Gemini 2.5 Flash-Lite 是 Google 用於大量翻譯、分類及簡單資料擷取的穩定版輕量設定。混合推理可依任務使用或省略 thinking。它接收文字、圖像、音訊、影片與 PDF，產生文字。實用結果可以是類別、精簡譯文、由提供素材擷取的紀錄，或範圍明確的書面解說。
分類應定義類別、決策規則及答案形式。處理多個獨立項目時，請在結果保留來源識別碼。支援訊息分類可依問題類型分類訊息，並回傳支持類別的句子。請加入證據缺漏或有歧義時的規則，讓流暢答案不會以猜測填入必要欄位。輸入及所需結果明確時，模型的輕量角色最能發揮作用。
文件記載的 2.5 Flash-Lite 設定預設關閉 thinking。Google GenerateContent thinking 指南允許 512 至 24,576 token 的明確 thinking 預算、以零維持關閉，或以 -1 要求動態 thinking。這是推理預算控制，與最終回應額度不同。擷取涉及互相影響的條件，或分類存在例外時，可啟用額外推理；直接轉換則可保留預設非 thinking 行為。指南指出，模型可能使用比所要求預算更多或更少的 thinking token。
翻譯應提供目標語言、讀者及必須保留的術語。請指定結果只含譯文，或為附標籤紀錄。文件擷取應定義欄位，要求提供可供檢查輸出的來源段落。錄音應區分轉錄稿與摘要，並指出重要段落。圖像或影片可為文字答案提供證據。即使輸入結合多種媒體，預期成果仍應明確。
此確切穩定版表列出函式呼叫、程式碼執行、檔案搜尋、搜尋 grounding、Maps grounding、URL context 及結構化輸出。函式需要明確用途與定義參數；連接應用程式執行操作並提供結果。以結構描述擷取時，應驗證回傳結構並與原始素材比較其值。工具選擇或格式良好紀錄，只有在來源與真實回傳證據的脈絡中才實用。
原生模型資訊卡列出 1M 上下文視窗及 64K 文字輸出。API 模型頁面指定 1,048,576 輸入 token 及 65,536 輸出 token。指令、來源內容及保留對話會消耗輸入預算，推理與回應上限則影響最終結果是否容得下。此原始模型設定列有快取、批次、Flex 及 Priority 處理。重複任務應保留相同類別或欄位定義，並將識別碼一路帶入結果，讓後續審查能定位原始項目。
此穩定版設定與系列其他部分描述的六月、九月 Preview 變體不同。共用原生模型資訊卡將九月 Preview 的改善，包括指令遵循及簡潔性，專門標記為該預覽版特性；不應默默轉移至穩定版識別碼。後續 Flash-Lite 世代也使用不同 thinking 控制及能力表。請保留版本並選擇其文件設定，而非以 Gemini 3 thinking-level 語法取代 2.5 預算。
資訊卡列出幻覺，以及因果理解、複雜邏輯演繹與反事實推理限制，知識截止時間為 2025 年 1 月。較新事實重要時，請提供最新證據或使用文件記載的 grounding 流程。檢查翻譯語意、擷取欄位的來源支持，以及轉錄稿是否符合音訊。聚焦的小型結果可讓此審查更實際，而非把潤飾精良的答案當作來源確實包含所述細節的證明。
", "aboutText": "Gemini 2.5 Flash-Lite 是 Google 用於大量翻譯、分類及簡單資料擷取的穩定版輕量設定。混合推理可依任務使用或省略 thinking。它接收文字、圖像、音訊、影片與 PDF，產生文字。實用結果可以是類別、精簡譯文、由提供素材擷取的紀錄，或範圍明確的書面解說。\n\n分類應定義類別、決策規則及答案形式。處理多個獨立項目時，請在結果保留來源識別碼。支援訊息分類可依問題類型分類訊息，並回傳支持類別的句子。請加入證據缺漏或有歧義時的規則，讓流暢答案不會以猜測填入必要欄位。輸入及所需結果明確時，模型的輕量角色最能發揮作用。\n\n文件記載的 2.5 Flash-Lite 設定預設關閉 thinking。Google GenerateContent thinking 指南允許 512 至 24,576 token 的明確 thinking 預算、以零維持關閉，或以 -1 要求動態 thinking。這是推理預算控制，與最終回應額度不同。擷取涉及互相影響的條件，或分類存在例外時，可啟用額外推理；直接轉換則可保留預設非 thinking 行為。指南指出，模型可能使用比所要求預算更多或更少的 thinking token。\n\n翻譯應提供目標語言、讀者及必須保留的術語。請指定結果只含譯文，或為附標籤紀錄。文件擷取應定義欄位，要求提供可供檢查輸出的來源段落。錄音應區分轉錄稿與摘要，並指出重要段落。圖像或影片可為文字答案提供證據。即使輸入結合多種媒體，預期成果仍應明確。\n\n此確切穩定版表列出函式呼叫、程式碼執行、檔案搜尋、搜尋 grounding、Maps grounding、URL context 及結構化輸出。函式需要明確用途與定義參數；連接應用程式執行操作並提供結果。以結構描述擷取時，應驗證回傳結構並與原始素材比較其值。工具選擇或格式良好紀錄，只有在來源與真實回傳證據的脈絡中才實用。\n\n原生模型資訊卡列出 1M 上下文視窗及 64K 文字輸出。API 模型頁面指定 1,048,576 輸入 token 及 65,536 輸出 token。指令、來源內容及保留對話會消耗輸入預算，推理與回應上限則影響最終結果是否容得下。此原始模型設定列有快取、批次、Flex 及 Priority 處理。重複任務應保留相同類別或欄位定義，並將識別碼一路帶入結果，讓後續審查能定位原始項目。\n\n此穩定版設定與系列其他部分描述的六月、九月 Preview 變體不同。共用原生模型資訊卡將九月 Preview 的改善，包括指令遵循及簡潔性，專門標記為該預覽版特性；不應默默轉移至穩定版識別碼。後續 Flash-Lite 世代也使用不同 thinking 控制及能力表。請保留版本並選擇其文件設定，而非以 Gemini 3 thinking-level 語法取代 2.5 預算。\n\n資訊卡列出幻覺，以及因果理解、複雜邏輯演繹與反事實推理限制，知識截止時間為 2025 年 1 月。較新事實重要時，請提供最新證據或使用文件記載的 grounding 流程。檢查翻譯語意、擷取欄位的來源支持，以及轉錄稿是否符合音訊。聚焦的小型結果可讓此審查更實際，而非把潤飾精良的答案當作來源確實包含所述細節的證明。", "editorialOverlay": { "copy_fields": { "practical_html": "英文技術範例
