Gemma 4 31B IT je instrukčně doladěné husté vydání otevřené rodiny Gemma 4 od Google DeepMind. Google staví model 31B do role zaměřené na kvalitu a přizpůsobení úloze, zatímco samostatné vydání 26B A4B využívá mixture-of-experts pro účinnější inferenci. Tato karta se týká pojmenovaného instrukčně doladěného vydání 31B, nikoli jeho předtrénovaných vah či kvantizované odvozeniny.
Oficiální tabulka husté architektury uvádí 30,7 miliardy parametrů, 60 vrstev, posuvné okno 1024 tokenů a kontext 256K tokenů. Rodina kombinuje lokální pozornost v posuvném okně s globální pozorností, končí globální vrstvou a pro tento model využívá vyhrazený vizuální enkodér. Výsledný profil je určen pro textový a obrazový vstup s textovým výstupem. Jsou to fakta o architektuře; neurčují dobu odezvy aplikace ani neznamenají zvukovou podporu jiných velikostí Gemma 4.
Kontext 256K tokenů podporuje úlohu kombinující rozsáhlý text s vizuálními podklady. Obrázky a text lze prokládat v jednom zadání; výrobce pro nejlepší výsledky doporučuje umístit obrazový obsah před související text. Vizuální úlohy zahrnují detekci objektů, interpretaci stránek dokumentů, porozumění obrazovkám a rozhraním, grafy, vícejazyčné OCR, rukopis a ukazování. Výstupem je text: získaný obsah, vysvětlení, kód nebo návrh akce nástroje.
Porozumění videu zpracovává sekvenci snímků. Karta modelu uvádí maximum 60 sekund při zpracování obrázků rychlostí jednoho snímku za sekundu. Připravte příslušný úsek, zachovejte pořadí snímků a dodejte otázku k viditelné sekvenci. Tento vizuální profil 26B/31B nepřijímá zvuk; řečové schopnosti menších variant Gemma 4 podporujících zvuk se na něj nevztahují. Potřebuje-li úloha mluvené informace, přidejte jejich přepis jako text.
Nastavitelné uvažování umožňuje modelu promyslet odpověď předem nebo odpovědět přímo. Gemma 4 přidává nativní systémovou roli vedle rolí uživatele a asistenta. Formát zadání Googlu zapíná uvažování řídicím tokenem <|think|> v systémovém zadání a odděluje kanál myšlenek od konečné odpovědi; zdokumentovaný procesor tento šablonový formát umí zpracovat. Ve vícetahové konverzaci ponechávejte v historii předchozí konečné odpovědi a vynechávejte předchozí myšlenky, kromě tahů volání nástrojů, kde výrobce doporučuje jejich zachování.
Native Function Calling podporuje strukturované používání nástrojů a úvodní popis Googlu dokumentuje i strukturovaný výstup JSON. Definujte úlohu, dostupnou funkci a očekávaný výsledek; aplikace požadovanou operaci provede 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. Instrukce volání funkce je odlišná od napojené akce, která byla skutečně provedena.
Proměnlivé rozlišení obrázků řídí rozpočet vizuálních tokenů. Zdokumentované možnosti jsou 70, 140, 280, 560 a 1120 tokenů. Nižší rozpočty se hodí ke klasifikaci, popiskům či sekvencím snímků; vyšší uchovávají více detailů pro OCR, rozbor dokumentů a drobný text, ale vyžadují další výpočty. Před přípravou obrázku rozhodněte, zda potřebujete celou scénu, nebo přesné znění textu. Jasný výřez štítku může být pro extrakci užitečnější než neurčité zadání prohlédnout každý detail celé stránky.
Google doporučuje pro rodinu vzorkovací konfiguraci 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 dalšího přizpůsobení. V zadání výslovně uveďte jazyk odpovědi a zachovejte názvy domén, názvy polí či vzorce. Údaj 256K je specifikace kontextu; citovaná karta modelu pro toto vydání nestanovuje samostatné univerzální maximum výstupu.
U úlohy spojující dokument a kód dodejte příslušný obrázek stránky, písemný požadavek a zdrojový fragment: „Přečti štítky, vysvětli rozdíly mezi touto obrazovkou a specifikací a navrhni konkrétní opravu dodaného kódu.“ U grafu požadujte oddělení viditelných hodnot od odvozeného trendu. Karta Gemma uvádí omezení spojená s nejednoznačným jazykem, velmi složitými úlohami a nesprávnými či zastaralými fakty, proto připojte autoritativní informace, které musí požadovaný výsledek použít, místo očekávání, že je dodají znalosti z tréninku.
