Gemini 2.5 Flash-Lite är Googles stabila, lätta profil för översättning, klassificering och enkel dataextraktion i stor skala. Dess hybridresonemang kan använda eller utelämna tänkande beroende på uppgiften. Den tar emot text, bilder, ljud, video och PDF och producerar text. Ett användbart resultat är en kategori, en kortfattad översättning, en post extraherad ur tillhandahållet material eller en avgränsad skriftlig förklaring.
För klassificering ska du definiera kategorier, beslutsregel och svarsform. Behåll källidentifieraren i ett resultat när flera oberoende objekt bearbetas. För klassificering av supportmeddelanden kan du klassificera ett supportmeddelande efter problemtyp och returnera meningen som stödjer kategorin. Inkludera en regel för saknade eller tvetydiga belägg så att ett flytande svar inte fyller ett obligatoriskt fält med en gissning. Modellens lätta roll är mest användbar när indata och önskat resultat är tydligt specificerade.
Tänkande är avstängt som standard i den dokumenterade konfigurationen för 2.5 Flash-Lite. Googles guide för tänkande i GenerateContent tillåter en uttrycklig tänkandebudget från 512 till 24,576 token, noll för att behålla tänkandet avstängt och -1 för att begära dynamiskt tänkande. Det är reglage för resonemangsbudgeten, skilda från utrymmet för det slutliga svaret. Aktivera ytterligare resonemang när en extraktion har samverkande villkor eller en klassificering har undantag; en enkel omvandling kan behålla standardbeteendet utan tänkande. Guiden påpekar att modellen kan använda fler eller färre tänkandetoken än den begärda budgeten.
För översättning ska du ange målspråk, målgrupp och termer som ska bevaras. Specificera om resultatet ska innehålla endast översättningen eller en märkt post. För dokumentextraktion ska du definiera fälten och begära källpassager som låter utdata kontrolleras. För en inspelning ska du skilja en transkription från en sammanfattning och identifiera det relevanta avsnittet. Bilder eller video kan bidra med underlag för ett textsvar. Den önskade artefakten ska förbli tydlig även när indata kombinerar flera medietyper.
Den exakta stabila tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Funktioner behöver ett tydligt syfte och definierade parametrar; den anslutna applikationen utför åtgärden och tillhandahåller resultatet. För schemabaserad extraktion ska du validera den returnerade strukturen och jämföra dess värden med originalmaterialet. Ett verktygsbeslut eller en välformad post är bara till nytta i kontexten av källan och faktiskt returnerade belägg.
Det ursprungliga kortet anger ett kontextfönster på 1M och 64K textutdata. API-modellsidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, källinnehåll och bevarat samtal förbrukar indatabudgeten, medan resonemang och ett svarstak påverkar om slutresultatet får plats. Cachelagring, batch samt Flex- och Priority-bearbetning listas för tillverkarens profil. För upprepade uppgifter ska samma kategori- eller fältdefinitioner behållas och identifierare föras genom resultatet så att en senare granskning kan hitta ursprungsobjektet.
Den här stabila profilen är separat från Preview-varianterna från juni och september som beskrivs på andra ställen i familjen. Det gemensamma ursprungliga kortet märker förbättringar i September Preview, inklusive instruktionsefterlevnad och koncishet, specifikt för den förhandsversionen; de ska inte i tysthet överföras till den stabila identifieraren. Senare Flash-Lite-generationer använder också andra reglage för tänkande och kapacitetstabeller. Bevara utgåvan och välj de inställningar som dokumenteras för den i stället för att ersätta budgetarna i 2.5 med syntax för tänkandenivåer i Gemini 3.
Kortet listar hallucinationer och begränsningar i kausal förståelse, komplex logisk deduktion och kontrafaktiskt resonemang och anger en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg eller använd ett dokumenterat förankringsflöde när nyare fakta är viktiga. Granska översättningar för betydelse, extraherade fält för stöd i källan och transkriptioner mot ljudet. Ett fokuserat, litet resultat gör granskningen praktisk utan att behandla ett välformulerat svar som bevis på att källan innehöll den påstådda detaljen.
