Gemma 3 27B IT je edice o velikosti 27B z rodiny Gemma 3 od Googlu, doladěná k plnění instrukcí. Kombinuje generování textu s porozuměním obrázkům a liší se od předtrénovaného checkpointu 27B i od menších modelů 4B a 12B IT. Výstupem je text: vysvětlení založené na zdrojích, shrnutí, návrh dokumentu, odpověď nebo návrh kódu. Model doladěný k plnění instrukcí je navržen tak, aby sledoval konverzaci a zadanou úlohu, nikoli aby fungoval pouze jako základní model pro doplňování textu.
Karta výrobce této velikosti přisuzuje celkový kontext 128K tokenů. Vstup a výstup tuto kapacitu sdílejí, takže generovaná odpověď využívá prostor zbývající po požadavku. Rozsáhlá kolekce by měla zachovávat identifikátory zdrojů a zároveň ponechat místo pro požadovaný výsledek. V základním postupu zpracování se jednotlivé obrazové vstupy normalizují na 896×896 a kódují do 256 vizuálních tokenů. U společné textové a obrazové analýzy vysvětlete, jak obrázek stránky, diagram nebo snímek obrazovky souvisí s písemnými zdroji, aby model odpovídal na jednu souvislou otázku.
Uváděný rozpočet předtrénování modelu 27B je 14 bilionů tokenů. Data rodiny zahrnují webové dokumenty ve více než 140 jazycích, kód, matematiku a obrázky. Trénink využívá destilaci znalostí a následný trénink přidává dodržování instrukcí a cíle posilovaného učení pro užitečnost, matematiku, programování, uvažování a vícejazyčné chování. Tato fakta popisují postup vývoje modelu u výrobce. Nenahrazují ověření vygenerovaného tvrzení proti zdroji ani spuštění navrhovaného programu na zamýšlených vstupech.
Technická zpráva popisuje transformer pouze s dekodérem, s pozorností typu grouped-query a pěti vrstvami lokální pozornosti na každou globální vrstvu. Lokální rozsah je 1,024 tokenů, zatímco globální vrstvy zajišťují interakce v delším kontextu. Sdílený obrazový enkodér SigLIP rodiny reprezentuje vizuální vstupy pro jazykový model. Tokenizér SentencePiece rozděluje čísla na jednotlivé číslice, zachovává bílé znaky a používá kódování na úrovni bajtů. Pokud jsou pro výklad důležité, zachovejte číselný zápis, odsazení kódu a terminologii zdrojového jazyka.
U nečtvercových nebo detailních obrázků zpráva popisuje Pan and Scan, který může před změnou velikosti pohledů pro vizuální enkodér přidat nepřekrývající se výřezy. To pomáhá zachovat drobný obsah, který by se při jediné úpravě na čtvercový rozměr mohl ztratit, záleží však na skutečném nastavení zpracování. Výzkumná úloha nebo úloha s technickým dokumentem může poskytnout celou stránku i čitelný detail diagramu a označit jejich vztah. Požadujte, aby odpověď určila viditelné hodnoty, příslušnou textovou podmínku a závěr podložený obojím.
Používejte nativní konverzační formát IT výrobce s konverzačními kroky uživatele a modelu. Samostatný systémový krok tento formát nepodporuje; pokyny k roli a odpovědi umístěte do úvodní uživatelské zprávy a použijte určený postup formátování. U dlouhé zprávy pojmenujte otázku, porovnávané části a pravidla priorit pro případ rozporů mezi zdroji. Originálním příkladem je sladit písemnou specifikaci s diagramem a vrátit tabulku požadavků, seznam rozporů a předpoklady potřebné pro navrhované řešení.
