Gemini 2.5 Flash-Lite Preview 09-2025 是 Google 的 9 月版本，適合需要簡潔、方向明確文字結果的頻繁任務。製造商將此次更新歸納為三個主題：更能遵循複雜指令與系統提示詞、減少冗長內容，以及改善翻譯與多模態理解。帶有日期的名稱將這個特定預覽版，與 6 月 Flash-Lite 預覽版、穩定版模型，以及隨更新變動的 latest 別名區分開來。
當任務有數項必須同時維持有效的規則時，改善指令遵循能力便很實用。請提供原始資料、讀者對象與必要格式，再將必須包含的內容與可選的解釋分開。客服處理任務可以要求提供分類、客戶的確切問題，以及僅根據指定參考資料提出的下一步。文件任務可以指定要保留哪些術語、必須呈現哪些事實，以及如何表示缺漏值。這些範例將詳細指令轉化為具有可觀察要求的結果。
減少冗長內容是此版本明確宣告的特點。當輸出將成為簡短欄位值、短回覆，或較大工作流程的下一項輸入時，這點尤其相關。請要求所需資訊，而非泛泛討論：決策、其來源，以及尚未解決的問題。若要摘要，請列出壓縮後仍須保留的事實與期限，並指定章節數量或用途。簡潔不等於省略重要條件；實用的輸出範本能清楚列出必要內容。
Google 表示，此次 9 月更新改善了翻譯品質、影像理解與音訊轉錄。翻譯時，請指出目標讀者並提供詞彙表，區分需要維持原樣的名稱與應在地化的用詞。影像任務應標示要解釋的元件或段落，並說明回應的預定用途。音訊轉錄應要求依下一步所需的語言與格式規則產生書面文字。當問題明確指出相關內容時，也可以摘要多媒體來源，或將其與文字需求比較。
此確切日期的模型卡列出文字、影像、影片、音訊與 PDF 為輸入，文字為輸出。其上限為 1,048,576 輸入 token 與 65,536 輸出 token，文件記載的知識截止時間為 2025 年 1 月。大容量輸入設定可整合資料、指令與範例；請為每個來源加上標籤，並說明回答應使用哪些證據。這是文字輸出的 Flash-Lite 版本：生成語音、生成圖片與即時語音介面，都不在其列出的輸出設定中。
製造商記載了思考、結構化輸出、函式呼叫、程式碼執行、搜尋結果佐證（search grounding）、URL 上下文與檔案搜尋能力。思考可用於具有相依條件的任務；結構化回應可提供資訊擷取或分類所需的欄位。函式呼叫包含提議的函式名稱與引數，由應用程式執行並回傳結果。Google 的程式碼執行工具使用 Python；搜尋與文件工具則提供外部資料，讓書面回答有資訊依據。此確切設定檔也包含快取與批次處理支援。這些是文件記載的模型能力，不代表某個特定應用程式已啟用所有工具，或已在單一請求中將它們結合。
系列模型卡將其描述為具備原生多模態理解能力的稀疏混合專家 Transformer。預訓練包括網路文字、程式語言、影像、音訊與影片。後訓練使用經審核的成對指令與回應、人類偏好資訊及工具使用資料，並在準備過程中進行去重、安全性與品質篩選。同一張模型卡指出，它可能捏造事實，在因果與反事實推理上遇到困難，對複雜邏輯推導有所限制，且對思考預算的遵循並不一致。模型卡也記載，部分回應有語氣過度說教的傾向。對這種簡潔的處理模型而言，這些都是實質的檢視重點。
重複執行任務前，請準備具有代表性的正常、模糊與不完整輸入。翻譯時，請比較術語、意義，以及所要求的僅輸出結果格式。轉錄或文件擷取時，請將回傳細節與提供的資料比較，並指出哪些內容無法確定。短回覆則應檢查是否保留每一項必要事實。完成的成果可以是翻譯段落、精簡摘要、擷取欄位，或分類與下一項行動。這些準備呼應 9 月版本對指令準確度、精簡性與多媒體處理的特定重點，也讓結果持續以原始證據為依據。
", "aboutText": "Gemini 2.5 Flash-Lite Preview 09-2025 是 Google 的 9 月版本，適合需要簡潔、方向明確文字結果的頻繁任務。製造商將此次更新歸納為三個主題：更能遵循複雜指令與系統提示詞、減少冗長內容，以及改善翻譯與多模態理解。帶有日期的名稱將這個特定預覽版，與 6 月 Flash-Lite 預覽版、穩定版模型，以及隨更新變動的 latest 別名區分開來。\n\n當任務有數項必須同時維持有效的規則時，改善指令遵循能力便很實用。請提供原始資料、讀者對象與必要格式，再將必須包含的內容與可選的解釋分開。客服處理任務可以要求提供分類、客戶的確切問題，以及僅根據指定參考資料提出的下一步。文件任務可以指定要保留哪些術語、必須呈現哪些事實，以及如何表示缺漏值。這些範例將詳細指令轉化為具有可觀察要求的結果。\n\n減少冗長內容是此版本明確宣告的特點。當輸出將成為簡短欄位值、短回覆，或較大工作流程的下一項輸入時，這點尤其相關。請要求所需資訊，而非泛泛討論：決策、其來源，以及尚未解決的問題。若要摘要，請列出壓縮後仍須保留的事實與期限，並指定章節數量或用途。簡潔不等於省略重要條件；實用的輸出範本能清楚列出必要內容。\n\nGoogle 表示，此次 9 月更新改善了翻譯品質、影像理解與音訊轉錄。翻譯時，請指出目標讀者並提供詞彙表，區分需要維持原樣的名稱與應在地化的用詞。影像任務應標示要解釋的元件或段落，並說明回應的預定用途。音訊轉錄應要求依下一步所需的語言與格式規則產生書面文字。當問題明確指出相關內容時，也可以摘要多媒體來源，或將其與文字需求比較。\n\n此確切日期的模型卡列出文字、影像、影片、音訊與 PDF 為輸入，文字為輸出。其上限為 1,048,576 輸入 token 與 65,536 輸出 token，文件記載的知識截止時間為 2025 年 1 月。大容量輸入設定可整合資料、指令與範例；請為每個來源加上標籤，並說明回答應使用哪些證據。這是文字輸出的 Flash-Lite 版本：生成語音、生成圖片與即時語音介面，都不在其列出的輸出設定中。\n\n製造商記載了思考、結構化輸出、函式呼叫、程式碼執行、搜尋結果佐證（search grounding）、URL 上下文與檔案搜尋能力。思考可用於具有相依條件的任務；結構化回應可提供資訊擷取或分類所需的欄位。函式呼叫包含提議的函式名稱與引數，由應用程式執行並回傳結果。Google 的程式碼執行工具使用 Python；搜尋與文件工具則提供外部資料，讓書面回答有資訊依據。此確切設定檔也包含快取與批次處理支援。這些是文件記載的模型能力，不代表某個特定應用程式已啟用所有工具，或已在單一請求中將它們結合。\n\n系列模型卡將其描述為具備原生多模態理解能力的稀疏混合專家 Transformer。預訓練包括網路文字、程式語言、影像、音訊與影片。後訓練使用經審核的成對指令與回應、人類偏好資訊及工具使用資料，並在準備過程中進行去重、安全性與品質篩選。同一張模型卡指出，它可能捏造事實，在因果與反事實推理上遇到困難，對複雜邏輯推導有所限制，且對思考預算的遵循並不一致。模型卡也記載，部分回應有語氣過度說教的傾向。對這種簡潔的處理模型而言，這些都是實質的檢視重點。\n\n重複執行任務前，請準備具有代表性的正常、模糊與不完整輸入。翻譯時，請比較術語、意義，以及所要求的僅輸出結果格式。轉錄或文件擷取時，請將回傳細節與提供的資料比較，並指出哪些內容無法確定。短回覆則應檢查是否保留每一項必要事實。完成的成果可以是翻譯段落、精簡摘要、擷取欄位，或分類與下一項行動。這些準備呼應 9 月版本對指令準確度、精簡性與多媒體處理的特定重點，也讓結果持續以原始證據為依據。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 著重指令遵循、簡潔文字、翻譯與多媒體理解。Google 的 9 月版本接受文字、影像、影片、音訊與 PDF，並提供結構化回應，以及文件記載的工具，適合大量處理工作。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Gemini 2.5 Flash-Lite Preview 09-2025 是 Google 的 9 月版本，適合需要簡潔、方向明確文字結果的頻繁任務。製造商將此次更新歸納為三個主題：更能遵循複雜指令與系統提示詞、減少冗長內容，以及改善翻譯與多模態理解。帶有日期的名稱將這個特定預覽版，與 6 月 Flash-Lite 預覽版、穩定版模型，以及隨更新變動的 latest 別名區分開來。
當任務有數項必須同時維持有效的規則時，改善指令遵循能力便很實用。請提供原始資料、讀者對象與必要格式，再將必須包含的內容與可選的解釋分開。客服處理任務可以要求提供分類、客戶的確切問題，以及僅根據指定參考資料提出的下一步。文件任務可以指定要保留哪些術語、必須呈現哪些事實，以及如何表示缺漏值。這些範例將詳細指令轉化為具有可觀察要求的結果。
減少冗長內容是此版本明確宣告的特點。當輸出將成為簡短欄位值、短回覆，或較大工作流程的下一項輸入時，這點尤其相關。請要求所需資訊，而非泛泛討論：決策、其來源，以及尚未解決的問題。若要摘要，請列出壓縮後仍須保留的事實與期限，並指定章節數量或用途。簡潔不等於省略重要條件；實用的輸出範本能清楚列出必要內容。
Google 表示，此次 9 月更新改善了翻譯品質、影像理解與音訊轉錄。翻譯時，請指出目標讀者並提供詞彙表，區分需要維持原樣的名稱與應在地化的用詞。影像任務應標示要解釋的元件或段落，並說明回應的預定用途。音訊轉錄應要求依下一步所需的語言與格式規則產生書面文字。當問題明確指出相關內容時，也可以摘要多媒體來源，或將其與文字需求比較。
此確切日期的模型卡列出文字、影像、影片、音訊與 PDF 為輸入，文字為輸出。其上限為 1,048,576 輸入 token 與 65,536 輸出 token，文件記載的知識截止時間為 2025 年 1 月。大容量輸入設定可整合資料、指令與範例；請為每個來源加上標籤，並說明回答應使用哪些證據。這是文字輸出的 Flash-Lite 版本：生成語音、生成圖片與即時語音介面，都不在其列出的輸出設定中。
製造商記載了思考、結構化輸出、函式呼叫、程式碼執行、搜尋結果佐證（search grounding）、URL 上下文與檔案搜尋能力。思考可用於具有相依條件的任務；結構化回應可提供資訊擷取或分類所需的欄位。函式呼叫包含提議的函式名稱與引數，由應用程式執行並回傳結果。Google 的程式碼執行工具使用 Python；搜尋與文件工具則提供外部資料，讓書面回答有資訊依據。此確切設定檔也包含快取與批次處理支援。這些是文件記載的模型能力，不代表某個特定應用程式已啟用所有工具，或已在單一請求中將它們結合。
系列模型卡將其描述為具備原生多模態理解能力的稀疏混合專家 Transformer。預訓練包括網路文字、程式語言、影像、音訊與影片。後訓練使用經審核的成對指令與回應、人類偏好資訊及工具使用資料，並在準備過程中進行去重、安全性與品質篩選。同一張模型卡指出，它可能捏造事實，在因果與反事實推理上遇到困難，對複雜邏輯推導有所限制，且對思考預算的遵循並不一致。模型卡也記載，部分回應有語氣過度說教的傾向。對這種簡潔的處理模型而言，這些都是實質的檢視重點。
重複執行任務前，請準備具有代表性的正常、模糊與不完整輸入。翻譯時，請比較術語、意義，以及所要求的僅輸出結果格式。轉錄或文件擷取時，請將回傳細節與提供的資料比較，並指出哪些內容無法確定。短回覆則應檢查是否保留每一項必要事實。完成的成果可以是翻譯段落、精簡摘要、擷取欄位，或分類與下一項行動。這些準備呼應 9 月版本對指令準確度、精簡性與多媒體處理的特定重點，也讓結果持續以原始證據為依據。
