Gemini 2.5 Flash-Lite är Googles stabila, lätta profil för översättning, klassificering och enkel dataextraktion i stor skala. Dess hybridresonemang kan använda eller utelämna tänkande beroende på uppgiften. Den tar emot text, bilder, ljud, video och PDF och producerar text. Ett användbart resultat är en kategori, en kortfattad översättning, en post extraherad ur tillhandahållet material eller en avgränsad skriftlig förklaring.
För klassificering ska du definiera kategorier, beslutsregel och svarsform. Behåll källidentifieraren i ett resultat när flera oberoende objekt bearbetas. För klassificering av supportmeddelanden kan du klassificera ett supportmeddelande efter problemtyp och returnera meningen som stödjer kategorin. Inkludera en regel för saknade eller tvetydiga belägg så att ett flytande svar inte fyller ett obligatoriskt fält med en gissning. Modellens lätta roll är mest användbar när indata och önskat resultat är tydligt specificerade.
Tänkande är avstängt som standard i den dokumenterade konfigurationen för 2.5 Flash-Lite. Googles guide för tänkande i GenerateContent tillåter en uttrycklig tänkandebudget från 512 till 24,576 token, noll för att behålla tänkandet avstängt och -1 för att begära dynamiskt tänkande. Det är reglage för resonemangsbudgeten, skilda från utrymmet för det slutliga svaret. Aktivera ytterligare resonemang när en extraktion har samverkande villkor eller en klassificering har undantag; en enkel omvandling kan behålla standardbeteendet utan tänkande. Guiden påpekar att modellen kan använda fler eller färre tänkandetoken än den begärda budgeten.
För översättning ska du ange målspråk, målgrupp och termer som ska bevaras. Specificera om resultatet ska innehålla endast översättningen eller en märkt post. För dokumentextraktion ska du definiera fälten och begära källpassager som låter utdata kontrolleras. För en inspelning ska du skilja en transkription från en sammanfattning och identifiera det relevanta avsnittet. Bilder eller video kan bidra med underlag för ett textsvar. Den önskade artefakten ska förbli tydlig även när indata kombinerar flera medietyper.
Den exakta stabila tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Funktioner behöver ett tydligt syfte och definierade parametrar; den anslutna applikationen utför åtgärden och tillhandahåller resultatet. För schemabaserad extraktion ska du validera den returnerade strukturen och jämföra dess värden med originalmaterialet. Ett verktygsbeslut eller en välformad post är bara till nytta i kontexten av källan och faktiskt returnerade belägg.
Det ursprungliga kortet anger ett kontextfönster på 1M och 64K textutdata. API-modellsidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, källinnehåll och bevarat samtal förbrukar indatabudgeten, medan resonemang och ett svarstak påverkar om slutresultatet får plats. Cachelagring, batch samt Flex- och Priority-bearbetning listas för tillverkarens profil. För upprepade uppgifter ska samma kategori- eller fältdefinitioner behållas och identifierare föras genom resultatet så att en senare granskning kan hitta ursprungsobjektet.
Den här stabila profilen är separat från Preview-varianterna från juni och september som beskrivs på andra ställen i familjen. Det gemensamma ursprungliga kortet märker förbättringar i September Preview, inklusive instruktionsefterlevnad och koncishet, specifikt för den förhandsversionen; de ska inte i tysthet överföras till den stabila identifieraren. Senare Flash-Lite-generationer använder också andra reglage för tänkande och kapacitetstabeller. Bevara utgåvan och välj de inställningar som dokumenteras för den i stället för att ersätta budgetarna i 2.5 med syntax för tänkandenivåer i Gemini 3.
Kortet listar hallucinationer och begränsningar i kausal förståelse, komplex logisk deduktion och kontrafaktiskt resonemang och anger en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg eller använd ett dokumenterat förankringsflöde när nyare fakta är viktiga. Granska översättningar för betydelse, extraherade fält för stöd i källan och transkriptioner mot ljudet. Ett fokuserat, litet resultat gör granskningen praktisk utan att behandla ett välformulerat svar som bevis på att källan innehöll den påstådda detaljen.
