Gemini 3.1 Flash-Lite är Googles stabila, lätta multimodala textmodell för återkommande, väldefinierade uppgifter. Den bygger på Gemini 3 Pro. Översättning och klassificering är centrala arbetsområden; andra användbara uppgifter omfattar transkribering, dokumentsammanfattningar, entitetsextraktion och klassificering för modellval. Text, bilder, ljud, video och PDF kan tillhandahålla källmaterialet, och resultatet är text. En användbar uppdragsbeskrivning begär en åtgärd och en slutform, till exempel ett översatt meddelande eller en post med fält som hittats i ett dokument.
För översättning ska du tillhandahålla källtext, målspråk, målgrupp och terminologi som ska bevaras. Googles exempel använder instruktioner som endast returnerar översättningen. Vid översättning av ett supportmeddelande ska produktnamn och orderreferenser behållas medan resten översätts naturligt. Ange hur tvetydigheter ska hanteras så att resultatet inte lägger till ett datum, löfte eller en detalj som saknas i källan. Låt den begärda formen passa destinationen, till exempel ett kort svar eller en märkt översättningspost.
För transkribering ska du tillhandahålla inspelningen och definiera om svaret ska vara de uttalade orden, en lättläst redigerad transkription eller en sammanfattning. Det är olika resultat. Identifiera relevant intervall när en lång inspelning bara innehåller ett avsnitt som behövs för uppgiften. Tillverkarens utvecklarexempel skickar ljud direkt och begär en texttranskription. Kontrollera namn, tal och otydliga avsnitt mot inspelningen och behåll originalkällan för granskning. Den här allmänna multimodala textprofilen innebär inte i sig ljudutdata eller ett särskilt resultat för talarseparering.
För klassificering eller extraktion ska du definiera kategorier, schema och regel för saknade värden. Utvecklarguiden visar strukturerad JSON för analys av en kundrecension, med ett stödjande citat och definierade fält. En strukturerad post kan innehålla den nämnda produkten, problemkategorin och meningen som motiverar valet. Inkludera ett representativt fall som ska förbli okänt i stället för att tvingas in i en kategori. En syntaktiskt giltig post behöver fortfarande jämföras med den faktiska källtexten.
Dokumentbearbetning kan omvandla en PDF till en kortfattad sammanfattning eller en fältpost. Ange frågan och bevara sid- eller avsnittshänvisningar där iakttagelsen behöver kontrolleras. En tabellgranskning ska specificera relevanta kolumner och regler; en visuell uppgift ska identifiera den etikett eller region som behövs för svaret. Modelldirigering är en annan dokumenterad användning: modellen klassificerar hur komplex en förfrågan är och returnerar ett tillåtet val. Den anslutna applikationen, snarare än själva klassificeringstexten, avgör vad som ska köras härnäst.
Tänkande stöds, och tillverkaren visar högre arbetsinsats för uppgifter som har nytta av mer analys. Den exakta sidan för den stabila modellen listar också funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Computer Use stöds inte i den här stabila 3.1-profilen; den senare profilen 3.5 Flash-Lite har en annan kapacitetstabell. Definiera verktygens syften och parametrar tydligt och fortsätt från faktiska returnerade resultat. Ett funktionsförslag fastställer inte att åtgärden har ägt rum.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den stabila API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtal och källmedier när indata förbereds och begär en utdatamängd anpassad till den avsedda artefakten. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. För upprepade oberoende objekt ska indatas identifierare följa med in i resultatet och ett konsekvent schema behållas så att ett saknat svar kan identifieras.
Den här stabila modellidentifieraren är separat från Gemini 3.1 Flash-Lite Preview och senare Flash-Lite-utgåvor. Behåll den exakta utgåvan när upprepad bearbetning förbereds i stället för att behandla ett välbekant familjenamn som en garanti för en fast revision. Granska översättningar för bevarad betydelse och terminologi, transkriptioner mot ljudet och extraherade fält mot dokumentet. Profilens praktiska roll är fokuserad multimodal textbearbetning med ett tydligt resultat, medan en större uppgifts resonemang eller externa åtgärder lämnas till lämpligt efterföljande steg.
