Gemini 3.1 Pro Preview er Googles ræsonneringsorienterede tekstmodel til komplekse opgaver, der kræver softwareudvikling, algoritmeudvikling eller syntese af multimodal dokumentation. Den bygger på Gemini 3 Pro og lægger vægt på præcis værktøjsbrug, mere effektiv ræsonnering og pålidelig udførelse i flere trin. Tekst, billeder, lyd, video og PDF kan bidrage til et skriftligt svar, et koderesultat eller et struktureret resultat.
Giv målet, relevant kodebasemateriale, observeret adfærd og de begrænsninger, der skal bevares, ved en krævende programmeringsopgave. Hele kodebaser kan give kontekst til opgaven. Bed ved en kodekontraktgennemgang modellen om at sammenligne to modulers håndtering af en fælles datakontrakt, identificere afvigelsen og foreslå en målrettet rettelse med understøttende kodehenvisninger. Det nyttige output adskiller analysen, den foreslåede revision og dokumentationen fra en eventuel validering udført af den tilsluttede applikation.
Lanceringsmaterialet demonstrerer kodebaserede visuelle forklaringer og interaktive projekter, herunder animeret SVG-output fra en tekstopgave. Det er koderesultater frem for generering af rasterbilleder. En klar opgavebeskrivelse kan definere, hvad der skal forklares, hvordan det visuelle skal opføre sig, og hvilke data det skal repræsentere. Gennemgå den resulterende kode og visning mod kravene. Giv de faktiske kilder til en datasynteseopgave, og bed om én visning, der bevarer forholdene og forbeholdene i dem.
De dokumenterede tænkeniveauer er low, medium og high med high som standard for 3.1 Pro Preview. Tænkning kan ikke deaktiveres helt i denne Pro-profil. Vælg lavere indsats til et afgrænset svar og mere ræsonnering til vanskeligt arbejde med flere trin, mens du efterlader tilstrækkelig outputramme til slutresultatet. Et lille outputloft kan afbryde ræsonnering, før et brugbart endeligt svar vises. Tænkevejledningen adskiller en sammenfatning af ræsonnering fra hele den interne proces og forklarer, hvorfor samtalens kontekst med tankesignaturer er vigtig.
Den specifikke Preview-tabel angiver funktionskald, kodekørsel, søgegrounding, Maps-grounding, URL-kontekst og strukturerede output. Den afgrænser File Search til AI Studio. Angiv funktionsformål og parameterdefinitioner, og fortsæt ud fra det faktisk returnerede resultat. Den særskilte Custom Tools Preview-profil er optimeret til at prioritere brugerdefinerede værktøjer og bash; den er et særskilt navngivet producentendpoint, så denne specialisering må ikke ubemærket behandles som en egenskab ved hver 3.1 Pro-anmodning. Vælg et struktureret resultatskema, når en opgave kræver definerede poster frem for ubegrænset prosa.
Identificér den relevante side, visualisering, optagelsesinterval eller videohændelse ved multimodal analyse. Sammenlign et diagram med dets skriftlige specifikation ved dokumentanalyse, og returnér hver afvigelse med dens understøttende passage. En talt kilde kan bidrage med et transskript eller en fortolkning i tekst. Bevar kildehenvisninger til de konklusioner, der kræver kontrol, og adskil det synlige eller angivne fra det udledte. Denne profils output forbliver tekst inklusive kode; native billed- eller talegenerering er ikke en del af dens specifikke egenskabstabel.
Det native modelkort for 3.1 Pro angiver op til 1M kontekst og 64K tekstoutput, og den specifikke Preview-API-tabel angiver 1.048.576 inputtokens og 65.536 outputtokens. Medtag instruktioner, samtalehistorik og medier i inputbudgettet. Caching og batchbehandling er dokumenteret med Flex- og Priority-muligheder også angivet for producentprofilen. Definér det krævede output for flere uafhængige elementer, og bevar hver kildeidentifikator frem for at kombinere uvedkommende dokumentation til ét usporbart svar.