", "aboutText": "Gemini 2.5 Flash-Lite är Googles stabila, lätta profil för översättning, klassificering och enkel dataextraktion i stor skala. Dess hybridresonemang kan använda eller utelämna tänkande beroende på uppgiften. Den tar emot text, bilder, ljud, video och PDF och producerar text. Ett användbart resultat är en kategori, en kortfattad översättning, en post extraherad ur tillhandahållet material eller en avgränsad skriftlig förklaring.\n\nFör klassificering ska du definiera kategorier, beslutsregel och svarsform. Behåll källidentifieraren i ett resultat när flera oberoende objekt bearbetas. För klassificering av supportmeddelanden kan du klassificera ett supportmeddelande efter problemtyp och returnera meningen som stödjer kategorin. Inkludera en regel för saknade eller tvetydiga belägg så att ett flytande svar inte fyller ett obligatoriskt fält med en gissning. Modellens lätta roll är mest användbar när indata och önskat resultat är tydligt specificerade.\n\nTänkande är avstängt som standard i den dokumenterade konfigurationen för 2.5 Flash-Lite. Googles guide för tänkande i GenerateContent tillåter en uttrycklig tänkandebudget från 512 till 24,576 token, noll för att behålla tänkandet avstängt och -1 för att begära dynamiskt tänkande. Det är reglage för resonemangsbudgeten, skilda från utrymmet för det slutliga svaret. Aktivera ytterligare resonemang när en extraktion har samverkande villkor eller en klassificering har undantag; en enkel omvandling kan behålla standardbeteendet utan tänkande. Guiden påpekar att modellen kan använda fler eller färre tänkandetoken än den begärda budgeten.\n\nFör översättning ska du ange målspråk, målgrupp och termer som ska bevaras. Specificera om resultatet ska innehålla endast översättningen eller en märkt post. För dokumentextraktion ska du definiera fälten och begära källpassager som låter utdata kontrolleras. För en inspelning ska du skilja en transkription från en sammanfattning och identifiera det relevanta avsnittet. Bilder eller video kan bidra med underlag för ett textsvar. Den önskade artefakten ska förbli tydlig även när indata kombinerar flera medietyper.\n\nDen exakta stabila tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Funktioner behöver ett tydligt syfte och definierade parametrar; den anslutna applikationen utför åtgärden och tillhandahåller resultatet. För schemabaserad extraktion ska du validera den returnerade strukturen och jämföra dess värden med originalmaterialet. Ett verktygsbeslut eller en välformad post är bara till nytta i kontexten av källan och faktiskt returnerade belägg.\n\nDet ursprungliga kortet anger ett kontextfönster på 1M och 64K textutdata. API-modellsidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, källinnehåll och bevarat samtal förbrukar indatabudgeten, medan resonemang och ett svarstak påverkar om slutresultatet får plats. Cachelagring, batch samt Flex- och Priority-bearbetning listas för tillverkarens profil. För upprepade uppgifter ska samma kategori- eller fältdefinitioner behållas och identifierare föras genom resultatet så att en senare granskning kan hitta ursprungsobjektet.\n\nDen här stabila profilen är separat från Preview-varianterna från juni och september som beskrivs på andra ställen i familjen. Det gemensamma ursprungliga kortet märker förbättringar i September Preview, inklusive instruktionsefterlevnad och koncishet, specifikt för den förhandsversionen; de ska inte i tysthet överföras till den stabila identifieraren. Senare Flash-Lite-generationer använder också andra reglage för tänkande och kapacitetstabeller. Bevara utgåvan och välj de inställningar som dokumenteras för den i stället för att ersätta budgetarna i 2.5 med syntax för tänkandenivåer i Gemini 3.\n\nKortet listar hallucinationer och begränsningar i kausal förståelse, komplex logisk deduktion och kontrafaktiskt resonemang och anger en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg eller använd ett dokumenterat förankringsflöde när nyare fakta är viktiga. Granska översättningar för betydelse, extraherade fält för stöd i källan och transkriptioner mot ljudet. Ett fokuserat, litet resultat gör granskningen praktisk utan att behandla ett välformulerat svar som bevis på att källan innehöll den påstådda detaljen.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.gemini-2.5-flash-liteGemini 2.5 Flash-Lite är Googles stabila multimodala textmodell för återkommande klassificering, översättning och enkel extraktion. Tänkande är avstängt som standard och kan aktiveras med en resonemangsbudget på 512–24,576 token. Den tar emot text och medier, med verktyg, strukturerad utdata och en indatagräns på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash-Lite är Googles stabila, lätta profil för översättning, klassificering och enkel dataextraktion i stor skala. Dess hybridresonemang kan använda eller utelämna tänkande beroende på uppgiften. Den tar emot text, bilder, ljud, video och PDF och producerar text. Ett användbart resultat är en kategori, en kortfattad översättning, en post extraherad ur tillhandahållet material eller en avgränsad skriftlig förklaring.
För klassificering ska du definiera kategorier, beslutsregel och svarsform. Behåll källidentifieraren i ett resultat när flera oberoende objekt bearbetas. För klassificering av supportmeddelanden kan du klassificera ett supportmeddelande efter problemtyp och returnera meningen som stödjer kategorin. Inkludera en regel för saknade eller tvetydiga belägg så att ett flytande svar inte fyller ett obligatoriskt fält med en gissning. Modellens lätta roll är mest användbar när indata och önskat resultat är tydligt specificerade.