", "aboutText": "Gemma 4 31B IT je instrukčně doladěné husté vydání otevřené rodiny Gemma 4 od Google DeepMind. Google staví model 31B do role zaměřené na kvalitu a přizpůsobení úloze, zatímco samostatné vydání 26B A4B využívá mixture-of-experts pro účinnější inferenci. Tato karta se týká pojmenovaného instrukčně doladěného vydání 31B, nikoli jeho předtrénovaných vah či kvantizované odvozeniny.\n\nOficiální tabulka husté architektury uvádí 30,7 miliardy parametrů, 60 vrstev, posuvné okno 1024 tokenů a kontext 256K tokenů. Rodina kombinuje lokální pozornost v posuvném okně s globální pozorností, končí globální vrstvou a pro tento model využívá vyhrazený vizuální enkodér. Výsledný profil je určen pro textový a obrazový vstup s textovým výstupem. Jsou to fakta o architektuře; neurčují dobu odezvy aplikace ani neznamenají zvukovou podporu jiných velikostí Gemma 4.\n\nKontext 256K tokenů podporuje úlohu kombinující rozsáhlý text s vizuálními podklady. Obrázky a text lze prokládat v jednom zadání; výrobce pro nejlepší výsledky doporučuje umístit obrazový obsah před související text. Vizuální úlohy zahrnují detekci objektů, interpretaci stránek dokumentů, porozumění obrazovkám a rozhraním, grafy, vícejazyčné OCR, rukopis a ukazování. Výstupem je text: získaný obsah, vysvětlení, kód nebo návrh akce nástroje.\n\nPorozumění videu zpracovává sekvenci snímků. Karta modelu uvádí maximum 60 sekund při zpracování obrázků rychlostí jednoho snímku za sekundu. Připravte příslušný úsek, zachovejte pořadí snímků a dodejte otázku k viditelné sekvenci. Tento vizuální profil 26B/31B nepřijímá zvuk; řečové schopnosti menších variant Gemma 4 podporujících zvuk se na něj nevztahují. Potřebuje-li úloha mluvené informace, přidejte jejich přepis jako text.\n\nNastavitelné uvažování umožňuje modelu promyslet odpověď předem nebo odpovědět přímo. Gemma 4 přidává nativní systémovou roli vedle rolí uživatele a asistenta. Formát zadání Googlu zapíná uvažování řídicím tokenem <|think|> v systémovém zadání a odděluje kanál myšlenek od konečné odpovědi; zdokumentovaný procesor tento šablonový formát umí zpracovat. Ve vícetahové konverzaci ponechávejte v historii předchozí konečné odpovědi a vynechávejte předchozí myšlenky, kromě tahů volání nástrojů, kde výrobce doporučuje jejich zachování.\n\nNative Function Calling podporuje strukturované používání nástrojů a úvodní popis Googlu dokumentuje i strukturovaný výstup JSON. Definujte úlohu, dostupnou funkci a očekávaný výsledek; aplikace požadovanou operaci provede 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. Instrukce volání funkce je odlišná od napojené akce, která byla skutečně provedena.\n\nProměnlivé rozlišení obrázků řídí rozpočet vizuálních tokenů. Zdokumentované možnosti jsou 70, 140, 280, 560 a 1120 tokenů. Nižší rozpočty se hodí ke klasifikaci, popiskům či sekvencím snímků; vyšší uchovávají více detailů pro OCR, rozbor dokumentů a drobný text, ale vyžadují další výpočty. Před přípravou obrázku rozhodněte, zda potřebujete celou scénu, nebo přesné znění textu. Jasný výřez štítku může být pro extrakci užitečnější než neurčité zadání prohlédnout každý detail celé stránky.\n\nGoogle doporučuje pro rodinu vzorkovací konfiguraci 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 dalšího přizpůsobení. V zadání výslovně uveďte jazyk odpovědi a zachovejte názvy domén, názvy polí či vzorce. Údaj 256K je specifikace kontextu; citovaná karta modelu pro toto vydání nestanovuje samostatné univerzální maximum výstupu.\n\nU úlohy spojující dokument a kód dodejte příslušný obrázek stránky, písemný požadavek a zdrojový fragment: „Přečti štítky, vysvětli rozdíly mezi touto obrazovkou a specifikací a navrhni konkrétní opravu dodaného kódu.“ U grafu požadujte oddělení viditelných hodnot od odvozeného trendu. Karta Gemma uvádí omezení spojená s nejednoznačným jazykem, velmi složitými úlohami a nesprávnými či zastaralými fakty, proto připojte autoritativní informace, které musí požadovaný výsledek použít, místo očekávání, že je dodají znalosti z tréninku.", "editorialOverlay": { "copy_fields": { "practical_html": "Technický příklad v angličtině
