Gemini 3.5 Flash-Lite är Googles exekveringsinriktade multimodala textprofil för upprepat dataarbete och avgränsade subagentuppgifter. Den bygger vidare på Gemini 3.1 Flash-Lite med förbättrad dokumentförståelse, tillförlitlighet vid verktygsanvändning och instruktionsefterlevnad över flera samtalsturer. Den tar emot text, bilder, ljud, video och PDF och returnerar text. Ett användbart resultat är en extraherad post, en klassificering, en kort översättning eller en avgränsad verktygsstödd analys inom en större uppgift.
För dokumenttolkning ska du definiera de fält som är viktiga och det underlag varje fält måste behålla. Tillhandahåll relevanta sidor och ange hur frånvarande eller tvetydig information ska representeras. Vid extraktion ur supportmeddelanden kan du extrahera en produktkod, det nämnda problemet och en stödjande mening ur ett supportmeddelande och behålla meddelandets identifierare i svaret. Om ett dokument har flera möjliga värden för ett fält får de inte i tysthet reduceras till ett enda gissat värde. Strukturerad JSON kan göra resultatet användbart för senare bearbetning när schemat motsvarar den faktiska uppgiften.
De dokumenterade tänkandenivåerna är minimal, low, medium och high, med minimal som standard. Tillverkaren rekommenderar den för extraktion, dirigering och klassificering i stor skala, medan medium eller high passar självständigt subagentarbete med verktygsanrop, kodexekvering eller flera resonemangssteg. Guiden rekommenderar särskilt en högre arbetsinsats för sådana längre uppgifter för att undvika att verktygsarbetet avslutas för tidigt. Extraktion av ett enda fält och en dokumentjämförelse med undantag har därför nytta av olika val av arbetsinsats. Minimal är en inställning som stöds av den här utgåvan och inte en allmän inställning som kan överföras till varje Flash-modell.
En fokuserad subagentbeskrivning bör innehålla ett uppdrag, dess källmaterial, tillåtna verktyg och den föreskrivna slutformen. Den kan till exempel undersöka en tabell utifrån en angiven regel och returnera berörda rader med relevanta värden. Tillverkaren lyfter också fram bearbetning av tabelldata och frontend-arbete i JavaScript med stöd av lätt kodexekvering. Den omgivande applikationen ansvarar fortfarande för att köra en begärd funktion och returnera det faktiska resultatet. Håll ett färdigt resultat åtskilt från ett icke genomfört förslag eller en olöst fråga om indata.
Den exakta sidan för 3.5 Flash-Lite listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring och URL-kontext, med Computer Use som förhandsfunktion. Strukturerad utdata och tänkande stöds. För en persona eller uppgift över flera samtalsturer ska de faktiska instruktionerna och verktygsobservationerna behållas så att senare svar följer samma uppdrag. Utvecklarguiden lyfter fram starkare personakontinuitet än hos 3.1 Flash-Lite. Använd en kortfattad roll och ett utdatakontrakt i stället för att omdefiniera målet vid varje uppföljning.
Guiden fasar också ut äldre samplingsinställningar och förifyllda sista samtalsturer med modellrollen för den här utgåvan. Styr ett avgränsat svar med uttryckliga instruktioner eller ett schema i stället för att försöka inleda svaret i en syntetisk modellrollstur. Bevara Gemini 3-kontexten med thought signatures där gränssnittet kräver det och matcha funktionsresultat med deras anrop. Dessa förberedelseregler stödjer en fortsättning som fortfarande har det underlag som behövs för att slutföra samma uppdrag.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den exakta API-sidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, poster, historik och medier ingår alla i förberedelsen av indata. Alternativ för cachelagring, batch, Flex och Priority listas för tillverkarens profil. Vid upprepade förfrågningar ska stabila identifierare och ett kompakt, konsekvent svarsformat användas så att varje extraktion kan jämföras med sin källa. Ljud-, bild- eller videoindata ger en texttolkning eller transkription i den här profilen, snarare än genererat tal eller bildmaterial.
Möjliga begränsningar omfattar hallucinationer samt tillfälliga fördröjningar eller tidsgränsöverskridanden. Kunskapsgränsen är mars 2026, med vissa områden begränsade till januari 2025. Källberoende extraktion ska återge vad det tillhandahållna materialet stödjer; frågor om aktuella fakta behöver aktuella belägg. Jämfört med 3.1 Flash-Lite tillför profilen de dokumenterade förmågorna för exekvering och datoranvändning, medan 3.6 Flash betonar mer komplex programmering och rumsligt arbete. Granska extraherade fält, verktygsresultat och bevarade instruktioner innan svaret förs in i ett större arbetsflöde.
", "aboutText": "Gemini 3.5 Flash-Lite är Googles exekveringsinriktade multimodala textprofil för upprepat dataarbete och avgränsade subagentuppgifter. Den bygger vidare på Gemini 3.1 Flash-Lite med förbättrad dokumentförståelse, tillförlitlighet vid verktygsanvändning och instruktionsefterlevnad över flera samtalsturer. Den tar emot text, bilder, ljud, video och PDF och returnerar text. Ett användbart resultat är en extraherad post, en klassificering, en kort översättning eller en avgränsad verktygsstödd analys inom en större uppgift.\n\nFör dokumenttolkning ska du definiera de fält som är viktiga och det underlag varje fält måste behålla. Tillhandahåll relevanta sidor och ange hur frånvarande eller tvetydig information ska representeras. Vid extraktion ur supportmeddelanden kan du extrahera en produktkod, det nämnda problemet och en stödjande mening ur ett supportmeddelande och behålla meddelandets identifierare i svaret. Om ett dokument har flera möjliga värden för ett fält får de inte i tysthet reduceras till ett enda gissat värde. Strukturerad JSON kan göra resultatet användbart för senare bearbetning när schemat motsvarar den faktiska uppgiften.\n\nDe dokumenterade tänkandenivåerna är minimal, low, medium och high, med minimal som standard. Tillverkaren rekommenderar den för extraktion, dirigering och klassificering i stor skala, medan medium eller high passar självständigt subagentarbete med verktygsanrop, kodexekvering eller flera resonemangssteg. Guiden rekommenderar särskilt en högre arbetsinsats för sådana längre uppgifter för att undvika att verktygsarbetet avslutas för tidigt. Extraktion av ett enda fält och en dokumentjämförelse med undantag har därför nytta av olika val av arbetsinsats. Minimal är en inställning som stöds av den här utgåvan och inte en allmän inställning som kan överföras till varje Flash-modell.\n\nEn fokuserad subagentbeskrivning bör innehålla ett uppdrag, dess källmaterial, tillåtna verktyg och den föreskrivna slutformen. Den kan till exempel undersöka en tabell utifrån en angiven regel och returnera berörda rader med relevanta värden. Tillverkaren lyfter också fram bearbetning av tabelldata och frontend-arbete i JavaScript med stöd av lätt kodexekvering. Den omgivande applikationen ansvarar fortfarande för att köra en begärd funktion och returnera det faktiska resultatet. Håll ett färdigt resultat åtskilt från ett icke genomfört förslag eller en olöst fråga om indata.\n\nDen exakta sidan för 3.5 Flash-Lite listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring och URL-kontext, med Computer Use som förhandsfunktion. Strukturerad utdata och tänkande stöds. För en persona eller uppgift över flera samtalsturer ska de faktiska instruktionerna och verktygsobservationerna behållas så att senare svar följer samma uppdrag. Utvecklarguiden lyfter fram starkare personakontinuitet än hos 3.1 Flash-Lite. Använd en kortfattad roll och ett utdatakontrakt i stället för att omdefiniera målet vid varje uppföljning.\n\nGuiden fasar också ut äldre samplingsinställningar och förifyllda sista samtalsturer med modellrollen för den här utgåvan. Styr ett avgränsat svar med uttryckliga instruktioner eller ett schema i stället för att försöka inleda svaret i en syntetisk modellrollstur. Bevara Gemini 3-kontexten med thought signatures där gränssnittet kräver det och matcha funktionsresultat med deras anrop. Dessa förberedelseregler stödjer en fortsättning som fortfarande har det underlag som behövs för att slutföra samma uppdrag.\n\nDet ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den exakta API-sidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, poster, historik och medier ingår alla i förberedelsen av indata. Alternativ för cachelagring, batch, Flex och Priority listas för tillverkarens profil. Vid upprepade förfrågningar ska stabila identifierare och ett kompakt, konsekvent svarsformat användas så att varje extraktion kan jämföras med sin källa. Ljud-, bild- eller videoindata ger en texttolkning eller transkription i den här profilen, snarare än genererat tal eller bildmaterial.\n\nMöjliga begränsningar omfattar hallucinationer samt tillfälliga fördröjningar eller tidsgränsöverskridanden. Kunskapsgränsen är mars 2026, med vissa områden begränsade till januari 2025. Källberoende extraktion ska återge vad det tillhandahållna materialet stödjer; frågor om aktuella fakta behöver aktuella belägg. Jämfört med 3.1 Flash-Lite tillför profilen de dokumenterade förmågorna för exekvering och datoranvändning, medan 3.6 Flash betonar mer komplex programmering och rumsligt arbete. Granska extraherade fält, verktygsresultat och bevarade instruktioner innan svaret förs in i ett större arbetsflöde.", "editorialOverlay": { "copy_fields": { "practical_html": "Tekniskt exempel på engelska
Extract a support message record\n\nExtract fields from message S-91: "The pump P-28 stopped after ten minutes. I bought two, but only one has this issue. Please arrange a replacement." Return message ID, product code, issue, purchased quantity and affected quantity in a small table. Include the exact supporting phrase for each extracted value.A field/value/evidence table retaining S-91 and separating purchased from affected quantity.Check that two purchased pumps do not become two defective pumps.gemini-3.5-flash-liteGemini 3.5 Flash-Lite är Googles multimodala modell för avgränsade subagentuppgifter, dokumenttolkning och upprepad dataextraktion. Standardnivån minimal för resonemang passar avgränsade poster; medium eller high dokumenteras för verktygsarbete i flera steg. Den returnerar text eller strukturerade resultat från text, bilder, ljud, video och PDF.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.5 Flash-Lite är Googles exekveringsinriktade multimodala textprofil för upprepat dataarbete och avgränsade subagentuppgifter. Den bygger vidare på Gemini 3.1 Flash-Lite med förbättrad dokumentförståelse, tillförlitlighet vid verktygsanvändning och instruktionsefterlevnad över flera samtalsturer. Den tar emot text, bilder, ljud, video och PDF och returnerar text. Ett användbart resultat är en extraherad post, en klassificering, en kort översättning eller en avgränsad verktygsstödd analys inom en större uppgift.