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.gemini-2.5-flash-liteGemini 2.5 Flash-Lite 是 Google 用於高頻分類、翻譯及簡單擷取的穩定版多模態文字模型。Thinking 預設關閉，可透過 512–24,576 token 推理預算啟用。它接收文字與媒體，支援工具及結構化輸出，輸入上限為 1,048,576 token。
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 是 Google 用於大量翻譯、分類及簡單資料擷取的穩定版輕量設定。混合推理可依任務使用或省略 thinking。它接收文字、圖像、音訊、影片與 PDF，產生文字。實用結果可以是類別、精簡譯文、由提供素材擷取的紀錄，或範圍明確的書面解說。
分類應定義類別、決策規則及答案形式。處理多個獨立項目時，請在結果保留來源識別碼。支援訊息分類可依問題類型分類訊息，並回傳支持類別的句子。請加入證據缺漏或有歧義時的規則，讓流暢答案不會以猜測填入必要欄位。輸入及所需結果明確時，模型的輕量角色最能發揮作用。
文件記載的 2.5 Flash-Lite 設定預設關閉 thinking。Google GenerateContent thinking 指南允許 512 至 24,576 token 的明確 thinking 預算、以零維持關閉，或以 -1 要求動態 thinking。這是推理預算控制，與最終回應額度不同。擷取涉及互相影響的條件，或分類存在例外時，可啟用額外推理；直接轉換則可保留預設非 thinking 行為。指南指出，模型可能使用比所要求預算更多或更少的 thinking token。
翻譯應提供目標語言、讀者及必須保留的術語。請指定結果只含譯文，或為附標籤紀錄。文件擷取應定義欄位，要求提供可供檢查輸出的來源段落。錄音應區分轉錄稿與摘要，並指出重要段落。圖像或影片可為文字答案提供證據。即使輸入結合多種媒體，預期成果仍應明確。
此確切穩定版表列出函式呼叫、程式碼執行、檔案搜尋、搜尋 grounding、Maps grounding、URL context 及結構化輸出。函式需要明確用途與定義參數；連接應用程式執行操作並提供結果。以結構描述擷取時，應驗證回傳結構並與原始素材比較其值。工具選擇或格式良好紀錄，只有在來源與真實回傳證據的脈絡中才實用。
原生模型資訊卡列出 1M 上下文視窗及 64K 文字輸出。API 模型頁面指定 1,048,576 輸入 token 及 65,536 輸出 token。指令、來源內容及保留對話會消耗輸入預算，推理與回應上限則影響最終結果是否容得下。此原始模型設定列有快取、批次、Flex 及 Priority 處理。重複任務應保留相同類別或欄位定義，並將識別碼一路帶入結果，讓後續審查能定位原始項目。
此穩定版設定與系列其他部分描述的六月、九月 Preview 變體不同。共用原生模型資訊卡將九月 Preview 的改善，包括指令遵循及簡潔性，專門標記為該預覽版特性；不應默默轉移至穩定版識別碼。後續 Flash-Lite 世代也使用不同 thinking 控制及能力表。請保留版本並選擇其文件設定，而非以 Gemini 3 thinking-level 語法取代 2.5 預算。
資訊卡列出幻覺，以及因果理解、複雜邏輯演繹與反事實推理限制，知識截止時間為 2025 年 1 月。較新事實重要時，請提供最新證據或使用文件記載的 grounding 流程。檢查翻譯語意、擷取欄位的來源支持，以及轉錄稿是否符合音訊。聚焦的小型結果可讓此審查更實際，而非把潤飾精良的答案當作來源確實包含所述細節的證明。
POST /v1/messagestext, imagetext| 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 | 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 user, assistant | 預設值— |
欄位messages[].content | 類型string|content_block[] | 要求必填 | 值與限制 | 預設值— |
欄位system | 類型string|content_block[] | 要求選填 | 值與限制 | 預設值— |
欄位max_tokens | 類型integer | 要求必填 | 值與限制 最小值: 1 限制適用對象: 所選模型／卡片的確切上限 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
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_sequences | 類型string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools | 類型tool[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].name | 類型string | 要求選填 | 值與限制 適用條件: 已提供工具 | 預設值— |
