Gemini 3 Pro Preview je pojmenovaná předběžná varianta Gemini 3 Pro od Googlu pro multimodální uvažování a generování textu. Umí pracovat s textem, obrázky, zvukem, videem a dokumenty PDF a vracet písemný výsledek. Zamýšlená využití zahrnují složitou analýzu, pokročilé programování, vývoj algoritmů a úlohy spojující rozsáhlý soubor podkladů s konkrétní otázkou.
Gemini 3 Pro je model se řídkou směsí expertů založený na transformerech a s nativní podporou multimodálního vstupu. Jeho architektura směruje každý token přes vybranou podmnožinu expertů. Jde o vlastnost návrhu modelu, nikoli o uživatelské ovládání pro výběr konkrétního experta nebo pevné nastavení obsluhy požadavků.
Připravujte vstupy podle informačních potřeb úlohy. Dokument, snímek obrazovky a zvuková nahrávka mohou poskytovat různé důkazy. Určete, co každý soubor obsahuje a jak má přispět k odpovědi. Výstup zůstává textový; porozumění vizuálnímu či mluvenému materiálu z této předběžné varianty nedělá generátor obrázků, řeči nebo videa.
Obrázky použijte pro otázky k viditelnému obsahu, zvuk pro mluvené či akustické informace a video pro posloupnost, v níž záleží na změnách v čase. K otázce přiložte skutečný soubor, místo abyste jej pouze popisovali zpaměti. Při porovnávání více souborů je jasně označte, aby odpověď mohla odkazovat na správný zdroj.
Zadání analýzy produktu například může spojit písemnou specifikaci, snímek rozhraní a nahranou ukázku. Požádejte o srovnání, které oddělí sliby specifikace od toho, co je v dodaném materiálu vidět či slyšet. Požadovaný výsledek definujte jako zjištění, podpůrná pozorování a nezodpovězené otázky.
U úlohy s PDF dodejte dokument a označte oddíly nebo tvrzení k prozkoumání. Užitečná otázka žádá porovnání, extrakci či vysvětlení navázané na zdroj, místo pouhé obecné žádosti o shrnutí velkého souboru.
Specifikace této konkrétní předběžné varianty uvádí vstupní limit 1 048 576 tokenů a výstupní limit 65 536 tokenů. Výrobce uvádí hranici znalostí v lednu 2025; závisí-li otázka na pozdějších událostech či informacích, dodejte novější důkazy. Jde o odlišné limity. Rozsáhlý soubor zdrojů lze přečíst pro cílenou odpověď, aniž by model musel reprodukovat všechny části vstupu.
Dlouhé materiály uspořádejte tak, aby byla zřejmá jejich struktura: názvy dokumentů, hranice oddílů, cesty ke kódu a otázka, kterou má výstup zodpovědět. Relevantní výjimky a definice umístěte poblíž obsahu, k němuž se vztahují. Vyžaduje-li úloha dlouhou zprávu, určete její části a důkazy očekávané v každé z nich.
Velké kontextové okno nezaručuje stejnou pozornost každému detailu ani správnost všech závěrů. Google rovněž upozorňuje na možné zhoršování během vícekolové konverzace; s rozvojem rozhovoru kontrolujte důležitá zdrojová fakta a znovu používaný kontext. Odpověď ověřujte vůči konkrétním pasážím či souborům, které podporují její podstatná tvrzení.
Mezi zamýšlená využití výrobce patří pokročilé programování a algoritmické úlohy. Dodejte příslušný zdrojový kód, předpoklady prostředí, pozorované selhání a očekávané chování. U algoritmické úlohy definujte vstup, požadovaný výstup a podmínky, jako jsou pořadí, duplicity či neplatná data.
Užitečné zadání ladění spojuje selhávající vstup a chybu s nejmenší relevantní částí zdrojového kódu. Požádejte o diagnózu a cílenou změnu a poté prozkoumejte, zda navržená změna řeší nahlášené chování. Vygenerovaný kód a tvrzení, že by měl fungovat, se liší od implementace, která byla spuštěna a ověřena.
U rozsáhlejší otázky k repozitáři využijte vstupní limit k dodání potřebných souborů s jasně označenými cestami. Uveďte, zda má být výsledkem vysvětlení, návrh opravy či rozbor alternativ, aby měl výstup konkrétní účel.