Tänkande är avstängt som standard i den dokumenterade konfigurationen för 2.5 Flash-Lite. Googles guide för tänkande i GenerateContent tillåter en uttrycklig tänkandebudget från 512 till 24,576 token, noll för att behålla tänkandet avstängt och -1 för att begära dynamiskt tänkande. Det är reglage för resonemangsbudgeten, skilda från utrymmet för det slutliga svaret. Aktivera ytterligare resonemang när en extraktion har samverkande villkor eller en klassificering har undantag; en enkel omvandling kan behålla standardbeteendet utan tänkande. Guiden påpekar att modellen kan använda fler eller färre tänkandetoken än den begärda budgeten.
För översättning ska du ange målspråk, målgrupp och termer som ska bevaras. Specificera om resultatet ska innehålla endast översättningen eller en märkt post. För dokumentextraktion ska du definiera fälten och begära källpassager som låter utdata kontrolleras. För en inspelning ska du skilja en transkription från en sammanfattning och identifiera det relevanta avsnittet. Bilder eller video kan bidra med underlag för ett textsvar. Den önskade artefakten ska förbli tydlig även när indata kombinerar flera medietyper.
Den exakta stabila tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Funktioner behöver ett tydligt syfte och definierade parametrar; den anslutna applikationen utför åtgärden och tillhandahåller resultatet. För schemabaserad extraktion ska du validera den returnerade strukturen och jämföra dess värden med originalmaterialet. Ett verktygsbeslut eller en välformad post är bara till nytta i kontexten av källan och faktiskt returnerade belägg.
Det ursprungliga kortet anger ett kontextfönster på 1M och 64K textutdata. API-modellsidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, källinnehåll och bevarat samtal förbrukar indatabudgeten, medan resonemang och ett svarstak påverkar om slutresultatet får plats. Cachelagring, batch samt Flex- och Priority-bearbetning listas för tillverkarens profil. För upprepade uppgifter ska samma kategori- eller fältdefinitioner behållas och identifierare föras genom resultatet så att en senare granskning kan hitta ursprungsobjektet.
Den här stabila profilen är separat från Preview-varianterna från juni och september som beskrivs på andra ställen i familjen. Det gemensamma ursprungliga kortet märker förbättringar i September Preview, inklusive instruktionsefterlevnad och koncishet, specifikt för den förhandsversionen; de ska inte i tysthet överföras till den stabila identifieraren. Senare Flash-Lite-generationer använder också andra reglage för tänkande och kapacitetstabeller. Bevara utgåvan och välj de inställningar som dokumenteras för den i stället för att ersätta budgetarna i 2.5 med syntax för tänkandenivåer i Gemini 3.
Kortet listar hallucinationer och begränsningar i kausal förståelse, komplex logisk deduktion och kontrafaktiskt resonemang och anger en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg eller använd ett dokumenterat förankringsflöde när nyare fakta är viktiga. Granska översättningar för betydelse, extraherade fält för stöd i källan och transkriptioner mot ljudet. Ett fokuserat, litet resultat gör granskningen praktisk utan att behandla ett välformulerat svar som bevis på att källan innehöll den påstådda detaljen.
POST /v1/messagestext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-2.5-flash-lite | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring|content_block[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältsystem | Typstring|content_block[] | KravValfritt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser Minimum: 1 Gränsen gäller för: den exakta gränsen för den valda modellen/det valda kortet | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop_sequences | Typstring[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typtool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].name | Typstring | KravValfritt | Värden & gränser Gäller när: verktyg har tillhandahållits | Standard— |
Fälttools[].description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].input_schema | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältthinking.type | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältthinking.budget_tokens | Typinteger | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältoutput_config.effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmetadata | Typobject | KravValfritt | Värden & gränser | Standard— |
Fältcache_control | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Text · UTF8-text
messages[].content eller ett type=text-block
Text + bild
{type:image,source:{type:base64,media_type,data}} eller källa type=url
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext, image |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalnull |
Parametercontent_type | Avtalapplication/json |
Parametertext_file_material | Avtalfaktiskt UTF-8-innehåll infogat som text; fil-ID:n/URLs kräver separat, exakt definierat stöd |
Livscykel: exact retained published method
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
POST /v1/messagesAiloot 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 →
Referensprislistor på modellnivå ändrar inte metodval, prisuppgifter eller avgifter. Aktiva avgifter använder priserna för den valda Ailoot-metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Grundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationOpenAI Chat · Nivå 1 baserad på begärans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationAnthropic Messages · Grundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationAnthropic Messages · Nivå 1 baserad på begärans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
set -eu\n: "${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-2.5-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-2.5-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-2.5-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-2.5-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-2.5-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 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite är Googles stabila multimodala textmodell för återkommande klassificering, översättning och enkel extraktion. Tänkande är avstängt som standard och kan aktiveras med en resonemangsbudget på 512–24,576 token. Den tar emot text och medier, med verktyg, strukturerad utdata och en indatagräns på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash-Lite är Googles stabila, lätta profil för översättning, klassificering och enkel dataextraktion i stor skala. Dess hybridresonemang kan använda eller utelämna tänkande beroende på uppgiften. Den tar emot text, bilder, ljud, video och PDF och producerar text. Ett användbart resultat är en kategori, en kortfattad översättning, en post extraherad ur tillhandahållet material eller en avgränsad skriftlig förklaring.
