Gemma 4 26B A4B IT je edice se směsí expertů z otevřené rodiny Gemma 4 od Google DeepMind, doladěná k plnění instrukcí. Oficiální tabulka architektury uvádí 25.2 miliardy parametrů celkem a 3.8 miliardy aktivních parametrů; A4B označuje zaokrouhlený počet aktivních parametrů. Její účel zahrnuje uvažování, programování, agentní pracovní postupy a multimodální porozumění. Je oddělená od předtrénované edice i od modelu 31B s hustou architekturou.
Architektura se směsí expertů při každém kroku inference aktivuje podmnožinu parametrů: podle zveřejněné tabulky architektury osm aktivních expertů ze 128 plus jednoho sdíleného experta. Google tuto edici představuje s důrazem na efektivitu inference ve srovnání s modelem s hustou architekturou. Kombinuje architekturu s 30 vrstvami a posuvné okno 1,024 tokenů s globální pozorností, kontextem 256K a vizuálním enkodérem. Tyto architektonické údaje popisují model výrobce, nikoli zaručenou latenci nebo hardwarovou konfiguraci konkrétní aplikace.
Kontext 256K tokenů podporuje úlohu, která kombinuje rozsáhlý text s vizuálními podklady. Obrázky a text lze v jednom promptu prokládat; pro nejlepší výsledky výrobce doporučuje umístit obrazový obsah před související text. Vizuální úlohy zahrnují detekci objektů, výklad stránek dokumentu, porozumění obrazovkám a rozhraním, grafy, vícejazyčné OCR, rukopis a ukazování na prvky. Výstupem je text: extrahovaný obsah, vysvětlení, kód nebo navrhovaná akce nástroje.
Porozumění videu zpracovává posloupnost snímků. Karta modelu uvádí maximum 60 sekund při zpracování obrázků rychlostí jeden snímek za sekundu. Připravte příslušný úsek, zachovejte pořadí snímků a zadejte otázku k viditelnému ději. Tento vizuální profil 26B/31B nepřijímá zvuk; řečové schopnosti menších variant Gemma 4 s podporou zvuku zde neplatí. Pokud úloha potřebuje mluvené informace, přidejte jejich přepis jako text.
Nastavitelné přemýšlení umožňuje modelu před odpovědí uvažovat nebo odpovědět přímo. Gemma 4 přidává vedle rolí uživatele a asistenta nativní systémovou roli. Formát promptu Googlu zapíná přemýšlení pomocí řídicího tokenu <|think|> v systémovém promptu a odděluje kanál přemýšlení od závěrečné odpovědi; dokumentovaný procesor tuto šablonu umí zpracovat. U vícekolové konverzace uchovávejte v historii předchozí závěrečné odpovědi a vynechávejte dřívější myšlenky s výjimkou kroků s voláním nástroje, kde mají být podle výrobce zachovány.
Native Function Calling podporuje strukturované používání nástrojů a úvodní popis Googlu dokumentuje také strukturovaný výstup JSON. Definujte úlohu, dostupnou funkci a očekávaný výsledek; aplikace provede požadovanou operaci a vrátí její výstup pro další krok. Programátorská úloha může požadovat generování, doplnění či opravu, zatímco vizuální asistent může vrácený text použít k vysvětlení grafu nebo obrazovky. Pokyn k volání funkce se liší od akce, která již byla skutečně provedena prostřednictvím připojeného nástroje.
Proměnlivé rozlišení obrázků se řídí rozpočtem vizuálních tokenů. Dokumentované možnosti jsou 70, 140, 280, 560 a 1,120 tokenů. Nižší rozpočty se hodí pro klasifikaci, popisky nebo posloupnosti snímků; vyšší rozpočty zachovávají více detailů pro OCR, analýzu dokumentů a drobný text za cenu dalšího výpočtu. Před přípravou obrázku rozhodněte, zda potřebujete celkovou scénu, nebo přesné znění textu. Zřetelný výřez popisku může být pro extrakční úlohu užitečnější než ničím nevymezený požadavek na prozkoumání všech detailů celé stránky.