För dokumenttolkning ska du definiera de fält som är viktiga och det underlag varje fält måste behålla. Tillhandahåll relevanta sidor och ange hur frånvarande eller tvetydig information ska representeras. Vid extraktion ur supportmeddelanden kan du extrahera en produktkod, det nämnda problemet och en stödjande mening ur ett supportmeddelande och behålla meddelandets identifierare i svaret. Om ett dokument har flera möjliga värden för ett fält får de inte i tysthet reduceras till ett enda gissat värde. Strukturerad JSON kan göra resultatet användbart för senare bearbetning när schemat motsvarar den faktiska uppgiften.
De dokumenterade tänkandenivåerna är minimal, low, medium och high, med minimal som standard. Tillverkaren rekommenderar den för extraktion, dirigering och klassificering i stor skala, medan medium eller high passar självständigt subagentarbete med verktygsanrop, kodexekvering eller flera resonemangssteg. Guiden rekommenderar särskilt en högre arbetsinsats för sådana längre uppgifter för att undvika att verktygsarbetet avslutas för tidigt. Extraktion av ett enda fält och en dokumentjämförelse med undantag har därför nytta av olika val av arbetsinsats. Minimal är en inställning som stöds av den här utgåvan och inte en allmän inställning som kan överföras till varje Flash-modell.
En fokuserad subagentbeskrivning bör innehålla ett uppdrag, dess källmaterial, tillåtna verktyg och den föreskrivna slutformen. Den kan till exempel undersöka en tabell utifrån en angiven regel och returnera berörda rader med relevanta värden. Tillverkaren lyfter också fram bearbetning av tabelldata och frontend-arbete i JavaScript med stöd av lätt kodexekvering. Den omgivande applikationen ansvarar fortfarande för att köra en begärd funktion och returnera det faktiska resultatet. Håll ett färdigt resultat åtskilt från ett icke genomfört förslag eller en olöst fråga om indata.
Den exakta sidan för 3.5 Flash-Lite listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring och URL-kontext, med Computer Use som förhandsfunktion. Strukturerad utdata och tänkande stöds. För en persona eller uppgift över flera samtalsturer ska de faktiska instruktionerna och verktygsobservationerna behållas så att senare svar följer samma uppdrag. Utvecklarguiden lyfter fram starkare personakontinuitet än hos 3.1 Flash-Lite. Använd en kortfattad roll och ett utdatakontrakt i stället för att omdefiniera målet vid varje uppföljning.
Guiden fasar också ut äldre samplingsinställningar och förifyllda sista samtalsturer med modellrollen för den här utgåvan. Styr ett avgränsat svar med uttryckliga instruktioner eller ett schema i stället för att försöka inleda svaret i en syntetisk modellrollstur. Bevara Gemini 3-kontexten med thought signatures där gränssnittet kräver det och matcha funktionsresultat med deras anrop. Dessa förberedelseregler stödjer en fortsättning som fortfarande har det underlag som behövs för att slutföra samma uppdrag.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den exakta API-sidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, poster, historik och medier ingår alla i förberedelsen av indata. Alternativ för cachelagring, batch, Flex och Priority listas för tillverkarens profil. Vid upprepade förfrågningar ska stabila identifierare och ett kompakt, konsekvent svarsformat användas så att varje extraktion kan jämföras med sin källa. Ljud-, bild- eller videoindata ger en texttolkning eller transkription i den här profilen, snarare än genererat tal eller bildmaterial.
Möjliga begränsningar omfattar hallucinationer samt tillfälliga fördröjningar eller tidsgränsöverskridanden. Kunskapsgränsen är mars 2026, med vissa områden begränsade till januari 2025. Källberoende extraktion ska återge vad det tillhandahållna materialet stödjer; frågor om aktuella fakta behöver aktuella belägg. Jämfört med 3.1 Flash-Lite tillför profilen de dokumenterade förmågorna för exekvering och datoranvändning, medan 3.6 Flash betonar mer komplex programmering och rumsligt arbete. Granska extraherade fält, verktygsresultat och bevarade instruktioner innan svaret förs in i ett större arbetsflöde.
POST /v1/messagestext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-3.5-flash-lite | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring|content_block[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältsystem | Typstring|content_block[] | KravValfritt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser Minimum: 1 Gränsen gäller för: den exakta gränsen för den valda modellen/det valda kortet | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop_sequences | Typstring[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typtool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].name | Typstring | KravValfritt | Värden & gränser Gäller när: verktyg har tillhandahållits | Standard— |
Fälttools[].description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].input_schema | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältthinking.type | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältthinking.budget_tokens | Typinteger | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältoutput_config.effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmetadata | Typobject | KravValfritt | Värden & gränser | Standard— |
Fältcache_control | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Text · UTF8-text
messages[].content eller ett type=text-block
Text + bild
{type:image,source:{type:base64,media_type,data}} eller källa type=url
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext, image |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalnull |
Parametercontent_type | Avtalapplication/json |
Parametertext_file_material | Avtalfaktiskt UTF-8-innehåll infogat som text; fil-ID:n/URLs kräver separat, exakt definierat stöd |
Livscykel: exact retained published method
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
POST /v1/messagesAiloot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Referensprislistor på modellnivå ändrar inte metodval, prisuppgifter eller avgifter. Aktiva avgifter använder priserna för den valda Ailoot-metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Grundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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-3.5-flash-lite", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.5-flash-lite", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-3.5-flash-lite",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-3.5-flash-lite",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-3.5-flash-lite',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-3.5-flash-liteGemini 3.5 Flash-Lite är Googles multimodala modell för avgränsade subagentuppgifter, dokumenttolkning och upprepad dataextraktion. Standardnivån minimal för resonemang passar avgränsade poster; medium eller high dokumenteras för verktygsarbete i flera steg. Den returnerar text eller strukturerade resultat från text, bilder, ljud, video och PDF.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.5 Flash-Lite är Googles exekveringsinriktade multimodala textprofil för upprepat dataarbete och avgränsade subagentuppgifter. Den bygger vidare på Gemini 3.1 Flash-Lite med förbättrad dokumentförståelse, tillförlitlighet vid verktygsanvändning och instruktionsefterlevnad över flera samtalsturer. Den tar emot text, bilder, ljud, video och PDF och returnerar text. Ett användbart resultat är en extraherad post, en klassificering, en kort översättning eller en avgränsad verktygsstödd analys inom en större uppgift.
För dokumenttolkning ska du definiera de fält som är viktiga och det underlag varje fält måste behålla. Tillhandahåll relevanta sidor och ange hur frånvarande eller tvetydig information ska representeras. Vid extraktion ur supportmeddelanden kan du extrahera en produktkod, det nämnda problemet och en stödjande mening ur ett supportmeddelande och behålla meddelandets identifierare i svaret. Om ett dokument har flera möjliga värden för ett fält får de inte i tysthet reduceras till ett enda gissat värde. Strukturerad JSON kan göra resultatet användbart för senare bearbetning när schemat motsvarar den faktiska uppgiften.