Kategorie zamýšleného použití zahrnují psaní, shrnování, konverzaci, extrakci dat z obrázků a vzdělávací či výzkumné zkoumání. Při analýze kódu poskytněte skutečný modul, příklady vstupů a omezení rozhraní a poté požadujte vysvětlení nebo navrhovanou změnu navázanou na tato fakta. Při vícejazyčném psaní určete cílovou skupinu a výrazy, které musí zůstat beze změny. U vizuální otázky požadujte pozorování propojená s pojmenovanými prvky místo obecného popisu obrázku. Kvantizované checkpointy rodiny jsou samostatně zveřejněné artefakty, proto při porovnávání výsledků zachovejte přesnou identitu 27B IT a nastavení zpracování.
Výrobce uvádí, že modely mohou poskytovat nesprávná nebo zastaralá fakta a mít potíže s nejednoznačností, jemnými významovými odstíny a velmi otevřenými pokyny. Google také upozorňuje, že věrohodný jazykový vzorec může vést k odpovědi, která přehlédne běžné omezení skutečného světa. Více kontextu je užitečné pouze tehdy, když jsou příslušné podmínky jasné. Uchovávejte původní zdroje, ověřujte extrahovaná data a výpočty a před zpracováním jako záznam validujte každou odpověď, která pouze vypadá strukturovaně. Vysvětlení z více zdrojů by mělo rozlišovat dodané podklady, výklad a chybějící informace. Tento profil 27B podporuje připravenou úlohu uvažování nad textem a obrázky; jakékoli vyhledávání, provedení nástroje nebo aktualizace faktů prováděné aplikací potřebují vlastní vrácené podklady a nelze je dovozovat z plynulého výstupu.
", "aboutText": "Gemma 3 27B IT je edice o velikosti 27B z rodiny Gemma 3 od Googlu, doladěná k plnění instrukcí. Kombinuje generování textu s porozuměním obrázkům a liší se od předtrénovaného checkpointu 27B i od menších modelů 4B a 12B IT. Výstupem je text: vysvětlení založené na zdrojích, shrnutí, návrh dokumentu, odpověď nebo návrh kódu. Model doladěný k plnění instrukcí je navržen tak, aby sledoval konverzaci a zadanou úlohu, nikoli aby fungoval pouze jako základní model pro doplňování textu.\n\nKarta výrobce této velikosti přisuzuje celkový kontext 128K tokenů. Vstup a výstup tuto kapacitu sdílejí, takže generovaná odpověď využívá prostor zbývající po požadavku. Rozsáhlá kolekce by měla zachovávat identifikátory zdrojů a zároveň ponechat místo pro požadovaný výsledek. V základním postupu zpracování se jednotlivé obrazové vstupy normalizují na 896×896 a kódují do 256 vizuálních tokenů. U společné textové a obrazové analýzy vysvětlete, jak obrázek stránky, diagram nebo snímek obrazovky souvisí s písemnými zdroji, aby model odpovídal na jednu souvislou otázku.\n\nUváděný rozpočet předtrénování modelu 27B je 14 bilionů tokenů. Data rodiny zahrnují webové dokumenty ve více než 140 jazycích, kód, matematiku a obrázky. Trénink využívá destilaci znalostí a následný trénink přidává dodržování instrukcí a cíle posilovaného učení pro užitečnost, matematiku, programování, uvažování a vícejazyčné chování. Tato fakta popisují postup vývoje modelu u výrobce. Nenahrazují ověření vygenerovaného tvrzení proti zdroji ani spuštění navrhovaného programu na zamýšlených vstupech.\n\nTechnická zpráva popisuje transformer pouze s dekodérem, s pozorností typu grouped-query a pěti vrstvami lokální pozornosti na každou globální vrstvu. Lokální rozsah je 1,024 tokenů, zatímco globální vrstvy zajišťují interakce v delším kontextu. Sdílený obrazový enkodér SigLIP rodiny reprezentuje vizuální vstupy pro jazykový model. Tokenizér SentencePiece rozděluje čísla na jednotlivé číslice, zachovává bílé znaky a používá kódování na úrovni bajtů. Pokud jsou pro výklad důležité, zachovejte číselný zápis, odsazení kódu a terminologii zdrojového jazyka.