欄位tools[].description | 類型string | 要求選填 | 值與限制 | 預設值— |
欄位tools[].input_schema | 類型JSON_schema | 要求選填 | 值與限制 | 預設值— |
欄位tool_choice | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位thinking.type | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位thinking.budget_tokens | 類型integer | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位output_config.effort | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位metadata | 類型object | 要求選填 | 值與限制 | 預設值— |
欄位cache_control | 類型object | 要求選填 | 值與限制 依模型而定 | 預設值— |
文字 · UTF8 文字
messages[].content 或 type=text 區塊
文字 + 圖片
{type:image,source:{type:base64,media_type,data}} 或 type=url 的來源
| 參數 | 規格 |
|---|---|
參數material_types | 規格text, image |
參數required | 規格model, messages, max_tokens |
參數optional_controls | 規格null |
參數content_type | 規格application/json |
參數text_file_material | 規格實際 UTF-8 內容以文字插入；檔案 ID／URLs 需要另有精確支援 |
生命週期： exact retained published method
方法結構與 ID 均為精確值；供應商能力與准入狀態分開。
POST /v1/messagesAiloot 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 →
模型層級的參考費率表不會變更方法選擇、報價或費用。實際計費採用所選 Ailoot 方法的費率。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定OpenAI Chat · 基本 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Chat · 請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Anthropic Messages · 基本 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Anthropic Messages · 請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-2.5-flash-lite", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-2.5-flash-lite",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-2.5-flash-lite",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-2.5-flash-lite',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite 是 Google 用於高頻分類、翻譯及簡單擷取的穩定版多模態文字模型。Thinking 預設關閉，可透過 512–24,576 token 推理預算啟用。它接收文字與媒體，支援工具及結構化輸出，輸入上限為 1,048,576 token。
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 是 Google 用於大量翻譯、分類及簡單資料擷取的穩定版輕量設定。混合推理可依任務使用或省略 thinking。它接收文字、圖像、音訊、影片與 PDF，產生文字。實用結果可以是類別、精簡譯文、由提供素材擷取的紀錄，或範圍明確的書面解說。
分類應定義類別、決策規則及答案形式。處理多個獨立項目時，請在結果保留來源識別碼。支援訊息分類可依問題類型分類訊息，並回傳支持類別的句子。請加入證據缺漏或有歧義時的規則，讓流暢答案不會以猜測填入必要欄位。輸入及所需結果明確時，模型的輕量角色最能發揮作用。
文件記載的 2.5 Flash-Lite 設定預設關閉 thinking。Google GenerateContent thinking 指南允許 512 至 24,576 token 的明確 thinking 預算、以零維持關閉，或以 -1 要求動態 thinking。這是推理預算控制，與最終回應額度不同。擷取涉及互相影響的條件，或分類存在例外時，可啟用額外推理；直接轉換則可保留預設非 thinking 行為。指南指出，模型可能使用比所要求預算更多或更少的 thinking token。
翻譯應提供目標語言、讀者及必須保留的術語。請指定結果只含譯文，或為附標籤紀錄。文件擷取應定義欄位，要求提供可供檢查輸出的來源段落。錄音應區分轉錄稿與摘要，並指出重要段落。圖像或影片可為文字答案提供證據。即使輸入結合多種媒體，預期成果仍應明確。
