nästa steg. En multimediekälla kan också sammanfattas eller jämföras med ett textkrav när frågan pekar ut det relevanta innehållet.\n\nDet exakt daterade kortet anger text, bilder, video, ljud och PDF som indata, med text som utdata. Gränserna är 1 048 576 indatatoken och 65 536 utdatatoken, och den dokumenterade kunskapsgränsen är januari 2025. Den stora indataprofilen kan kombinera material, instruktioner och exempel; ge varje källa en etikett och ange vilka belägg svaret ska använda. Detta är Flash-Lite-utgåvan med textutdata: genererat tal, genererade bilder och ett röstgränssnitt i realtid ingår inte i den angivna utdataprofilen.\n\nTillverkaren dokumenterar tänkande, strukturerade utdata, funktionsanrop, kodexekvering, sökförankring, URL-kontext och filsökning. Tänkande kan användas för en uppgift med beroende villkor; ett strukturerat svar kan ge fält för extrahering eller klassificering. Ett funktionsanrop innehåller ett föreslaget funktionsnamn och argument, medan applikationen exekverar det och returnerar resultatet. Googles verktyg för kodexekvering använder Python; sök- och dokumentverktyg tillhandahåller externt material för ett väl underbyggt skriftligt svar. Den exakta profilen omfattar även stöd för cachelagring och batchbearbetning. Detta är dokumenterade modellfunktioner, inte ett påstående om att en viss applikation har aktiverat varje verktyg eller kombinerat dem i en enda begäran.\n\nFamiljekortet beskriver en gles mixture-of-experts-transformer med inbyggd multimodal förståelse. Förträningen omfattar webbtext, programmeringsspråk, bilder, ljud och video. Efterträningen använder granskade par av instruktioner och svar, information om mänskliga preferenser och data om verktygsanvändning, med deduplicering samt säkerhets- och kvalitetsfiltrering under förberedelsen. Samma kort anger risken för påhittade fakta, svårigheter med kausalt och kontrafaktiskt resonemang, begränsningar i komplex logisk slutledning och ojämn efterlevnad av tänkandebudgetar. Det noterar också en tendens att vissa svar låter alltför mästrande. Detta är väsentliga granskningspunkter för en modell som bearbetar text kortfattat.\n\nFörbered representativa normala, tvetydiga och ofullständiga indata för en återkommande uppgift. För översättning jämför du terminologi, innebörd och det begärda formatet med enbart utdata. För transkribering eller dokumentextrahering jämför du de returnerade detaljerna med det tillhandahållna materialet och identifierar vad som inte kunde fastställas. För ett kort svar granskar du om varje obligatoriskt faktum har bevarats. Slutleveransen kan vara ett översatt textavsnitt, en kompakt sammanfattning, extraherade fält eller en kategori och nästa åtgärd. Denna förberedelse använder septemberutgåvans särskilda betoning på korrekt instruktionsefterlevnad, kompakthet och multimediehantering samtidigt som resultatet förblir knutet till de ursprungliga beläggen.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 fokuserar på att följa instruktioner, kortfattad text, översättning och multimedieförståelse. Googles septemberutgåva tar emot text, bilder, video, ljud och PDF, med strukturerade svar och dokumenterade verktyg för bearbetning av stora volymer.
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 09-2025 är Googles septemberutgåva för frekventa uppgifter som behöver ett kortfattat, väl avgränsat textresultat. Tillverkaren organiserar uppdateringen kring tre teman: bättre efterlevnad av komplexa instruktioner och systemprompter, minskad ordrikedom samt förbättrad översättning och multimodal förståelse. Det daterade namnet identifierar just denna förhandsversion separat från förhandsversionen av Flash-Lite från juni, den stabila modellen och ett rörligt latest-alias.
Bättre förmåga att följa instruktioner är användbar när en uppgift har flera regler som måste vara aktiva samtidigt. Tillhandahåll källmaterialet, målgruppen och det format som krävs, och skilj sedan obligatoriskt innehåll från valfri förklaring. En uppgift för hantering av supportärenden kan kräva en kategori, kundens exakta fråga och ett nästa steg som enbart bygger på en tillhandahållen referens. En dokumentuppgift kan ange vilka termer som ska bevaras, vilka fakta som måste finnas med och hur saknade värden ska representeras. Dessa exempel omvandlar en detaljerad instruktion till ett resultat med observerbara krav.
Minskad ordrikedom är en uttalad egenskap hos denna utgåva. Den är särskilt relevant när utdata blir ett kort fältvärde, ett kort svar eller nästa indata i ett större arbetsflöde. Be om den information som behövs i stället för en allmän diskussion: beslutet, dess källa och den olösta frågan. För en sammanfattning listar du de fakta och tidsfrister som måste finnas kvar efter komprimeringen och anger antalet avsnitt eller deras syfte. Kortfattadhet innebär inte att viktiga villkor utelämnas; en praktisk utdatamall gör det obligatoriska innehållet tydligt.