Den navngivne Preview-udgave forbliver adskilt fra Custom Tools-profilen for Pro og efterfølgende Flash- eller Pro-udgivelser. Dens styrker vedrører kompleks ræsonnering, programmering og syntese af dokumentation; slutresultatet skal stadig kontrolleres mod kilden og de faktiske værktøjsresultater. Bevar uafklaret tvetydighed, når de leverede oplysninger ikke understøtter en sikker konklusion. Et nyttigt resultat er det underbyggede svar, den kode eller den post, opgaven krævede, med nok dokumentation til at vurdere de praktiske begrænsninger.
", "aboutText": "Gemini 3.1 Pro Preview er Googles ræsonneringsorienterede tekstmodel til komplekse opgaver, der kræver softwareudvikling, algoritmeudvikling eller syntese af multimodal dokumentation. Den bygger på Gemini 3 Pro og lægger vægt på præcis værktøjsbrug, mere effektiv ræsonnering og pålidelig udførelse i flere trin. Tekst, billeder, lyd, video og PDF kan bidrage til et skriftligt svar, et koderesultat eller et struktureret resultat.\n\nGiv målet, relevant kodebasemateriale, observeret adfærd og de begrænsninger, der skal bevares, ved en krævende programmeringsopgave. Hele kodebaser kan give kontekst til opgaven. Bed ved en kodekontraktgennemgang modellen om at sammenligne to modulers håndtering af en fælles datakontrakt, identificere afvigelsen og foreslå en målrettet rettelse med understøttende kodehenvisninger. Det nyttige output adskiller analysen, den foreslåede revision og dokumentationen fra en eventuel validering udført af den tilsluttede applikation.\n\nLanceringsmaterialet demonstrerer kodebaserede visuelle forklaringer og interaktive projekter, herunder animeret SVG-output fra en tekstopgave. Det er koderesultater frem for generering af rasterbilleder. En klar opgavebeskrivelse kan definere, hvad der skal forklares, hvordan det visuelle skal opføre sig, og hvilke data det skal repræsentere. Gennemgå den resulterende kode og visning mod kravene. Giv de faktiske kilder til en datasynteseopgave, og bed om én visning, der bevarer forholdene og forbeholdene i dem.\n\nDe dokumenterede tænkeniveauer er low, medium og high med high som standard for 3.1 Pro Preview. Tænkning kan ikke deaktiveres helt i denne Pro-profil. Vælg lavere indsats til et afgrænset svar og mere ræsonnering til vanskeligt arbejde med flere trin, mens du efterlader tilstrækkelig outputramme til slutresultatet. Et lille outputloft kan afbryde ræsonnering, før et brugbart endeligt svar vises. Tænkevejledningen adskiller en sammenfatning af ræsonnering fra hele den interne proces og forklarer, hvorfor samtalens kontekst med tankesignaturer er vigtig.\n\nDen specifikke Preview-tabel angiver funktionskald, kodekørsel, søgegrounding, Maps-grounding, URL-kontekst og strukturerede output. Den afgrænser File Search til AI Studio. Angiv funktionsformål og parameterdefinitioner, og fortsæt ud fra det faktisk returnerede resultat. Den særskilte Custom Tools Preview-profil er optimeret til at prioritere brugerdefinerede værktøjer og bash; den er et særskilt navngivet producentendpoint, så denne specialisering må ikke ubemærket behandles som en egenskab ved hver 3.1 Pro-anmodning. Vælg et struktureret resultatskema, når en opgave kræver definerede poster frem for ubegrænset prosa.\n\nIdentificér den relevante side, visualisering, optagelsesinterval eller videohændelse ved multimodal analyse. Sammenlign et diagram med dets skriftlige specifikation ved dokumentanalyse, og returnér hver afvigelse med dens understøttende passage. En talt kilde kan bidrage med et transskript eller en fortolkning i tekst. Bevar kildehenvisninger til de konklusioner, der kræver kontrol, og adskil det synlige eller angivne fra det udledte. Denne profils output forbliver tekst inklusive kode; native billed- eller talegenerering er ikke en del af dens specifikke egenskabstabel.