Google jako konfiguraci vzorkování pro rodinu doporučuje temperature 1.0, top-p 0.95 a top-k 64. Karta modelu rozlišuje trénink ve více než 140 jazycích a podporu více než 35 jazyků bez dalších úprav. V zadání výslovně uveďte jazyk odpovědi a doménové názvy, názvy polí nebo vzorce, které mají zůstat zachovány. Údaj 256K je specifikace kontextu; citovaná karta modelu nestanovuje samostatné univerzální maximum výstupu pro tuto edici.
U zadání kombinujícího dokument a kód poskytněte příslušný obrázek stránky, písemný požadavek a fragment zdrojového kódu: „Přečti popisky, vysvětli, čím se tato obrazovka liší od specifikace, a navrhni cílenou opravu dodaného kódu.“ U grafu požadujte, aby odpověď oddělila viditelné hodnoty od odvozeného trendu. Karta modelu Gemma uvádí omezení týkající se nejednoznačného jazyka, velmi složitých úloh a nesprávných či zastaralých faktických tvrzení, proto přiložte autoritativní fakta, která musí požadovaný výsledek použít, místo očekávání, že je dodají tréninkové znalosti.
", "aboutText": "Gemma 4 26B A4B IT je edice se směsí expertů z otevřené rodiny Gemma 4 od Google DeepMind, doladěná k plnění instrukcí. Oficiální tabulka architektury uvádí 25.2 miliardy parametrů celkem a 3.8 miliardy aktivních parametrů; A4B označuje zaokrouhlený počet aktivních parametrů. Její účel zahrnuje uvažování, programování, agentní pracovní postupy a multimodální porozumění. Je oddělená od předtrénované edice i od modelu 31B s hustou architekturou.\n\nArchitektura se směsí expertů při každém kroku inference aktivuje podmnožinu parametrů: podle zveřejněné tabulky architektury osm aktivních expertů ze 128 plus jednoho sdíleného experta. Google tuto edici představuje s důrazem na efektivitu inference ve srovnání s modelem s hustou architekturou. Kombinuje architekturu s 30 vrstvami a posuvné okno 1,024 tokenů s globální pozorností, kontextem 256K a vizuálním enkodérem. Tyto architektonické údaje popisují model výrobce, nikoli zaručenou latenci nebo hardwarovou konfiguraci konkrétní aplikace.\n\nKontext 256K tokenů podporuje úlohu, která kombinuje rozsáhlý text s vizuálními podklady. Obrázky a text lze v jednom promptu prokládat; pro nejlepší výsledky výrobce doporučuje umístit obrazový obsah před související text. Vizuální úlohy zahrnují detekci objektů, výklad stránek dokumentu, porozumění obrazovkám a rozhraním, grafy, vícejazyčné OCR, rukopis a ukazování na prvky. Výstupem je text: extrahovaný obsah, vysvětlení, kód nebo navrhovaná akce nástroje.\n\nPorozumění videu zpracovává posloupnost snímků. Karta modelu uvádí maximum 60 sekund při zpracování obrázků rychlostí jeden snímek za sekundu. Připravte příslušný úsek, zachovejte pořadí snímků a zadejte otázku k viditelnému ději. Tento vizuální profil 26B/31B nepřijímá zvuk; řečové schopnosti menších variant Gemma 4 s podporou zvuku zde neplatí. Pokud úloha potřebuje mluvené informace, přidejte jejich přepis jako text.\n\nNastavitelné přemýšlení umožňuje modelu před odpovědí uvažovat nebo odpovědět přímo. Gemma 4 přidává vedle rolí uživatele a asistenta nativní systémovou roli. Formát promptu Googlu zapíná přemýšlení pomocí řídicího tokenu <|think|> v systémovém promptu a odděluje kanál přemýšlení od závěrečné odpovědi; dokumentovaný procesor tuto šablonu umí zpracovat. U vícekolové konverzace uchovávejte v historii předchozí závěrečné odpovědi a vynechávejte dřívější myšlenky s výjimkou kroků s voláním nástroje, kde mají být podle výrobce zachovány.