Google rapporterar förbättrad översättningskvalitet, bildförståelse och ljudtranskribering i denna septemberuppdatering. För översättning anger du målgruppen och en ordlista och skiljer namn som ska förbli oförändrade från formuleringar som ska lokaliseras. För en bild markerar du komponenten eller textavsnittet som ska förklaras och beskriver hur svaret ska användas. För ljudtranskribering begär du en skriftlig återgivning med det språk och de formateringsregler som behövs för nästa steg. En multimediekälla kan också sammanfattas eller jämföras med ett textkrav när frågan pekar ut det relevanta innehållet.
Det exakt daterade kortet anger text, bilder, video, ljud och PDF som indata, med text som utdata. Gränserna är 1 048 576 indatatoken och 65 536 utdatatoken, och den dokumenterade kunskapsgränsen är januari 2025. Den stora indataprofilen kan kombinera material, instruktioner och exempel; ge varje källa en etikett och ange vilka belägg svaret ska använda. Detta är Flash-Lite-utgåvan med textutdata: genererat tal, genererade bilder och ett röstgränssnitt i realtid ingår inte i den angivna utdataprofilen.
Tillverkaren dokumenterar tänkande, strukturerade utdata, funktionsanrop, kodexekvering, sökförankring, URL-kontext och filsökning. Tänkande kan användas för en uppgift med beroende villkor; ett strukturerat svar kan ge fält för extrahering eller klassificering. Ett funktionsanrop innehåller ett föreslaget funktionsnamn och argument, medan applikationen exekverar det och returnerar resultatet. Googles verktyg för kodexekvering använder Python; sök- och dokumentverktyg tillhandahåller externt material för ett väl underbyggt skriftligt svar. Den exakta profilen omfattar även stöd för cachelagring och batchbearbetning. Detta är dokumenterade modellfunktioner, inte ett påstående om att en viss applikation har aktiverat varje verktyg eller kombinerat dem i en enda begäran.
Familjekortet beskriver en gles mixture-of-experts-transformer med inbyggd multimodal förståelse. Förträningen omfattar webbtext, programmeringsspråk, bilder, ljud och video. Efterträningen använder granskade par av instruktioner och svar, information om mänskliga preferenser och data om verktygsanvändning, med deduplicering samt säkerhets- och kvalitetsfiltrering under förberedelsen. Samma kort anger risken för påhittade fakta, svårigheter med kausalt och kontrafaktiskt resonemang, begränsningar i komplex logisk slutledning och ojämn efterlevnad av tänkandebudgetar. Det noterar också en tendens att vissa svar låter alltför mästrande. Detta är väsentliga granskningspunkter för en modell som bearbetar text kortfattat.
Förbered representativa normala, tvetydiga och ofullständiga indata för en återkommande uppgift. För översättning jämför du terminologi, innebörd och det begärda formatet med enbart utdata. För transkribering eller dokumentextrahering jämför du de returnerade detaljerna med det tillhandahållna materialet och identifierar vad som inte kunde fastställas. För ett kort svar granskar du om varje obligatoriskt faktum har bevarats. Slutleveransen kan vara ett översatt textavsnitt, en kompakt sammanfattning, extraherade fält eller en kategori och nästa åtgärd. Denna förberedelse använder septemberutgåvans särskilda betoning på korrekt instruktionsefterlevnad, kompakthet och multimediehantering samtidigt som resultatet förblir knutet till de ursprungliga beläggen.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-2.5-flash-lite-preview-09-2025 | 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-09-2025", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gemini-2.5-flash-lite-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gemini-2.5-flash-lite-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-09-2025
Använd metodsökvägarna som visas ovan.
gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 fokuserar på att följa instruktioner, kortfattad text, översättning och multimedieförståelse. Googles septemberutgåva tar emot text, bilder, video, ljud och PDF, med strukturerade svar och dokumenterade verktyg för bearbetning av stora volymer.
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 09-2025 är Googles septemberutgåva för frekventa uppgifter som behöver ett kortfattat, väl avgränsat textresultat. Tillverkaren organiserar uppdateringen kring tre teman: bättre efterlevnad av komplexa instruktioner och systemprompter, minskad ordrikedom samt förbättrad översättning och multimodal förståelse. Det daterade namnet identifierar just denna förhandsversion separat från förhandsversionen av Flash-Lite från juni, den stabila modellen och ett rörligt latest-alias.