", "aboutText": "Gemini 3.1 Flash-Lite är Googles stabila, lätta multimodala textmodell för återkommande, väldefinierade uppgifter. Den bygger på Gemini 3 Pro. Översättning och klassificering är centrala arbetsområden; andra användbara uppgifter omfattar transkribering, dokumentsammanfattningar, entitetsextraktion och klassificering för modellval. Text, bilder, ljud, video och PDF kan tillhandahålla källmaterialet, och resultatet är text. En användbar uppdragsbeskrivning begär en åtgärd och en slutform, till exempel ett översatt meddelande eller en post med fält som hittats i ett dokument.\n\nFör översättning ska du tillhandahålla källtext, målspråk, målgrupp och terminologi som ska bevaras. Googles exempel använder instruktioner som endast returnerar översättningen. Vid översättning av ett supportmeddelande ska produktnamn och orderreferenser behållas medan resten översätts naturligt. Ange hur tvetydigheter ska hanteras så att resultatet inte lägger till ett datum, löfte eller en detalj som saknas i källan. Låt den begärda formen passa destinationen, till exempel ett kort svar eller en märkt översättningspost.\n\nFör transkribering ska du tillhandahålla inspelningen och definiera om svaret ska vara de uttalade orden, en lättläst redigerad transkription eller en sammanfattning. Det är olika resultat. Identifiera relevant intervall när en lång inspelning bara innehåller ett avsnitt som behövs för uppgiften. Tillverkarens utvecklarexempel skickar ljud direkt och begär en texttranskription. Kontrollera namn, tal och otydliga avsnitt mot inspelningen och behåll originalkällan för granskning. Den här allmänna multimodala textprofilen innebär inte i sig ljudutdata eller ett särskilt resultat för talarseparering.\n\nFör klassificering eller extraktion ska du definiera kategorier, schema och regel för saknade värden. Utvecklarguiden visar strukturerad JSON för analys av en kundrecension, med ett stödjande citat och definierade fält. En strukturerad post kan innehålla den nämnda produkten, problemkategorin och meningen som motiverar valet. Inkludera ett representativt fall som ska förbli okänt i stället för att tvingas in i en kategori. En syntaktiskt giltig post behöver fortfarande jämföras med den faktiska källtexten.\n\nDokumentbearbetning kan omvandla en PDF till en kortfattad sammanfattning eller en fältpost. Ange frågan och bevara sid- eller avsnittshänvisningar där iakttagelsen behöver kontrolleras. En tabellgranskning ska specificera relevanta kolumner och regler; en visuell uppgift ska identifiera den etikett eller region som behövs för svaret. Modelldirigering är en annan dokumenterad användning: modellen klassificerar hur komplex en förfrågan är och returnerar ett tillåtet val. Den anslutna applikationen, snarare än själva klassificeringstexten, avgör vad som ska köras härnäst.\n\nTänkande stöds, och tillverkaren visar högre arbetsinsats för uppgifter som har nytta av mer analys. Den exakta sidan för den stabila modellen listar också funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Computer Use stöds inte i den här stabila 3.1-profilen; den senare profilen 3.5 Flash-Lite har en annan kapacitetstabell. Definiera verktygens syften och parametrar tydligt och fortsätt från faktiska returnerade resultat. Ett funktionsförslag fastställer inte att åtgärden har ägt rum.\n\nDet ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den stabila API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtal och källmedier när indata förbereds och begär en utdatamängd anpassad till den avsedda artefakten. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. För upprepade oberoende objekt ska indatas identifierare följa med in i resultatet och ett konsekvent schema behållas så att ett saknat svar kan identifieras.\n\nDen här stabila modellidentifieraren är separat från Gemini 3.1 Flash-Lite Preview och senare Flash-Lite-utgåvor. Behåll den exakta utgåvan när upprepad bearbetning förbereds i stället för att behandla ett välbekant familjenamn som en garanti för en fast revision. Granska översättningar för bevarad betydelse och terminologi, transkriptioner mot ljudet och extraherade fält mot dokumentet. Profilens praktiska roll är fokuserad multimodal textbearbetning med ett tydligt resultat, medan en större uppgifts resonemang eller externa åtgärder lämnas till lämpligt efterföljande steg.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Localize a compact service message\n\nTranslate into Spanish for a small-business customer: “Invoice INV-204 is ready. The bank transfer has not arrived yet; access starts after payment confirmation.” Keep INV-204 unchanged and return only the translated message. Preserve the distinction between invoice availability, receipt of funds and activation.A Spanish message containing the unchanged invoice reference and the original payment-to-access condition.Check that the translation does not imply that payment is received or access is already active.gemini-3.1-flash-liteGemini 3.1 Flash-Lite är Googles stabila multimodala modell för översättning, transkribering, klassificering och enkel extraktion i stor skala. Den tar emot text, bilder, ljud, video och PDF och returnerar text, med tänkande, verktyg och strukturerad utdata. Dess exakta indata-/utdatagränser är 1,048,576/65,536 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.1 Flash-Lite är Googles stabila, lätta multimodala textmodell för återkommande, väldefinierade uppgifter. Den bygger på Gemini 3 Pro. Översättning och klassificering är centrala arbetsområden; andra användbara uppgifter omfattar transkribering, dokumentsammanfattningar, entitetsextraktion och klassificering för modellval. Text, bilder, ljud, video och PDF kan tillhandahålla källmaterialet, och resultatet är text. En användbar uppdragsbeskrivning begär en åtgärd och en slutform, till exempel ett översatt meddelande eller en post med fält som hittats i ett dokument.