此確切穩定版表列出函式呼叫、程式碼執行、檔案搜尋、搜尋 grounding、Maps grounding、URL context 及結構化輸出。函式需要明確用途與定義參數；連接應用程式執行操作並提供結果。以結構描述擷取時，應驗證回傳結構並與原始素材比較其值。工具選擇或格式良好紀錄，只有在來源與真實回傳證據的脈絡中才實用。
原生模型資訊卡列出 1M 上下文視窗及 64K 文字輸出。API 模型頁面指定 1,048,576 輸入 token 及 65,536 輸出 token。指令、來源內容及保留對話會消耗輸入預算，推理與回應上限則影響最終結果是否容得下。此原始模型設定列有快取、批次、Flex 及 Priority 處理。重複任務應保留相同類別或欄位定義，並將識別碼一路帶入結果，讓後續審查能定位原始項目。
此穩定版設定與系列其他部分描述的六月、九月 Preview 變體不同。共用原生模型資訊卡將九月 Preview 的改善，包括指令遵循及簡潔性，專門標記為該預覽版特性；不應默默轉移至穩定版識別碼。後續 Flash-Lite 世代也使用不同 thinking 控制及能力表。請保留版本並選擇其文件設定，而非以 Gemini 3 thinking-level 語法取代 2.5 預算。
資訊卡列出幻覺，以及因果理解、複雜邏輯演繹與反事實推理限制，知識截止時間為 2025 年 1 月。較新事實重要時，請提供最新證據或使用文件記載的 grounding 流程。檢查翻譯語意、擷取欄位的來源支持，以及轉錄稿是否符合音訊。聚焦的小型結果可讓此審查更實際，而非把潤飾精良的答案當作來源確實包含所述細節的證明。
POST /v1beta/models/{model}:generateContenttext, imagetext| 欄位 | 類型 | 要求 | 值與限制 | 預設值 |
|---|---|---|---|---|
欄位path.model | 類型string | 要求必填 | 值與限制 gemini-2.5-flash-lite | 預設值— |
欄位contents | 類型content[] | 要求必填 | 值與限制 項目數下限: 1 | 預設值— |
欄位contents[].role | 類型string | 要求選填 | 值與限制 user, model | 預設值— |
欄位contents[].parts | 類型part[] | 要求必填 | 值與限制 | 預設值— |
欄位systemInstruction | 類型content | 要求選填 | 值與限制 | 預設值— |
欄位generationConfig.maxOutputTokens | 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generationConfig.temperature | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位generationConfig.topP | 類型number | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位generationConfig.topK | 類型integer | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位generationConfig.stopSequences | 類型string[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位generationConfig.thinkingConfig.includeThoughts | 類型boolean | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位generationConfig.thinkingConfig.thinkingBudget | 類型integer | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位tools[].functionDeclarations | 類型function_declaration[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位toolConfig.functionCallingConfig.mode | 類型string | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位safetySettings | 類型object[] | 要求選填 | 值與限制 依模型而定 | 預設值— |
欄位sessionId | 類型string | 要求選填 | 值與限制 | 預設值— |
文字 · UTF8 文字
contents[].parts[].text
文字 + 圖片
parts[].inlineData={mimeType,data}
| 參數 | 規格 |
|---|---|
參數material_types | 規格text, image |
參數required | 規格contents |
參數optional_controls | 規格null |
參數content_type | 規格application/json |
參數text_file_material | 規格實際 UTF-8 內容以文字插入；檔案 ID／URLs 需要另有精確支援 |
生命週期： exact retained published method
方法結構與 ID 均為精確值；供應商能力與准入狀態分開。