För klassificering ska du definiera kategorier, beslutsregel och svarsform. Behåll källidentifieraren i ett resultat när flera oberoende objekt bearbetas. För klassificering av supportmeddelanden kan du klassificera ett supportmeddelande efter problemtyp och returnera meningen som stödjer kategorin. Inkludera en regel för saknade eller tvetydiga belägg så att ett flytande svar inte fyller ett obligatoriskt fält med en gissning. Modellens lätta roll är mest användbar när indata och önskat resultat är tydligt specificerade.
Tänkande är avstängt som standard i den dokumenterade konfigurationen för 2.5 Flash-Lite. Googles guide för tänkande i GenerateContent tillåter en uttrycklig tänkandebudget från 512 till 24,576 token, noll för att behålla tänkandet avstängt och -1 för att begära dynamiskt tänkande. Det är reglage för resonemangsbudgeten, skilda från utrymmet för det slutliga svaret. Aktivera ytterligare resonemang när en extraktion har samverkande villkor eller en klassificering har undantag; en enkel omvandling kan behålla standardbeteendet utan tänkande. Guiden påpekar att modellen kan använda fler eller färre tänkandetoken än den begärda budgeten.
För översättning ska du ange målspråk, målgrupp och termer som ska bevaras. Specificera om resultatet ska innehålla endast översättningen eller en märkt post. För dokumentextraktion ska du definiera fälten och begära källpassager som låter utdata kontrolleras. För en inspelning ska du skilja en transkription från en sammanfattning och identifiera det relevanta avsnittet. Bilder eller video kan bidra med underlag för ett textsvar. Den önskade artefakten ska förbli tydlig även när indata kombinerar flera medietyper.
Den exakta stabila tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Funktioner behöver ett tydligt syfte och definierade parametrar; den anslutna applikationen utför åtgärden och tillhandahåller resultatet. För schemabaserad extraktion ska du validera den returnerade strukturen och jämföra dess värden med originalmaterialet. Ett verktygsbeslut eller en välformad post är bara till nytta i kontexten av källan och faktiskt returnerade belägg.
Det ursprungliga kortet anger ett kontextfönster på 1M och 64K textutdata. API-modellsidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, källinnehåll och bevarat samtal förbrukar indatabudgeten, medan resonemang och ett svarstak påverkar om slutresultatet får plats. Cachelagring, batch samt Flex- och Priority-bearbetning listas för tillverkarens profil. För upprepade uppgifter ska samma kategori- eller fältdefinitioner behållas och identifierare föras genom resultatet så att en senare granskning kan hitta ursprungsobjektet.
Den här stabila profilen är separat från Preview-varianterna från juni och september som beskrivs på andra ställen i familjen. Det gemensamma ursprungliga kortet märker förbättringar i September Preview, inklusive instruktionsefterlevnad och koncishet, specifikt för den förhandsversionen; de ska inte i tysthet överföras till den stabila identifieraren. Senare Flash-Lite-generationer använder också andra reglage för tänkande och kapacitetstabeller. Bevara utgåvan och välj de inställningar som dokumenteras för den i stället för att ersätta budgetarna i 2.5 med syntax för tänkandenivåer i Gemini 3.
Kortet listar hallucinationer och begränsningar i kausal förståelse, komplex logisk deduktion och kontrafaktiskt resonemang och anger en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg eller använd ett dokumenterat förankringsflöde när nyare fakta är viktiga. Granska översättningar för betydelse, extraherade fält för stöd i källan och transkriptioner mot ljudet. Ett fokuserat, litet resultat gör granskningen praktisk utan att behandla ett välformulerat svar som bevis på att källan innehöll den påstådda detaljen.