Bättre förmåga att följa instruktioner är användbar när en uppgift har flera regler som måste vara aktiva samtidigt. Tillhandahåll källmaterialet, målgruppen och det format som krävs, och skilj sedan obligatoriskt innehåll från valfri förklaring. En uppgift för hantering av supportärenden kan kräva en kategori, kundens exakta fråga och ett nästa steg som enbart bygger på en tillhandahållen referens. En dokumentuppgift kan ange vilka termer som ska bevaras, vilka fakta som måste finnas med och hur saknade värden ska representeras. Dessa exempel omvandlar en detaljerad instruktion till ett resultat med observerbara krav.
Minskad ordrikedom är en uttalad egenskap hos denna utgåva. Den är särskilt relevant när utdata blir ett kort fältvärde, ett kort svar eller nästa indata i ett större arbetsflöde. Be om den information som behövs i stället för en allmän diskussion: beslutet, dess källa och den olösta frågan. För en sammanfattning listar du de fakta och tidsfrister som måste finnas kvar efter komprimeringen och anger antalet avsnitt eller deras syfte. Kortfattadhet innebär inte att viktiga villkor utelämnas; en praktisk utdatamall gör det obligatoriska innehållet tydligt.
Google rapporterar förbättrad översättningskvalitet, bildförståelse och ljudtranskribering i denna septemberuppdatering. För översättning anger du målgruppen och en ordlista och skiljer namn som ska förbli oförändrade från formuleringar som ska lokaliseras. För en bild markerar du komponenten eller textavsnittet som ska förklaras och beskriver hur svaret ska användas. För ljudtranskribering begär du en skriftlig återgivning med det språk och de formateringsregler som behövs för nästa steg. En multimediekälla kan också sammanfattas eller jämföras med ett textkrav när frågan pekar ut det relevanta innehållet.
Det exakt daterade kortet anger text, bilder, video, ljud och PDF som indata, med text som utdata. Gränserna är 1 048 576 indatatoken och 65 536 utdatatoken, och den dokumenterade kunskapsgränsen är januari 2025. Den stora indataprofilen kan kombinera material, instruktioner och exempel; ge varje källa en etikett och ange vilka belägg svaret ska använda. Detta är Flash-Lite-utgåvan med textutdata: genererat tal, genererade bilder och ett röstgränssnitt i realtid ingår inte i den angivna utdataprofilen.
Tillverkaren dokumenterar tänkande, strukturerade utdata, funktionsanrop, kodexekvering, sökförankring, URL-kontext och filsökning. Tänkande kan användas för en uppgift med beroende villkor; ett strukturerat svar kan ge fält för extrahering eller klassificering. Ett funktionsanrop innehåller ett föreslaget funktionsnamn och argument, medan applikationen exekverar det och returnerar resultatet. Googles verktyg för kodexekvering använder Python; sök- och dokumentverktyg tillhandahåller externt material för ett väl underbyggt skriftligt svar. Den exakta profilen omfattar även stöd för cachelagring och batchbearbetning. Detta är dokumenterade modellfunktioner, inte ett påstående om att en viss applikation har aktiverat varje verktyg eller kombinerat dem i en enda begäran.
Familjekortet beskriver en gles mixture-of-experts-transformer med inbyggd multimodal förståelse. Förträningen omfattar webbtext, programmeringsspråk, bilder, ljud och video. Efterträningen använder granskade par av instruktioner och svar, information om mänskliga preferenser och data om verktygsanvändning, med deduplicering samt säkerhets- och kvalitetsfiltrering under förberedelsen. Samma kort anger risken för påhittade fakta, svårigheter med kausalt och kontrafaktiskt resonemang, begränsningar i komplex logisk slutledning och ojämn efterlevnad av tänkandebudgetar. Det noterar också en tendens att vissa svar låter alltför mästrande. Detta är väsentliga granskningspunkter för en modell som bearbetar text kortfattat.
Förbered representativa normala, tvetydiga och ofullständiga indata för en återkommande uppgift. För översättning jämför du terminologi, innebörd och det begärda formatet med enbart utdata. För transkribering eller dokumentextrahering jämför du de returnerade detaljerna med det tillhandahållna materialet och identifierar vad som inte kunde fastställas. För ett kort svar granskar du om varje obligatoriskt faktum har bevarats. Slutleveransen kan vara ett översatt textavsnitt, en kompakt sammanfattning, extraherade fält eller en kategori och nästa åtgärd. Denna förberedelse använder septemberutgåvans särskilda betoning på korrekt instruktionsefterlevnad, kompakthet och multimediehantering samtidigt som resultatet förblir knutet till de ursprungliga beläggen.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-2.5-flash-lite-preview-09-2025 | 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 $0 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gemini-2.5-flash-lite-preview-09-2025",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-09-2025
Använd metodsökvägarna som visas ovan.
Tekniskt exempel på engelska
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.