\n\nNative Function Calling podporuje strukturované používání nástrojů a úvodní popis Googlu dokumentuje také strukturovaný výstup JSON. Definujte úlohu, dostupnou funkci a očekávaný výsledek; aplikace provede požadovanou operaci a vrátí její výstup pro další krok. Programátorská úloha může požadovat generování, doplnění či opravu, zatímco vizuální asistent může vrácený text použít k vysvětlení grafu nebo obrazovky. Pokyn k volání funkce se liší od akce, která již byla skutečně provedena prostřednictvím připojeného nástroje.\n\nProměnlivé rozlišení obrázků se řídí rozpočtem vizuálních tokenů. Dokumentované možnosti jsou 70, 140, 280, 560 a 1,120 tokenů. Nižší rozpočty se hodí pro klasifikaci, popisky nebo posloupnosti snímků; vyšší rozpočty zachovávají více detailů pro OCR, analýzu dokumentů a drobný text za cenu dalšího výpočtu. Před přípravou obrázku rozhodněte, zda potřebujete celkovou scénu, nebo přesné znění textu. Zřetelný výřez popisku může být pro extrakční úlohu užitečnější než ničím nevymezený požadavek na prozkoumání všech detailů celé stránky.\n\nGoogle jako konfiguraci vzorkování pro rodinu doporučuje temperature 1.0, top-p 0.95 a top-k 64. Karta modelu rozlišuje trénink ve více než 140 jazycích a podporu více než 35 jazyků bez dalších úprav. V zadání výslovně uveďte jazyk odpovědi a doménové názvy, názvy polí nebo vzorce, které mají zůstat zachovány. Údaj 256K je specifikace kontextu; citovaná karta modelu nestanovuje samostatné univerzální maximum výstupu pro tuto edici.\n\nU zadání kombinujícího dokument a kód poskytněte příslušný obrázek stránky, písemný požadavek a fragment zdrojového kódu: „Přečti popisky, vysvětli, čím se tato obrazovka liší od specifikace, a navrhni cílenou opravu dodaného kódu.“ U grafu požadujte, aby odpověď oddělila viditelné hodnoty od odvozeného trendu. Karta modelu Gemma uvádí omezení týkající se nejednoznačného jazyka, velmi složitých úloh a nesprávných či zastaralých faktických tvrzení, proto přiložte autoritativní fakta, která musí požadovaný výsledek použít, místo očekávání, že je dodají tréninkové znalosti.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Compare readings and inferred trends\n\nAnalyze this transcribed chart data: week 1, 20 returns from 1,000 orders; week 2, 24 from 1,200; week 3, 18 from 600. Calculate each return rate, distinguish counts from rates and write a two-sentence operations note. Do not infer the cause of any change from these values alone.A three-row rate table and an operations note separating observed values from causal interpretation.Check percentages use each week's own order count and the note does not equate fewer returns with a lower rate.google/gemma-4-26b-a4b-itGemma 4 26B A4B IT je model Googlu se směsí expertů, doladěný k plnění instrukcí, určený k textovému a vizuálnímu uvažování. Kombinuje kontext 256K, porozumění obrázkům a videu po snímcích, nastavitelné přemýšlení a nativní volání funkcí s textovým výstupem.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Gemma 4 26B A4B IT je edice se směsí expertů z otevřené rodiny Gemma 4 od Google DeepMind, doladěná k plnění instrukcí. Oficiální tabulka architektury uvádí 25.2 miliardy parametrů celkem a 3.8 miliardy aktivních parametrů; A4B označuje zaokrouhlený počet aktivních parametrů. Její účel zahrnuje uvažování, programování, agentní pracovní postupy a multimodální porozumění. Je oddělená od předtrénované edice i od modelu 31B s hustou architekturou.