", "aboutText": "Gemini 2.5 Flash-Lite är Googles stabila, lätta profil för översättning, klassificering och enkel dataextraktion i stor skala. Dess hybridresonemang kan använda eller utelämna tänkande beroende på uppgiften. Den tar emot text, bilder, ljud, video och PDF och producerar text. Ett användbart resultat är en kategori, en kortfattad översättning, en post extraherad ur tillhandahållet material eller en avgränsad skriftlig förklaring.\n\nFör klassificering ska du definiera kategorier, beslutsregel och svarsform. Behåll källidentifieraren i ett resultat när flera oberoende objekt bearbetas. För klassificering av supportmeddelanden kan du klassificera ett supportmeddelande efter problemtyp och returnera meningen som stödjer kategorin. Inkludera en regel för saknade eller tvetydiga belägg så att ett flytande svar inte fyller ett obligatoriskt fält med en gissning. Modellens lätta roll är mest användbar när indata och önskat resultat är tydligt specificerade.\n\nTänkande är avstängt som standard i den dokumenterade konfigurationen för 2.5 Flash-Lite. Googles guide för tänkande i GenerateContent tillåter en uttrycklig tänkandebudget från 512 till 24,576 token, noll för att behålla tänkandet avstängt och -1 för att begära dynamiskt tänkande. Det är reglage för resonemangsbudgeten, skilda från utrymmet för det slutliga svaret. Aktivera ytterligare resonemang när en extraktion har samverkande villkor eller en klassificering har undantag; en enkel omvandling kan behålla standardbeteendet utan tänkande. Guiden påpekar att modellen kan använda fler eller färre tänkandetoken än den begärda budgeten.\n\nFör översättning ska du ange målspråk, målgrupp och termer som ska bevaras. Specificera om resultatet ska innehålla endast översättningen eller en märkt post. För dokumentextraktion ska du definiera fälten och begära källpassager som låter utdata kontrolleras. För en inspelning ska du skilja en transkription från en sammanfattning och identifiera det relevanta avsnittet. Bilder eller video kan bidra med underlag för ett textsvar. Den önskade artefakten ska förbli tydlig även när indata kombinerar flera medietyper.\n\nDen exakta stabila tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Funktioner behöver ett tydligt syfte och definierade parametrar; den anslutna applikationen utför åtgärden och tillhandahåller resultatet. För schemabaserad extraktion ska du validera den returnerade strukturen och jämföra dess värden med originalmaterialet. Ett verktygsbeslut eller en välformad post är bara till nytta i kontexten av källan och faktiskt returnerade belägg.\n\nDet ursprungliga kortet anger ett kontextfönster på 1M och 64K textutdata. API-modellsidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, källinnehåll och bevarat samtal förbrukar indatabudgeten, medan resonemang och ett svarstak påverkar om slutresultatet får plats. Cachelagring, batch samt Flex- och Priority-bearbetning listas för tillverkarens profil. För upprepade uppgifter ska samma kategori- eller fältdefinitioner behållas och identifierare föras genom resultatet så att en senare granskning kan hitta ursprungsobjektet.\n\nDen här stabila profilen är separat från Preview-varianterna från juni och september som beskrivs på andra ställen i familjen. Det gemensamma ursprungliga kortet märker förbättringar i September Preview, inklusive instruktionsefterlevnad och koncishet, specifikt för den förhandsversionen; de ska inte i tysthet överföras till den stabila identifieraren. Senare Flash-Lite-generationer använder också andra reglage för tänkande och kapacitetstabeller. Bevara utgåvan och välj de inställningar som dokumenteras för den i stället för att ersätta budgetarna i 2.5 med syntax för tänkandenivåer i Gemini 3.\n\nKortet listar hallucinationer och begränsningar i kausal förståelse, komplex logisk deduktion och kontrafaktiskt resonemang och anger en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg eller använd ett dokumenterat förankringsflöde när nyare fakta är viktiga. Granska översättningar för betydelse, extraherade fält för stöd i källan och transkriptioner mot ljudet. Ett fokuserat, litet resultat gör granskningen praktisk utan att behandla ett välformulerat svar som bevis på att källan innehöll den påstådda detaljen.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "b3e6f9ca37087f9347d55b0f4ce3265d899deeaadefae7d4ae0fad3035565ab7", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "sv", "methods": [ { "html": "google/gemini-2.5-flash-lite:batchGemini 2.5 Flash-Lite är Googles stabila multimodala textmodell för återkommande klassificering, översättning och enkel extraktion. Tänkande är avstängt som standard och kan aktiveras med en resonemangsbudget på 512–24,576 token. Den tar emot text och medier, med verktyg, strukturerad utdata och en indatagräns på 1,048,576 token.