POST /v1/chat/completionstexttext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gemini-2.5-flash-lite-preview-09-2025 | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 範例：system, user, assistant, tool, function 條件: 這些角色由 原始碼中的相容型別明確表示；確切角色集合仍依模型而定。 依模型而定 | 預設值— |
欄位messages[].content | 類型string|content_part[]|null | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_calls | 類型tool_call[] | 要求選填 | 值與限制 | 預設值— |
欄位messages[].tool_call_id | 類型string | 要求選填 | 值與限制 適用條件: role=tool；使用實際回傳的 ID | 預設值— |
欄位messages[].name | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位messages[].reasoning_content | 類型string | 要求選填 | 值與限制 適用條件: 此模型使用推理內容時，將實際回傳的推理內容帶回後續請求 | 預設值— |
欄位messages[].reasoning_details | 類型object|array | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位max_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位max_completion_tokens | 類型integer | 要求選填 | 值與限制 最小值: 1 依模型而定 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
欄位stream_options.include_usage | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位top_p | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位stop | 類型string|string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型function_tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].type | 類型string | 要求選填 | 值與限制 function 依模型而定 | 預設值— |
欄位tools[].function.name | 類型string | 要求必填 | 值與限制 適用條件: 已提供函式工具 | 預設值— |
欄位tools[].function.description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].function.parameters | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位parallel_tool_calls | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位response_format | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning_effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位reasoning | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位service_tier | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位instructions | 類型string | 要求選填 | 值與限制 相容性欄位 | 預設值— |
欄位functions | 類型function[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位function_call | 類型string|object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位prompt_cache_options | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位modalities | 類型string[] | 要求選填 | 值與限制 text | 預設值— |
欄位provider | 類型object | 要求選填 | 值與限制 條件: 此 Ultra 文字路由拒絕 provider.options | 預設值— |
欄位cache_control.ttl | 類型string | 要求選填 | 值與限制 條件: 實際提示詞快取位置拒絕 1h | 預設值— |
文字 · UTF8 文字
messages[].content
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages |
參數material_types | 規格text |
參數messages | 規格具有 role/content 結構的訊息陣列 |
參數file_material | 規格實際 UTF-8 文件以原文文字插入；不推定檔案 ID |
參數optional_controls | 規格stream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
參數control_scope | 規格依模型而定；使用者函式工具與託管工具不同 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
生命週期： synchronous_or_streamed
將確切模型 ID 與 messages 一併送出。
上下文長度不是輸出上限。
文字檔案可提供原文文字；圖片／音訊／檔案物件輸入需要精確綁定。
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.0008 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite-preview-09-2025", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='gemini-2.5-flash-lite-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='gemini-2.5-flash-lite-preview-09-2025',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留每個候選項及其內容／工具呼叫／推理。SSE 中依候選項／工具索引組合增量，保留最終完成原因與用量。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位choices[].index | 類型integer |
欄位choices[].message.content | 類型string|null |
欄位choices[].message.tool_calls | 類型tool_call[] |
欄位choices[].message.reasoning_content | 類型string |
欄位choices[].message.reasoning_details | 類型object|array |
欄位choices[].finish_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra gemini-2.5-flash-lite-preview-09-2025
請使用上方列出的 API 方法路徑。
gemini-2.5-flash-lite-preview-09-2025Gemini 2.5 Flash-Lite Preview 09-2025 著重指令遵循、簡潔文字、翻譯與多媒體理解。Google 的 9 月版本接受文字、影像、影片、音訊與 PDF，並提供結構化回應，以及文件記載的工具，適合大量處理工作。
此說明介紹模型的能力。Ailoot 可用的輸入、輸出與選項，依所選方法列於下方。
Gemini 2.5 Flash-Lite Preview 09-2025 是 Google 的 9 月版本，適合需要簡潔、方向明確文字結果的頻繁任務。製造商將此次更新歸納為三個主題：更能遵循複雜指令與系統提示詞、減少冗長內容，以及改善翻譯與多模態理解。帶有日期的名稱將這個特定預覽版，與 6 月 Flash-Lite 預覽版、穩定版模型，以及隨更新變動的 latest 別名區分開來。
當任務有數項必須同時維持有效的規則時，改善指令遵循能力便很實用。請提供原始資料、讀者對象與必要格式，再將必須包含的內容與可選的解釋分開。客服處理任務可以要求提供分類、客戶的確切問題，以及僅根據指定參考資料提出的下一步。文件任務可以指定要保留哪些術語、必須呈現哪些事實，以及如何表示缺漏值。這些範例將詳細指令轉化為具有可觀察要求的結果。
減少冗長內容是此版本明確宣告的特點。當輸出將成為簡短欄位值、短回覆，或較大工作流程的下一項輸入時，這點尤其相關。請要求所需資訊，而非泛泛討論：決策、其來源，以及尚未解決的問題。若要摘要，請列出壓縮後仍須保留的事實與期限，並指定章節數量或用途。簡潔不等於省略重要條件；實用的輸出範本能清楚列出必要內容。
Google 表示，此次 9 月更新改善了翻譯品質、影像理解與音訊轉錄。翻譯時，請指出目標讀者並提供詞彙表，區分需要維持原樣的名稱與應在地化的用詞。影像任務應標示要解釋的元件或段落，並說明回應的預定用途。音訊轉錄應要求依下一步所需的語言與格式規則產生書面文字。當問題明確指出相關內容時，也可以摘要多媒體來源，或將其與文字需求比較。
此確切日期的模型卡列出文字、影像、影片、音訊與 PDF 為輸入，文字為輸出。其上限為 1,048,576 輸入 token 與 65,536 輸出 token，文件記載的知識截止時間為 2025 年 1 月。大容量輸入設定可整合資料、指令與範例；請為每個來源加上標籤，並說明回答應使用哪些證據。這是文字輸出的 Flash-Lite 版本：生成語音、生成圖片與即時語音介面，都不在其列出的輸出設定中。
製造商記載了思考、結構化輸出、函式呼叫、程式碼執行、搜尋結果佐證（search grounding）、URL 上下文與檔案搜尋能力。思考可用於具有相依條件的任務；結構化回應可提供資訊擷取或分類所需的欄位。函式呼叫包含提議的函式名稱與引數，由應用程式執行並回傳結果。Google 的程式碼執行工具使用 Python；搜尋與文件工具則提供外部資料，讓書面回答有資訊依據。此確切設定檔也包含快取與批次處理支援。這些是文件記載的模型能力，不代表某個特定應用程式已啟用所有工具，或已在單一請求中將它們結合。
系列模型卡將其描述為具備原生多模態理解能力的稀疏混合專家 Transformer。預訓練包括網路文字、程式語言、影像、音訊與影片。後訓練使用經審核的成對指令與回應、人類偏好資訊及工具使用資料，並在準備過程中進行去重、安全性與品質篩選。同一張模型卡指出，它可能捏造事實，在因果與反事實推理上遇到困難，對複雜邏輯推導有所限制，且對思考預算的遵循並不一致。模型卡也記載，部分回應有語氣過度說教的傾向。對這種簡潔的處理模型而言，這些都是實質的檢視重點。
重複執行任務前，請準備具有代表性的正常、模糊與不完整輸入。翻譯時，請比較術語、意義，以及所要求的僅輸出結果格式。轉錄或文件擷取時，請將回傳細節與提供的資料比較，並指出哪些內容無法確定。短回覆則應檢查是否保留每一項必要事實。完成的成果可以是翻譯段落、精簡摘要、擷取欄位，或分類與下一項行動。這些準備呼應 9 月版本對指令準確度、精簡性與多媒體處理的特定重點，也讓結果持續以原始證據為依據。
POST /v1/messagestextjson, sse| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位model | 類型string | 要求必填 | 值與限制 gemini-2.5-flash-lite-preview-09-2025 | 預設值— |
欄位messages | 類型message[] | 要求必填 | 值與限制 | 預設值— |
欄位messages[].role | 類型string | 要求必填 | 值與限制 user, assistant | 預設值— |
欄位messages[].content | 類型string | 要求必填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
文字 · UTF-8 文字
messages[].content 字串
| 參數 | 規格 |
|---|---|
參數content_type | 規格application/json |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格stream |
參數material_types | 規格text |
參數text_file_material | 規格讀取實際 UTF-8 文件，將文字放入指定的 input 或訊息內容字串。 |
生命週期： synchronous_or_streamed
費率資訊不會增加請求選項。支援的參數列於所選方法中。
| 設定 | 費率表 | 費用 |
|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 費用 輸入 · 輸入 Token $0.0002 / 1K Token 輸出 · 輸出 Token $0.0008 / 1K Token 輸入 · 讀取快取 $0 / 1K Token 輸入 · 寫入快取 $0 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "gemini-2.5-flash-lite-preview-09-2025",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite-preview-09-2025', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 或 SSE
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有內容區塊、思考簽章與實際工具使用 ID。組合所有 SSE 區塊增量；第一個文字區塊不是完整輸出。
保留請求／回應 ID 與標頭。未提供通用的文字工作擷取 URL。
| 欄位 | 類型 |
|---|---|
欄位id | 類型string |
欄位model | 類型string |
欄位content[] | 類型text|thinking|tool_use|other content block |
欄位stop_reason | 類型string|null |
欄位usage | 類型object |
| 回應 | 條件 | 下一步 |
|---|---|---|
回應400 · invalid_request_error | 條件必要欄位、素材表示方式或參數值無效 | 下一步提出新的建立請求前，先修正指定欄位。 |
Ailoot Ultra gemini-2.5-flash-lite-preview-09-2025
請使用上方列出的 API 方法路徑。
英文技術範例
Translate a constrained support notice\n\nTranslate into French for a customer: “Your Atlas Hub replacement is reserved. We will confirm dispatch after the address check.” Keep Atlas Hub unchanged, preserve the difference between a reservation and dispatch confirmation, and return only the translation. Do not add a date, tracking number or guarantee.One French translation with the product name unchanged and both stages kept distinct.Check that the translation preserves the pending address check and does not announce dispatch.