Gemini 3.7 Flash er Googles navngivne multimodale ræsonneringsprofil til programmering, agentarbejdsgange og udførelse i flere trin. Den bygger på Gemini 3.6 Flash med algoritmiske ændringer i ræsonnering og understøttelse af agentbaseret videoforståelse. Tekst, billeder, lyd, video og PDF kan udgøre kildematerialet til et tekstresultat. Nyttige resultater omfatter en målrettet koderevision, en sammenligning mellem en designskitse og en implementering eller en kildebaseret analyse af hændelser i en optagelse.
Udviklervejledningen til 3.7 fremhæver stærkere designoverensstemmelse i desktop- og webarbejde. Giv den tilsigtede skitse, den relevante kilde og den observerbare afvigelse til denne opgave. Bed om en sammenligning mod konkrete elementer som afstande, komponenttilstande, teksthierarki eller interaktionsadfærd. Bed ved en designsammenligning om en liste over afvigelser mellem en skitse af et indstillingspanel og dets eksisterende implementering med hver foreslået rettelse knyttet til skærmbilledet eller kilden. Resultatet skal identificere det, der skal ændres, uden ubemærket at udvide designet ud over de leverede krav.
Angiv målet, den eksisterende adfærd, relevante filer og begrænsninger til en programmeringsarbejdsgang. Google positionerer 3.7 til at løse softwareproblemer og reducere mislykkede agentløkker, men en nyttig gennemgang kontrollerer stadig den faktiske ændring og valideringsresultatet. Bevar rækken af værktøjsobservationer i samtalen, så et senere trin ikke begynder med en opdigtet beskrivelse af kodebasen. Slutresultatet kan skelne mellem en foreslået ændring og en ændring, der er bekræftet gennem den tilsluttede applikations værktøjer.
De dokumenterede tænkeniveauer er low, medium og high med medium som standard. low understøtter hurtigere afgrænsede svar, mens high er beregnet til vanskelig ræsonnering og længerevarende værktøjsarbejde. Gemini 3.7 Flash understøtter ikke minimal tænkning. En kort analyse af én grænsefladeafvigelse og en dybere undersøgelse på tværs af flere filer kræver derfor forskellige indsatsvalg. Definér slutresultatet og de betingelser, det skal opfylde, før du anmoder om en længere række ræsonneringstrin og handlinger.
Den specifikke modelside angiver funktionskald, kodekørsel, filsøgning, søgegrounding, Maps-grounding og URL-kontekst. Computer Use er markeret som preview, og strukturerede output kan definere en resultatpost. En anmodning om et funktionskald er en foreslået handling, som den tilsluttede applikation skal udføre og returnere resultatet af. Giv værktøjet et klart formål ved en agentopgave, og bevar det faktiske resultat, før du beder modellen om at fortsætte. Definér felterne, acceptable værdier og repræsentationen af manglende oplysninger ved dokumentudtræk.
Denne udgave understøtter agentbaseret videoforståelse. Giv den relevante optagelse, og angiv den hændelse eller relation, der skal undersøges. En praktisk opgavebeskrivelse kan spørge, hvilken synlig handling der forklarer en tilstandsændring, eller bede om en ordnet beskrivelse af hændelser med dokumentation fra klippet. Billeder og PDF-sider kan tilsvarende understøtte en visuel sammenligning eller dokumentsammenligning. Outputtet forbliver tekst: fortolkning, udtrukne data, kode eller en skriftlig forklaring. Genereret video, billedkunst eller tale tilhører særskilte modelprofiler.
Googles specifikke API-tabel for 3.7 angiver 1.048.576 inputtokens og 65.536 outputtokens, mens det native modelkort beskriver op til 1M kontekst og 64K tekstoutput. Medtag instruktioner, tidligere ture og leverede medier i inputforberedelsen. Batchbehandling og caching er angivet for producentprofilen sammen med Flex- og Priority-muligheder. Bevar kildeidentifikatorer og et ensartet resultatformat for en samling uafhængige anmodninger, så hvert svar kan kontrolleres mod sit eget input.