Specifikace výrobce pro tuto předběžnou variantu podporuje volání funkcí, spouštění kódu, vyhledávání v souborech, podložení vyhledáváním a kontext z URL. Tyto funkce mají odlišné role. Volání funkce popisuje operaci, kterou má provést aplikace; výsledek nástroje pak dodává důkazy pro následující krok modelu. Spouštění kódu je postup s nástrojem, nikoli záruka, že libovolný vygenerovaný aplikační kód již prošel testováním.
Podložení vyhledáváním a kontext z URL umožňují postupy zaměřené na zdroje, zatímco vyhledávání v souborech pracuje s připravenou sbírkou souborů. S odpovědí uchovávejte výsledky nástrojů a vazby na zdroje, aby bylo možné závěr prozkoumat. Podle specifikace tato varianta nepodporuje ovládání počítače ani podložení daty z Map.
Podpora strukturovaného výstupu umožňuje vyjádřit výsledek v definovaném schématu. Před generováním určete pole a jejich význam a kontrolujte obsah i formát. I platný strukturovaný objekt potřebuje faktickou kontrolu a ověření podle konkrétní úlohy.
Tato předběžná varianta podporuje přemýšlení. U práce vyžadující několik kroků uvažování použijte jasné zadání, relevantní důkazy a výslovná omezení. Výsledek má vysvětlit předpoklady a užitečný závěr; skryté uvažování ani samotná existence režimu přemýšlení nejsou ověřením.
Výrobce uvádí také podporu ukládání do mezipaměti a dávkového zpracování. Jde o funkce zpracování oddělené od obsahových schopností modelu a jejich přítomnost nedokládá, že konkrétní požadavek použil mezipaměť nebo že je výsledek dávky správný.
Gemini 3 Pro Preview odlišujte od Gemini 3.1 Pro Preview, Gemini 3 Pro Image a zvukových či Live variant. Výstupem této předběžné varianty je text a její specifikace nezahrnuje generování obrázků, generování zvuku ani provoz Live. Vrácenou odpověď, kód nebo strukturovaný výsledek posuzujte vůči dodanému souboru zdrojů a zamýšlené úloze.
", "aboutText": "Gemini 3 Pro Preview je pojmenovaná předběžná varianta Gemini 3 Pro od Googlu pro multimodální uvažování a generování textu. Umí pracovat s textem, obrázky, zvukem, videem a dokumenty PDF a vracet písemný výsledek. Zamýšlená využití zahrnují složitou analýzu, pokročilé programování, vývoj algoritmů a úlohy spojující rozsáhlý soubor podkladů s konkrétní otázkou.\n\n### Model a struktura vstupu\n\nGemini 3 Pro je model se řídkou směsí expertů založený na transformerech a s nativní podporou multimodálního vstupu. Jeho architektura směruje každý token přes vybranou podmnožinu expertů. Jde o vlastnost návrhu modelu, nikoli o uživatelské ovládání pro výběr konkrétního experta nebo pevné nastavení obsluhy požadavků.\n\nPřipravujte vstupy podle informačních potřeb úlohy. Dokument, snímek obrazovky a zvuková nahrávka mohou poskytovat různé důkazy. Určete, co každý soubor obsahuje a jak má přispět k odpovědi. Výstup zůstává textový; porozumění vizuálnímu či mluvenému materiálu z této předběžné varianty nedělá generátor obrázků, řeči nebo videa.\n\n### Multimodální analýza\n\nObrázky použijte pro otázky k viditelnému obsahu, zvuk pro mluvené či akustické informace a video pro posloupnost, v níž záleží na změnách v čase. K otázce přiložte skutečný soubor, místo abyste jej pouze popisovali zpaměti. Při porovnávání více souborů je jasně označte, aby odpověď mohla odkazovat na správný zdroj.\n\nZadání analýzy produktu například může spojit písemnou specifikaci, snímek rozhraní a nahranou ukázku. Požádejte o srovnání, které oddělí sliby specifikace od toho, co je v dodaném materiálu vidět či slyšet. Požadovaný výsledek definujte jako zjištění, podpůrná pozorování a nezodpovězené otázky.\n\nU úlohy s PDF dodejte dokument a označte oddíly nebo tvrzení k prozkoumání. Užitečná otázka žádá porovnání, extrakci či vysvětlení navázané na zdroj, místo pouhé obecné žádosti o shrnutí velkého souboru.\n\n### Dlouhý kontext a výstupní limit\n\nSpecifikace této konkrétní předběžné varianty uvádí vstupní limit 1 048 576 tokenů a výstupní limit 65 536 tokenů. Výrobce uvádí hranici znalostí v lednu 2025; závisí-li otázka na pozdějších událostech či informacích, dodejte novější důkazy. Jde o odlišné limity. Rozsáhlý soubor zdrojů lze přečíst pro cílenou odpověď, aniž by model musel reprodukovat všechny části vstupu.