Architektura se směsí expertů při každém kroku inference aktivuje podmnožinu parametrů: podle zveřejněné tabulky architektury osm aktivních expertů ze 128 plus jednoho sdíleného experta. Google tuto edici představuje s důrazem na efektivitu inference ve srovnání s modelem s hustou architekturou. Kombinuje architekturu s 30 vrstvami a posuvné okno 1,024 tokenů s globální pozorností, kontextem 256K a vizuálním enkodérem. Tyto architektonické údaje popisují model výrobce, nikoli zaručenou latenci nebo hardwarovou konfiguraci konkrétní aplikace.
Kontext 256K tokenů podporuje úlohu, která kombinuje rozsáhlý text s vizuálními podklady. Obrázky a text lze v jednom promptu prokládat; pro nejlepší výsledky výrobce doporučuje umístit obrazový obsah před související text. Vizuální úlohy zahrnují detekci objektů, výklad stránek dokumentu, porozumění obrazovkám a rozhraním, grafy, vícejazyčné OCR, rukopis a ukazování na prvky. Výstupem je text: extrahovaný obsah, vysvětlení, kód nebo navrhovaná akce nástroje.
Porozumění videu zpracovává posloupnost snímků. Karta modelu uvádí maximum 60 sekund při zpracování obrázků rychlostí jeden snímek za sekundu. Připravte příslušný úsek, zachovejte pořadí snímků a zadejte otázku k viditelnému ději. Tento vizuální profil 26B/31B nepřijímá zvuk; řečové schopnosti menších variant Gemma 4 s podporou zvuku zde neplatí. Pokud úloha potřebuje mluvené informace, přidejte jejich přepis jako text.
Nastavitelné přemýšlení umožňuje modelu před odpovědí uvažovat nebo odpovědět přímo. Gemma 4 přidává vedle rolí uživatele a asistenta nativní systémovou roli. Formát promptu Googlu zapíná přemýšlení pomocí řídicího tokenu <|think|> v systémovém promptu a odděluje kanál přemýšlení od závěrečné odpovědi; dokumentovaný procesor tuto šablonu umí zpracovat. U vícekolové konverzace uchovávejte v historii předchozí závěrečné odpovědi a vynechávejte dřívější myšlenky s výjimkou kroků s voláním nástroje, kde mají být podle výrobce zachovány.
Native Function Calling podporuje strukturované používání nástrojů a úvodní popis Googlu dokumentuje také strukturovaný výstup JSON. Definujte úlohu, dostupnou funkci a očekávaný výsledek; aplikace provede požadovanou operaci a vrátí její výstup pro další krok. Programátorská úloha může požadovat generování, doplnění či opravu, zatímco vizuální asistent může vrácený text použít k vysvětlení grafu nebo obrazovky. Pokyn k volání funkce se liší od akce, která již byla skutečně provedena prostřednictvím připojeného nástroje.
Proměnlivé rozlišení obrázků se řídí rozpočtem vizuálních tokenů. Dokumentované možnosti jsou 70, 140, 280, 560 a 1,120 tokenů. Nižší rozpočty se hodí pro klasifikaci, popisky nebo posloupnosti snímků; vyšší rozpočty zachovávají více detailů pro OCR, analýzu dokumentů a drobný text za cenu dalšího výpočtu. Před přípravou obrázku rozhodněte, zda potřebujete celkovou scénu, nebo přesné znění textu. Zřetelný výřez popisku může být pro extrakční úlohu užitečnější než ničím nevymezený požadavek na prozkoumání všech detailů celé stránky.
Google jako konfiguraci vzorkování pro rodinu doporučuje temperature 1.0, top-p 0.95 a top-k 64. Karta modelu rozlišuje trénink ve více než 140 jazycích a podporu více než 35 jazyků bez dalších úprav. V zadání výslovně uveďte jazyk odpovědi a doménové názvy, názvy polí nebo vzorce, které mají zůstat zachovány. Údaj 256K je specifikace kontextu; citovaná karta modelu nestanovuje samostatné univerzální maximum výstupu pro tuto edici.