\n\nDet native modelkort for 3.1 Pro angiver op til 1M kontekst og 64K tekstoutput, og den specifikke Preview-API-tabel angiver 1.048.576 inputtokens og 65.536 outputtokens. Medtag instruktioner, samtalehistorik og medier i inputbudgettet. Caching og batchbehandling er dokumenteret med Flex- og Priority-muligheder også angivet for producentprofilen. Definér det krævede output for flere uafhængige elementer, og bevar hver kildeidentifikator frem for at kombinere uvedkommende dokumentation til ét usporbart svar.\n\nDen navngivne Preview-udgave forbliver adskilt fra Custom Tools-profilen for Pro og efterfølgende Flash- eller Pro-udgivelser. Dens styrker vedrører kompleks ræsonnering, programmering og syntese af dokumentation; slutresultatet skal stadig kontrolleres mod kilden og de faktiske værktøjsresultater. Bevar uafklaret tvetydighed, når de leverede oplysninger ikke understøtter en sikker konklusion. Et nyttigt resultat er det underbyggede svar, den kode eller den post, opgaven krævede, med nok dokumentation til at vurdere de praktiske begrænsninger.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "00fbd931beed6e0f8af0746dc0f299be6c1559b8689492ec28f5022171a1f2c8", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "google/gemini-3.1-pro-preview:batchGemini 3.1 Pro Preview er Googles multimodale ræsonnementsmodel til komplekse software-, algoritme- og vidensopgaver. Den modtager tekst, billeder, lyd, video og PDF og returnerer tekst eller kode med værktøjer og struktureret output. Ræsonnementsniveauerne low, medium og high styrer indsatsen; high er den dokumenterede standard.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Gemini 3.1 Pro Preview er Googles ræsonneringsorienterede tekstmodel til komplekse opgaver, der kræver softwareudvikling, algoritmeudvikling eller syntese af multimodal dokumentation. Den bygger på Gemini 3 Pro og lægger vægt på præcis værktøjsbrug, mere effektiv ræsonnering og pålidelig udførelse i flere trin. Tekst, billeder, lyd, video og PDF kan bidrage til et skriftligt svar, et koderesultat eller et struktureret resultat.
Giv målet, relevant kodebasemateriale, observeret adfærd og de begrænsninger, der skal bevares, ved en krævende programmeringsopgave. Hele kodebaser kan give kontekst til opgaven. Bed ved en kodekontraktgennemgang modellen om at sammenligne to modulers håndtering af en fælles datakontrakt, identificere afvigelsen og foreslå en målrettet rettelse med understøttende kodehenvisninger. Det nyttige output adskiller analysen, den foreslåede revision og dokumentationen fra en eventuel validering udført af den tilsluttede applikation.
Lanceringsmaterialet demonstrerer kodebaserede visuelle forklaringer og interaktive projekter, herunder animeret SVG-output fra en tekstopgave. Det er koderesultater frem for generering af rasterbilleder. En klar opgavebeskrivelse kan definere, hvad der skal forklares, hvordan det visuelle skal opføre sig, og hvilke data det skal repræsentere. Gennemgå den resulterende kode og visning mod kravene. Giv de faktiske kilder til en datasynteseopgave, og bed om én visning, der bevarer forholdene og forbeholdene i dem.
De dokumenterede tænkeniveauer er low, medium og high med high som standard for 3.1 Pro Preview. Tænkning kan ikke deaktiveres helt i denne Pro-profil. Vælg lavere indsats til et afgrænset svar og mere ræsonnering til vanskeligt arbejde med flere trin, mens du efterlader tilstrækkelig outputramme til slutresultatet. Et lille outputloft kan afbryde ræsonnering, før et brugbart endeligt svar vises. Tænkevejledningen adskiller en sammenfatning af ræsonnering fra hele den interne proces og forklarer, hvorfor samtalens kontekst med tankesignaturer er vigtig.
Den specifikke Preview-tabel angiver funktionskald, kodekørsel, søgegrounding, Maps-grounding, URL-kontekst og strukturerede output. Den afgrænser File Search til AI Studio. Angiv funktionsformål og parameterdefinitioner, og fortsæt ud fra det faktisk returnerede resultat. Den særskilte Custom Tools Preview-profil er optimeret til at prioritere brugerdefinerede værktøjer og bash; den er et særskilt navngivet producentendpoint, så denne specialisering må ikke ubemærket behandles som en egenskab ved hver 3.1 Pro-anmodning. Vælg et struktureret resultatskema, når en opgave kræver definerede poster frem for ubegrænset prosa.