För översättning ska du tillhandahålla källtext, målspråk, målgrupp och terminologi som ska bevaras. Googles exempel använder instruktioner som endast returnerar översättningen. Vid översättning av ett supportmeddelande ska produktnamn och orderreferenser behållas medan resten översätts naturligt. Ange hur tvetydigheter ska hanteras så att resultatet inte lägger till ett datum, löfte eller en detalj som saknas i källan. Låt den begärda formen passa destinationen, till exempel ett kort svar eller en märkt översättningspost.
För transkribering ska du tillhandahålla inspelningen och definiera om svaret ska vara de uttalade orden, en lättläst redigerad transkription eller en sammanfattning. Det är olika resultat. Identifiera relevant intervall när en lång inspelning bara innehåller ett avsnitt som behövs för uppgiften. Tillverkarens utvecklarexempel skickar ljud direkt och begär en texttranskription. Kontrollera namn, tal och otydliga avsnitt mot inspelningen och behåll originalkällan för granskning. Den här allmänna multimodala textprofilen innebär inte i sig ljudutdata eller ett särskilt resultat för talarseparering.
För klassificering eller extraktion ska du definiera kategorier, schema och regel för saknade värden. Utvecklarguiden visar strukturerad JSON för analys av en kundrecension, med ett stödjande citat och definierade fält. En strukturerad post kan innehålla den nämnda produkten, problemkategorin och meningen som motiverar valet. Inkludera ett representativt fall som ska förbli okänt i stället för att tvingas in i en kategori. En syntaktiskt giltig post behöver fortfarande jämföras med den faktiska källtexten.
Dokumentbearbetning kan omvandla en PDF till en kortfattad sammanfattning eller en fältpost. Ange frågan och bevara sid- eller avsnittshänvisningar där iakttagelsen behöver kontrolleras. En tabellgranskning ska specificera relevanta kolumner och regler; en visuell uppgift ska identifiera den etikett eller region som behövs för svaret. Modelldirigering är en annan dokumenterad användning: modellen klassificerar hur komplex en förfrågan är och returnerar ett tillåtet val. Den anslutna applikationen, snarare än själva klassificeringstexten, avgör vad som ska köras härnäst.
Tänkande stöds, och tillverkaren visar högre arbetsinsats för uppgifter som har nytta av mer analys. Den exakta sidan för den stabila modellen listar också funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Computer Use stöds inte i den här stabila 3.1-profilen; den senare profilen 3.5 Flash-Lite har en annan kapacitetstabell. Definiera verktygens syften och parametrar tydligt och fortsätt från faktiska returnerade resultat. Ett funktionsförslag fastställer inte att åtgärden har ägt rum.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den stabila API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtal och källmedier när indata förbereds och begär en utdatamängd anpassad till den avsedda artefakten. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. För upprepade oberoende objekt ska indatas identifierare följa med in i resultatet och ett konsekvent schema behållas så att ett saknat svar kan identifieras.
Den här stabila modellidentifieraren är separat från Gemini 3.1 Flash-Lite Preview och senare Flash-Lite-utgåvor. Behåll den exakta utgåvan när upprepad bearbetning förbereds i stället för att behandla ett välbekant familjenamn som en garanti för en fast revision. Granska översättningar för bevarad betydelse och terminologi, transkriptioner mot ljudet och extraherade fält mot dokumentet. Profilens praktiska roll är fokuserad multimodal textbearbetning med ett tydligt resultat, medan en större uppgifts resonemang eller externa åtgärder lämnas till lämpligt efterföljande steg.
POST /v1/messagestext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-3.1-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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 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-3.1-flash-lite", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.1-flash-lite", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-3.1-flash-lite",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-3.1-flash-lite",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-3.1-flash-lite',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
gemini-3.1-flash-liteGemini 3.1 Flash-Lite är Googles stabila multimodala modell för översättning, transkribering, klassificering och enkel extraktion i stor skala. Den tar emot text, bilder, ljud, video och PDF och returnerar text, med tänkande, verktyg och strukturerad utdata. Dess exakta indata-/utdatagränser är 1,048,576/65,536 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.1 Flash-Lite är Googles stabila, lätta multimodala textmodell för återkommande, väldefinierade uppgifter. Den bygger på Gemini 3 Pro. Översättning och klassificering är centrala arbetsområden; andra användbara uppgifter omfattar transkribering, dokumentsammanfattningar, entitetsextraktion och klassificering för modellval. Text, bilder, ljud, video och PDF kan tillhandahålla källmaterialet, och resultatet är text. En användbar uppdragsbeskrivning begär en åtgärd och en slutform, till exempel ett översatt meddelande eller en post med fält som hittats i ett dokument.