De dokumenterade tänkandenivåerna är minimal, low, medium och high, med minimal som standard. Tillverkaren rekommenderar den för extraktion, dirigering och klassificering i stor skala, medan medium eller high passar självständigt subagentarbete med verktygsanrop, kodexekvering eller flera resonemangssteg. Guiden rekommenderar särskilt en högre arbetsinsats för sådana längre uppgifter för att undvika att verktygsarbetet avslutas för tidigt. Extraktion av ett enda fält och en dokumentjämförelse med undantag har därför nytta av olika val av arbetsinsats. Minimal är en inställning som stöds av den här utgåvan och inte en allmän inställning som kan överföras till varje Flash-modell.
En fokuserad subagentbeskrivning bör innehålla ett uppdrag, dess källmaterial, tillåtna verktyg och den föreskrivna slutformen. Den kan till exempel undersöka en tabell utifrån en angiven regel och returnera berörda rader med relevanta värden. Tillverkaren lyfter också fram bearbetning av tabelldata och frontend-arbete i JavaScript med stöd av lätt kodexekvering. Den omgivande applikationen ansvarar fortfarande för att köra en begärd funktion och returnera det faktiska resultatet. Håll ett färdigt resultat åtskilt från ett icke genomfört förslag eller en olöst fråga om indata.
Den exakta sidan för 3.5 Flash-Lite listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring och URL-kontext, med Computer Use som förhandsfunktion. Strukturerad utdata och tänkande stöds. För en persona eller uppgift över flera samtalsturer ska de faktiska instruktionerna och verktygsobservationerna behållas så att senare svar följer samma uppdrag. Utvecklarguiden lyfter fram starkare personakontinuitet än hos 3.1 Flash-Lite. Använd en kortfattad roll och ett utdatakontrakt i stället för att omdefiniera målet vid varje uppföljning.
Guiden fasar också ut äldre samplingsinställningar och förifyllda sista samtalsturer med modellrollen för den här utgåvan. Styr ett avgränsat svar med uttryckliga instruktioner eller ett schema i stället för att försöka inleda svaret i en syntetisk modellrollstur. Bevara Gemini 3-kontexten med thought signatures där gränssnittet kräver det och matcha funktionsresultat med deras anrop. Dessa förberedelseregler stödjer en fortsättning som fortfarande har det underlag som behövs för att slutföra samma uppdrag.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den exakta API-sidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, poster, historik och medier ingår alla i förberedelsen av indata. Alternativ för cachelagring, batch, Flex och Priority listas för tillverkarens profil. Vid upprepade förfrågningar ska stabila identifierare och ett kompakt, konsekvent svarsformat användas så att varje extraktion kan jämföras med sin källa. Ljud-, bild- eller videoindata ger en texttolkning eller transkription i den här profilen, snarare än genererat tal eller bildmaterial.
Möjliga begränsningar omfattar hallucinationer samt tillfälliga fördröjningar eller tidsgränsöverskridanden. Kunskapsgränsen är mars 2026, med vissa områden begränsade till januari 2025. Källberoende extraktion ska återge vad det tillhandahållna materialet stödjer; frågor om aktuella fakta behöver aktuella belägg. Jämfört med 3.1 Flash-Lite tillför profilen de dokumenterade förmågorna för exekvering och datoranvändning, medan 3.6 Flash betonar mer komplex programmering och rumsligt arbete. Granska extraherade fält, verktygsresultat och bevarade instruktioner innan svaret förs in i ett större arbetsflöde.
POST /v1beta/models/{model}:generateContenttext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältpath.model | Typstring | KravObligatoriskt | Värden & gränser gemini-3.5-flash-lite | Standard— |
Fältcontents | Typcontent[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältcontents[].role | Typstring | KravValfritt | Värden & gränser user, model | Standard— |
Fältcontents[].parts | Typpart[] | KravObligatoriskt | Värden & gränser | Standard— |
FältsystemInstruction | Typcontent | KravValfritt | Värden & gränser | Standard— |
FältgenerationConfig.maxOutputTokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
FältgenerationConfig.temperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.topP | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.topK | Typinteger | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.stopSequences | Typstring[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.thinkingConfig.includeThoughts | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältgenerationConfig.thinkingConfig.thinkingBudget | Typinteger | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].functionDeclarations | Typfunction_declaration[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FälttoolConfig.functionCallingConfig.mode | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältsafetySettings | Typobject[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
FältsessionId | Typstring | KravValfritt | Värden & gränser | Standard— |
Text · UTF8-text
contents[].parts[].text
Text + bild
parts[].inlineData={mimeType,data}
| Parameter | Avtal |
|---|---|
Parametermaterial_types | Avtaltext, image |
Parameterrequired | Avtalcontents |
Parameteroptional_controls | Avtalnull |
Parametercontent_type | Avtalapplication/json |
Parametertext_file_material | Avtalfaktiskt UTF-8-innehåll infogat som text; fil-ID:n/URLs kräver separat, exakt definierat stöd |
Livscykel: exact retained published method
Metodernas strukturer och ID:n är exakta; leverantörens funktioner är åtskilda från att begäran tillåts.
POST /v1beta/models/{model}:generateContentAiloot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
Referensprislistor på modellnivå ändrar inte metodval, prisuppgifter eller avgifter. Aktiva avgifter använder priserna för den valda Ailoot-metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Grundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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-3.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-3.5-flash-lite", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-3.5-flash-lite", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-3.5-flash-lite',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson eller strömning som stöds
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla kandidater och delar, inklusive funktionsanrop, resonemangssignaturer och användningsuppgifter; sätt samman strömmens delar i ordning.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
FältresponseId | Typstring |
FältmodelVersion | Typstring |
Fältcandidates[].content.parts[] | Typtext|inlineData|functionCall|other part |
Fältcandidates[].finishReason | Typstring |
FältusageMetadata | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-3.5-flash-liteGemini 3.5 Flash-Lite är Googles multimodala modell för avgränsade subagentuppgifter, dokumenttolkning och upprepad dataextraktion. Standardnivån minimal för resonemang passar avgränsade poster; medium eller high dokumenteras för verktygsarbete i flera steg. Den returnerar text eller strukturerade resultat från text, bilder, ljud, video och PDF.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.5 Flash-Lite är Googles exekveringsinriktade multimodala textprofil för upprepat dataarbete och avgränsade subagentuppgifter. Den bygger vidare på Gemini 3.1 Flash-Lite med förbättrad dokumentförståelse, tillförlitlighet vid verktygsanvändning och instruktionsefterlevnad över flera samtalsturer. Den tar emot text, bilder, ljud, video och PDF och returnerar text. Ett användbart resultat är en extraherad post, en klassificering, en kort översättning eller en avgränsad verktygsstödd analys inom en större uppgift.
För dokumenttolkning ska du definiera de fält som är viktiga och det underlag varje fält måste behålla. Tillhandahåll relevanta sidor och ange hur frånvarande eller tvetydig information ska representeras. Vid extraktion ur supportmeddelanden kan du extrahera en produktkod, det nämnda problemet och en stödjande mening ur ett supportmeddelande och behålla meddelandets identifierare i svaret. Om ett dokument har flera möjliga värden för ett fält får de inte i tysthet reduceras till ett enda gissat värde. Strukturerad JSON kan göra resultatet användbart för senare bearbetning när schemat motsvarar den faktiska uppgiften.
De dokumenterade tänkandenivåerna är minimal, low, medium och high, med minimal som standard. Tillverkaren rekommenderar den för extraktion, dirigering och klassificering i stor skala, medan medium eller high passar självständigt subagentarbete med verktygsanrop, kodexekvering eller flera resonemangssteg. Guiden rekommenderar särskilt en högre arbetsinsats för sådana längre uppgifter för att undvika att verktygsarbetet avslutas för tidigt. Extraktion av ett enda fält och en dokumentjämförelse med undantag har därför nytta av olika val av arbetsinsats. Minimal är en inställning som stöds av den här utgåvan och inte en allmän inställning som kan överföras till varje Flash-modell.
En fokuserad subagentbeskrivning bör innehålla ett uppdrag, dess källmaterial, tillåtna verktyg och den föreskrivna slutformen. Den kan till exempel undersöka en tabell utifrån en angiven regel och returnera berörda rader med relevanta värden. Tillverkaren lyfter också fram bearbetning av tabelldata och frontend-arbete i JavaScript med stöd av lätt kodexekvering. Den omgivande applikationen ansvarar fortfarande för att köra en begärd funktion och returnera det faktiska resultatet. Håll ett färdigt resultat åtskilt från ett icke genomfört förslag eller en olöst fråga om indata.
Den exakta sidan för 3.5 Flash-Lite listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring och URL-kontext, med Computer Use som förhandsfunktion. Strukturerad utdata och tänkande stöds. För en persona eller uppgift över flera samtalsturer ska de faktiska instruktionerna och verktygsobservationerna behållas så att senare svar följer samma uppdrag. Utvecklarguiden lyfter fram starkare personakontinuitet än hos 3.1 Flash-Lite. Använd en kortfattad roll och ett utdatakontrakt i stället för att omdefiniera målet vid varje uppföljning.