Identificér den relevante side, visualisering, optagelsesinterval eller videohændelse ved multimodal analyse. Sammenlign et diagram med dets skriftlige specifikation ved dokumentanalyse, og returnér hver afvigelse med dens understøttende passage. En talt kilde kan bidrage med et transskript eller en fortolkning i tekst. Bevar kildehenvisninger til de konklusioner, der kræver kontrol, og adskil det synlige eller angivne fra det udledte. Denne profils output forbliver tekst inklusive kode; native billed- eller talegenerering er ikke en del af dens specifikke egenskabstabel.
Det native modelkort for 3.1 Pro angiver op til 1M kontekst og 64K tekstoutput, og den specifikke Preview-API-tabel angiver 1.048.576 inputtokens og 65.536 outputtokens. Medtag instruktioner, samtalehistorik og medier i inputbudgettet. Caching og batchbehandling er dokumenteret med Flex- og Priority-muligheder også angivet for producentprofilen. Definér det krævede output for flere uafhængige elementer, og bevar hver kildeidentifikator frem for at kombinere uvedkommende dokumentation til ét usporbart svar.
Den navngivne Preview-udgave forbliver adskilt fra Custom Tools-profilen for Pro og efterfølgende Flash- eller Pro-udgivelser. Dens styrker vedrører kompleks ræsonnering, programmering og syntese af dokumentation; slutresultatet skal stadig kontrolleres mod kilden og de faktiske værktøjsresultater. Bevar uafklaret tvetydighed, når de leverede oplysninger ikke understøtter en sikker konklusion. Et nyttigt resultat er det underbyggede svar, den kode eller den post, opgaven krævede, med nok dokumentation til at vurdere de praktiske begrænsninger.
POST /v1/batchestexttext| Felt | Type | Krav | Værdier og grænser | Standard |
|---|---|---|---|---|
Feltendpoint | Typestring | KravPåkrævet | Værdier og grænser /v1/chat/completions | Standard— |
Feltmodel | Typestring | KravPåkrævet | Værdier og grænser google/gemini-3.1-pro-preview:batch | Standard— |
Feltrequests | Typebatch_item[] | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— |
Feltrequests[].custom_id | Typestring | KravPåkrævet | Værdier og grænser | Standard— |
Feltrequests[].body.messages | Typemessage[] | KravPåkrævet | Værdier og grænser | Standard— |
Feltcompletion_window | Typestring | KravValgfrit | Værdier og grænser 24h | Standard— |
Feltprovider | Typeobject|null | KravValgfrit | Værdier og grænser | Standard— |
Feltrequests[].body.model | Typestring | KravValgfrit | Værdier og grænser google/gemini-3.1-pro-preview:batch, google/gemini-3.1-pro-preview | Standard— |
Feltprovider.only | Typestring[] | KravValgfrit | Værdier og grænser google-vertex/global | Standard— |
Feltprovider.allow_fallbacks | Typeboolean|null | KravValgfrit | Værdier og grænser false, null | Standard— |
| Parameter | Kontrakt |
|---|---|
Parametercontent_type | Kontraktapplication/json |
Parameterrequired | Kontraktendpoint, model, requests |
Parametermaterial_types | Kontrakttext |
Parameterrepresentation | Kontraktrequests[] direkte i anmodningen; hvert element har custom_id og body |
Parameterrequest_endpoint_profile | Kontrakt/v1/chat/completions |
Parameterfile_material | KontraktDen kaldende part kan læse det faktiske JSONL-indhold i UTF-8 lokalt ind i requests[]. Der angives hverken purpose til upload, input_file_id eller en filreference. Hvis kundematerialet mangler eller er tomt, stoppes forberedelsen før POST. |
Parameterserialization_order | Kontraktendpoint, model, provider (hvis angivet), completion_window (hvis angivet), requests til sidst |
Parameteroptional_controls | Kontraktprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | KontraktAnmodningsindhold for Chat Completions med tekst i den dokumenterede inline Batch-struktur. |
Livscyklus: asynchronous
GET /v1/batches/{operation_id} · det faktiske response.id fra den oprindelige oprettelse; samme bruger/nøgle/gruppe
Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode.
Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer.
| Konfiguration | Takstplan | Konteksttokens, mere end | Konteksttokens, op til og med | Beløb |
|---|---|---|---|---|
| KonfigurationGrundtakster for tokens | TakstplanGrundtakst | Konteksttokens, mere end— | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.002 / 1K tokens Output · Outputtokens $0.012 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og med200.000 | Beløb Input · Inputtokens $0.002 / 1K tokens Output · Outputtokens $0.012 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 2 | Takstplan— | Konteksttokens, mere end200.000 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.004 / 1K tokens Output · Outputtokens $0.018 / 1K tokens Input · Cachelæsning — / 1K tokens Input · Cacheskrivning — / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-3.1-pro-preview:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-3.1-pro-preview:batch', 'google/gemini-3.1-pro-preview']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.1-pro-preview:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON direkte i results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nGem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel.
Gem hele den oprindelige status i JSON, hvert resultat/custom_id og det fulde svar- eller fejlindhold. Gem færdige results[] som JSONL uden filtrering.
Gem det oprindelige operations-ID. 503 result_pending_check har X-Should-Retry:false; send aldrig en oprindelig batch igen, hvis dens udfald er ukendt.
| Felt | Type |
|---|---|
Feltresults[].custom_id | Typestring |
Feltresults[].response.body.choices[].message.content | Typestring|null |
Feltresults[].error | Typeobject|null |
Feltusage | Typeobject|null |
Feltid | Typestring |
Feltmodel | Typestring |
Feltendpoint | Typestring |
Feltstatus | Typestring |
Feltrequest_counts | Typeobject |
Feltresults[].id | Typestring |
Feltresults[].response.status_code | Typeinteger |
Feltresults[].response.request_id | Typestring |
| Svar | Betingelse | Næste trin |
|---|---|---|
Svar400 · invalid_request_error | BetingelseUgyldig dokumenteret inline-struktur, dublerede nøgler, ugyldig elementidentitet eller konflikt med modellens konfigurerede funktioner. | Næste trinRet de angivne felter, før du sender en ny anmodning. |
Svar401 · authentication_error | BetingelseUgyldig API-nøgle. | Næste trinBrug den godkendte Ailoot-nøgle. |
Svar403 · permission_error | BetingelseBatch-gruppen er ikke tilgængelig. | Næste trinKontrollér nøglens/gruppens adgangsrettigheder. |
Svar422 · invalid_request_error | BetingelseBatch afregnes via saldoen; oprettelse via et abonnement afvises. | Næste trinBrug den godkendte gruppe med saldoafregning. |
Svar422 · price_unavailable | BetingelseDer kan ikke beregnes en pris for Batch-inputtet. | Næste trinGem svaret; brug det dokumenterede input for API-familien. |
Svar402 · billing_error | BetingelseReservationen til Batch er ikke tilgængelig. | Næste trinAfklar adgangen, før du sender en ny anmodning. |
Svar503 · price_unavailable | BetingelsePrisen for Batch-metoden eller de native satser er ikke tilgængelige. | Næste trinGem svaret; erstat ikke priserne med andre priser. |
Svar503 · api_error | BetingelseDen præcise leverandørrute er ikke tilgængelig. | Næste trinGem svaret, så ruten kan repareres. |
Svar503 · result_pending_check | BetingelseDet oprindelige resultat skal kontrolleres; X-Should-Retry:false. | Næste trinGem det oprindelige operation_id/id, og læs dets status; gentag aldrig den oprindelige POST. |
Svar404 · not_found | BetingelseOperationen til Batch-status findes ikke eller tilhører en anden identitet. | Næste trinBrug det nøjagtige oprindelige id og samme bruger/nøgle/gruppe. |
Ailoot Ultra google/gemini-3.1-pro-preview:batch
Brug metodestierne vist ovenfor.