För översättning ska du tillhandahålla källtext, målspråk, målgrupp och terminologi som ska bevaras. Googles exempel använder instruktioner som endast returnerar översättningen. Vid översättning av ett supportmeddelande ska produktnamn och orderreferenser behållas medan resten översätts naturligt. Ange hur tvetydigheter ska hanteras så att resultatet inte lägger till ett datum, löfte eller en detalj som saknas i källan. Låt den begärda formen passa destinationen, till exempel ett kort svar eller en märkt översättningspost.
För transkribering ska du tillhandahålla inspelningen och definiera om svaret ska vara de uttalade orden, en lättläst redigerad transkription eller en sammanfattning. Det är olika resultat. Identifiera relevant intervall när en lång inspelning bara innehåller ett avsnitt som behövs för uppgiften. Tillverkarens utvecklarexempel skickar ljud direkt och begär en texttranskription. Kontrollera namn, tal och otydliga avsnitt mot inspelningen och behåll originalkällan för granskning. Den här allmänna multimodala textprofilen innebär inte i sig ljudutdata eller ett särskilt resultat för talarseparering.
För klassificering eller extraktion ska du definiera kategorier, schema och regel för saknade värden. Utvecklarguiden visar strukturerad JSON för analys av en kundrecension, med ett stödjande citat och definierade fält. En strukturerad post kan innehålla den nämnda produkten, problemkategorin och meningen som motiverar valet. Inkludera ett representativt fall som ska förbli okänt i stället för att tvingas in i en kategori. En syntaktiskt giltig post behöver fortfarande jämföras med den faktiska källtexten.
Dokumentbearbetning kan omvandla en PDF till en kortfattad sammanfattning eller en fältpost. Ange frågan och bevara sid- eller avsnittshänvisningar där iakttagelsen behöver kontrolleras. En tabellgranskning ska specificera relevanta kolumner och regler; en visuell uppgift ska identifiera den etikett eller region som behövs för svaret. Modelldirigering är en annan dokumenterad användning: modellen klassificerar hur komplex en förfrågan är och returnerar ett tillåtet val. Den anslutna applikationen, snarare än själva klassificeringstexten, avgör vad som ska köras härnäst.
Tänkande stöds, och tillverkaren visar högre arbetsinsats för uppgifter som har nytta av mer analys. Den exakta sidan för den stabila modellen listar också funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Computer Use stöds inte i den här stabila 3.1-profilen; den senare profilen 3.5 Flash-Lite har en annan kapacitetstabell. Definiera verktygens syften och parametrar tydligt och fortsätt från faktiska returnerade resultat. Ett funktionsförslag fastställer inte att åtgärden har ägt rum.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den stabila API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtal och källmedier när indata förbereds och begär en utdatamängd anpassad till den avsedda artefakten. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. För upprepade oberoende objekt ska indatas identifierare följa med in i resultatet och ett konsekvent schema behållas så att ett saknat svar kan identifieras.
Den här stabila modellidentifieraren är separat från Gemini 3.1 Flash-Lite Preview och senare Flash-Lite-utgåvor. Behåll den exakta utgåvan när upprepad bearbetning förbereds i stället för att behandla ett välbekant familjenamn som en garanti för en fast revision. Granska översättningar för bevarad betydelse och terminologi, transkriptioner mot ljudet och extraherade fält mot dokumentet. Profilens praktiska roll är fokuserad multimodal textbearbetning med ett tydligt resultat, medan en större uppgifts resonemang eller externa åtgärder lämnas till lämpligt efterföljande steg.
POST /v1beta/models/{model}:generateContenttext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältpath.model | Typstring | KravObligatoriskt | Värden & gränser gemini-3.1-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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 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-3.1-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.1-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-3.1-flash-lite", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-3.1-flash-lite", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-3.1-flash-lite',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson 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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
gemini-3.1-flash-liteGemini 3.1 Flash-Lite är Googles stabila multimodala modell för översättning, transkribering, klassificering och enkel extraktion i stor skala. Den tar emot text, bilder, ljud, video och PDF och returnerar text, med tänkande, verktyg och strukturerad utdata. Dess exakta indata-/utdatagränser är 1,048,576/65,536 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.1 Flash-Lite är Googles stabila, lätta multimodala textmodell för återkommande, väldefinierade uppgifter. Den bygger på Gemini 3 Pro. Översättning och klassificering är centrala arbetsområden; andra användbara uppgifter omfattar transkribering, dokumentsammanfattningar, entitetsextraktion och klassificering för modellval. Text, bilder, ljud, video och PDF kan tillhandahålla källmaterialet, och resultatet är text. En användbar uppdragsbeskrivning begär en åtgärd och en slutform, till exempel ett översatt meddelande eller en post med fält som hittats i ett dokument.