\n\nDlouhé materiály uspořádejte tak, aby byla zřejmá jejich struktura: názvy dokumentů, hranice oddílů, cesty ke kódu a otázka, kterou má výstup zodpovědět. Relevantní výjimky a definice umístěte poblíž obsahu, k němuž se vztahují. Vyžaduje-li úloha dlouhou zprávu, určete její části a důkazy očekávané v každé z nich.\n\nVelké kontextové okno nezaručuje stejnou pozornost každému detailu ani správnost všech závěrů. Google rovněž upozorňuje na možné zhoršování během vícekolové konverzace; s rozvojem rozhovoru kontrolujte důležitá zdrojová fakta a znovu používaný kontext. Odpověď ověřujte vůči konkrétním pasážím či souborům, které podporují její podstatná tvrzení.\n\n### Programování a vývoj algoritmů\n\nMezi zamýšlená využití výrobce patří pokročilé programování a algoritmické úlohy. Dodejte příslušný zdrojový kód, předpoklady prostředí, pozorované selhání a očekávané chování. U algoritmické úlohy definujte vstup, požadovaný výstup a podmínky, jako jsou pořadí, duplicity či neplatná data.\n\nUžitečné zadání ladění spojuje selhávající vstup a chybu s nejmenší relevantní částí zdrojového kódu. Požádejte o diagnózu a cílenou změnu a poté prozkoumejte, zda navržená změna řeší nahlášené chování. Vygenerovaný kód a tvrzení, že by měl fungovat, se liší od implementace, která byla spuštěna a ověřena.\n\nU rozsáhlejší otázky k repozitáři využijte vstupní limit k dodání potřebných souborů s jasně označenými cestami. Uveďte, zda má být výsledkem vysvětlení, návrh opravy či rozbor alternativ, aby měl výstup konkrétní účel.\n\n### Nástroje, zdroje a strukturované výsledky\n\nSpecifikace výrobce pro tuto předběžnou variantu podporuje volání funkcí, spouštění kódu, vyhledávání v souborech, podložení vyhledáváním a kontext z URL. Tyto funkce mají odlišné role. Volání funkce popisuje operaci, kterou má provést aplikace; výsledek nástroje pak dodává důkazy pro následující krok modelu. Spouštění kódu je postup s nástrojem, nikoli záruka, že libovolný vygenerovaný aplikační kód již prošel testováním.\n\nPodložení vyhledáváním a kontext z URL umožňují postupy zaměřené na zdroje, zatímco vyhledávání v souborech pracuje s připravenou sbírkou souborů. S odpovědí uchovávejte výsledky nástrojů a vazby na zdroje, aby bylo možné závěr prozkoumat. Podle specifikace tato varianta nepodporuje ovládání počítače ani podložení daty z Map.\n\nPodpora strukturovaného výstupu umožňuje vyjádřit výsledek v definovaném schématu. Před generováním určete pole a jejich význam a kontrolujte obsah i formát. I platný strukturovaný objekt potřebuje faktickou kontrolu a ověření podle konkrétní úlohy.\n\n### Uvažování, opětovné použití a hranice edic\n\nTato předběžná varianta podporuje přemýšlení. U práce vyžadující několik kroků uvažování použijte jasné zadání, relevantní důkazy a výslovná omezení. Výsledek má vysvětlit předpoklady a užitečný závěr; skryté uvažování ani samotná existence režimu přemýšlení nejsou ověřením.\n\nVýrobce uvádí také podporu ukládání do mezipaměti a dávkového zpracování. Jde o funkce zpracování oddělené od obsahových schopností modelu a jejich přítomnost nedokládá, že konkrétní požadavek použil mezipaměť nebo že je výsledek dávky správný.\n\nGemini 3 Pro Preview odlišujte od Gemini 3.1 Pro Preview, Gemini 3 Pro Image a zvukových či Live variant. Výstupem této předběžné varianty je text a její specifikace nezahrnuje generování obrázků, generování zvuku ani provoz Live. Vrácenou odpověď, kód nebo strukturovaný výsledek posuzujte vůči dodanému souboru zdrojů a zamýšlené úloze.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "86bf0819190c04d10065656b0176a4c7ea80aabb3dba4a9322d80e78b882c109", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "cs", "methods": [ { "html": "gemini-3-pro-previewGemini 3 Pro Preview je multimodální model Googlu pro uvažování nad textem, obrázky, zvukem, videem a PDF s textovým výstupem. Velký vstupní limit, schopnosti programování a podporované postupy s nástroji se hodí pro podrobnou analýzu, porovnávání dokumentů a provádění úloh založené na důkazech.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Gemini 3 Pro Preview je pojmenovaná předběžná varianta Gemini 3 Pro od Googlu pro multimodální uvažování a generování textu. Umí pracovat s textem, obrázky, zvukem, videem a dokumenty PDF a vracet písemný výsledek. Zamýšlená využití zahrnují složitou analýzu, pokročilé programování, vývoj algoritmů a úlohy spojující rozsáhlý soubor podkladů s konkrétní otázkou.