Match a form to its written specification\n\nCompare this textual form specification and code. Spec: Email is required and uses email validation; nickname is optional. Code: <input name="email" type="text"><input name="nickname" required>. Return a discrepancy table and corrected HTML. Preserve both field names and add visible labels for each field.A spec-to-code discrepancy table and an editable HTML fragment with corrected attributes and labels.Check that only email is required, its type is email and each label points to its matching input.google/gemma-4-31b-itGemma 4 31B IT je model Googlu s hustou architekturou, doladěný k plnění instrukcí, určený k textovému a vizuálnímu uvažování. Kontext 256K, nastavitelné přemýšlení, porozumění obrázkům a videu po snímcích a nativní volání funkcí podporují programování, práci s dokumenty a agentní úlohy s textovým výstupem.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Gemma 4 31B IT je instrukčně doladěné husté vydání otevřené rodiny Gemma 4 od Google DeepMind. Google staví model 31B do role zaměřené na kvalitu a přizpůsobení úloze, zatímco samostatné vydání 26B A4B využívá mixture-of-experts pro účinnější inferenci. Tato karta se týká pojmenovaného instrukčně doladěného vydání 31B, nikoli jeho předtrénovaných vah či kvantizované odvozeniny.
Oficiální tabulka husté architektury uvádí 30,7 miliardy parametrů, 60 vrstev, posuvné okno 1024 tokenů a kontext 256K tokenů. Rodina kombinuje lokální pozornost v posuvném okně s globální pozorností, končí globální vrstvou a pro tento model využívá vyhrazený vizuální enkodér. Výsledný profil je určen pro textový a obrazový vstup s textovým výstupem. Jsou to fakta o architektuře; neurčují dobu odezvy aplikace ani neznamenají zvukovou podporu jiných velikostí Gemma 4.
Kontext 256K tokenů podporuje úlohu kombinující rozsáhlý text s vizuálními podklady. Obrázky a text lze prokládat v jednom zadání; výrobce pro nejlepší výsledky doporučuje umístit obrazový obsah před související text. Vizuální úlohy zahrnují detekci objektů, interpretaci stránek dokumentů, porozumění obrazovkám a rozhraním, grafy, vícejazyčné OCR, rukopis a ukazování. Výstupem je text: získaný obsah, vysvětlení, kód nebo návrh akce nástroje.
Porozumění videu zpracovává sekvenci snímků. Karta modelu uvádí maximum 60 sekund při zpracování obrázků rychlostí jednoho snímku za sekundu. Připravte příslušný úsek, zachovejte pořadí snímků a dodejte otázku k viditelné sekvenci. Tento vizuální profil 26B/31B nepřijímá zvuk; řečové schopnosti menších variant Gemma 4 podporujících zvuk se na něj nevztahují. Potřebuje-li úloha mluvené informace, přidejte jejich přepis jako text.
Nastavitelné uvažování umožňuje modelu promyslet odpověď předem nebo odpovědět přímo. Gemma 4 přidává nativní systémovou roli vedle rolí uživatele a asistenta. Formát zadání Googlu zapíná uvažování řídicím tokenem <|think|> v systémovém zadání a odděluje kanál myšlenek od konečné odpovědi; zdokumentovaný procesor tento šablonový formát umí zpracovat. Ve vícetahové konverzaci ponechávejte v historii předchozí konečné odpovědi a vynechávejte předchozí myšlenky, kromě tahů volání nástrojů, kde výrobce doporučuje jejich zachování.
Native Function Calling podporuje strukturované používání nástrojů a úvodní popis Googlu dokumentuje i strukturovaný výstup JSON. Definujte úlohu, dostupnou funkci a očekávaný výsledek; aplikace požadovanou operaci provede 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. Instrukce volání funkce je odlišná od napojené akce, která byla skutečně provedena.