POST /v1beta/models/{model}:generateContenttext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältpath.model | Typstring | KravObligatoriskt | Värden & gränser gemini-2.5-flash-lite | Standard— |
Fältcontents | Typcontent[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältcontents[].role | Typstring | KravValfritt | Värden & gränser user, model | Standard— |
Fältcontents[].parts | Typpart[] | KravObligatoriskt | Värden & gränser | Standard— |
FältsystemInstruction | Typcontent | KravValfritt | Värden & gränser | Standard— |
FältgenerationConfig.maxOutputTokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
FältgenerationConfig.temperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.topP | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.topK | Typinteger | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.stopSequences | Typstring[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.thinkingConfig.includeThoughts | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.thinkingConfig.thinkingBudget | Typinteger | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].functionDeclarations | Typfunction_declaration[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FälttoolConfig.functionCallingConfig.mode | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältsafetySettings | Typobject[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältsessionId | Typstring | KravValfritt | Värden & gränser | Standard— |
Text · UTF8-text
contents[].parts[].text
Text + bild
parts[].inlineData={mimeType,data}
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext, image |
Parameterrequired | Avtalcontents |
Parameteroptional_controls | Avtalnull |
Parametercontent_type | Avtalapplication/json |
Parametertext_file_material | Avtalfaktiskt UTF-8-innehåll infogat som text; fil-ID:n/URLs kräver separat, exakt definierat stöd |
Livscykel: exact retained published method
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
POST /v1beta/models/{model}:generateContentAiloot 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 →
Referensprislistor på modellnivå ändrar inte metodval, prisuppgifter eller avgifter. Aktiva avgifter använder priserna för den valda Ailoot-metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Grundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationOpenAI Chat · Nivå 1 baserad på begärans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationAnthropic Messages · Grundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationAnthropic Messages · Nivå 1 baserad på begärans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
set -eu\n: "${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-2.5-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-2.5-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-2.5-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-2.5-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-2.5-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 eller strömning som stöds
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla kandidater och delar, inklusive funktionsanrop, resonemangssignaturer och användningsuppgifter; sätt samman strömmens delar i ordning.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
FältresponseId | Typstring |
FältmodelVersion | Typstring |
Fältcandidates[].content.parts[] | Typtext|inlineData|functionCall|other part |
Fältcandidates[].finishReason | Typstring |
FältusageMetadata | 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite är Googles stabila multimodala textmodell för återkommande klassificering, översättning och enkel extraktion. Tänkande är avstängt som standard och kan aktiveras med en resonemangsbudget på 512–24,576 token. Den tar emot text och medier, med verktyg, strukturerad utdata och en indatagräns på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash-Lite är Googles stabila, lätta profil för översättning, klassificering och enkel dataextraktion i stor skala. Dess hybridresonemang kan använda eller utelämna tänkande beroende på uppgiften. Den tar emot text, bilder, ljud, video och PDF och producerar text. Ett användbart resultat är en kategori, en kortfattad översättning, en post extraherad ur tillhandahållet material eller en avgränsad skriftlig förklaring.
För klassificering ska du definiera kategorier, beslutsregel och svarsform. Behåll källidentifieraren i ett resultat när flera oberoende objekt bearbetas. För klassificering av supportmeddelanden kan du klassificera ett supportmeddelande efter problemtyp och returnera meningen som stödjer kategorin. Inkludera en regel för saknade eller tvetydiga belägg så att ett flytande svar inte fyller ett obligatoriskt fält med en gissning. Modellens lätta roll är mest användbar när indata och önskat resultat är tydligt specificerade.
Tänkande är avstängt som standard i den dokumenterade konfigurationen för 2.5 Flash-Lite. Googles guide för tänkande i GenerateContent tillåter en uttrycklig tänkandebudget från 512 till 24,576 token, noll för att behålla tänkandet avstängt och -1 för att begära dynamiskt tänkande. Det är reglage för resonemangsbudgeten, skilda från utrymmet för det slutliga svaret. Aktivera ytterligare resonemang när en extraktion har samverkande villkor eller en klassificering har undantag; en enkel omvandling kan behålla standardbeteendet utan tänkande. Guiden påpekar att modellen kan använda fler eller färre tänkandetoken än den begärda budgeten.
För översättning ska du ange målspråk, målgrupp och termer som ska bevaras. Specificera om resultatet ska innehålla endast översättningen eller en märkt post. För dokumentextraktion ska du definiera fälten och begära källpassager som låter utdata kontrolleras. För en inspelning ska du skilja en transkription från en sammanfattning och identifiera det relevanta avsnittet. Bilder eller video kan bidra med underlag för ett textsvar. Den önskade artefakten ska förbli tydlig även när indata kombinerar flera medietyper.
Den exakta stabila tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Funktioner behöver ett tydligt syfte och definierade parametrar; den anslutna applikationen utför åtgärden och tillhandahåller resultatet. För schemabaserad extraktion ska du validera den returnerade strukturen och jämföra dess värden med originalmaterialet. Ett verktygsbeslut eller en välformad post är bara till nytta i kontexten av källan och faktiskt returnerade belägg.
Det ursprungliga kortet anger ett kontextfönster på 1M och 64K textutdata. API-modellsidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, källinnehåll och bevarat samtal förbrukar indatabudgeten, medan resonemang och ett svarstak påverkar om slutresultatet får plats. Cachelagring, batch samt Flex- och Priority-bearbetning listas för tillverkarens profil. För upprepade uppgifter ska samma kategori- eller fältdefinitioner behållas och identifierare föras genom resultatet så att en senare granskning kan hitta ursprungsobjektet.