U zadání kombinujícího dokument a kód poskytněte příslušný obrázek stránky, písemný požadavek a fragment zdrojového kódu: „Přečti popisky, vysvětli, čím se tato obrazovka liší od specifikace, a navrhni cílenou opravu dodaného kódu.“ U grafu požadujte, aby odpověď oddělila viditelné hodnoty od odvozeného trendu. Karta modelu Gemma uvádí omezení týkající se nejednoznačného jazyka, velmi složitých úloh a nesprávných či zastaralých faktických tvrzení, proto přiložte autoritativní fakta, která musí požadovaný výsledek použít, místo očekávání, že je dodají tréninkové znalosti.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity google/gemma-4-26b-a4b-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 $0.0003 / 1K tokenů Výstup · Výstupní tokeny $0.0012 / 1K tokenů Vstup · Čtení z mezipaměti — / 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 $0.0003 / 1K tokenů Výstup · Výstupní tokeny $0.0012 / 1K tokenů Vstup · Čtení z mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-4-26b-a4b-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-4-26b-a4b-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-4-26b-a4b-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-4-26b-a4b-it
Použijte cesty metod uvedené výše.
google/gemma-4-26b-a4b-itGemma 4 26B A4B IT je model Googlu se směsí expertů, doladěný k plnění instrukcí, určený k textovému a vizuálnímu uvažování. Kombinuje kontext 256K, porozumění obrázkům a videu po snímcích, nastavitelné přemýšlení a nativní volání funkcí s textovým výstupem.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Gemma 4 26B A4B IT je edice se směsí expertů z otevřené rodiny Gemma 4 od Google DeepMind, doladěná k plnění instrukcí. Oficiální tabulka architektury uvádí 25.2 miliardy parametrů celkem a 3.8 miliardy aktivních parametrů; A4B označuje zaokrouhlený počet aktivních parametrů. Její účel zahrnuje uvažování, programování, agentní pracovní postupy a multimodální porozumění. Je oddělená od předtrénované edice i od modelu 31B s hustou architekturou.
Architektura se směsí expertů při každém kroku inference aktivuje podmnožinu parametrů: podle zveřejněné tabulky architektury osm aktivních expertů ze 128 plus jednoho sdíleného experta. Google tuto edici představuje s důrazem na efektivitu inference ve srovnání s modelem s hustou architekturou. Kombinuje architekturu s 30 vrstvami a posuvné okno 1,024 tokenů s globální pozorností, kontextem 256K a vizuálním enkodérem. Tyto architektonické údaje popisují model výrobce, nikoli zaručenou latenci nebo hardwarovou konfiguraci konkrétní aplikace.
Kontext 256K tokenů podporuje úlohu, která kombinuje rozsáhlý text s vizuálními podklady. Obrázky a text lze v jednom promptu prokládat; pro nejlepší výsledky výrobce doporučuje umístit obrazový obsah před související text. Vizuální úlohy zahrnují detekci objektů, výklad stránek dokumentu, porozumění obrazovkám a rozhraním, grafy, vícejazyčné OCR, rukopis a ukazování na prvky. Výstupem je text: extrahovaný obsah, vysvětlení, kód nebo navrhovaná akce nástroje.
Porozumění videu zpracovává posloupnost snímků. Karta modelu uvádí maximum 60 sekund při zpracování obrázků rychlostí jeden snímek za sekundu. Připravte příslušný úsek, zachovejte pořadí snímků a zadejte otázku k viditelnému ději. Tento vizuální profil 26B/31B nepřijímá zvuk; řečové schopnosti menších variant Gemma 4 s podporou zvuku zde neplatí. Pokud úloha potřebuje mluvené informace, přidejte jejich přepis jako text.