Guiden fasar också ut äldre samplingsinställningar och förifyllda sista samtalsturer med modellrollen för den här utgåvan. Styr ett avgränsat svar med uttryckliga instruktioner eller ett schema i stället för att försöka inleda svaret i en syntetisk modellrollstur. Bevara Gemini 3-kontexten med thought signatures där gränssnittet kräver det och matcha funktionsresultat med deras anrop. Dessa förberedelseregler stödjer en fortsättning som fortfarande har det underlag som behövs för att slutföra samma uppdrag.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den exakta API-sidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, poster, historik och medier ingår alla i förberedelsen av indata. Alternativ för cachelagring, batch, Flex och Priority listas för tillverkarens profil. Vid upprepade förfrågningar ska stabila identifierare och ett kompakt, konsekvent svarsformat användas så att varje extraktion kan jämföras med sin källa. Ljud-, bild- eller videoindata ger en texttolkning eller transkription i den här profilen, snarare än genererat tal eller bildmaterial.
Möjliga begränsningar omfattar hallucinationer samt tillfälliga fördröjningar eller tidsgränsöverskridanden. Kunskapsgränsen är mars 2026, med vissa områden begränsade till januari 2025. Källberoende extraktion ska återge vad det tillhandahållna materialet stödjer; frågor om aktuella fakta behöver aktuella belägg. Jämfört med 3.1 Flash-Lite tillför profilen de dokumenterade förmågorna för exekvering och datoranvändning, medan 3.6 Flash betonar mer komplex programmering och rumsligt arbete. Granska extraherade fält, verktygsresultat och bevarade instruktioner innan svaret förs in i ett större arbetsflöde.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-3.5-flash-lite | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Beror på modellen | Standard— |
Fältmessages[].content | Typstring | KravValfritt | Värden & gränser Gäller när: Textsamtal | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream |
Parametercontrol_scope | AvtalTextsamtal; stream är ett booleskt värde och har false som standard. |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Metodalias: /chat/completions
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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-3.5-flash-lite","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.5-flash-lite", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-3.5-flash-liteGemini 3.5 Flash-Lite är Googles multimodala modell för avgränsade subagentuppgifter, dokumenttolkning och upprepad dataextraktion. Standardnivån minimal för resonemang passar avgränsade poster; medium eller high dokumenteras för verktygsarbete i flera steg. Den returnerar text eller strukturerade resultat från text, bilder, ljud, video och PDF.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.5 Flash-Lite är Googles exekveringsinriktade multimodala textprofil för upprepat dataarbete och avgränsade subagentuppgifter. Den bygger vidare på Gemini 3.1 Flash-Lite med förbättrad dokumentförståelse, tillförlitlighet vid verktygsanvändning och instruktionsefterlevnad över flera samtalsturer. Den tar emot text, bilder, ljud, video och PDF och returnerar text. Ett användbart resultat är en extraherad post, en klassificering, en kort översättning eller en avgränsad verktygsstödd analys inom en större uppgift.
För dokumenttolkning ska du definiera de fält som är viktiga och det underlag varje fält måste behålla. Tillhandahåll relevanta sidor och ange hur frånvarande eller tvetydig information ska representeras. Vid extraktion ur supportmeddelanden kan du extrahera en produktkod, det nämnda problemet och en stödjande mening ur ett supportmeddelande och behålla meddelandets identifierare i svaret. Om ett dokument har flera möjliga värden för ett fält får de inte i tysthet reduceras till ett enda gissat värde. Strukturerad JSON kan göra resultatet användbart för senare bearbetning när schemat motsvarar den faktiska uppgiften.
De dokumenterade tänkandenivåerna är minimal, low, medium och high, med minimal som standard. Tillverkaren rekommenderar den för extraktion, dirigering och klassificering i stor skala, medan medium eller high passar självständigt subagentarbete med verktygsanrop, kodexekvering eller flera resonemangssteg. Guiden rekommenderar särskilt en högre arbetsinsats för sådana längre uppgifter för att undvika att verktygsarbetet avslutas för tidigt. Extraktion av ett enda fält och en dokumentjämförelse med undantag har därför nytta av olika val av arbetsinsats. Minimal är en inställning som stöds av den här utgåvan och inte en allmän inställning som kan överföras till varje Flash-modell.
En fokuserad subagentbeskrivning bör innehålla ett uppdrag, dess källmaterial, tillåtna verktyg och den föreskrivna slutformen. Den kan till exempel undersöka en tabell utifrån en angiven regel och returnera berörda rader med relevanta värden. Tillverkaren lyfter också fram bearbetning av tabelldata och frontend-arbete i JavaScript med stöd av lätt kodexekvering. Den omgivande applikationen ansvarar fortfarande för att köra en begärd funktion och returnera det faktiska resultatet. Håll ett färdigt resultat åtskilt från ett icke genomfört förslag eller en olöst fråga om indata.
Den exakta sidan för 3.5 Flash-Lite listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring och URL-kontext, med Computer Use som förhandsfunktion. Strukturerad utdata och tänkande stöds. För en persona eller uppgift över flera samtalsturer ska de faktiska instruktionerna och verktygsobservationerna behållas så att senare svar följer samma uppdrag. Utvecklarguiden lyfter fram starkare personakontinuitet än hos 3.1 Flash-Lite. Använd en kortfattad roll och ett utdatakontrakt i stället för att omdefiniera målet vid varje uppföljning.
Guiden fasar också ut äldre samplingsinställningar och förifyllda sista samtalsturer med modellrollen för den här utgåvan. Styr ett avgränsat svar med uttryckliga instruktioner eller ett schema i stället för att försöka inleda svaret i en syntetisk modellrollstur. Bevara Gemini 3-kontexten med thought signatures där gränssnittet kräver det och matcha funktionsresultat med deras anrop. Dessa förberedelseregler stödjer en fortsättning som fortfarande har det underlag som behövs för att slutföra samma uppdrag.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den exakta API-sidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, poster, historik och medier ingår alla i förberedelsen av indata. Alternativ för cachelagring, batch, Flex och Priority listas för tillverkarens profil. Vid upprepade förfrågningar ska stabila identifierare och ett kompakt, konsekvent svarsformat användas så att varje extraktion kan jämföras med sin källa. Ljud-, bild- eller videoindata ger en texttolkning eller transkription i den här profilen, snarare än genererat tal eller bildmaterial.
Möjliga begränsningar omfattar hallucinationer samt tillfälliga fördröjningar eller tidsgränsöverskridanden. Kunskapsgränsen är mars 2026, med vissa områden begränsade till januari 2025. Källberoende extraktion ska återge vad det tillhandahållna materialet stödjer; frågor om aktuella fakta behöver aktuella belägg. Jämfört med 3.1 Flash-Lite tillför profilen de dokumenterade förmågorna för exekvering och datoranvändning, medan 3.6 Flash betonar mer komplex programmering och rumsligt arbete. Granska extraherade fält, verktygsresultat och bevarade instruktioner innan svaret förs in i ett större arbetsflöde.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-3.5-flash-lite | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "gemini-3.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-liteGemini 3.5 Flash-Lite är Googles multimodala modell för avgränsade subagentuppgifter, dokumenttolkning och upprepad dataextraktion. Standardnivån minimal för resonemang passar avgränsade poster; medium eller high dokumenteras för verktygsarbete i flera steg. Den returnerar text eller strukturerade resultat från text, bilder, ljud, video och PDF.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.5 Flash-Lite är Googles exekveringsinriktade multimodala textprofil för upprepat dataarbete och avgränsade subagentuppgifter. Den bygger vidare på Gemini 3.1 Flash-Lite med förbättrad dokumentförståelse, tillförlitlighet vid verktygsanvändning och instruktionsefterlevnad över flera samtalsturer. Den tar emot text, bilder, ljud, video och PDF och returnerar text. Ett användbart resultat är en extraherad post, en klassificering, en kort översättning eller en avgränsad verktygsstödd analys inom en större uppgift.
För dokumenttolkning ska du definiera de fält som är viktiga och det underlag varje fält måste behålla. Tillhandahåll relevanta sidor och ange hur frånvarande eller tvetydig information ska representeras. Vid extraktion ur supportmeddelanden kan du extrahera en produktkod, det nämnda problemet och en stödjande mening ur ett supportmeddelande och behålla meddelandets identifierare i svaret. Om ett dokument har flera möjliga värden för ett fält får de inte i tysthet reduceras till ett enda gissat värde. Strukturerad JSON kan göra resultatet användbart för senare bearbetning när schemat motsvarar den faktiska uppgiften.
De dokumenterade tänkandenivåerna är minimal, low, medium och high, med minimal som standard. Tillverkaren rekommenderar den för extraktion, dirigering och klassificering i stor skala, medan medium eller high passar självständigt subagentarbete med verktygsanrop, kodexekvering eller flera resonemangssteg. Guiden rekommenderar särskilt en högre arbetsinsats för sådana längre uppgifter för att undvika att verktygsarbetet avslutas för tidigt. Extraktion av ett enda fält och en dokumentjämförelse med undantag har därför nytta av olika val av arbetsinsats. Minimal är en inställning som stöds av den här utgåvan och inte en allmän inställning som kan överföras till varje Flash-modell.