POST /v1beta/models/{model}:generateContentAiloot 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 →
模型層級的參考費率表不會變更方法選擇、報價或費用。實際計費採用所選 Ailoot 方法的費率。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定OpenAI Chat · 基本 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定OpenAI Chat · 請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Anthropic Messages · 基本 token 費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定Anthropic Messages · 請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-2.5-flash-lite:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-2.5-flash-lite", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-2.5-flash-lite", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-2.5-flash-lite',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson 或支援的串流
請保留所有完整傳回的回應、檔案與內容區塊。
保留所有候選項與部分，包括函式呼叫、思考簽章與用量；依序組合串流片段。
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responseId | 類型string |
欄位modelVersion | 類型string |
欄位candidates[].content.parts[] | 類型text|inlineData|functionCall|other part |
欄位candidates[].finishReason | 類型string |
欄位usageMetadata | 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite 是 Google 用於高頻分類、翻譯及簡單擷取的穩定版多模態文字模型。Thinking 預設關閉，可透過 512–24,576 token 推理預算啟用。它接收文字與媒體，支援工具及結構化輸出，輸入上限為 1,048,576 token。
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 是 Google 用於大量翻譯、分類及簡單資料擷取的穩定版輕量設定。混合推理可依任務使用或省略 thinking。它接收文字、圖像、音訊、影片與 PDF，產生文字。實用結果可以是類別、精簡譯文、由提供素材擷取的紀錄，或範圍明確的書面解說。
分類應定義類別、決策規則及答案形式。處理多個獨立項目時，請在結果保留來源識別碼。支援訊息分類可依問題類型分類訊息，並回傳支持類別的句子。請加入證據缺漏或有歧義時的規則，讓流暢答案不會以猜測填入必要欄位。輸入及所需結果明確時，模型的輕量角色最能發揮作用。
文件記載的 2.5 Flash-Lite 設定預設關閉 thinking。Google GenerateContent thinking 指南允許 512 至 24,576 token 的明確 thinking 預算、以零維持關閉，或以 -1 要求動態 thinking。這是推理預算控制，與最終回應額度不同。擷取涉及互相影響的條件，或分類存在例外時，可啟用額外推理；直接轉換則可保留預設非 thinking 行為。指南指出，模型可能使用比所要求預算更多或更少的 thinking token。
翻譯應提供目標語言、讀者及必須保留的術語。請指定結果只含譯文，或為附標籤紀錄。文件擷取應定義欄位，要求提供可供檢查輸出的來源段落。錄音應區分轉錄稿與摘要，並指出重要段落。圖像或影片可為文字答案提供證據。即使輸入結合多種媒體，預期成果仍應明確。
此確切穩定版表列出函式呼叫、程式碼執行、檔案搜尋、搜尋 grounding、Maps grounding、URL context 及結構化輸出。函式需要明確用途與定義參數；連接應用程式執行操作並提供結果。以結構描述擷取時，應驗證回傳結構並與原始素材比較其值。工具選擇或格式良好紀錄，只有在來源與真實回傳證據的脈絡中才實用。
原生模型資訊卡列出 1M 上下文視窗及 64K 文字輸出。API 模型頁面指定 1,048,576 輸入 token 及 65,536 輸出 token。指令、來源內容及保留對話會消耗輸入預算，推理與回應上限則影響最終結果是否容得下。此原始模型設定列有快取、批次、Flex 及 Priority 處理。重複任務應保留相同類別或欄位定義，並將識別碼一路帶入結果，讓後續審查能定位原始項目。
此穩定版設定與系列其他部分描述的六月、九月 Preview 變體不同。共用原生模型資訊卡將九月 Preview 的改善，包括指令遵循及簡潔性，專門標記為該預覽版特性；不應默默轉移至穩定版識別碼。後續 Flash-Lite 世代也使用不同 thinking 控制及能力表。請保留版本並選擇其文件設定，而非以 Gemini 3 thinking-level 語法取代 2.5 預算。