Gemini 3 Pro je model se řídkou směsí expertů založený na transformerech a s nativní podporou multimodálního vstupu. Jeho architektura směruje každý token přes vybranou podmnožinu expertů. Jde o vlastnost návrhu modelu, nikoli o uživatelské ovládání pro výběr konkrétního experta nebo pevné nastavení obsluhy požadavků.
Připravujte vstupy podle informačních potřeb úlohy. Dokument, snímek obrazovky a zvuková nahrávka mohou poskytovat různé důkazy. Určete, co každý soubor obsahuje a jak má přispět k odpovědi. Výstup zůstává textový; porozumění vizuálnímu či mluvenému materiálu z této předběžné varianty nedělá generátor obrázků, řeči nebo videa.
Obrázky použijte pro otázky k viditelnému obsahu, zvuk pro mluvené či akustické informace a video pro posloupnost, v níž záleží na změnách v čase. K otázce přiložte skutečný soubor, místo abyste jej pouze popisovali zpaměti. Při porovnávání více souborů je jasně označte, aby odpověď mohla odkazovat na správný zdroj.
Zadání analýzy produktu například může spojit písemnou specifikaci, snímek rozhraní a nahranou ukázku. Požádejte o srovnání, které oddělí sliby specifikace od toho, co je v dodaném materiálu vidět či slyšet. Požadovaný výsledek definujte jako zjištění, podpůrná pozorování a nezodpovězené otázky.
U úlohy s PDF dodejte dokument a označte oddíly nebo tvrzení k prozkoumání. Užitečná otázka žádá porovnání, extrakci či vysvětlení navázané na zdroj, místo pouhé obecné žádosti o shrnutí velkého souboru.
Specifikace této konkrétní předběžné varianty uvádí vstupní limit 1 048 576 tokenů a výstupní limit 65 536 tokenů. Výrobce uvádí hranici znalostí v lednu 2025; závisí-li otázka na pozdějších událostech či informacích, dodejte novější důkazy. Jde o odlišné limity. Rozsáhlý soubor zdrojů lze přečíst pro cílenou odpověď, aniž by model musel reprodukovat všechny části vstupu.
Dlouhé materiály uspořádejte tak, aby byla zřejmá jejich struktura: názvy dokumentů, hranice oddílů, cesty ke kódu a otázka, kterou má výstup zodpovědět. Relevantní výjimky a definice umístěte poblíž obsahu, k němuž se vztahují. Vyžaduje-li úloha dlouhou zprávu, určete její části a důkazy očekávané v každé z nich.
Velké kontextové okno nezaručuje stejnou pozornost každému detailu ani správnost všech závěrů. Google rovněž upozorňuje na možné zhoršování během vícekolové konverzace; s rozvojem rozhovoru kontrolujte důležitá zdrojová fakta a znovu používaný kontext. Odpověď ověřujte vůči konkrétním pasážím či souborům, které podporují její podstatná tvrzení.
Mezi zamýšlená využití výrobce patří pokročilé programování a algoritmické úlohy. Dodejte příslušný zdrojový kód, předpoklady prostředí, pozorované selhání a očekávané chování. U algoritmické úlohy definujte vstup, požadovaný výstup a podmínky, jako jsou pořadí, duplicity či neplatná data.