En fokuserad subagentbeskrivning bör innehålla ett uppdrag, dess källmaterial, tillåtna verktyg och den föreskrivna slutformen. Den kan till exempel undersöka en tabell utifrån en angiven regel och returnera berörda rader med relevanta värden. Tillverkaren lyfter också fram bearbetning av tabelldata och frontend-arbete i JavaScript med stöd av lätt kodexekvering. Den omgivande applikationen ansvarar fortfarande för att köra en begärd funktion och returnera det faktiska resultatet. Håll ett färdigt resultat åtskilt från ett icke genomfört förslag eller en olöst fråga om indata.
Den exakta sidan för 3.5 Flash-Lite listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring och URL-kontext, med Computer Use som förhandsfunktion. Strukturerad utdata och tänkande stöds. För en persona eller uppgift över flera samtalsturer ska de faktiska instruktionerna och verktygsobservationerna behållas så att senare svar följer samma uppdrag. Utvecklarguiden lyfter fram starkare personakontinuitet än hos 3.1 Flash-Lite. Använd en kortfattad roll och ett utdatakontrakt i stället för att omdefiniera målet vid varje uppföljning.
Guiden fasar också ut äldre samplingsinställningar och förifyllda sista samtalsturer med modellrollen för den här utgåvan. Styr ett avgränsat svar med uttryckliga instruktioner eller ett schema i stället för att försöka inleda svaret i en syntetisk modellrollstur. Bevara Gemini 3-kontexten med thought signatures där gränssnittet kräver det och matcha funktionsresultat med deras anrop. Dessa förberedelseregler stödjer en fortsättning som fortfarande har det underlag som behövs för att slutföra samma uppdrag.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den exakta API-sidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, poster, historik och medier ingår alla i förberedelsen av indata. Alternativ för cachelagring, batch, Flex och Priority listas för tillverkarens profil. Vid upprepade förfrågningar ska stabila identifierare och ett kompakt, konsekvent svarsformat användas så att varje extraktion kan jämföras med sin källa. Ljud-, bild- eller videoindata ger en texttolkning eller transkription i den här profilen, snarare än genererat tal eller bildmaterial.
Möjliga begränsningar omfattar hallucinationer samt tillfälliga fördröjningar eller tidsgränsöverskridanden. Kunskapsgränsen är mars 2026, med vissa områden begränsade till januari 2025. Källberoende extraktion ska återge vad det tillhandahållna materialet stödjer; frågor om aktuella fakta behöver aktuella belägg. Jämfört med 3.1 Flash-Lite tillför profilen de dokumenterade förmågorna för exekvering och datoranvändning, medan 3.6 Flash betonar mer komplex programmering och rumsligt arbete. Granska extraherade fält, verktygsresultat och bevarade instruktioner innan svaret förs in i ett större arbetsflöde.
POST /v1/messagestext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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-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-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-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-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-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-liteGemini 3.5 Flash-Lite är Googles multimodala modell för avgränsade subagentuppgifter, dokumenttolkning och upprepad dataextraktion. Standardnivån minimal för resonemang passar avgränsade poster; medium eller high dokumenteras för verktygsarbete i flera steg. Den returnerar text eller strukturerade resultat från text, bilder, ljud, video och PDF.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.5 Flash-Lite är Googles exekveringsinriktade multimodala textprofil för upprepat dataarbete och avgränsade subagentuppgifter. Den bygger vidare på Gemini 3.1 Flash-Lite med förbättrad dokumentförståelse, tillförlitlighet vid verktygsanvändning och instruktionsefterlevnad över flera samtalsturer. Den tar emot text, bilder, ljud, video och PDF och returnerar text. Ett användbart resultat är en extraherad post, en klassificering, en kort översättning eller en avgränsad verktygsstödd analys inom en större uppgift.
För dokumenttolkning ska du definiera de fält som är viktiga och det underlag varje fält måste behålla. Tillhandahåll relevanta sidor och ange hur frånvarande eller tvetydig information ska representeras. Vid extraktion ur supportmeddelanden kan du extrahera en produktkod, det nämnda problemet och en stödjande mening ur ett supportmeddelande och behålla meddelandets identifierare i svaret. Om ett dokument har flera möjliga värden för ett fält får de inte i tysthet reduceras till ett enda gissat värde. Strukturerad JSON kan göra resultatet användbart för senare bearbetning när schemat motsvarar den faktiska uppgiften.
De dokumenterade tänkandenivåerna är minimal, low, medium och high, med minimal som standard. Tillverkaren rekommenderar den för extraktion, dirigering och klassificering i stor skala, medan medium eller high passar självständigt subagentarbete med verktygsanrop, kodexekvering eller flera resonemangssteg. Guiden rekommenderar särskilt en högre arbetsinsats för sådana längre uppgifter för att undvika att verktygsarbetet avslutas för tidigt. Extraktion av ett enda fält och en dokumentjämförelse med undantag har därför nytta av olika val av arbetsinsats. Minimal är en inställning som stöds av den här utgåvan och inte en allmän inställning som kan överföras till varje Flash-modell.
En fokuserad subagentbeskrivning bör innehålla ett uppdrag, dess källmaterial, tillåtna verktyg och den föreskrivna slutformen. Den kan till exempel undersöka en tabell utifrån en angiven regel och returnera berörda rader med relevanta värden. Tillverkaren lyfter också fram bearbetning av tabelldata och frontend-arbete i JavaScript med stöd av lätt kodexekvering. Den omgivande applikationen ansvarar fortfarande för att köra en begärd funktion och returnera det faktiska resultatet. Håll ett färdigt resultat åtskilt från ett icke genomfört förslag eller en olöst fråga om indata.
Den exakta sidan för 3.5 Flash-Lite listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring och URL-kontext, med Computer Use som förhandsfunktion. Strukturerad utdata och tänkande stöds. För en persona eller uppgift över flera samtalsturer ska de faktiska instruktionerna och verktygsobservationerna behållas så att senare svar följer samma uppdrag. Utvecklarguiden lyfter fram starkare personakontinuitet än hos 3.1 Flash-Lite. Använd en kortfattad roll och ett utdatakontrakt i stället för att omdefiniera målet vid varje uppföljning.
Guiden fasar också ut äldre samplingsinställningar och förifyllda sista samtalsturer med modellrollen för den här utgåvan. Styr ett avgränsat svar med uttryckliga instruktioner eller ett schema i stället för att försöka inleda svaret i en syntetisk modellrollstur. Bevara Gemini 3-kontexten med thought signatures där gränssnittet kräver det och matcha funktionsresultat med deras anrop. Dessa förberedelseregler stödjer en fortsättning som fortfarande har det underlag som behövs för att slutföra samma uppdrag.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den exakta API-sidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, poster, historik och medier ingår alla i förberedelsen av indata. Alternativ för cachelagring, batch, Flex och Priority listas för tillverkarens profil. Vid upprepade förfrågningar ska stabila identifierare och ett kompakt, konsekvent svarsformat användas så att varje extraktion kan jämföras med sin källa. Ljud-, bild- eller videoindata ger en texttolkning eller transkription i den här profilen, snarare än genererat tal eller bildmaterial.
Möjliga begränsningar omfattar hallucinationer samt tillfälliga fördröjningar eller tidsgränsöverskridanden. Kunskapsgränsen är mars 2026, med vissa områden begränsade till januari 2025. Källberoende extraktion ska återge vad det tillhandahållna materialet stödjer; frågor om aktuella fakta behöver aktuella belägg. Jämfört med 3.1 Flash-Lite tillför profilen de dokumenterade förmågorna för exekvering och datoranvändning, medan 3.6 Flash betonar mer komplex programmering och rumsligt arbete. Granska extraherade fält, verktygsresultat och bevarade instruktioner innan svaret förs in i ett större arbetsflöde.
POST /v1beta/models/{model}:generateContenttext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältpath.model | Typstring | KravObligatoriskt | Värden & gränser gemini-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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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-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-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-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-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-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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-lite-latestGemini 3.5 Flash-Lite är Googles multimodala modell för avgränsade subagentuppgifter, dokumenttolkning och upprepad dataextraktion. Standardnivån minimal för resonemang passar avgränsade poster; medium eller high dokumenteras för verktygsarbete i flera steg. Den returnerar text eller strukturerade resultat från text, bilder, ljud, video och PDF.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.5 Flash-Lite är Googles exekveringsinriktade multimodala textprofil för upprepat dataarbete och avgränsade subagentuppgifter. Den bygger vidare på Gemini 3.1 Flash-Lite med förbättrad dokumentförståelse, tillförlitlighet vid verktygsanvändning och instruktionsefterlevnad över flera samtalsturer. Den tar emot text, bilder, ljud, video och PDF och returnerar text. Ett användbart resultat är en extraherad post, en klassificering, en kort översättning eller en avgränsad verktygsstödd analys inom en större uppgift.
För dokumenttolkning ska du definiera de fält som är viktiga och det underlag varje fält måste behålla. Tillhandahåll relevanta sidor och ange hur frånvarande eller tvetydig information ska representeras. Vid extraktion ur supportmeddelanden kan du extrahera en produktkod, det nämnda problemet och en stödjande mening ur ett supportmeddelande och behålla meddelandets identifierare i svaret. Om ett dokument har flera möjliga värden för ett fält får de inte i tysthet reduceras till ett enda gissat värde. Strukturerad JSON kan göra resultatet användbart för senare bearbetning när schemat motsvarar den faktiska uppgiften.
De dokumenterade tänkandenivåerna är minimal, low, medium och high, med minimal som standard. Tillverkaren rekommenderar den för extraktion, dirigering och klassificering i stor skala, medan medium eller high passar självständigt subagentarbete med verktygsanrop, kodexekvering eller flera resonemangssteg. Guiden rekommenderar särskilt en högre arbetsinsats för sådana längre uppgifter för att undvika att verktygsarbetet avslutas för tidigt. Extraktion av ett enda fält och en dokumentjämförelse med undantag har därför nytta av olika val av arbetsinsats. Minimal är en inställning som stöds av den här utgåvan och inte en allmän inställning som kan överföras till varje Flash-modell.
En fokuserad subagentbeskrivning bör innehålla ett uppdrag, dess källmaterial, tillåtna verktyg och den föreskrivna slutformen. Den kan till exempel undersöka en tabell utifrån en angiven regel och returnera berörda rader med relevanta värden. Tillverkaren lyfter också fram bearbetning av tabelldata och frontend-arbete i JavaScript med stöd av lätt kodexekvering. Den omgivande applikationen ansvarar fortfarande för att köra en begärd funktion och returnera det faktiska resultatet. Håll ett färdigt resultat åtskilt från ett icke genomfört förslag eller en olöst fråga om indata.
Den exakta sidan för 3.5 Flash-Lite listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring och URL-kontext, med Computer Use som förhandsfunktion. Strukturerad utdata och tänkande stöds. För en persona eller uppgift över flera samtalsturer ska de faktiska instruktionerna och verktygsobservationerna behållas så att senare svar följer samma uppdrag. Utvecklarguiden lyfter fram starkare personakontinuitet än hos 3.1 Flash-Lite. Använd en kortfattad roll och ett utdatakontrakt i stället för att omdefiniera målet vid varje uppföljning.
Guiden fasar också ut äldre samplingsinställningar och förifyllda sista samtalsturer med modellrollen för den här utgåvan. Styr ett avgränsat svar med uttryckliga instruktioner eller ett schema i stället för att försöka inleda svaret i en syntetisk modellrollstur. Bevara Gemini 3-kontexten med thought signatures där gränssnittet kräver det och matcha funktionsresultat med deras anrop. Dessa förberedelseregler stödjer en fortsättning som fortfarande har det underlag som behövs för att slutföra samma uppdrag.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den exakta API-sidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, poster, historik och medier ingår alla i förberedelsen av indata. Alternativ för cachelagring, batch, Flex och Priority listas för tillverkarens profil. Vid upprepade förfrågningar ska stabila identifierare och ett kompakt, konsekvent svarsformat användas så att varje extraktion kan jämföras med sin källa. Ljud-, bild- eller videoindata ger en texttolkning eller transkription i den här profilen, snarare än genererat tal eller bildmaterial.
Möjliga begränsningar omfattar hallucinationer samt tillfälliga fördröjningar eller tidsgränsöverskridanden. Kunskapsgränsen är mars 2026, med vissa områden begränsade till januari 2025. Källberoende extraktion ska återge vad det tillhandahållna materialet stödjer; frågor om aktuella fakta behöver aktuella belägg. Jämfört med 3.1 Flash-Lite tillför profilen de dokumenterade förmågorna för exekvering och datoranvändning, medan 3.6 Flash betonar mer komplex programmering och rumsligt arbete. Granska extraherade fält, verktygsresultat och bevarade instruktioner innan svaret förs in i ett större arbetsflöde.
POST /v1/messagestext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser gemini-flash-lite-latest | 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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-flash-lite-latest", "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-flash-lite-latest", "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-flash-lite-latest",\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-flash-lite-latest",\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-flash-lite-latest',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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
gemini-flash-lite-latestGemini 3.5 Flash-Lite är Googles multimodala modell för avgränsade subagentuppgifter, dokumenttolkning och upprepad dataextraktion. Standardnivån minimal för resonemang passar avgränsade poster; medium eller high dokumenteras för verktygsarbete i flera steg. Den returnerar text eller strukturerade resultat från text, bilder, ljud, video och PDF.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.5 Flash-Lite är Googles exekveringsinriktade multimodala textprofil för upprepat dataarbete och avgränsade subagentuppgifter. Den bygger vidare på Gemini 3.1 Flash-Lite med förbättrad dokumentförståelse, tillförlitlighet vid verktygsanvändning och instruktionsefterlevnad över flera samtalsturer. Den tar emot text, bilder, ljud, video och PDF och returnerar text. Ett användbart resultat är en extraherad post, en klassificering, en kort översättning eller en avgränsad verktygsstödd analys inom en större uppgift.
För dokumenttolkning ska du definiera de fält som är viktiga och det underlag varje fält måste behålla. Tillhandahåll relevanta sidor och ange hur frånvarande eller tvetydig information ska representeras. Vid extraktion ur supportmeddelanden kan du extrahera en produktkod, det nämnda problemet och en stödjande mening ur ett supportmeddelande och behålla meddelandets identifierare i svaret. Om ett dokument har flera möjliga värden för ett fält får de inte i tysthet reduceras till ett enda gissat värde. Strukturerad JSON kan göra resultatet användbart för senare bearbetning när schemat motsvarar den faktiska uppgiften.
De dokumenterade tänkandenivåerna är minimal, low, medium och high, med minimal som standard. Tillverkaren rekommenderar den för extraktion, dirigering och klassificering i stor skala, medan medium eller high passar självständigt subagentarbete med verktygsanrop, kodexekvering eller flera resonemangssteg. Guiden rekommenderar särskilt en högre arbetsinsats för sådana längre uppgifter för att undvika att verktygsarbetet avslutas för tidigt. Extraktion av ett enda fält och en dokumentjämförelse med undantag har därför nytta av olika val av arbetsinsats. Minimal är en inställning som stöds av den här utgåvan och inte en allmän inställning som kan överföras till varje Flash-modell.
En fokuserad subagentbeskrivning bör innehålla ett uppdrag, dess källmaterial, tillåtna verktyg och den föreskrivna slutformen. Den kan till exempel undersöka en tabell utifrån en angiven regel och returnera berörda rader med relevanta värden. Tillverkaren lyfter också fram bearbetning av tabelldata och frontend-arbete i JavaScript med stöd av lätt kodexekvering. Den omgivande applikationen ansvarar fortfarande för att köra en begärd funktion och returnera det faktiska resultatet. Håll ett färdigt resultat åtskilt från ett icke genomfört förslag eller en olöst fråga om indata.
Den exakta sidan för 3.5 Flash-Lite listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring och URL-kontext, med Computer Use som förhandsfunktion. Strukturerad utdata och tänkande stöds. För en persona eller uppgift över flera samtalsturer ska de faktiska instruktionerna och verktygsobservationerna behållas så att senare svar följer samma uppdrag. Utvecklarguiden lyfter fram starkare personakontinuitet än hos 3.1 Flash-Lite. Använd en kortfattad roll och ett utdatakontrakt i stället för att omdefiniera målet vid varje uppföljning.
Guiden fasar också ut äldre samplingsinställningar och förifyllda sista samtalsturer med modellrollen för den här utgåvan. Styr ett avgränsat svar med uttryckliga instruktioner eller ett schema i stället för att försöka inleda svaret i en syntetisk modellrollstur. Bevara Gemini 3-kontexten med thought signatures där gränssnittet kräver det och matcha funktionsresultat med deras anrop. Dessa förberedelseregler stödjer en fortsättning som fortfarande har det underlag som behövs för att slutföra samma uppdrag.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den exakta API-sidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, poster, historik och medier ingår alla i förberedelsen av indata. Alternativ för cachelagring, batch, Flex och Priority listas för tillverkarens profil. Vid upprepade förfrågningar ska stabila identifierare och ett kompakt, konsekvent svarsformat användas så att varje extraktion kan jämföras med sin källa. Ljud-, bild- eller videoindata ger en texttolkning eller transkription i den här profilen, snarare än genererat tal eller bildmaterial.