För översättning ska du tillhandahålla källtext, målspråk, målgrupp och terminologi som ska bevaras. Googles exempel använder instruktioner som endast returnerar översättningen. Vid översättning av ett supportmeddelande ska produktnamn och orderreferenser behållas medan resten översätts naturligt. Ange hur tvetydigheter ska hanteras så att resultatet inte lägger till ett datum, löfte eller en detalj som saknas i källan. Låt den begärda formen passa destinationen, till exempel ett kort svar eller en märkt översättningspost.
För transkribering ska du tillhandahålla inspelningen och definiera om svaret ska vara de uttalade orden, en lättläst redigerad transkription eller en sammanfattning. Det är olika resultat. Identifiera relevant intervall när en lång inspelning bara innehåller ett avsnitt som behövs för uppgiften. Tillverkarens utvecklarexempel skickar ljud direkt och begär en texttranskription. Kontrollera namn, tal och otydliga avsnitt mot inspelningen och behåll originalkällan för granskning. Den här allmänna multimodala textprofilen innebär inte i sig ljudutdata eller ett särskilt resultat för talarseparering.
För klassificering eller extraktion ska du definiera kategorier, schema och regel för saknade värden. Utvecklarguiden visar strukturerad JSON för analys av en kundrecension, med ett stödjande citat och definierade fält. En strukturerad post kan innehålla den nämnda produkten, problemkategorin och meningen som motiverar valet. Inkludera ett representativt fall som ska förbli okänt i stället för att tvingas in i en kategori. En syntaktiskt giltig post behöver fortfarande jämföras med den faktiska källtexten.
Dokumentbearbetning kan omvandla en PDF till en kortfattad sammanfattning eller en fältpost. Ange frågan och bevara sid- eller avsnittshänvisningar där iakttagelsen behöver kontrolleras. En tabellgranskning ska specificera relevanta kolumner och regler; en visuell uppgift ska identifiera den etikett eller region som behövs för svaret. Modelldirigering är en annan dokumenterad användning: modellen klassificerar hur komplex en förfrågan är och returnerar ett tillåtet val. Den anslutna applikationen, snarare än själva klassificeringstexten, avgör vad som ska köras härnäst.
Tänkande stöds, och tillverkaren visar högre arbetsinsats för uppgifter som har nytta av mer analys. Den exakta sidan för den stabila modellen listar också funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Computer Use stöds inte i den här stabila 3.1-profilen; den senare profilen 3.5 Flash-Lite har en annan kapacitetstabell. Definiera verktygens syften och parametrar tydligt och fortsätt från faktiska returnerade resultat. Ett funktionsförslag fastställer inte att åtgärden har ägt rum.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den stabila API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtal och källmedier när indata förbereds och begär en utdatamängd anpassad till den avsedda artefakten. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. För upprepade oberoende objekt ska indatas identifierare följa med in i resultatet och ett konsekvent schema behållas så att ett saknat svar kan identifieras.
Den här stabila modellidentifieraren är separat från Gemini 3.1 Flash-Lite Preview och senare Flash-Lite-utgåvor. Behåll den exakta utgåvan när upprepad bearbetning förbereds i stället för att behandla ett välbekant familjenamn som en garanti för en fast revision. Granska översättningar för bevarad betydelse och terminologi, transkriptioner mot ljudet och extraherade fält mot dokumentet. Profilens praktiska roll är fokuserad multimodal textbearbetning med ett tydligt resultat, medan en större uppgifts resonemang eller externa åtgärder lämnas till lämpligt efterföljande steg.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-3.1-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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 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-3.1-flash-lite","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.1-flash-lite", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
gemini-3.1-flash-liteGemini 3.1 Flash-Lite är Googles stabila multimodala modell för översättning, transkribering, klassificering och enkel extraktion i stor skala. Den tar emot text, bilder, ljud, video och PDF och returnerar text, med tänkande, verktyg och strukturerad utdata. Dess exakta indata-/utdatagränser är 1,048,576/65,536 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.1 Flash-Lite är Googles stabila, lätta multimodala textmodell för återkommande, väldefinierade uppgifter. Den bygger på Gemini 3 Pro. Översättning och klassificering är centrala arbetsområden; andra användbara uppgifter omfattar transkribering, dokumentsammanfattningar, entitetsextraktion och klassificering för modellval. Text, bilder, ljud, video och PDF kan tillhandahålla källmaterialet, och resultatet är text. En användbar uppdragsbeskrivning begär en åtgärd och en slutform, till exempel ett översatt meddelande eller en post med fält som hittats i ett dokument.