Den här stabila profilen är separat från Preview-varianterna från juni och september som beskrivs på andra ställen i familjen. Det gemensamma ursprungliga kortet märker förbättringar i September Preview, inklusive instruktionsefterlevnad och koncishet, specifikt för den förhandsversionen; de ska inte i tysthet överföras till den stabila identifieraren. Senare Flash-Lite-generationer använder också andra reglage för tänkande och kapacitetstabeller. Bevara utgåvan och välj de inställningar som dokumenteras för den i stället för att ersätta budgetarna i 2.5 med syntax för tänkandenivåer i Gemini 3.
Kortet listar hallucinationer och begränsningar i kausal förståelse, komplex logisk deduktion och kontrafaktiskt resonemang och anger en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg eller använd ett dokumenterat förankringsflöde när nyare fakta är viktiga. Granska översättningar för betydelse, extraherade fält för stöd i källan och transkriptioner mot ljudet. Ett fokuserat, litet resultat gör granskningen praktisk utan att behandla ett välformulerat svar som bevis på att källan innehöll den påstådda detaljen.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-2.5-flash-lite | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Beror på modellen | Standard— |
Fältmessages[].content | Typstring | KravValfritt | Värden & gränser Gäller när: Textsamtal | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
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 |
Parametercontrol_scope | AvtalTextsamtal; stream är ett booleskt värde och har false som standard. |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Metodalias: /chat/completions
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.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${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","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-2.5-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 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite är Googles stabila multimodala textmodell för återkommande klassificering, översättning och enkel extraktion. Tänkande är avstängt som standard och kan aktiveras med en resonemangsbudget på 512–24,576 token. Den tar emot text och medier, med verktyg, strukturerad utdata och en indatagräns på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash-Lite är Googles stabila, lätta profil för översättning, klassificering och enkel dataextraktion i stor skala. Dess hybridresonemang kan använda eller utelämna tänkande beroende på uppgiften. Den tar emot text, bilder, ljud, video och PDF och producerar text. Ett användbart resultat är en kategori, en kortfattad översättning, en post extraherad ur tillhandahållet material eller en avgränsad skriftlig förklaring.
För klassificering ska du definiera kategorier, beslutsregel och svarsform. Behåll källidentifieraren i ett resultat när flera oberoende objekt bearbetas. För klassificering av supportmeddelanden kan du klassificera ett supportmeddelande efter problemtyp och returnera meningen som stödjer kategorin. Inkludera en regel för saknade eller tvetydiga belägg så att ett flytande svar inte fyller ett obligatoriskt fält med en gissning. Modellens lätta roll är mest användbar när indata och önskat resultat är tydligt specificerade.
Tänkande är avstängt som standard i den dokumenterade konfigurationen för 2.5 Flash-Lite. Googles guide för tänkande i GenerateContent tillåter en uttrycklig tänkandebudget från 512 till 24,576 token, noll för att behålla tänkandet avstängt och -1 för att begära dynamiskt tänkande. Det är reglage för resonemangsbudgeten, skilda från utrymmet för det slutliga svaret. Aktivera ytterligare resonemang när en extraktion har samverkande villkor eller en klassificering har undantag; en enkel omvandling kan behålla standardbeteendet utan tänkande. Guiden påpekar att modellen kan använda fler eller färre tänkandetoken än den begärda budgeten.
För översättning ska du ange målspråk, målgrupp och termer som ska bevaras. Specificera om resultatet ska innehålla endast översättningen eller en märkt post. För dokumentextraktion ska du definiera fälten och begära källpassager som låter utdata kontrolleras. För en inspelning ska du skilja en transkription från en sammanfattning och identifiera det relevanta avsnittet. Bilder eller video kan bidra med underlag för ett textsvar. Den önskade artefakten ska förbli tydlig även när indata kombinerar flera medietyper.
Den exakta stabila tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Funktioner behöver ett tydligt syfte och definierade parametrar; den anslutna applikationen utför åtgärden och tillhandahåller resultatet. För schemabaserad extraktion ska du validera den returnerade strukturen och jämföra dess värden med originalmaterialet. Ett verktygsbeslut eller en välformad post är bara till nytta i kontexten av källan och faktiskt returnerade belägg.
Det ursprungliga kortet anger ett kontextfönster på 1M och 64K textutdata. API-modellsidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, källinnehåll och bevarat samtal förbrukar indatabudgeten, medan resonemang och ett svarstak påverkar om slutresultatet får plats. Cachelagring, batch samt Flex- och Priority-bearbetning listas för tillverkarens profil. För upprepade uppgifter ska samma kategori- eller fältdefinitioner behållas och identifierare föras genom resultatet så att en senare granskning kan hitta ursprungsobjektet.
Den här stabila profilen är separat från Preview-varianterna från juni och september som beskrivs på andra ställen i familjen. Det gemensamma ursprungliga kortet märker förbättringar i September Preview, inklusive instruktionsefterlevnad och koncishet, specifikt för den förhandsversionen; de ska inte i tysthet överföras till den stabila identifieraren. Senare Flash-Lite-generationer använder också andra reglage för tänkande och kapacitetstabeller. Bevara utgåvan och välj de inställningar som dokumenteras för den i stället för att ersätta budgetarna i 2.5 med syntax för tänkandenivåer i Gemini 3.