資訊卡列出幻覺，以及因果理解、複雜邏輯演繹與反事實推理限制，知識截止時間為 2025 年 1 月。較新事實重要時，請提供最新證據或使用文件記載的 grounding 流程。檢查翻譯語意、擷取欄位的來源支持，以及轉錄稿是否符合音訊。聚焦的小型結果可讓此審查更實際，而非把潤飾精良的答案當作來源確實包含所述細節的證明。
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 | 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 依模型而定 | 預設值— |
欄位messages[].content | 類型string | 要求選填 | 值與限制 適用條件: 文字對話 | 預設值— |
欄位stream | 類型boolean | 要求選填 | 值與限制 | 預設值false |
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 |
參數control_scope | 規格文字對話；stream 是布林值，預設為 false。 |
參數output_modalities | 規格text |
參數hosted_operations | 規格false |
參數multimodal_input_binding | 規格null |
方法別名： /chat/completions
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。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${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","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-2.5-flash-lite", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
gemini-2.5-flash-liteGemini 2.5 Flash-Lite 是 Google 用於高頻分類、翻譯及簡單擷取的穩定版多模態文字模型。Thinking 預設關閉，可透過 512–24,576 token 推理預算啟用。它接收文字與媒體，支援工具及結構化輸出，輸入上限為 1,048,576 token。
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 是 Google 用於大量翻譯、分類及簡單資料擷取的穩定版輕量設定。混合推理可依任務使用或省略 thinking。它接收文字、圖像、音訊、影片與 PDF，產生文字。實用結果可以是類別、精簡譯文、由提供素材擷取的紀錄，或範圍明確的書面解說。
分類應定義類別、決策規則及答案形式。處理多個獨立項目時，請在結果保留來源識別碼。支援訊息分類可依問題類型分類訊息，並回傳支持類別的句子。請加入證據缺漏或有歧義時的規則，讓流暢答案不會以猜測填入必要欄位。輸入及所需結果明確時，模型的輕量角色最能發揮作用。
文件記載的 2.5 Flash-Lite 設定預設關閉 thinking。Google GenerateContent thinking 指南允許 512 至 24,576 token 的明確 thinking 預算、以零維持關閉，或以 -1 要求動態 thinking。這是推理預算控制，與最終回應額度不同。擷取涉及互相影響的條件，或分類存在例外時，可啟用額外推理；直接轉換則可保留預設非 thinking 行為。指南指出，模型可能使用比所要求預算更多或更少的 thinking token。
翻譯應提供目標語言、讀者及必須保留的術語。請指定結果只含譯文，或為附標籤紀錄。文件擷取應定義欄位，要求提供可供檢查輸出的來源段落。錄音應區分轉錄稿與摘要，並指出重要段落。圖像或影片可為文字答案提供證據。即使輸入結合多種媒體，預期成果仍應明確。
此確切穩定版表列出函式呼叫、程式碼執行、檔案搜尋、搜尋 grounding、Maps grounding、URL context 及結構化輸出。函式需要明確用途與定義參數；連接應用程式執行操作並提供結果。以結構描述擷取時，應驗證回傳結構並與原始素材比較其值。工具選擇或格式良好紀錄，只有在來源與真實回傳證據的脈絡中才實用。
原生模型資訊卡列出 1M 上下文視窗及 64K 文字輸出。API 模型頁面指定 1,048,576 輸入 token 及 65,536 輸出 token。指令、來源內容及保留對話會消耗輸入預算，推理與回應上限則影響最終結果是否容得下。此原始模型設定列有快取、批次、Flex 及 Priority 處理。重複任務應保留相同類別或欄位定義，並將識別碼一路帶入結果，讓後續審查能定位原始項目。
此穩定版設定與系列其他部分描述的六月、九月 Preview 變體不同。共用原生模型資訊卡將九月 Preview 的改善，包括指令遵循及簡潔性，專門標記為該預覽版特性；不應默默轉移至穩定版識別碼。後續 Flash-Lite 世代也使用不同 thinking 控制及能力表。請保留版本並選擇其文件設定，而非以 Gemini 3 thinking-level 語法取代 2.5 預算。
資訊卡列出幻覺，以及因果理解、複雜邏輯演繹與反事實推理限制，知識截止時間為 2025 年 1 月。較新事實重要時，請提供最新證據或使用文件記載的 grounding 流程。檢查翻譯語意、擷取欄位的來源支持，以及轉錄稿是否符合音訊。聚焦的小型結果可讓此審查更實際，而非把潤飾精良的答案當作來源確實包含所述細節的證明。
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 | 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。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite 是 Google 用於高頻分類、翻譯及簡單擷取的穩定版多模態文字模型。Thinking 預設關閉，可透過 512–24,576 token 推理預算啟用。它接收文字與媒體，支援工具及結構化輸出，輸入上限為 1,048,576 token。
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 是 Google 用於大量翻譯、分類及簡單資料擷取的穩定版輕量設定。混合推理可依任務使用或省略 thinking。它接收文字、圖像、音訊、影片與 PDF，產生文字。實用結果可以是類別、精簡譯文、由提供素材擷取的紀錄，或範圍明確的書面解說。
分類應定義類別、決策規則及答案形式。處理多個獨立項目時，請在結果保留來源識別碼。支援訊息分類可依問題類型分類訊息，並回傳支持類別的句子。請加入證據缺漏或有歧義時的規則，讓流暢答案不會以猜測填入必要欄位。輸入及所需結果明確時，模型的輕量角色最能發揮作用。
文件記載的 2.5 Flash-Lite 設定預設關閉 thinking。Google GenerateContent thinking 指南允許 512 至 24,576 token 的明確 thinking 預算、以零維持關閉，或以 -1 要求動態 thinking。這是推理預算控制，與最終回應額度不同。擷取涉及互相影響的條件，或分類存在例外時，可啟用額外推理；直接轉換則可保留預設非 thinking 行為。指南指出，模型可能使用比所要求預算更多或更少的 thinking token。
翻譯應提供目標語言、讀者及必須保留的術語。請指定結果只含譯文，或為附標籤紀錄。文件擷取應定義欄位，要求提供可供檢查輸出的來源段落。錄音應區分轉錄稿與摘要，並指出重要段落。圖像或影片可為文字答案提供證據。即使輸入結合多種媒體，預期成果仍應明確。
此確切穩定版表列出函式呼叫、程式碼執行、檔案搜尋、搜尋 grounding、Maps grounding、URL context 及結構化輸出。函式需要明確用途與定義參數；連接應用程式執行操作並提供結果。以結構描述擷取時，應驗證回傳結構並與原始素材比較其值。工具選擇或格式良好紀錄，只有在來源與真實回傳證據的脈絡中才實用。
原生模型資訊卡列出 1M 上下文視窗及 64K 文字輸出。API 模型頁面指定 1,048,576 輸入 token 及 65,536 輸出 token。指令、來源內容及保留對話會消耗輸入預算，推理與回應上限則影響最終結果是否容得下。此原始模型設定列有快取、批次、Flex 及 Priority 處理。重複任務應保留相同類別或欄位定義，並將識別碼一路帶入結果，讓後續審查能定位原始項目。
此穩定版設定與系列其他部分描述的六月、九月 Preview 變體不同。共用原生模型資訊卡將九月 Preview 的改善，包括指令遵循及簡潔性，專門標記為該預覽版特性；不應默默轉移至穩定版識別碼。後續 Flash-Lite 世代也使用不同 thinking 控制及能力表。請保留版本並選擇其文件設定，而非以 Gemini 3 thinking-level 語法取代 2.5 預算。
資訊卡列出幻覺，以及因果理解、複雜邏輯演繹與反事實推理限制，知識截止時間為 2025 年 1 月。較新事實重要時，請提供最新證據或使用文件記載的 grounding 流程。檢查翻譯語意、擷取欄位的來源支持，以及轉錄稿是否符合音訊。聚焦的小型結果可讓此審查更實際，而非把潤飾精良的答案當作來源確實包含所述細節的證明。
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 google/gemini-2.5-flash-lite | 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。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-2.5-flash-lite", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-2.5-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-2.5-flash-lite',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
google/gemini-2.5-flash-liteGemini 2.5 Flash-Lite 是 Google 用於高頻分類、翻譯及簡單擷取的穩定版多模態文字模型。Thinking 預設關閉，可透過 512–24,576 token 推理預算啟用。它接收文字與媒體，支援工具及結構化輸出，輸入上限為 1,048,576 token。
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 是 Google 用於大量翻譯、分類及簡單資料擷取的穩定版輕量設定。混合推理可依任務使用或省略 thinking。它接收文字、圖像、音訊、影片與 PDF，產生文字。實用結果可以是類別、精簡譯文、由提供素材擷取的紀錄，或範圍明確的書面解說。
分類應定義類別、決策規則及答案形式。處理多個獨立項目時，請在結果保留來源識別碼。支援訊息分類可依問題類型分類訊息，並回傳支持類別的句子。請加入證據缺漏或有歧義時的規則，讓流暢答案不會以猜測填入必要欄位。輸入及所需結果明確時，模型的輕量角色最能發揮作用。