För översättning ska du tillhandahålla källtext, målspråk, målgrupp och terminologi som ska bevaras. Googles exempel använder instruktioner som endast returnerar översättningen. Vid översättning av ett supportmeddelande ska produktnamn och orderreferenser behållas medan resten översätts naturligt. Ange hur tvetydigheter ska hanteras så att resultatet inte lägger till ett datum, löfte eller en detalj som saknas i källan. Låt den begärda formen passa destinationen, till exempel ett kort svar eller en märkt översättningspost.
För transkribering ska du tillhandahålla inspelningen och definiera om svaret ska vara de uttalade orden, en lättläst redigerad transkription eller en sammanfattning. Det är olika resultat. Identifiera relevant intervall när en lång inspelning bara innehåller ett avsnitt som behövs för uppgiften. Tillverkarens utvecklarexempel skickar ljud direkt och begär en texttranskription. Kontrollera namn, tal och otydliga avsnitt mot inspelningen och behåll originalkällan för granskning. Den här allmänna multimodala textprofilen innebär inte i sig ljudutdata eller ett särskilt resultat för talarseparering.
För klassificering eller extraktion ska du definiera kategorier, schema och regel för saknade värden. Utvecklarguiden visar strukturerad JSON för analys av en kundrecension, med ett stödjande citat och definierade fält. En strukturerad post kan innehålla den nämnda produkten, problemkategorin och meningen som motiverar valet. Inkludera ett representativt fall som ska förbli okänt i stället för att tvingas in i en kategori. En syntaktiskt giltig post behöver fortfarande jämföras med den faktiska källtexten.
Dokumentbearbetning kan omvandla en PDF till en kortfattad sammanfattning eller en fältpost. Ange frågan och bevara sid- eller avsnittshänvisningar där iakttagelsen behöver kontrolleras. En tabellgranskning ska specificera relevanta kolumner och regler; en visuell uppgift ska identifiera den etikett eller region som behövs för svaret. Modelldirigering är en annan dokumenterad användning: modellen klassificerar hur komplex en förfrågan är och returnerar ett tillåtet val. Den anslutna applikationen, snarare än själva klassificeringstexten, avgör vad som ska köras härnäst.
Tänkande stöds, och tillverkaren visar högre arbetsinsats för uppgifter som har nytta av mer analys. Den exakta sidan för den stabila modellen listar också funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Computer Use stöds inte i den här stabila 3.1-profilen; den senare profilen 3.5 Flash-Lite har en annan kapacitetstabell. Definiera verktygens syften och parametrar tydligt och fortsätt från faktiska returnerade resultat. Ett funktionsförslag fastställer inte att åtgärden har ägt rum.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den stabila API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtal och källmedier när indata förbereds och begär en utdatamängd anpassad till den avsedda artefakten. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. För upprepade oberoende objekt ska indatas identifierare följa med in i resultatet och ett konsekvent schema behållas så att ett saknat svar kan identifieras.
Den här stabila modellidentifieraren är separat från Gemini 3.1 Flash-Lite Preview och senare Flash-Lite-utgåvor. Behåll den exakta utgåvan när upprepad bearbetning förbereds i stället för att behandla ett välbekant familjenamn som en garanti för en fast revision. Granska översättningar för bevarad betydelse och terminologi, transkriptioner mot ljudet och extraherade fält mot dokumentet. Profilens praktiska roll är fokuserad multimodal textbearbetning med ett tydligt resultat, medan en större uppgifts resonemang eller externa åtgärder lämnas till lämpligt efterföljande steg.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-3.1-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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gemini-3.1-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.1-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.1-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
google/gemini-3.1-flash-liteGemini 3.1 Flash-Lite är Googles stabila multimodala modell för översättning, transkribering, klassificering och enkel extraktion i stor skala. Den tar emot text, bilder, ljud, video och PDF och returnerar text, med tänkande, verktyg och strukturerad utdata. Dess exakta indata-/utdatagränser är 1,048,576/65,536 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.1 Flash-Lite är Googles stabila, lätta multimodala textmodell för återkommande, väldefinierade uppgifter. Den bygger på Gemini 3 Pro. Översättning och klassificering är centrala arbetsområden; andra användbara uppgifter omfattar transkribering, dokumentsammanfattningar, entitetsextraktion och klassificering för modellval. Text, bilder, ljud, video och PDF kan tillhandahålla källmaterialet, och resultatet är text. En användbar uppdragsbeskrivning begär en åtgärd och en slutform, till exempel ett översatt meddelande eller en post med fält som hittats i ett dokument.