Den här beskrivningen omfattar modellens förmågor. Tillgängliga indata, utdata och alternativ i Ailoot anges nedan för den valda metoden.
Gemini 2.5 Flash-Lite är Googles stabila, lätta profil för översättning, klassificering och enkel dataextraktion i stor skala. Dess hybridresonemang kan använda eller utelämna tänkande beroende på uppgiften. Den tar emot text, bilder, ljud, video och PDF och producerar text. Ett användbart resultat är en kategori, en kortfattad översättning, en post extraherad ur tillhandahållet material eller en avgränsad skriftlig förklaring.
För klassificering ska du definiera kategorier, beslutsregel och svarsform. Behåll källidentifieraren i ett resultat när flera oberoende objekt bearbetas. För klassificering av supportmeddelanden kan du klassificera ett supportmeddelande efter problemtyp och returnera meningen som stödjer kategorin. Inkludera en regel för saknade eller tvetydiga belägg så att ett flytande svar inte fyller ett obligatoriskt fält med en gissning. Modellens lätta roll är mest användbar när indata och önskat resultat är tydligt specificerade.
Tänkande är avstängt som standard i den dokumenterade konfigurationen för 2.5 Flash-Lite. Googles guide för tänkande i GenerateContent tillåter en uttrycklig tänkandebudget från 512 till 24,576 token, noll för att behålla tänkandet avstängt och -1 för att begära dynamiskt tänkande. Det är reglage för resonemangsbudgeten, skilda från utrymmet för det slutliga svaret. Aktivera ytterligare resonemang när en extraktion har samverkande villkor eller en klassificering har undantag; en enkel omvandling kan behålla standardbeteendet utan tänkande. Guiden påpekar att modellen kan använda fler eller färre tänkandetoken än den begärda budgeten.
För översättning ska du ange målspråk, målgrupp och termer som ska bevaras. Specificera om resultatet ska innehålla endast översättningen eller en märkt post. För dokumentextraktion ska du definiera fälten och begära källpassager som låter utdata kontrolleras. För en inspelning ska du skilja en transkription från en sammanfattning och identifiera det relevanta avsnittet. Bilder eller video kan bidra med underlag för ett textsvar. Den önskade artefakten ska förbli tydlig även när indata kombinerar flera medietyper.
Den exakta stabila tabellen listar funktionsanrop, kodexekvering, filsökning, sökförankring, Maps-förankring, URL-kontext och strukturerad utdata. Funktioner behöver ett tydligt syfte och definierade parametrar; den anslutna applikationen utför åtgärden och tillhandahåller resultatet. För schemabaserad extraktion ska du validera den returnerade strukturen och jämföra dess värden med originalmaterialet. Ett verktygsbeslut eller en välformad post är bara till nytta i kontexten av källan och faktiskt returnerade belägg.