Kortet listar hallucinationer och begränsningar i kausal förståelse, komplex logisk deduktion och kontrafaktiskt resonemang och anger en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg eller använd ett dokumenterat förankringsflöde när nyare fakta är viktiga. Granska översättningar för betydelse, extraherade fält för stöd i källan och transkriptioner mot ljudet. Ett fokuserat, litet resultat gör granskningen praktisk utan att behandla ett välformulerat svar som bevis på att källan innehöll den påstådda detaljen.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-2.5-flash-lite | 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.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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', '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', '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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite är Googles stabila multimodala textmodell för återkommande klassificering, översättning och enkel extraktion. Tänkande är avstängt som standard och kan aktiveras med en resonemangsbudget på 512–24,576 token. Den tar emot text och medier, med verktyg, strukturerad utdata och en indatagräns på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash-Lite är Googles stabila, lätta profil för översättning, klassificering och enkel dataextraktion i stor skala. Dess hybridresonemang kan använda eller utelämna tänkande beroende på uppgiften. Den tar emot text, bilder, ljud, video och PDF och producerar text. Ett användbart resultat är en kategori, en kortfattad översättning, en post extraherad ur tillhandahållet material eller en avgränsad skriftlig förklaring.
För klassificering ska du definiera kategorier, beslutsregel och svarsform. Behåll källidentifieraren i ett resultat när flera oberoende objekt bearbetas. För klassificering av supportmeddelanden kan du klassificera ett supportmeddelande efter problemtyp och returnera meningen som stödjer kategorin. Inkludera en regel för saknade eller tvetydiga belägg så att ett flytande svar inte fyller ett obligatoriskt fält med en gissning. Modellens lätta roll är mest användbar när indata och önskat resultat är tydligt specificerade.
Tänkande är avstängt som standard i den dokumenterade konfigurationen för 2.5 Flash-Lite. Googles guide för tänkande i GenerateContent tillåter en uttrycklig tänkandebudget från 512 till 24,576 token, noll för att behålla tänkandet avstängt och -1 för att begära dynamiskt tänkande. Det är reglage för resonemangsbudgeten, skilda från utrymmet för det slutliga svaret. Aktivera ytterligare resonemang när en extraktion har samverkande villkor eller en klassificering har undantag; en enkel omvandling kan behålla standardbeteendet utan tänkande. Guiden påpekar att modellen kan använda fler eller färre tänkandetoken än den begärda budgeten.
För översättning ska du ange målspråk, målgrupp och termer som ska bevaras. Specificera om resultatet ska innehålla endast översättningen eller en märkt post. För dokumentextraktion ska du definiera fälten och begära källpassager som låter utdata kontrolleras. För en inspelning ska du skilja en transkription från en sammanfattning och identifiera det relevanta avsnittet. Bilder eller video kan bidra med underlag för ett textsvar. Den önskade artefakten ska förbli tydlig även när indata kombinerar flera medietyper.
Den exakta stabila tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Funktioner behöver ett tydligt syfte och definierade parametrar; den anslutna applikationen utför åtgärden och tillhandahåller resultatet. För schemabaserad extraktion ska du validera den returnerade strukturen och jämföra dess värden med originalmaterialet. Ett verktygsbeslut eller en välformad post är bara till nytta i kontexten av källan och faktiskt returnerade belägg.
Det ursprungliga kortet anger ett kontextfönster på 1M och 64K textutdata. API-modellsidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, källinnehåll och bevarat samtal förbrukar indatabudgeten, medan resonemang och ett svarstak påverkar om slutresultatet får plats. Cachelagring, batch samt Flex- och Priority-bearbetning listas för tillverkarens profil. För upprepade uppgifter ska samma kategori- eller fältdefinitioner behållas och identifierare föras genom resultatet så att en senare granskning kan hitta ursprungsobjektet.
Den här stabila profilen är separat från Preview-varianterna från juni och september som beskrivs på andra ställen i familjen. Det gemensamma ursprungliga kortet märker förbättringar i September Preview, inklusive instruktionsefterlevnad och koncishet, specifikt för den förhandsversionen; de ska inte i tysthet överföras till den stabila identifieraren. Senare Flash-Lite-generationer använder också andra reglage för tänkande och kapacitetstabeller. Bevara utgåvan och välj de inställningar som dokumenteras för den i stället för att ersätta budgetarna i 2.5 med syntax för tänkandenivåer i Gemini 3.