\n\nU nečtvercových nebo detailních obrázků zpráva popisuje Pan and Scan, který může před změnou velikosti pohledů pro vizuální enkodér přidat nepřekrývající se výřezy. To pomáhá zachovat drobný obsah, který by se při jediné úpravě na čtvercový rozměr mohl ztratit, záleží však na skutečném nastavení zpracování. Výzkumná úloha nebo úloha s technickým dokumentem může poskytnout celou stránku i čitelný detail diagramu a označit jejich vztah. Požadujte, aby odpověď určila viditelné hodnoty, příslušnou textovou podmínku a závěr podložený obojím.\n\nPoužívejte nativní konverzační formát IT výrobce s konverzačními kroky uživatele a modelu. Samostatný systémový krok tento formát nepodporuje; pokyny k roli a odpovědi umístěte do úvodní uživatelské zprávy a použijte určený postup formátování. U dlouhé zprávy pojmenujte otázku, porovnávané části a pravidla priorit pro případ rozporů mezi zdroji. Originálním příkladem je sladit písemnou specifikaci s diagramem a vrátit tabulku požadavků, seznam rozporů a předpoklady potřebné pro navrhované řešení.\n\nKategorie zamýšleného použití zahrnují psaní, shrnování, konverzaci, extrakci dat z obrázků a vzdělávací či výzkumné zkoumání. Při analýze kódu poskytněte skutečný modul, příklady vstupů a omezení rozhraní a poté požadujte vysvětlení nebo navrhovanou změnu navázanou na tato fakta. Při vícejazyčném psaní určete cílovou skupinu a výrazy, které musí zůstat beze změny. U vizuální otázky požadujte pozorování propojená s pojmenovanými prvky místo obecného popisu obrázku. Kvantizované checkpointy rodiny jsou samostatně zveřejněné artefakty, proto při porovnávání výsledků zachovejte přesnou identitu 27B IT a nastavení zpracování.\n\nVýrobce uvádí, že modely mohou poskytovat nesprávná nebo zastaralá fakta a mít potíže s nejednoznačností, jemnými významovými odstíny a velmi otevřenými pokyny. Google také upozorňuje, že věrohodný jazykový vzorec může vést k odpovědi, která přehlédne běžné omezení skutečného světa. Více kontextu je užitečné pouze tehdy, když jsou příslušné podmínky jasné. Uchovávejte původní zdroje, ověřujte extrahovaná data a výpočty a před zpracováním jako záznam validujte každou odpověď, která pouze vypadá strukturovaně. Vysvětlení z více zdrojů by mělo rozlišovat dodané podklady, výklad a chybějící informace. Tento profil 27B podporuje připravenou úlohu uvažování nad textem a obrázky; jakékoli vyhledávání, provedení nástroje nebo aktualizace faktů prováděné aplikací potřebují vlastní vrácené podklady a nelze je dovozovat z plynulého výstupu.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Reconcile two written specification sources\n\nReconcile these sources. SPEC-1: the controller has four outputs, each rated 2 A; total current must not exceed 5 A. NOTE-2: connect four 2 A loads simultaneously. Produce a requirement table and a discrepancy note. Suggest a clarification question rather than silently treating the per-output rating as the permitted total.A source-labelled requirement table, the conflicting proposed load and a targeted clarification question.The answer distinguishes the 2 A individual rating from the 5 A aggregate limit and notices the 8 A proposal.google/gemma-3-27b-itGemma 3 27B IT je model o velikosti 27B z rodiny Gemma 3 od Googlu, doladěný k plnění instrukcí. Přijímá text a obrázky a vytváří text pro analýzu rozsáhlých zdrojů, psaní, práci s kódem a otázky k obrázkům, se sdíleným kontextem 128K a vícejazyčnou podporou v rámci rodiny.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Gemma 3 27B IT je edice o velikosti 27B z rodiny Gemma 3 od Googlu, doladěná k plnění instrukcí. Kombinuje generování textu s porozuměním obrázkům a liší se od předtrénovaného checkpointu 27B i od menších modelů 4B a 12B IT. Výstupem je text: vysvětlení založené na zdrojích, shrnutí, návrh dokumentu, odpověď nebo návrh kódu. Model doladěný k plnění instrukcí je navržen tak, aby sledoval konverzaci a zadanou úlohu, nikoli aby fungoval pouze jako základní model pro doplňování textu.
Karta výrobce této velikosti přisuzuje celkový kontext 128K tokenů. Vstup a výstup tuto kapacitu sdílejí, takže generovaná odpověď využívá prostor zbývající po požadavku. Rozsáhlá kolekce by měla zachovávat identifikátory zdrojů a zároveň ponechat místo pro požadovaný výsledek. V základním postupu zpracování se jednotlivé obrazové vstupy normalizují na 896×896 a kódují do 256 vizuálních tokenů. U společné textové a obrazové analýzy vysvětlete, jak obrázek stránky, diagram nebo snímek obrazovky souvisí s písemnými zdroji, aby model odpovídal na jednu souvislou otázku.
Uváděný rozpočet předtrénování modelu 27B je 14 bilionů tokenů. Data rodiny zahrnují webové dokumenty ve více než 140 jazycích, kód, matematiku a obrázky. Trénink využívá destilaci znalostí a následný trénink přidává dodržování instrukcí a cíle posilovaného učení pro užitečnost, matematiku, programování, uvažování a vícejazyčné chování. Tato fakta popisují postup vývoje modelu u výrobce. Nenahrazují ověření vygenerovaného tvrzení proti zdroji ani spuštění navrhovaného programu na zamýšlených vstupech.
Technická zpráva popisuje transformer pouze s dekodérem, s pozorností typu grouped-query a pěti vrstvami lokální pozornosti na každou globální vrstvu. Lokální rozsah je 1,024 tokenů, zatímco globální vrstvy zajišťují interakce v delším kontextu. Sdílený obrazový enkodér SigLIP rodiny reprezentuje vizuální vstupy pro jazykový model. Tokenizér SentencePiece rozděluje čísla na jednotlivé číslice, zachovává bílé znaky a používá kódování na úrovni bajtů. Pokud jsou pro výklad důležité, zachovejte číselný zápis, odsazení kódu a terminologii zdrojového jazyka.
U nečtvercových nebo detailních obrázků zpráva popisuje Pan and Scan, který může před změnou velikosti pohledů pro vizuální enkodér přidat nepřekrývající se výřezy. To pomáhá zachovat drobný obsah, který by se při jediné úpravě na čtvercový rozměr mohl ztratit, záleží však na skutečném nastavení zpracování. Výzkumná úloha nebo úloha s technickým dokumentem může poskytnout celou stránku i čitelný detail diagramu a označit jejich vztah. Požadujte, aby odpověď určila viditelné hodnoty, příslušnou textovou podmínku a závěr podložený obojím.
Používejte nativní konverzační formát IT výrobce s konverzačními kroky uživatele a modelu. Samostatný systémový krok tento formát nepodporuje; pokyny k roli a odpovědi umístěte do úvodní uživatelské zprávy a použijte určený postup formátování. U dlouhé zprávy pojmenujte otázku, porovnávané části a pravidla priorit pro případ rozporů mezi zdroji. Originálním příkladem je sladit písemnou specifikaci s diagramem a vrátit tabulku požadavků, seznam rozporů a předpoklady potřebné pro navrhované řešení.
Kategorie zamýšleného použití zahrnují psaní, shrnování, konverzaci, extrakci dat z obrázků a vzdělávací či výzkumné zkoumání. Při analýze kódu poskytněte skutečný modul, příklady vstupů a omezení rozhraní a poté požadujte vysvětlení nebo navrhovanou změnu navázanou na tato fakta. Při vícejazyčném psaní určete cílovou skupinu a výrazy, které musí zůstat beze změny. U vizuální otázky požadujte pozorování propojená s pojmenovanými prvky místo obecného popisu obrázku. Kvantizované checkpointy rodiny jsou samostatně zveřejněné artefakty, proto při porovnávání výsledků zachovejte přesnou identitu 27B IT a nastavení zpracování.
Výrobce uvádí, že modely mohou poskytovat nesprávná nebo zastaralá fakta a mít potíže s nejednoznačností, jemnými významovými odstíny a velmi otevřenými pokyny. Google také upozorňuje, že věrohodný jazykový vzorec může vést k odpovědi, která přehlédne běžné omezení skutečného světa. Více kontextu je užitečné pouze tehdy, když jsou příslušné podmínky jasné. Uchovávejte původní zdroje, ověřujte extrahovaná data a výpočty a před zpracováním jako záznam validujte každou odpověď, která pouze vypadá strukturovaně. Vysvětlení z více zdrojů by mělo rozlišovat dodané podklady, výklad a chybějící informace. Tento profil 27B podporuje připravenou úlohu uvažování nad textem a obrázky; jakékoli vyhledávání, provedení nástroje nebo aktualizace faktů prováděné aplikací potřebují vlastní vrácené podklady a nelze je dovozovat z plynulého výstupu.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity google/gemma-3-27b-it | Výchozí— |
Polemessages | Typmessage[] | PožadavekPovinné | Hodnoty a limity Minimální počet položek: 1 | Výchozí— |
Polemessages[].role | Typstring | PožadavekPovinné | Hodnoty a limity Příklady: system, user, assistant, tool, function Podmínky: Tyto role jsou výslovně zastoupeny typy kompatibility zdrojového kódu; přesná sada rolí zůstává specifická pro daný model. Závisí na modelu | Výchozí— |
Polemessages[].content | Typstring|content_part[]|null | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_calls | Typtool_call[] | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].tool_call_id | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: role=tool; použijte skutečně vrácené ID | Výchozí— |
Polemessages[].name | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Polemessages[].reasoning_content | Typstring | PožadavekVolitelné | Hodnoty a limity Platí, když: Předávejte zpět skutečně vrácené uvažování tam, kde je tento model používá | Výchozí— |
Polemessages[].reasoning_details | Typobject|array | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemax_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polemax_completion_tokens | Typinteger | PožadavekVolitelné | Hodnoty a limity Minimum: 1 Závisí na modelu | Výchozí— |
Polestream | Typboolean | PožadavekVolitelné | Hodnoty a limity | Výchozífalse |
Polestream_options.include_usage | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletemperature | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletop_p | Typnumber | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polestop | Typstring|string[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools | Typfunction_tool[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poletools[].type | Typstring | PožadavekVolitelné | Hodnoty a limity function Závisí na modelu | Výchozí— |
Poletools[].function.name | Typstring | PožadavekPovinné | Hodnoty a limity Platí, když: nástroj typu funkce je dodán | Výchozí— |
Poletools[].function.description | Typstring | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletools[].function.parameters | TypJSON_schema | PožadavekVolitelné | Hodnoty a limity | Výchozí— |
Poletool_choice | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleparallel_tool_calls | Typboolean | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleresponse_format | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning_effort | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polereasoning | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleservice_tier | Typstring | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleinstructions | Typstring | PožadavekVolitelné | Hodnoty a limity Pole kompatibility | Výchozí— |
Polefunctions | Typfunction[] | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polefunction_call | Typstring|object | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Poleprompt_cache_options | Typobject | PožadavekVolitelné | Hodnoty a limity Závisí na modelu | Výchozí— |
Polemodalities | Typstring[] | PožadavekVolitelné | Hodnoty a limity text | Výchozí— |
Poleprovider | Typobject | PožadavekVolitelné | Hodnoty a limity Podmínky: provider.options je na této textové trase Ultra odmítáno | Výchozí— |
Polecache_control.ttl | Typstring | PožadavekVolitelné | Hodnoty a limity Podmínky: Hodnota 1h je ve skutečných umístěních mezipaměti promptů odmítána | Výchozí— |
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, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametrcontrol_scope | Kontraktspecifické pro model; nástroje uživatelských funkcí se liší od hostovaných nástrojů |
Parametroutput_modalities | Kontrakttext |
Parametrhosted_operations | Kontraktfalse |
Parametrmultimodal_input_binding | Kontraktnull |
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.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00016 / 1K tokenů Výstup · Výstupní tokeny $0.0007 / 1K tokenů Vstup · Čtení z mezipaměti $0.00008 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00016 / 1K tokenů Výstup · Výstupní tokeny $0.0007 / 1K tokenů Vstup · Čtení z mezipaměti $0.00008 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-27b-it", "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/gemma-3-27b-it',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/gemma-3-27b-it',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 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 google/gemma-3-27b-it
Použijte cesty metod uvedené výše.
google/gemma-3-27b-itGemma 3 27B IT je model o velikosti 27B z rodiny Gemma 3 od Googlu, doladěný k plnění instrukcí. Přijímá text a obrázky a vytváří text pro analýzu rozsáhlých zdrojů, psaní, práci s kódem a otázky k obrázkům, se sdíleným kontextem 128K a vícejazyčnou podporou v rámci rodiny.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Gemma 3 27B IT je edice o velikosti 27B z rodiny Gemma 3 od Googlu, doladěná k plnění instrukcí. Kombinuje generování textu s porozuměním obrázkům a liší se od předtrénovaného checkpointu 27B i od menších modelů 4B a 12B IT. Výstupem je text: vysvětlení založené na zdrojích, shrnutí, návrh dokumentu, odpověď nebo návrh kódu. Model doladěný k plnění instrukcí je navržen tak, aby sledoval konverzaci a zadanou úlohu, nikoli aby fungoval pouze jako základní model pro doplňování textu.
Karta výrobce této velikosti přisuzuje celkový kontext 128K tokenů. Vstup a výstup tuto kapacitu sdílejí, takže generovaná odpověď využívá prostor zbývající po požadavku. Rozsáhlá kolekce by měla zachovávat identifikátory zdrojů a zároveň ponechat místo pro požadovaný výsledek. V základním postupu zpracování se jednotlivé obrazové vstupy normalizují na 896×896 a kódují do 256 vizuálních tokenů. U společné textové a obrazové analýzy vysvětlete, jak obrázek stránky, diagram nebo snímek obrazovky souvisí s písemnými zdroji, aby model odpovídal na jednu souvislou otázku.
Uváděný rozpočet předtrénování modelu 27B je 14 bilionů tokenů. Data rodiny zahrnují webové dokumenty ve více než 140 jazycích, kód, matematiku a obrázky. Trénink využívá destilaci znalostí a následný trénink přidává dodržování instrukcí a cíle posilovaného učení pro užitečnost, matematiku, programování, uvažování a vícejazyčné chování. Tato fakta popisují postup vývoje modelu u výrobce. Nenahrazují ověření vygenerovaného tvrzení proti zdroji ani spuštění navrhovaného programu na zamýšlených vstupech.
Technická zpráva popisuje transformer pouze s dekodérem, s pozorností typu grouped-query a pěti vrstvami lokální pozornosti na každou globální vrstvu. Lokální rozsah je 1,024 tokenů, zatímco globální vrstvy zajišťují interakce v delším kontextu. Sdílený obrazový enkodér SigLIP rodiny reprezentuje vizuální vstupy pro jazykový model. Tokenizér SentencePiece rozděluje čísla na jednotlivé číslice, zachovává bílé znaky a používá kódování na úrovni bajtů. Pokud jsou pro výklad důležité, zachovejte číselný zápis, odsazení kódu a terminologii zdrojového jazyka.
U nečtvercových nebo detailních obrázků zpráva popisuje Pan and Scan, který může před změnou velikosti pohledů pro vizuální enkodér přidat nepřekrývající se výřezy. To pomáhá zachovat drobný obsah, který by se při jediné úpravě na čtvercový rozměr mohl ztratit, záleží však na skutečném nastavení zpracování. Výzkumná úloha nebo úloha s technickým dokumentem může poskytnout celou stránku i čitelný detail diagramu a označit jejich vztah. Požadujte, aby odpověď určila viditelné hodnoty, příslušnou textovou podmínku a závěr podložený obojím.
Používejte nativní konverzační formát IT výrobce s konverzačními kroky uživatele a modelu. Samostatný systémový krok tento formát nepodporuje; pokyny k roli a odpovědi umístěte do úvodní uživatelské zprávy a použijte určený postup formátování. U dlouhé zprávy pojmenujte otázku, porovnávané části a pravidla priorit pro případ rozporů mezi zdroji. Originálním příkladem je sladit písemnou specifikaci s diagramem a vrátit tabulku požadavků, seznam rozporů a předpoklady potřebné pro navrhované řešení.
Kategorie zamýšleného použití zahrnují psaní, shrnování, konverzaci, extrakci dat z obrázků a vzdělávací či výzkumné zkoumání. Při analýze kódu poskytněte skutečný modul, příklady vstupů a omezení rozhraní a poté požadujte vysvětlení nebo navrhovanou změnu navázanou na tato fakta. Při vícejazyčném psaní určete cílovou skupinu a výrazy, které musí zůstat beze změny. U vizuální otázky požadujte pozorování propojená s pojmenovanými prvky místo obecného popisu obrázku. Kvantizované checkpointy rodiny jsou samostatně zveřejněné artefakty, proto při porovnávání výsledků zachovejte přesnou identitu 27B IT a nastavení zpracování.
Výrobce uvádí, že modely mohou poskytovat nesprávná nebo zastaralá fakta a mít potíže s nejednoznačností, jemnými významovými odstíny a velmi otevřenými pokyny. Google také upozorňuje, že věrohodný jazykový vzorec může vést k odpovědi, která přehlédne běžné omezení skutečného světa. Více kontextu je užitečné pouze tehdy, když jsou příslušné podmínky jasné. Uchovávejte původní zdroje, ověřujte extrahovaná data a výpočty a před zpracováním jako záznam validujte každou odpověď, která pouze vypadá strukturovaně. Vysvětlení z více zdrojů by mělo rozlišovat dodané podklady, výklad a chybějící informace. Tento profil 27B podporuje připravenou úlohu uvažování nad textem a obrázky; jakékoli vyhledávání, provedení nástroje nebo aktualizace faktů prováděné aplikací potřebují vlastní vrácené podklady a nelze je dovozovat z plynulého výstupu.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity google/gemma-3-27b-it | 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.
Přiřaďte každý poplatek k uvedeným podmínkám. Pro každou sadu alternativních konfigurací použijte jednu sazbu.
| Konfigurace | Tabulka sazeb | Tokeny kontextu, více než | Tokeny kontextu, do uvedené hodnoty včetně | Poplatek |
|---|---|---|---|---|
| KonfiguraceZákladní sazby za tokeny | Tabulka sazebZákladní sazba | Tokeny kontextu, více než— | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00016 / 1K tokenů Výstup · Výstupní tokeny $0.0007 / 1K tokenů Vstup · Čtení z mezipaměti $0.00008 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
| KonfiguracePásmo délky požadavku 1 | Tabulka sazeb— | Tokeny kontextu, více než0 | Tokeny kontextu, do uvedené hodnoty včetněBez horní meze | Poplatek Vstup · Vstupní tokeny $0.00016 / 1K tokenů Výstup · Výstupní tokeny $0.0007 / 1K tokenů Vstup · Čtení z mezipaměti $0.00008 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "google/gemma-3-27b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/gemma-3-27b-it', '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/gemma-3-27b-it', '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 google/gemma-3-27b-it
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Reconcile two written specification sources\n\nReconcile these sources. SPEC-1: the controller has four outputs, each rated 2 A; total current must not exceed 5 A. NOTE-2: connect four 2 A loads simultaneously. Produce a requirement table and a discrepancy note. Suggest a clarification question rather than silently treating the per-output rating as the permitted total.A source-labelled requirement table, the conflicting proposed load and a targeted clarification question.The answer distinguishes the 2 A individual rating from the 5 A aggregate limit and notices the 8 A proposal.