Užitečné zadání ladění spojuje selhávající vstup a chybu s nejmenší relevantní částí zdrojového kódu. Požádejte o diagnózu a cílenou změnu a poté prozkoumejte, zda navržená změna řeší nahlášené chování. Vygenerovaný kód a tvrzení, že by měl fungovat, se liší od implementace, která byla spuštěna a ověřena.
U rozsáhlejší otázky k repozitáři využijte vstupní limit k dodání potřebných souborů s jasně označenými cestami. Uveďte, zda má být výsledkem vysvětlení, návrh opravy či rozbor alternativ, aby měl výstup konkrétní účel.
Specifikace výrobce pro tuto předběžnou variantu podporuje volání funkcí, spouštění kódu, vyhledávání v souborech, podložení vyhledáváním a kontext z URL. Tyto funkce mají odlišné role. Volání funkce popisuje operaci, kterou má provést aplikace; výsledek nástroje pak dodává důkazy pro následující krok modelu. Spouštění kódu je postup s nástrojem, nikoli záruka, že libovolný vygenerovaný aplikační kód již prošel testováním.
Podložení vyhledáváním a kontext z URL umožňují postupy zaměřené na zdroje, zatímco vyhledávání v souborech pracuje s připravenou sbírkou souborů. S odpovědí uchovávejte výsledky nástrojů a vazby na zdroje, aby bylo možné závěr prozkoumat. Podle specifikace tato varianta nepodporuje ovládání počítače ani podložení daty z Map.
Podpora strukturovaného výstupu umožňuje vyjádřit výsledek v definovaném schématu. Před generováním určete pole a jejich význam a kontrolujte obsah i formát. I platný strukturovaný objekt potřebuje faktickou kontrolu a ověření podle konkrétní úlohy.
Tato předběžná varianta podporuje přemýšlení. U práce vyžadující několik kroků uvažování použijte jasné zadání, relevantní důkazy a výslovná omezení. Výsledek má vysvětlit předpoklady a užitečný závěr; skryté uvažování ani samotná existence režimu přemýšlení nejsou ověřením.
Výrobce uvádí také podporu ukládání do mezipaměti a dávkového zpracování. Jde o funkce zpracování oddělené od obsahových schopností modelu a jejich přítomnost nedokládá, že konkrétní požadavek použil mezipaměť nebo že je výsledek dávky správný.
Gemini 3 Pro Preview odlišujte od Gemini 3.1 Pro Preview, Gemini 3 Pro Image a zvukových či Live variant. Výstupem této předběžné varianty je text a její specifikace nezahrnuje generování obrázků, generování zvuku ani provoz Live. Vrácenou odpověď, kód nebo strukturovaný výsledek posuzujte vůči dodanému souboru zdrojů a zamýšlené úloze.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity gemini-3-pro-preview | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Textová konverzace | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF8
messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages |
Parametrmaterial_types | Kontrakttext |
Parametrmessages | Kontraktpole zpráv se strukturou role/content |
Parametrfile_material | Kontraktskutečný dokument UTF-8 vložený jako doslovný text; ID souboru se neodvozuje |
Parametroptional_controls | Kontraktstream |
Parametrcontrol_scope | KontraktTextová konverzace; stream je booleovská hodnota a ve výchozím nastavení je false. |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
Aliasy metody: /chat/completions
Životní cyklus: synchronous_or_streamed
Odešlete přesné ID modelu spolu s messages.
Délka kontextu není limitem výstupu.
Textový soubor může dodat doslovný text; obrazové/zvukové vstupy a vstupy v podobě souborových objektů vyžadují přesnou vazbu.
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.004 / 1K tokenů Výstup · Výstupní tokeny $0.024 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3-pro-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3-pro-preview", 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 nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte každou volbu a její obsah/volání nástrojů/uvažování. V SSE sestavujte přírůstky podle indexu volby/nástroje a zachovejte konečný důvod ukončení i údaje o využití.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Polechoices[].index | Typinteger |
Polechoices[].message.content | Typstring|null |
Polechoices[].message.tool_calls | Typtool_call[] |
Polechoices[].message.reasoning_content | Typstring |
Polechoices[].message.reasoning_details | Typobject|array |
Polechoices[].finish_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions
gemini-3-pro-previewGemini 3 Pro Preview je multimodální model Googlu pro uvažování nad textem, obrázky, zvukem, videem a PDF s textovým výstupem. Velký vstupní limit, schopnosti programování a podporované postupy s nástroji se hodí pro podrobnou analýzu, porovnávání dokumentů a provádění úloh založené na důkazech.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Gemini 3 Pro Preview je pojmenovaná předběžná varianta Gemini 3 Pro od Googlu pro multimodální uvažování a generování textu. Umí pracovat s textem, obrázky, zvukem, videem a dokumenty PDF a vracet písemný výsledek. Zamýšlená využití zahrnují složitou analýzu, pokročilé programování, vývoj algoritmů a úlohy spojující rozsáhlý soubor podkladů s konkrétní otázkou.