Proměnlivé rozlišení obrázků řídí rozpočet vizuálních tokenů. Zdokumentované možnosti jsou 70, 140, 280, 560 a 1120 tokenů. Nižší rozpočty se hodí ke klasifikaci, popiskům či sekvencím snímků; vyšší uchovávají více detailů pro OCR, rozbor dokumentů a drobný text, ale vyžadují další výpočty. Před přípravou obrázku rozhodněte, zda potřebujete celou scénu, nebo přesné znění textu. Jasný výřez štítku může být pro extrakci užitečnější než neurčité zadání prohlédnout každý detail celé stránky.
Google doporučuje pro rodinu vzorkovací konfiguraci 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 dalšího přizpůsobení. V zadání výslovně uveďte jazyk odpovědi a zachovejte názvy domén, názvy polí či vzorce. Údaj 256K je specifikace kontextu; citovaná karta modelu pro toto vydání nestanovuje samostatné univerzální maximum výstupu.
U úlohy spojující dokument a kód dodejte příslušný obrázek stránky, písemný požadavek a zdrojový fragment: „Přečti štítky, vysvětli rozdíly mezi touto obrazovkou a specifikací a navrhni konkrétní opravu dodaného kódu.“ U grafu požadujte oddělení viditelných hodnot od odvozeného trendu. Karta Gemma uvádí omezení spojená s nejednoznačným jazykem, velmi složitými úlohami a nesprávnými či zastaralými fakty, proto připojte autoritativní informace, které musí požadovaný výsledek použít, místo očekávání, že je dodají znalosti z tréninku.
POST /v1/chat/completionstexttext| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity google/gemma-4-31b-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 $0.0002 / 1K tokenů Výstup · Výstupní tokeny $0.00068 / 1K tokenů Vstup · Čtení z mezipaměti $0.0002 / 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 $0.0002 / 1K tokenů Výstup · Výstupní tokeny $0.00068 / 1K tokenů Vstup · Čtení z mezipaměti $0.0002 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-4-31b-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-4-31b-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-4-31b-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-4-31b-it
Použijte cesty metod uvedené výše.
google/gemma-4-31b-itGemma 4 31B IT je model Googlu s hustou architekturou, doladěný k plnění instrukcí, určený k textovému a vizuálnímu uvažování. Kontext 256K, nastavitelné přemýšlení, porozumění obrázkům a videu po snímcích a nativní volání funkcí podporují programování, práci s dokumenty a agentní úlohy s textovým výstupem.
Tento popis zahrnuje schopnosti modelu. Vstupy, výstupy a možnosti dostupné v Ailoot jsou uvedeny níže pro vybranou metodu.
Gemma 4 31B IT je instrukčně doladěné husté vydání otevřené rodiny Gemma 4 od Google DeepMind. Google staví model 31B do role zaměřené na kvalitu a přizpůsobení úloze, zatímco samostatné vydání 26B A4B využívá mixture-of-experts pro účinnější inferenci. Tato karta se týká pojmenovaného instrukčně doladěného vydání 31B, nikoli jeho předtrénovaných vah či kvantizované odvozeniny.
Oficiální tabulka husté architektury uvádí 30,7 miliardy parametrů, 60 vrstev, posuvné okno 1024 tokenů a kontext 256K tokenů. Rodina kombinuje lokální pozornost v posuvném okně s globální pozorností, končí globální vrstvou a pro tento model využívá vyhrazený vizuální enkodér. Výsledný profil je určen pro textový a obrazový vstup s textovým výstupem. Jsou to fakta o architektuře; neurčují dobu odezvy aplikace ani neznamenají zvukovou podporu jiných velikostí Gemma 4.
Kontext 256K tokenů podporuje úlohu kombinující rozsáhlý text s vizuálními podklady. Obrázky a text lze prokládat v jednom zadání; výrobce pro nejlepší výsledky doporučuje umístit obrazový obsah před související text. Vizuální úlohy zahrnují detekci objektů, interpretaci stránek dokumentů, porozumění obrazovkám a rozhraním, grafy, vícejazyčné OCR, rukopis a ukazování. Výstupem je text: získaný obsah, vysvětlení, kód nebo návrh akce nástroje.
Porozumění videu zpracovává sekvenci snímků. Karta modelu uvádí maximum 60 sekund při zpracování obrázků rychlostí jednoho snímku za sekundu. Připravte příslušný úsek, zachovejte pořadí snímků a dodejte otázku k viditelné sekvenci. Tento vizuální profil 26B/31B nepřijímá zvuk; řečové schopnosti menších variant Gemma 4 podporujících zvuk se na něj nevztahují. Potřebuje-li úloha mluvené informace, přidejte jejich přepis jako text.
Nastavitelné uvažování umožňuje modelu promyslet odpověď předem nebo odpovědět přímo. Gemma 4 přidává nativní systémovou roli vedle rolí uživatele a asistenta. Formát zadání Googlu zapíná uvažování řídicím tokenem <|think|> v systémovém zadání a odděluje kanál myšlenek od konečné odpovědi; zdokumentovaný procesor tento šablonový formát umí zpracovat. Ve vícetahové konverzaci ponechávejte v historii předchozí konečné odpovědi a vynechávejte předchozí myšlenky, kromě tahů volání nástrojů, kde výrobce doporučuje jejich zachování.
Native Function Calling podporuje strukturované používání nástrojů a úvodní popis Googlu dokumentuje i strukturovaný výstup JSON. Definujte úlohu, dostupnou funkci a očekávaný výsledek; aplikace požadovanou operaci provede 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. Instrukce volání funkce je odlišná od napojené akce, která byla skutečně provedena.
Proměnlivé rozlišení obrázků řídí rozpočet vizuálních tokenů. Zdokumentované možnosti jsou 70, 140, 280, 560 a 1120 tokenů. Nižší rozpočty se hodí ke klasifikaci, popiskům či sekvencím snímků; vyšší uchovávají více detailů pro OCR, rozbor dokumentů a drobný text, ale vyžadují další výpočty. Před přípravou obrázku rozhodněte, zda potřebujete celou scénu, nebo přesné znění textu. Jasný výřez štítku může být pro extrakci užitečnější než neurčité zadání prohlédnout každý detail celé stránky.
Google doporučuje pro rodinu vzorkovací konfiguraci 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 dalšího přizpůsobení. V zadání výslovně uveďte jazyk odpovědi a zachovejte názvy domén, názvy polí či vzorce. Údaj 256K je specifikace kontextu; citovaná karta modelu pro toto vydání nestanovuje samostatné univerzální maximum výstupu.
U úlohy spojující dokument a kód dodejte příslušný obrázek stránky, písemný požadavek a zdrojový fragment: „Přečti štítky, vysvětli rozdíly mezi touto obrazovkou a specifikací a navrhni konkrétní opravu dodaného kódu.“ U grafu požadujte oddělení viditelných hodnot od odvozeného trendu. Karta Gemma uvádí omezení spojená s nejednoznačným jazykem, velmi složitými úlohami a nesprávnými či zastaralými fakty, proto připojte autoritativní informace, které musí požadovaný výsledek použít, místo očekávání, že je dodají znalosti z tréninku.
POST /v1/messagestextjson, sse| Pole | Typ | Požadavek | Hodnoty a limity | Výchozí |
|---|---|---|---|---|
Polemodel | Typstring | PožadavekPovinné | Hodnoty a limity google/gemma-4-31b-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 $0.0002 / 1K tokenů Výstup · Výstupní tokeny $0.00068 / 1K tokenů Vstup · Čtení z mezipaměti $0.0002 / 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 $0.0002 / 1K tokenů Výstup · Výstupní tokeny $0.00068 / 1K tokenů Vstup · Čtení z mezipaměti $0.0002 / 1K tokenů Vstup · Zápis do mezipaměti — / 1K tokenů Vstup · Zápis do mezipaměti, 1 hodina — / 1K tokenů |
Ailoot před požadavkem rezervuje odhadovanou částku. Po výsledku vyúčtuje konečný poplatek podle naměřeného využití. Při streamování se účtování řídí konečným záznamem využití. Jak funguje rezervace a vyúčtování →
{\n "model": "google/gemma-4-31b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-31b-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-4-31b-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-4-31b-it
Použijte cesty metod uvedené výše.
Technický příklad v angličtině
Match a form to its written specification\n\nCompare this textual form specification and code. Spec: Email is required and uses email validation; nickname is optional. Code: <input name="email" type="text"><input name="nickname" required>. Return a discrepancy table and corrected HTML. Preserve both field names and add visible labels for each field.A spec-to-code discrepancy table and an editable HTML fragment with corrected attributes and labels.Check that only email is required, its type is email and each label points to its matching input.