Det ursprungliga kortet anger ett kontextfönster på 1M och 64K textutdata. API-modellsidan anger 1,048,576 indatatoken och 65,536 utdatatoken. Instruktioner, källinnehåll och bevarat samtal förbrukar indatabudgeten, medan resonemang och ett svarstak påverkar om slutresultatet får plats. Cachelagring, batch samt Flex- och Priority-bearbetning listas för tillverkarens profil. För upprepade uppgifter ska samma kategori- eller fältdefinitioner behållas och identifierare föras genom resultatet så att en senare granskning kan hitta ursprungsobjektet.
Den här stabila profilen är separat från Preview-varianterna från juni och september som beskrivs på andra ställen i familjen. Det gemensamma ursprungliga kortet märker förbättringar i September Preview, inklusive instruktionsefterlevnad och koncishet, specifikt för den förhandsversionen; de ska inte i tysthet överföras till den stabila identifieraren. Senare Flash-Lite-generationer använder också andra reglage för tänkande och kapacitetstabeller. Bevara utgåvan och välj de inställningar som dokumenteras för den i stället för att ersätta budgetarna i 2.5 med syntax för tänkandenivåer i Gemini 3.
Kortet listar hallucinationer och begränsningar i kausal förståelse, komplex logisk deduktion och kontrafaktiskt resonemang och anger en kunskapsgräns i januari 2025. Tillhandahåll aktuella belägg eller använd ett dokumenterat förankringsflöde när nyare fakta är viktiga. Granska översättningar för betydelse, extraherade fält för stöd i källan och transkriptioner mot ljudet. Ett fokuserat, litet resultat gör granskningen praktisk utan att behandla ett välformulerat svar som bevis på att källan innehöll den påstådda detaljen.
POST /v1/batchestexttext| Fält | Typ | Krav | Värden & gränser | Standard |
|---|---|---|---|---|
Fältendpoint | Typstring | KravObligatoriskt | Värden & gränser /v1/chat/completions | Standard— |
Fältmodel | Typstring | KravObligatoriskt | Värden & gränser google/gemini-2.5-flash-lite:batch | Standard— |
Fältrequests | Typbatch_item[] | KravObligatoriskt | Värden & gränser Minsta antal objekt: 1 | Standard— |
Fältrequests[].custom_id | Typstring | KravObligatoriskt | Värden & gränser | Standard— |
Fältrequests[].body.messages | Typmessage[] | KravObligatoriskt | Värden & gränser | Standard— |
Fältcompletion_window | Typstring | KravValfritt | Värden & gränser 24h | Standard— |
Fältprovider | Typobject|null | KravValfritt | Värden & gränser | Standard— |
Fältrequests[].body.model | Typstring | KravValfritt | Värden & gränser google/gemini-2.5-flash-lite:batch, google/gemini-2.5-flash-lite | Standard— |
Fältprovider.only | Typstring[] | KravValfritt | Värden & gränser google-ai-studio | Standard— |
Fältprovider.allow_fallbacks | Typboolean|null | KravValfritt | Värden & gränser false, null | Standard— |
| Parameter | Avtal |
|---|---|
Parametercontent_type | Avtalapplication/json |
Parameterrequired | Avtalendpoint, model, requests |
Parametermaterial_types | Avtaltext |
Parameterrepresentation | AvtalInbäddade requests[]; varje objekt har custom_id och body |
Parameterrequest_endpoint_profile | Avtal/v1/chat/completions |
Parameterfile_material | AvtalDen anropande klienten kan läsa in faktiska UTF-8 JSONL-data lokalt i requests[]. Inget uppladdningssyfte, input_file_id eller någon filreferens används. Om kundmaterial saknas eller är tomt avbryts förberedelserna före POST. |
Parameterserialization_order | Avtalendpoint, model, provider (om angivet), completion_window (om angivet), requests sist |
Parameteroptional_controls | Avtalprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | AvtalFörfrågningskroppar för Text Chat Completions i det dokumenterade inbäddade Batch-formatet. |
Livscykel: asynchronous
GET /v1/batches/{operation_id} · Det faktiska response.id från det ursprungliga skapandesvaret; samma användare/nyckel/grupp
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 $0.0001 / 1K token Utdata · Utdatatoken $0.0004 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache — / 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 $0.0001 / 1K token Utdata · Utdatatoken $0.0004 / 1K token Indata · Cacheläsning $0.00002 / 1K token Indata · Skrivning till cache — / 1K token Indata · Skrivning till cache, 1 tim — / 1K token |
Ailoot reserverar ett uppskattat belopp före en begäran. Efter resultatet slutregleras avgiften utifrån uppmätt förbrukning. Slutreglering för strömning använder den slutliga förbrukningsposten. Så fungerar reservation och slutreglering →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-2.5-flash-lite:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-2.5-flash-lite:batch', 'google/gemini-2.5-flash-lite']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-2.5-flash-lite:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON i inbäddade results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBehåll varje fullständigt returnerat svar, fil och innehållsdel.