Möjliga begränsningar omfattar hallucinationer samt tillfälliga fördröjningar eller tidsgränsöverskridanden. Kunskapsgränsen är mars 2026, med vissa områden begränsade till januari 2025. Källberoende extraktion ska återge vad det tillhandahållna materialet stödjer; frågor om aktuella fakta behöver aktuella belägg. Jämfört med 3.1 Flash-Lite tillför profilen de dokumenterade förmågorna för exekvering och datoranvändning, medan 3.6 Flash betonar mer komplex programmering och rumsligt arbete. Granska extraherade fält, verktygsresultat och bevarade instruktioner innan svaret förs in i ett större arbetsflöde.
POST /v1beta/models/{model}:generateContenttext, imagetext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältpath.model | Typstring | KravObligatoriskt | Värden & gränser gemini-flash-lite-latest | 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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-flash-lite-latest: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-flash-lite-latest: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-flash-lite-latest", 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-flash-lite-latest", 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-flash-lite-latest',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-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
google/gemini-3.5-flash-liteGemini 3.5 Flash-Lite är Googles multimodala modell för avgränsade subagentuppgifter, dokumenttolkning och upprepad dataextraktion. Standardnivån minimal för resonemang passar avgränsade poster; medium eller high dokumenteras för verktygsarbete i flera steg. Den returnerar text eller strukturerade resultat från text, bilder, ljud, video och PDF.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.5 Flash-Lite är Googles exekveringsinriktade multimodala textprofil för upprepat dataarbete och avgränsade subagentuppgifter. Den bygger vidare på Gemini 3.1 Flash-Lite med förbättrad dokumentförståelse, tillförlitlighet vid verktygsanvändning och instruktionsefterlevnad över flera samtalsturer. Den tar emot text, bilder, ljud, video och PDF och returnerar text. Ett användbart resultat är en extraherad post, en klassificering, en kort översättning eller en avgränsad verktygsstödd analys inom en större uppgift.
För dokumenttolkning ska du definiera de fält som är viktiga och det underlag varje fält måste behålla. Tillhandahåll relevanta sidor och ange hur frånvarande eller tvetydig information ska representeras. Vid extraktion ur supportmeddelanden kan du extrahera en produktkod, det nämnda problemet och en stödjande mening ur ett supportmeddelande och behålla meddelandets identifierare i svaret. Om ett dokument har flera möjliga värden för ett fält får de inte i tysthet reduceras till ett enda gissat värde. Strukturerad JSON kan göra resultatet användbart för senare bearbetning när schemat motsvarar den faktiska uppgiften.
De dokumenterade tänkandenivåerna är minimal, low, medium och high, med minimal som standard. Tillverkaren rekommenderar den för extraktion, dirigering och klassificering i stor skala, medan medium eller high passar självständigt subagentarbete med verktygsanrop, kodexekvering eller flera resonemangssteg. Guiden rekommenderar särskilt en högre arbetsinsats för sådana längre uppgifter för att undvika att verktygsarbetet avslutas för tidigt. Extraktion av ett enda fält och en dokumentjämförelse med undantag har därför nytta av olika val av arbetsinsats. Minimal är en inställning som stöds av den här utgåvan och inte en allmän inställning som kan överföras till varje Flash-modell.
En fokuserad subagentbeskrivning bör innehålla ett uppdrag, dess källmaterial, tillåtna verktyg och den föreskrivna slutformen. Den kan till exempel undersöka en tabell utifrån en angiven regel och returnera berörda rader med relevanta värden. Tillverkaren lyfter också fram bearbetning av tabelldata och frontend-arbete i JavaScript med stöd av lätt kodexekvering. Den omgivande applikationen ansvarar fortfarande för att köra en begärd funktion och returnera det faktiska resultatet. Håll ett färdigt resultat åtskilt från ett icke genomfört förslag eller en olöst fråga om indata.
Den exakta sidan för 3.5 Flash-Lite listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring och URL-kontext, med Computer Use som förhandsfunktion. Strukturerad utdata och tänkande stöds. För en persona eller uppgift över flera samtalsturer ska de faktiska instruktionerna och verktygsobservationerna behållas så att senare svar följer samma uppdrag. Utvecklarguiden lyfter fram starkare personakontinuitet än hos 3.1 Flash-Lite. Använd en kortfattad roll och ett utdatakontrakt i stället för att omdefiniera målet vid varje uppföljning.
Guiden fasar också ut äldre samplingsinställningar och förifyllda sista samtalsturer med modellrollen för den här utgåvan. Styr ett avgränsat svar med uttryckliga instruktioner eller ett schema i stället för att försöka inleda svaret i en syntetisk modellrollstur. Bevara Gemini 3-kontexten med thought signatures där gränssnittet kräver det och matcha funktionsresultat med deras anrop. Dessa förberedelseregler stödjer en fortsättning som fortfarande har det underlag som behövs för att slutföra samma uppdrag.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den exakta API-sidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, poster, historik och medier ingår alla i förberedelsen av indata. Alternativ för cachelagring, batch, Flex och Priority listas för tillverkarens profil. Vid upprepade förfrågningar ska stabila identifierare och ett kompakt, konsekvent svarsformat användas så att varje extraktion kan jämföras med sin källa. Ljud-, bild- eller videoindata ger en texttolkning eller transkription i den här profilen, snarare än genererat tal eller bildmaterial.
Möjliga begränsningar omfattar hallucinationer samt tillfälliga fördröjningar eller tidsgränsöverskridanden. Kunskapsgränsen är mars 2026, med vissa områden begränsade till januari 2025. Källberoende extraktion ska återge vad det tillhandahållna materialet stödjer; frågor om aktuella fakta behöver aktuella belägg. Jämfört med 3.1 Flash-Lite tillför profilen de dokumenterade förmågorna för exekvering och datoranvändning, medan 3.6 Flash betonar mer komplex programmering och rumsligt arbete. Granska extraherade fält, verktygsresultat och bevarade instruktioner innan svaret förs in i ett större arbetsflöde.
POST /v1/chat/completionstexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-3.5-flash-lite | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser Exempel: system, user, assistant, tool, function Villkor: Dessa roller representeras uttryckligen av källkodens kompatibilitetstyper; den exakta rolluppsättningen är fortfarande modellspecifik. Beror på modellen | Standard— |
Fältmessages[].content | Typstring|content_part[]|null | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_calls | Typtool_call[] | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].tool_call_id | Typstring | KravValfritt | Värden & gränser Gäller när: role=tool; använd det faktiska returnerade ID:t | Standard— |
Fältmessages[].name | Typstring | KravValfritt | Värden & gränser | Standard— |
Fältmessages[].reasoning_content | Typstring | KravValfritt | Värden & gränser Gäller när: Skicka tillbaka det faktiska returnerade resonemanget när modellen använder det | Standard— |
Fältmessages[].reasoning_details | Typobject|array | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmax_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältmax_completion_tokens | Typinteger | KravValfritt | Värden & gränser Minimum: 1 Beror på modellen | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Fältstream_options.include_usage | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttemperature | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttop_p | Typnumber | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältstop | Typstring|string[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools | Typfunction_tool[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fälttools[].type | Typstring | KravValfritt | Värden & gränser function Beror på modellen | Standard— |
Fälttools[].function.name | Typstring | KravObligatoriskt | Värden & gränser Gäller när: verktyg av typen funktion har tillhandahållits | Standard— |
Fälttools[].function.description | Typstring | KravValfritt | Värden & gränser | Standard— |
Fälttools[].function.parameters | TypJSON_schema | KravValfritt | Värden & gränser | Standard— |
Fälttool_choice | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältparallel_tool_calls | Typboolean | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältresponse_format | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning_effort | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältreasoning | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältservice_tier | Typstring | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältinstructions | Typstring | KravValfritt | Värden & gränser Kompatibilitetsfält | Standard— |
Fältfunctions | Typfunction[] | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältfunction_call | Typstring|object | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältprompt_cache_options | Typobject | KravValfritt | Värden & gränser Beror på modellen | Standard— |
Fältmodalities | Typstring[] | KravValfritt | Värden & gränser text | Standard— |
Fältprovider | Typobject | KravValfritt | Värden & gränser Villkor: provider.options avvisas på denna Ultra-textrutt | Standard— |
Fältcache_control.ttl | Typstring | KravValfritt | Värden & gränser Villkor: 1h avvisas på de faktiska platserna för promptcache | Standard— |
Text · UTF8-text
messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages |
Parametermaterial_types | Avtaltext |
Parametermessages | Avtalmeddelandearray med strukturen role/content |
Parameterfile_material | Avtaldet faktiska UTF-8-dokumentet infogat som bokstavlig text; inget fil-ID härleds |
Parameteroptional_controls | Avtalstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Avtalmodellspecifikt; användarens funktionsverktyg skiljer sig från värdbaserade verktyg |
Parameteroutput_modalities | Avtaltext |
Parameterhosted_operations | Avtalfalse |
Parametermultimodal_input_binding | Avtalnull |
Livscykel: synchronous_or_streamed
Skicka det exakta modell-ID:t tillsammans med messages.
Kontextlängden är inte en utdatagräns.