Nastavitelné přemýšlení umožňuje modelu před odpovědí uvažovat nebo odpovědět přímo. Gemma 4 přidává vedle rolí uživatele a asistenta nativní systémovou roli. Formát promptu Googlu zapíná přemýšlení pomocí řídicího tokenu <|think|> v systémovém promptu a odděluje kanál přemýšlení od závěrečné odpovědi; dokumentovaný procesor tuto šablonu umí zpracovat. U vícekolové konverzace uchovávejte v historii předchozí závěrečné odpovědi a vynechávejte dřívější myšlenky s výjimkou kroků s voláním nástroje, kde mají být podle výrobce zachovány.
Native Function Calling podporuje strukturované používání nástrojů a úvodní popis Googlu dokumentuje také strukturovaný výstup JSON. Definujte úlohu, dostupnou funkci a očekávaný výsledek; aplikace provede požadovanou operaci a vrátí její výstup pro další krok. Programátorská úloha může požadovat generování, doplnění či opravu, zatímco vizuální asistent může vrácený text použít k vysvětlení grafu nebo obrazovky. Pokyn k volání funkce se liší od akce, která již byla skutečně provedena prostřednictvím připojeného nástroje.
Proměnlivé rozlišení obrázků se řídí rozpočtem vizuálních tokenů. Dokumentované možnosti jsou 70, 140, 280, 560 a 1,120 tokenů. Nižší rozpočty se hodí pro klasifikaci, popisky nebo posloupnosti snímků; vyšší rozpočty zachovávají více detailů pro OCR, analýzu dokumentů a drobný text za cenu dalšího výpočtu. Před přípravou obrázku rozhodněte, zda potřebujete celkovou scénu, nebo přesné znění textu. Zřetelný výřez popisku může být pro extrakční úlohu užitečnější než ničím nevymezený požadavek na prozkoumání všech detailů celé stránky.
Google jako konfiguraci vzorkování pro rodinu doporučuje temperature 1.0, top-p 0.95 a top-k 64. Karta modelu rozlišuje trénink ve více než 140 jazycích a podporu více než 35 jazyků bez dalších úprav. V zadání výslovně uveďte jazyk odpovědi a doménové názvy, názvy polí nebo vzorce, které mají zůstat zachovány. Údaj 256K je specifikace kontextu; citovaná karta modelu nestanovuje samostatné univerzální maximum výstupu pro tuto edici.
U zadání kombinujícího dokument a kód poskytněte příslušný obrázek stránky, písemný požadavek a fragment zdrojového kódu: „Přečti popisky, vysvětli, čím se tato obrazovka liší od specifikace, a navrhni cílenou opravu dodaného kódu.“ U grafu požadujte, aby odpověď oddělila viditelné hodnoty od odvozeného trendu. Karta modelu Gemma uvádí omezení týkající se nejednoznačného jazyka, velmi složitých úloh a nesprávných či zastaralých faktických tvrzení, proto přiložte autoritativní fakta, která musí požadovaný výsledek použít, místo očekávání, že je dodají tréninkové znalosti.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity google/gemma-4-26b-a4b-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 $0.0003 / 1K tokenů Výstup · Výstupní tokeny $0.0012 / 1K tokenů Vstup · Čtení z mezipaměti — / 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 $0.0003 / 1K tokenů Výstup · Výstupní tokeny $0.0012 / 1K tokenů Vstup · Čtení z mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "google/gemma-4-26b-a4b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-26b-a4b-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-4-26b-a4b-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-4-26b-a4b-it
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Compare readings and inferred trends\n\nAnalyze this transcribed chart data: week 1, 20 returns from 1,000 orders; week 2, 24 from 1,200; week 3, 18 from 600. Calculate each return rate, distinguish counts from rates and write a two-sentence operations note. Do not infer the cause of any change from these values alone.A three-row rate table and an operations note separating observed values from causal interpretation.Check percentages use each week's own order count and the note does not equate fewer returns with a lower rate.