Gemini 3 Pro je model se řídkou směsí expertů založený na transformerech a s nativní podporou multimodálního vstupu. Jeho architektura směruje každý token přes vybranou podmnožinu expertů. Jde o vlastnost návrhu modelu, nikoli o uživatelské ovládání pro výběr konkrétního experta nebo pevné nastavení obsluhy požadavků.
Připravujte vstupy podle informačních potřeb úlohy. Dokument, snímek obrazovky a zvuková nahrávka mohou poskytovat různé důkazy. Určete, co každý soubor obsahuje a jak má přispět k odpovědi. Výstup zůstává textový; porozumění vizuálnímu či mluvenému materiálu z této předběžné varianty nedělá generátor obrázků, řeči nebo videa.
Obrázky použijte pro otázky k viditelnému obsahu, zvuk pro mluvené či akustické informace a video pro posloupnost, v níž záleží na změnách v čase. K otázce přiložte skutečný soubor, místo abyste jej pouze popisovali zpaměti. Při porovnávání více souborů je jasně označte, aby odpověď mohla odkazovat na správný zdroj.
Zadání analýzy produktu například může spojit písemnou specifikaci, snímek rozhraní a nahranou ukázku. Požádejte o srovnání, které oddělí sliby specifikace od toho, co je v dodaném materiálu vidět či slyšet. Požadovaný výsledek definujte jako zjištění, podpůrná pozorování a nezodpovězené otázky.
U úlohy s PDF dodejte dokument a označte oddíly nebo tvrzení k prozkoumání. Užitečná otázka žádá porovnání, extrakci či vysvětlení navázané na zdroj, místo pouhé obecné žádosti o shrnutí velkého souboru.
Specifikace této konkrétní předběžné varianty uvádí vstupní limit 1 048 576 tokenů a výstupní limit 65 536 tokenů. Výrobce uvádí hranici znalostí v lednu 2025; závisí-li otázka na pozdějších událostech či informacích, dodejte novější důkazy. Jde o odlišné limity. Rozsáhlý soubor zdrojů lze přečíst pro cílenou odpověď, aniž by model musel reprodukovat všechny části vstupu.
Dlouhé materiály uspořádejte tak, aby byla zřejmá jejich struktura: názvy dokumentů, hranice oddílů, cesty ke kódu a otázka, kterou má výstup zodpovědět. Relevantní výjimky a definice umístěte poblíž obsahu, k němuž se vztahují. Vyžaduje-li úloha dlouhou zprávu, určete její části a důkazy očekávané v každé z nich.
Velké kontextové okno nezaručuje stejnou pozornost každému detailu ani správnost všech závěrů. Google rovněž upozorňuje na možné zhoršování během vícekolové konverzace; s rozvojem rozhovoru kontrolujte důležitá zdrojová fakta a znovu používaný kontext. Odpověď ověřujte vůči konkrétním pasážím či souborům, které podporují její podstatná tvrzení.
Mezi zamýšlená využití výrobce patří pokročilé programování a algoritmické úlohy. Dodejte příslušný zdrojový kód, předpoklady prostředí, pozorované selhání a očekávané chování. U algoritmické úlohy definujte vstup, požadovaný výstup a podmínky, jako jsou pořadí, duplicity či neplatná data.
Užitečné zadání ladění spojuje selhávající vstup a chybu s nejmenší relevantní částí zdrojového kódu. Požádejte o diagnózu a cílenou změnu a poté prozkoumejte, zda navržená změna řeší nahlášené chování. Vygenerovaný kód a tvrzení, že by měl fungovat, se liší od implementace, která byla spuštěna a ověřena.