文件記載的 2.5 Flash-Lite 設定預設關閉 thinking。Google GenerateContent thinking 指南允許 512 至 24,576 token 的明確 thinking 預算、以零維持關閉，或以 -1 要求動態 thinking。這是推理預算控制，與最終回應額度不同。擷取涉及互相影響的條件，或分類存在例外時，可啟用額外推理；直接轉換則可保留預設非 thinking 行為。指南指出，模型可能使用比所要求預算更多或更少的 thinking token。
翻譯應提供目標語言、讀者及必須保留的術語。請指定結果只含譯文，或為附標籤紀錄。文件擷取應定義欄位，要求提供可供檢查輸出的來源段落。錄音應區分轉錄稿與摘要，並指出重要段落。圖像或影片可為文字答案提供證據。即使輸入結合多種媒體，預期成果仍應明確。
此確切穩定版表列出函式呼叫、程式碼執行、檔案搜尋、搜尋 grounding、Maps grounding、URL context 及結構化輸出。函式需要明確用途與定義參數；連接應用程式執行操作並提供結果。以結構描述擷取時，應驗證回傳結構並與原始素材比較其值。工具選擇或格式良好紀錄，只有在來源與真實回傳證據的脈絡中才實用。
原生模型資訊卡列出 1M 上下文視窗及 64K 文字輸出。API 模型頁面指定 1,048,576 輸入 token 及 65,536 輸出 token。指令、來源內容及保留對話會消耗輸入預算，推理與回應上限則影響最終結果是否容得下。此原始模型設定列有快取、批次、Flex 及 Priority 處理。重複任務應保留相同類別或欄位定義，並將識別碼一路帶入結果，讓後續審查能定位原始項目。
此穩定版設定與系列其他部分描述的六月、九月 Preview 變體不同。共用原生模型資訊卡將九月 Preview 的改善，包括指令遵循及簡潔性，專門標記為該預覽版特性；不應默默轉移至穩定版識別碼。後續 Flash-Lite 世代也使用不同 thinking 控制及能力表。請保留版本並選擇其文件設定，而非以 Gemini 3 thinking-level 語法取代 2.5 預算。
資訊卡列出幻覺，以及因果理解、複雜邏輯演繹與反事實推理限制，知識截止時間為 2025 年 1 月。較新事實重要時，請提供最新證據或使用文件記載的 grounding 流程。檢查翻譯語意、擷取欄位的來源支持，以及轉錄稿是否符合音訊。聚焦的小型結果可讓此審查更實際，而非把潤飾精良的答案當作來源確實包含所述細節的證明。
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 google/gemini-2.5-flash-lite | 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。
請逐一核對各項費用與所列條件。每組互為替代選項的設定只套用一種費率。
| 設定 | 費率表 | 上下文 Token 數大於 | 上下文 Token 數小於或等於 | 費用 |
|---|---|---|---|---|
| 設定詞元基本費率 | 費率表基本費率 | 上下文 Token 數大於— | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
| 設定請求長度級距 1 | 費率表— | 上下文 Token 數大於0 | 上下文 Token 數小於或等於無上限 | 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 $0.00002 / 1K Token 輸入 · 寫入快取 $0.0001666666666666666 / 1K Token 輸入 · 寫入快取，1 小時 — / 1K Token |
Ailoot 會在請求前預留估算金額。取得結果後，依實測用量結算最終費用。串流結算採用最終用量紀錄。預留金額與結算的運作方式 →
{\n "model": "google/gemini-2.5-flash-lite",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-2.5-flash-lite', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 gemini-2.5-flash-lite
Ailoot Ultra gemini-2.5-flash-lite, google/gemini-2.5-flash-lite
/chat/completions
google/gemini-2.5-flash-lite, gemini-2.5-flash-lite, gemini-2.5-flash-lite
英文技術範例
Translate a pickup instruction\n\nTranslate this pickup instruction into French for a customer: "Collect order AR-62 at reception between 14:00 and 17:00. Bring the pickup code. Do not send the code by email." Keep AR-62 and the time range unchanged. Return only the translation, preserving both the required action and the warning.One French translation with the original order ID and time range, without commentary.Check the order ID, both times and the prohibition on emailing the code against the source.