För översättning ska du tillhandahålla källtext, målspråk, målgrupp och terminologi som ska bevaras. Googles exempel använder instruktioner som endast returnerar översättningen. Vid översättning av ett supportmeddelande ska produktnamn och orderreferenser behållas medan resten översätts naturligt. Ange hur tvetydigheter ska hanteras så att resultatet inte lägger till ett datum, löfte eller en detalj som saknas i källan. Låt den begärda formen passa destinationen, till exempel ett kort svar eller en märkt översättningspost.
För transkribering ska du tillhandahålla inspelningen och definiera om svaret ska vara de uttalade orden, en lättläst redigerad transkription eller en sammanfattning. Det är olika resultat. Identifiera relevant intervall när en lång inspelning bara innehåller ett avsnitt som behövs för uppgiften. Tillverkarens utvecklarexempel skickar ljud direkt och begär en texttranskription. Kontrollera namn, tal och otydliga avsnitt mot inspelningen och behåll originalkällan för granskning. Den här allmänna multimodala textprofilen innebär inte i sig ljudutdata eller ett särskilt resultat för talarseparering.
För klassificering eller extraktion ska du definiera kategorier, schema och regel för saknade värden. Utvecklarguiden visar strukturerad JSON för analys av en kundrecension, med ett stödjande citat och definierade fält. En strukturerad post kan innehålla den nämnda produkten, problemkategorin och meningen som motiverar valet. Inkludera ett representativt fall som ska förbli okänt i stället för att tvingas in i en kategori. En syntaktiskt giltig post behöver fortfarande jämföras med den faktiska källtexten.
Dokumentbearbetning kan omvandla en PDF till en kortfattad sammanfattning eller en fältpost. Ange frågan och bevara sid- eller avsnittshänvisningar där iakttagelsen behöver kontrolleras. En tabellgranskning ska specificera relevanta kolumner och regler; en visuell uppgift ska identifiera den etikett eller region som behövs för svaret. Modelldirigering är en annan dokumenterad användning: modellen klassificerar hur komplex en förfrågan är och returnerar ett tillåtet val. Den anslutna applikationen, snarare än själva klassificeringstexten, avgör vad som ska köras härnäst.
Tänkande stöds, och tillverkaren visar högre arbetsinsats för uppgifter som har nytta av mer analys. Den exakta sidan för den stabila modellen listar också funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Computer Use stöds inte i den här stabila 3.1-profilen; den senare profilen 3.5 Flash-Lite har en annan kapacitetstabell. Definiera verktygens syften och parametrar tydligt och fortsätt från faktiska returnerade resultat. Ett funktionsförslag fastställer inte att åtgärden har ägt rum.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den stabila API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtal och källmedier när indata förbereds och begär en utdatamängd anpassad till den avsedda artefakten. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. För upprepade oberoende objekt ska indatas identifierare följa med in i resultatet och ett konsekvent schema behållas så att ett saknat svar kan identifieras.
Den här stabila modellidentifieraren är separat från Gemini 3.1 Flash-Lite Preview och senare Flash-Lite-utgåvor. Behåll den exakta utgåvan när upprepad bearbetning förbereds i stället för att behandla ett välbekant familjenamn som en garanti för en fast revision. Granska översättningar för bevarad betydelse och terminologi, transkriptioner mot ljudet och extraherade fält mot dokumentet. Profilens praktiska roll är fokuserad multimodal textbearbetning med ett tydligt resultat, medan en större uppgifts resonemang eller externa åtgärder lämnas till lämpligt efterföljande steg.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-3.1-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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 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-3.1-flash-lite", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-3.1-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-3.1-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
google/gemini-3.1-flash-liteGemini 3.1 Flash-Lite är Googles stabila multimodala modell för översättning, transkribering, klassificering och enkel extraktion i stor skala. Den tar emot text, bilder, ljud, video och PDF och returnerar text, med tänkande, verktyg och strukturerad utdata. Dess exakta indata-/utdatagränser är 1,048,576/65,536 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.1 Flash-Lite är Googles stabila, lätta multimodala textmodell för återkommande, väldefinierade uppgifter. Den bygger på Gemini 3 Pro. Översättning och klassificering är centrala arbetsområden; andra användbara uppgifter omfattar transkribering, dokumentsammanfattningar, entitetsextraktion och klassificering för modellval. Text, bilder, ljud, video och PDF kan tillhandahålla källmaterialet, och resultatet är text. En användbar uppdragsbeskrivning begär en åtgärd och en slutform, till exempel ett översatt meddelande eller en post med fält som hittats i ett dokument.