U rozsáhlejší otázky k repozitáři využijte vstupní limit k dodání potřebných souborů s jasně označenými cestami. Uveďte, zda má být výsledkem vysvětlení, návrh opravy či rozbor alternativ, aby měl výstup konkrétní účel.
Specifikace výrobce pro tuto předběžnou variantu podporuje volání funkcí, spouštění kódu, vyhledávání v souborech, podložení vyhledáváním a kontext z URL. Tyto funkce mají odlišné role. Volání funkce popisuje operaci, kterou má provést aplikace; výsledek nástroje pak dodává důkazy pro následující krok modelu. Spouštění kódu je postup s nástrojem, nikoli záruka, že libovolný vygenerovaný aplikační kód již prošel testováním.
Podložení vyhledáváním a kontext z URL umožňují postupy zaměřené na zdroje, zatímco vyhledávání v souborech pracuje s připravenou sbírkou souborů. S odpovědí uchovávejte výsledky nástrojů a vazby na zdroje, aby bylo možné závěr prozkoumat. Podle specifikace tato varianta nepodporuje ovládání počítače ani podložení daty z Map.
Podpora strukturovaného výstupu umožňuje vyjádřit výsledek v definovaném schématu. Před generováním určete pole a jejich význam a kontrolujte obsah i formát. I platný strukturovaný objekt potřebuje faktickou kontrolu a ověření podle konkrétní úlohy.
Tato předběžná varianta podporuje přemýšlení. U práce vyžadující několik kroků uvažování použijte jasné zadání, relevantní důkazy a výslovná omezení. Výsledek má vysvětlit předpoklady a užitečný závěr; skryté uvažování ani samotná existence režimu přemýšlení nejsou ověřením.
Výrobce uvádí také podporu ukládání do mezipaměti a dávkového zpracování. Jde o funkce zpracování oddělené od obsahových schopností modelu a jejich přítomnost nedokládá, že konkrétní požadavek použil mezipaměť nebo že je výsledek dávky správný.
Gemini 3 Pro Preview odlišujte od Gemini 3.1 Pro Preview, Gemini 3 Pro Image a zvukových či Live variant. Výstupem této předběžné varianty je text a její specifikace nezahrnuje generování obrázků, generování zvuku ani provoz Live. Vrácenou odpověď, kód nebo strukturovaný výsledek posuzujte vůči dodanému souboru zdrojů a zamýšlené úloze.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity gemini-3-pro-preview | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity user, assistant | Výchozí— |
Polemessages[].content | Typstring | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polemax_tokens | Typinteger | PožadavekPovinné | Hodnoty a limity | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Text · text UTF-8
řetězec messages[].content
| Parametr | Kontrakt |
|---|---|
Parametrcontent_type | Kontraktapplication/json |
Parametrrequired | Kontraktmodel, messages, max_tokens |
Parametroptional_controls | Kontraktstream |
Parametrmaterial_types | Kontrakttext |
Parametrtext_file_material | KontraktPřečtěte skutečný dokument UTF-8 a vložte jeho text do uvedeného pole input nebo do řetězce obsahu zprávy. |
Životní cyklus: synchronous_or_streamed
Údaje o tarifech nepřidávají možnosti požadavku. Podporované parametry jsou uvedeny u vybrané metody.
| Konfigurace | Tabulka sazeb | Poplatek |
|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Poplatek Vstup · Vstupní tokeny $0.004 / 1K tokenů Výstup · Výstupní tokeny $0.024 / 1K tokenů Vstup · Čtení z mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti $0 / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "gemini-3-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3-pro-preview', '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 nebo SSE
Uchovejte každou úplnou vrácenou odpověď, soubor i část obsahu.
Zachovejte všechny bloky obsahu, podpisy uvažování a skutečná ID použití nástrojů. Sestavte všechny přírůstky bloků SSE; první textový blok není úplný výstup.
Zachovejte ID požadavků/odpovědí a hlavičky. Není dodána obecná URL pro načtení textové úlohy.
| Pole | Typ |
|---|---|
Poleid | Typstring |
Polemodel | Typstring |
Polecontent[] | Typtext|thinking|tool_use|other content block |
Polestop_reason | Typstring|null |
Poleusage | Typobject |
| Odpověď | Podmínka | Další krok |
|---|---|---|
Odpověď400 · invalid_request_error | PodmínkaNeplatná povinná pole, reprezentace podkladů nebo hodnota parametru | Další krokPřed novým požadavkem na vytvoření opravte uvedená pole. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions