Gemini 2.5 Flash-Lite で API コストを 6 分の 1 に抑える

pip install google-genai --upgrade

import os
from google import genai
 
# 環境変数から API キーを取得（ハードコードしないこと）
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
response = client.models.generate_content(
    model="gemini-2.5-flash-lite",
    contents="次の文をポジティブ・ネガティブ・中立に分類してください：「配送が少し遅かったけど商品は良かった」"
)
 
print(response.text)
# 出力例: ポジティブ（商品への評価がメインで、配送の遅延は補足的な言及）

import os
from google import genai
from google.genai import types
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
SYSTEM_PROMPT = """
あなたはテキスト分類の専門家です。
入力されたテキストを以下のカテゴリのいずれかに分類し、カテゴリ名だけを返してください。
カテゴリ: POSITIVE / NEGATIVE / NEUTRAL
"""
 
reviews = [
    "操作が簡単で気に入っています",
    "サポートの対応が最悪でした",
    "普通の商品です",
    "期待以上でした！また購入します",
    "届いたときに箱が傷ついていました",
]
 
results = []
for text in reviews:
    response = client.models.generate_content(
        model="gemini-2.5-flash-lite",
        config=types.GenerateContentConfig(
            system_instruction=SYSTEM_PROMPT,
            max_output_tokens=10,   # 分類タスクなので出力を短く制限
            temperature=0.1,        # 分類は低温度で安定させる
        ),
        contents=text,
    )
    results.append({
        "text": text,
        "label": response.text.strip()
    })
    print(f"[{response.text.strip()}] {text}")
 
# 出力例:
# [POSITIVE] 操作が簡単で気に入っています
# [NEGATIVE] サポートの対応が最悪でした
# [NEUTRAL]  普通の商品です
# [POSITIVE] 期待以上でした！また購入します
# [NEGATIVE] 届いたときに箱が傷ついていました

from google.genai import types
 
# Thinking モードを有効にする（thinking_budget で推論量を制御）
response = client.models.generate_content(
    model="gemini-2.5-flash-lite",
    config=types.GenerateContentConfig(
        thinking_config=types.ThinkingConfig(
            thinking_budget=512  # 推論に使うトークン数の上限（省略すると自動）
        ),
    ),
    contents="次の文章のロジックに矛盾がないか確認してください：もし A なら B、もし B なら C、しかし A でないとき C は成立するか？"
)
 
print(response.text)

import time
from google.api_core.exceptions import ResourceExhausted
 
def classify_with_retry(client, text, max_retries=3):
    for attempt in range(max_retries):
        try:
            response = client.models.generate_content(
                model="gemini-2.5-flash-lite",
                contents=text,
            )
            return response.text.strip()
        except ResourceExhausted:
            wait = 2 ** attempt  # 指数バックオフ: 1s, 2s, 4s
            print(f"レート制限に到達。{wait}秒待機して再試行 ({attempt+1}/{max_retries})")
            time.sleep(wait)
    return None  # 最大リトライ後も失敗した場合

import os
from google import genai
from google.genai import types
 
client = genai.Client(api_key=os.environ["GEMINI_API_KEY"])
 
def translate_text(source_text: str, target_language: str = "日本語") -> str:
    """
    Gemini 2.5 Flash-Lite を使ってテキストを翻訳する。
 
    Args:
        source_text: 翻訳元のテキスト
        target_language: 翻訳先の言語名（例: "日本語", "英語", "フランス語"）
 
    Returns:
        翻訳されたテキスト文字列
    """
    response = client.models.generate_content(
        model="gemini-2.5-flash-lite",
        config=types.GenerateContentConfig(
            system_instruction=(
                f"あなたはプロの翻訳者です。"
                f"次のテキストを{target_language}に翻訳してください。"
                f"翻訳文のみを返し、説明や引用符は不要です。"
            ),
            temperature=0.2,  # 分類より少し高め——自然な文体のため
            max_output_tokens=1024,
        ),
        contents=source_text,
    )
    return response.text.strip()
 
# 使用例
original = "The new model delivers lower latency while maintaining high accuracy on standard benchmarks."
translated = translate_text(original, "日本語")
print(translated)
# 出力例: 新しいモデルは、標準ベンチマークで高い精度を維持しながら、低レイテンシを実現しています。