För översättning ska du tillhandahålla källtext, målspråk, målgrupp och terminologi som ska bevaras. Googles exempel använder instruktioner som endast returnerar översättningen. Vid översättning av ett supportmeddelande ska produktnamn och orderreferenser behållas medan resten översätts naturligt. Ange hur tvetydigheter ska hanteras så att resultatet inte lägger till ett datum, löfte eller en detalj som saknas i källan. Låt den begärda formen passa destinationen, till exempel ett kort svar eller en märkt översättningspost.
För transkribering ska du tillhandahålla inspelningen och definiera om svaret ska vara de uttalade orden, en lättläst redigerad transkription eller en sammanfattning. Det är olika resultat. Identifiera relevant intervall när en lång inspelning bara innehåller ett avsnitt som behövs för uppgiften. Tillverkarens utvecklarexempel skickar ljud direkt och begär en texttranskription. Kontrollera namn, tal och otydliga avsnitt mot inspelningen och behåll originalkällan för granskning. Den här allmänna multimodala textprofilen innebär inte i sig ljudutdata eller ett särskilt resultat för talarseparering.
För klassificering eller extraktion ska du definiera kategorier, schema och regel för saknade värden. Utvecklarguiden visar strukturerad JSON för analys av en kundrecension, med ett stödjande citat och definierade fält. En strukturerad post kan innehålla den nämnda produkten, problemkategorin och meningen som motiverar valet. Inkludera ett representativt fall som ska förbli okänt i stället för att tvingas in i en kategori. En syntaktiskt giltig post behöver fortfarande jämföras med den faktiska källtexten.
Dokumentbearbetning kan omvandla en PDF till en kortfattad sammanfattning eller en fältpost. Ange frågan och bevara sid- eller avsnittshänvisningar där iakttagelsen behöver kontrolleras. En tabellgranskning ska specificera relevanta kolumner och regler; en visuell uppgift ska identifiera den etikett eller region som behövs för svaret. Modelldirigering är en annan dokumenterad användning: modellen klassificerar hur komplex en förfrågan är och returnerar ett tillåtet val. Den anslutna applikationen, snarare än själva klassificeringstexten, avgör vad som ska köras härnäst.
Tänkande stöds, och tillverkaren visar högre arbetsinsats för uppgifter som har nytta av mer analys. Den exakta sidan för den stabila modellen listar också funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Computer Use stöds inte i den här stabila 3.1-profilen; den senare profilen 3.5 Flash-Lite har en annan kapacitetstabell. Definiera verktygens syften och parametrar tydligt och fortsätt från faktiska returnerade resultat. Ett funktionsförslag fastställer inte att åtgärden har ägt rum.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den stabila API-tabellen anger 1,048,576 indatatoken och 65,536 utdatatoken. Räkna in instruktioner, samtal och källmedier när indata förbereds och begär en utdatamängd anpassad till den avsedda artefakten. Cachelagring, batch samt Flex- och Priority-bearbetning dokumenteras för tillverkarens profil. För upprepade oberoende objekt ska indatas identifierare följa med in i resultatet och ett konsekvent schema behållas så att ett saknat svar kan identifieras.
Den här stabila modellidentifieraren är separat från Gemini 3.1 Flash-Lite Preview och senare Flash-Lite-utgåvor. Behåll den exakta utgåvan när upprepad bearbetning förbereds i stället för att behandla ett välbekant familjenamn som en garanti för en fast revision. Granska översättningar för bevarad betydelse och terminologi, transkriptioner mot ljudet och extraherade fält mot dokumentet. Profilens praktiska roll är fokuserad multimodal textbearbetning med ett tydligt resultat, medan en större uppgifts resonemang eller externa åtgärder lämnas till lämpligt efterföljande steg.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-3.1-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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 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 $0.0005 / 1K token Utdata · Utdatatoken $0.003 / 1K token Indata · Cacheläsning $0.00005 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "google/gemini-3.1-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.1-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.1-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-3.1-flash-lite
Ailoot Ultra gemini-3.1-flash-lite, google/gemini-3.1-flash-lite
/chat/completions
google/gemini-3.1-flash-lite, gemini-3.1-flash-lite, gemini-3.1-flash-lite
Tekniskt exempel på engelska
Localize a compact service message\n\nTranslate into Spanish for a small-business customer: “Invoice INV-204 is ready. The bank transfer has not arrived yet; access starts after payment confirmation.” Keep INV-204 unchanged and return only the translated message. Preserve the distinction between invoice availability, receipt of funds and activation.A Spanish message containing the unchanged invoice reference and the original payment-to-access condition.Check that the translation does not imply that payment is received or access is already active.