Spara hela det ursprungliga statusobjektet i JSON, varje resultat/custom_id och hela svars- eller felkroppen. Spara slutförda results[] som JSONL utan filtrering.
Behåll det ursprungliga operations-ID:t. Vid 503 result_pending_check gäller X-Should-Retry:false; skicka aldrig om en ursprunglig batch med okänt utfall.
| Fält | Typ |
|---|---|
Fältresults[].custom_id | Typstring |
Fältresults[].response.body.choices[].message.content | Typstring|null |
Fältresults[].error | Typobject|null |
Fältusage | Typobject|null |
Fältid | Typstring |
Fältmodel | Typstring |
Fältendpoint | Typstring |
Fältstatus | Typstring |
Fältrequest_counts | Typobject |
Fältresults[].id | Typstring |
Fältresults[].response.status_code | Typinteger |
Fältresults[].response.request_id | Typstring |
| Svar | Villkor | Nästa steg |
|---|---|---|
Svar400 · invalid_request_error | VillkorFörfrågan har ett ogiltigt inbäddat format enligt dokumentationen, duplicerade nycklar eller en felaktig objektidentitet, eller står i konflikt med modellens konfigurerade funktioner. | Nästa stegRätta de angivna fälten innan du skickar en ny förfrågan. |
Svar401 · authentication_error | VillkorOgiltig API-nyckel. | Nästa stegAnvänd den behöriga Ailoot-nyckeln. |
Svar403 · permission_error | VillkorGrupp för batchkörning är inte tillgänglig. | Nästa stegKontrollera nyckelns/gruppens behörighet. |
Svar422 · invalid_request_error | VillkorBatchkörning debiteras från saldot; skapande via abonnemang avvisas. | Nästa stegAnvänd den behöriga gruppen med saldodebitering. |
Svar422 · price_unavailable | VillkorKostnaden för batchindata kan inte beräknas i förväg. | Nästa stegSpara svaret; använd det dokumenterade indataformatet för API-familjen. |
Svar402 · billing_error | VillkorReservation för batchkörning är inte tillgänglig. | Nästa stegSe till att villkoren för att godta förfrågan är uppfyllda innan du skickar en ny. |
Svar503 · price_unavailable | VillkorPriset för batchmetoden eller de inbyggda priserna är inte tillgängliga. | Nästa stegSpara svaret; ersätt inte priserna med andra. |
Svar503 · api_error | VillkorDen exakta leverantörsrutten är inte tillgänglig. | Nästa stegSpara svaret för att kunna reparera routningen. |
Svar503 · result_pending_check | VillkorDet ursprungliga resultatet behöver kontrolleras; X-Should-Retry:false. | Nästa stegBehåll det ursprungliga värdet för operation_id/id och läs av operationens status; upprepa aldrig det ursprungliga POST-anropet. |
Svar404 · not_found | VillkorOperationen för batchstatus saknas eller tillhör en annan identitet. | Nästa stegAnvänd exakt det ursprungliga id-värdet och samma användare/nyckel/grupp. |
Ailoot Ultra google/gemini-2.5-flash-lite:batch
Använd metodsökvägarna som visas ovan.