Kortet listar hallucinationer och begränsningar i kausal förståelse, komplex logisk deduktion och kontrafaktiskt resonemang och anger en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg eller använd ett dokumenterat förankringsflöde när nyare fakta är viktiga. Granska översättningar för betydelse, extraherade fält för stöd i källan och transkriptioner mot ljudet. Ett fokuserat, litet resultat gör granskningen praktisk utan att behandla ett välformulerat svar som bevis på att källan innehöll den påstådda detaljen.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-2.5-flash-lite | 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.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-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-2.5-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-2.5-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 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite är Googles stabila multimodala textmodell för återkommande klassificering, översättning och enkel extraktion. Tänkande är avstängt som standard och kan aktiveras med en resonemangsbudget på 512–24,576 token. Den tar emot text och medier, med verktyg, strukturerad utdata och en indatagräns på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash-Lite är Googles stabila, lätta profil för översättning, klassificering och enkel dataextraktion i stor skala. Dess hybridresonemang kan använda eller utelämna tänkande beroende på uppgiften. Den tar emot text, bilder, ljud, video och PDF och producerar text. Ett användbart resultat är en kategori, en kortfattad översättning, en post extraherad ur tillhandahållet material eller en avgränsad skriftlig förklaring.
För klassificering ska du definiera kategorier, beslutsregel och svarsform. Behåll källidentifieraren i ett resultat när flera oberoende objekt bearbetas. För klassificering av supportmeddelanden kan du klassificera ett supportmeddelande efter problemtyp och returnera meningen som stödjer kategorin. Inkludera en regel för saknade eller tvetydiga belägg så att ett flytande svar inte fyller ett obligatoriskt fält med en gissning. Modellens lätta roll är mest användbar när indata och önskat resultat är tydligt specificerade.
Tänkande är avstängt som standard i den dokumenterade konfigurationen för 2.5 Flash-Lite. Googles guide för tänkande i GenerateContent tillåter en uttrycklig tänkandebudget från 512 till 24,576 token, noll för att behålla tänkandet avstängt och -1 för att begära dynamiskt tänkande. Det är reglage för resonemangsbudgeten, skilda från utrymmet för det slutliga svaret. Aktivera ytterligare resonemang när en extraktion har samverkande villkor eller en klassificering har undantag; en enkel omvandling kan behålla standardbeteendet utan tänkande. Guiden påpekar att modellen kan använda fler eller färre tänkandetoken än den begärda budgeten.
För översättning ska du ange målspråk, målgrupp och termer som ska bevaras. Specificera om resultatet ska innehålla endast översättningen eller en märkt post. För dokumentextraktion ska du definiera fälten och begära källpassager som låter utdata kontrolleras. För en inspelning ska du skilja en transkription från en sammanfattning och identifiera det relevanta avsnittet. Bilder eller video kan bidra med underlag för ett textsvar. Den önskade artefakten ska förbli tydlig även när indata kombinerar flera medietyper.
Den exakta stabila tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Funktioner behöver ett tydligt syfte och definierade parametrar; den anslutna applikationen utför åtgärden och tillhandahåller resultatet. För schemabaserad extraktion ska du validera den returnerade strukturen och jämföra dess värden med originalmaterialet. Ett verktygsbeslut eller en välformad post är bara till nytta i kontexten av källan och faktiskt returnerade belägg.
Det ursprungliga kortet anger ett kontextfönster på 1M och 64K textutdata. API-modellsidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, källinnehåll och bevarat samtal förbrukar indatabudgeten, medan resonemang och ett svarstak påverkar om slutresultatet får plats. Cachelagring, batch samt Flex- och Priority-bearbetning listas för tillverkarens profil. För upprepade uppgifter ska samma kategori- eller fältdefinitioner behållas och identifierare föras genom resultatet så att en senare granskning kan hitta ursprungsobjektet.
Den här stabila profilen är separat från Preview-varianterna från juni och september som beskrivs på andra ställen i familjen. Det gemensamma ursprungliga kortet märker förbättringar i September Preview, inklusive instruktionsefterlevnad och koncishet, specifikt för den förhandsversionen; de ska inte i tysthet överföras till den stabila identifieraren. Senare Flash-Lite-generationer använder också andra reglage för tänkande och kapacitetstabeller. Bevara utgåvan och välj de inställningar som dokumenteras för den i stället för att ersätta budgetarna i 2.5 med syntax för tänkandenivåer i Gemini 3.
Kortet listar hallucinationer och begränsningar i kausal förståelse, komplex logisk deduktion och kontrafaktiskt resonemang och anger en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg eller använd ett dokumenterat förankringsflöde när nyare fakta är viktiga. Granska översättningar för betydelse, extraherade fält för stöd i källan och transkriptioner mot ljudet. Ett fokuserat, litet resultat gör granskningen praktisk utan att behandla ett välformulerat svar som bevis på att källan innehöll den påstådda detaljen.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-2.5-flash-lite | 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.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
| KonfigurationNivå 1 för förfrågans längd | Prislista— | Kontexttoken, fler än0 | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0002 / 1K token Utdata · Utdatatoken $0.0008 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "google/gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-2.5-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-2.5-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 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
Tekniskt exempel på engelska
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.