En textfil kan tillhandahålla bokstavlig text; bild-/ljud-/filobjektsindata kräver exakt bindning.
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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-3.5-flash-lite", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-3.5-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-3.5-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll varje svarsalternativ och dess innehåll/verktygsanrop/resonemang. Sätt i SSE samman deltauppdateringar efter svarsalternativets/verktygets index och behåll den slutliga avslutsorsaken och användningsuppgifterna.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältchoices[].index | Typinteger |
Fältchoices[].message.content | Typstring|null |
Fältchoices[].message.tool_calls | Typtool_call[] |
Fältchoices[].message.reasoning_content | Typstring |
Fältchoices[].message.reasoning_details | Typobject|array |
Fältchoices[].finish_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
google/gemini-3.5-flash-liteGemini 3.5 Flash-Lite är Googles multimodala modell för avgränsade subagentuppgifter, dokumenttolkning och upprepad dataextraktion. Standardnivån minimal för resonemang passar avgränsade poster; medium eller high dokumenteras för verktygsarbete i flera steg. Den returnerar text eller strukturerade resultat från text, bilder, ljud, video och PDF.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 3.5 Flash-Lite är Googles exekveringsinriktade multimodala textprofil för upprepat dataarbete och avgränsade subagentuppgifter. Den bygger vidare på Gemini 3.1 Flash-Lite med förbättrad dokumentförståelse, tillförlitlighet vid verktygsanvändning och instruktionsefterlevnad över flera samtalsturer. Den tar emot text, bilder, ljud, video och PDF och returnerar text. Ett användbart resultat är en extraherad post, en klassificering, en kort översättning eller en avgränsad verktygsstödd analys inom en större uppgift.
För dokumenttolkning ska du definiera de fält som är viktiga och det underlag varje fält måste behålla. Tillhandahåll relevanta sidor och ange hur frånvarande eller tvetydig information ska representeras. Vid extraktion ur supportmeddelanden kan du extrahera en produktkod, det nämnda problemet och en stödjande mening ur ett supportmeddelande och behålla meddelandets identifierare i svaret. Om ett dokument har flera möjliga värden för ett fält får de inte i tysthet reduceras till ett enda gissat värde. Strukturerad JSON kan göra resultatet användbart för senare bearbetning när schemat motsvarar den faktiska uppgiften.
De dokumenterade tänkandenivåerna är minimal, low, medium och high, med minimal som standard. Tillverkaren rekommenderar den för extraktion, dirigering och klassificering i stor skala, medan medium eller high passar självständigt subagentarbete med verktygsanrop, kodexekvering eller flera resonemangssteg. Guiden rekommenderar särskilt en högre arbetsinsats för sådana längre uppgifter för att undvika att verktygsarbetet avslutas för tidigt. Extraktion av ett enda fält och en dokumentjämförelse med undantag har därför nytta av olika val av arbetsinsats. Minimal är en inställning som stöds av den här utgåvan och inte en allmän inställning som kan överföras till varje Flash-modell.
En fokuserad subagentbeskrivning bör innehålla ett uppdrag, dess källmaterial, tillåtna verktyg och den föreskrivna slutformen. Den kan till exempel undersöka en tabell utifrån en angiven regel och returnera berörda rader med relevanta värden. Tillverkaren lyfter också fram bearbetning av tabelldata och frontend-arbete i JavaScript med stöd av lätt kodexekvering. Den omgivande applikationen ansvarar fortfarande för att köra en begärd funktion och returnera det faktiska resultatet. Håll ett färdigt resultat åtskilt från ett icke genomfört förslag eller en olöst fråga om indata.
Den exakta sidan för 3.5 Flash-Lite listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring och URL-kontext, med Computer Use som förhandsfunktion. Strukturerad utdata och tänkande stöds. För en persona eller uppgift över flera samtalsturer ska de faktiska instruktionerna och verktygsobservationerna behållas så att senare svar följer samma uppdrag. Utvecklarguiden lyfter fram starkare personakontinuitet än hos 3.1 Flash-Lite. Använd en kortfattad roll och ett utdatakontrakt i stället för att omdefiniera målet vid varje uppföljning.
Guiden fasar också ut äldre samplingsinställningar och förifyllda sista samtalsturer med modellrollen för den här utgåvan. Styr ett avgränsat svar med uttryckliga instruktioner eller ett schema i stället för att försöka inleda svaret i en syntetisk modellrollstur. Bevara Gemini 3-kontexten med thought signatures där gränssnittet kräver det och matcha funktionsresultat med deras anrop. Dessa förberedelseregler stödjer en fortsättning som fortfarande har det underlag som behövs för att slutföra samma uppdrag.
Det ursprungliga modellkortet anger upp till 1M kontext och 64K textutdata; den exakta API-sidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, poster, historik och medier ingår alla i förberedelsen av indata. Alternativ för cachelagring, batch, Flex och Priority listas för tillverkarens profil. Vid upprepade förfrågningar ska stabila identifierare och ett kompakt, konsekvent svarsformat användas så att varje extraktion kan jämföras med sin källa. Ljud-, bild- eller videoindata ger en texttolkning eller transkription i den här profilen, snarare än genererat tal eller bildmaterial.
Möjliga begränsningar omfattar hallucinationer samt tillfälliga fördröjningar eller tidsgränsöverskridanden. Kunskapsgränsen är mars 2026, med vissa områden begränsade till januari 2025. Källberoende extraktion ska återge vad det tillhandahållna materialet stödjer; frågor om aktuella fakta behöver aktuella belägg. Jämfört med 3.1 Flash-Lite tillför profilen de dokumenterade förmågorna för exekvering och datoranvändning, medan 3.6 Flash betonar mer komplex programmering och rumsligt arbete. Granska extraherade fält, verktygsresultat och bevarade instruktioner innan svaret förs in i ett större arbetsflöde.
POST /v1/messagestextjson, sse| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-3.5-flash-lite | Standard— |
Fältmessages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältmessages[].role | Typstring | KravObligatoriskt | Värden & gränser user, assistant | Standard— |
Fältmessages[].content | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältmax_tokens | Typinteger | KravObligatoriskt | Värden & gränser | Standard— |
Fältstream | Typboolean | KravValfritt | Värden & gränser | Standardfalse |
Text · UTF-8-text
sträng i messages[].content
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalmodel, messages, max_tokens |
Parameteroptional_controls | Avtalstream |
Parametermaterial_types | Avtaltext |
Parametertext_file_material | AvtalLäs det faktiska UTF-8-dokumentet och placera texten i det angivna input-fältet eller i strängen för meddelandets innehåll. |
Livscykel: synchronous_or_streamed
Tariffuppgifter lägger inte till begäransalternativ. Parametrar som stöds anges för den valda metoden.
Matcha varje avgift mot de visade villkoren. Använd ett pris för varje uppsättning alternativa konfigurationer.
| Konfiguration | Prislista | Kontexttoken, fler än | Kontexttoken, upp till och med | Avgift |
|---|---|---|---|---|
| KonfigurationGrundpriser för token | PrislistaGrundpris | Kontexttoken, fler än— | Kontexttoken, upp till och medIngen övre gräns | Avgift Indata · Indatatoken $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 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 $0.0006 / 1K token Utdata · Utdatatoken $0.005 / 1K token Indata · Cacheläsning $0.00006 / 1K token Indata · Skrivning till cache $0.0001666666666666666 / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
{\n "model": "google/gemini-3.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON eller SSE
Behåll varje fullständigt returnerat svar, fil och innehållsdel.
Behåll alla innehållsblock, resonemangssignaturer och faktiska ID:n för verktygsanvändning. Sätt samman alla SSE-deltauppdateringar för blocken; ett första textblock är inte hela utdata.
Behåll begärans/svarets ID:n och huvuden. Ingen generell URL för hämtning av textjobb tillhandahålls.
| Fält | Typ |
|---|---|
Fältid | Typstring |
Fältmodel | Typstring |
Fältcontent[] | Typtext|thinking|tool_use|other content block |
Fältstop_reason | Typstring|null |
Fältusage | Typobject |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorOgiltiga obligatoriska fält, ogiltig representation av underlaget eller ogiltigt parametervärde | Nästa stegKorrigera de angivna fälten före en ny begäran om att skapa. |
Ailoot gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest
Ailoot Ultra gemini-3.5-flash-lite, google/gemini-3.5-flash-lite
/chat/completions
google/gemini-3.5-flash-lite, gemini-flash-lite, gemini-flash-lite-latest, gemini-3.5-flash-lite, gemini-3.5-flash-lite
Tekniskt exempel på engelska
Extract a support message record\n\nExtract fields from message S-91: "The pump P-28 stopped after ten minutes. I bought two, but only one has this issue. Please arrange a replacement." Return message ID, product code, issue, purchased quantity and affected quantity in a small table. Include the exact supporting phrase for each extracted value.A field/value/evidence table retaining S-91 and separating purchased from affected quantity.Check that two purchased pumps do not become two defective pumps.