Mulige begrænsninger omfatter hallucinationer og lejlighedsvis langsomhed eller timeout. Dens vidensgrænse er marts 2026 med nogle domæner begrænset til januar 2025. Giv aktuelt kildemateriale, når en konklusion afhænger af nyere fakta. Udgavens nyttige særkende er dens dokumenterede fokus på softwareproblemer, designoverholdelse og videoræsonnering; undersøg disse resultater mod den faktiske skitse, kode eller de faktiske medier frem for at erstatte en navngiven historisk profil med nyere funktioner.
", "aboutText": "Gemini 3.7 Flash er Googles navngivne multimodale ræsonneringsprofil til programmering, agentarbejdsgange og udførelse i flere trin. Den bygger på Gemini 3.6 Flash med algoritmiske ændringer i ræsonnering og understøttelse af agentbaseret videoforståelse. Tekst, billeder, lyd, video og PDF kan udgøre kildematerialet til et tekstresultat. Nyttige resultater omfatter en målrettet koderevision, en sammenligning mellem en designskitse og en implementering eller en kildebaseret analyse af hændelser i en optagelse.\n\nUdviklervejledningen til 3.7 fremhæver stærkere designoverensstemmelse i desktop- og webarbejde. Giv den tilsigtede skitse, den relevante kilde og den observerbare afvigelse til denne opgave. Bed om en sammenligning mod konkrete elementer som afstande, komponenttilstande, teksthierarki eller interaktionsadfærd. Bed ved en designsammenligning om en liste over afvigelser mellem en skitse af et indstillingspanel og dets eksisterende implementering med hver foreslået rettelse knyttet til skærmbilledet eller kilden. Resultatet skal identificere det, der skal ændres, uden ubemærket at udvide designet ud over de leverede krav.\n\nAngiv målet, den eksisterende adfærd, relevante filer og begrænsninger til en programmeringsarbejdsgang. Google positionerer 3.7 til at løse softwareproblemer og reducere mislykkede agentløkker, men en nyttig gennemgang kontrollerer stadig den faktiske ændring og valideringsresultatet. Bevar rækken af værktøjsobservationer i samtalen, så et senere trin ikke begynder med en opdigtet beskrivelse af kodebasen. Slutresultatet kan skelne mellem en foreslået ændring og en ændring, der er bekræftet gennem den tilsluttede applikations værktøjer.\n\nDe dokumenterede tænkeniveauer er low, medium og high med medium som standard. low understøtter hurtigere afgrænsede svar, mens high er beregnet til vanskelig ræsonnering og længerevarende værktøjsarbejde. Gemini 3.7 Flash understøtter ikke minimal tænkning. En kort analyse af én grænsefladeafvigelse og en dybere undersøgelse på tværs af flere filer kræver derfor forskellige indsatsvalg. Definér slutresultatet og de betingelser, det skal opfylde, før du anmoder om en længere række ræsonneringstrin og handlinger.\n\nDen specifikke modelside angiver funktionskald, kodekørsel, filsøgning, søgegrounding, Maps-grounding og URL-kontekst. Computer Use er markeret som preview, og strukturerede output kan definere en resultatpost. En anmodning om et funktionskald er en foreslået handling, som den tilsluttede applikation skal udføre og returnere resultatet af. Giv værktøjet et klart formål ved en agentopgave, og bevar det faktiske resultat, før du beder modellen om at fortsætte. Definér felterne, acceptable værdier og repræsentationen af manglende oplysninger ved dokumentudtræk.\n\nDenne udgave understøtter agentbaseret videoforståelse. Giv den relevante optagelse, og angiv den hændelse eller relation, der skal undersøges. En praktisk opgavebeskrivelse kan spørge, hvilken synlig handling der forklarer en tilstandsændring, eller bede om en ordnet beskrivelse af hændelser med dokumentation fra klippet. Billeder og PDF-sider kan tilsvarende understøtte en visuel sammenligning eller dokumentsammenligning. Outputtet forbliver tekst: fortolkning, udtrukne data, kode eller en skriftlig forklaring. Genereret video, billedkunst eller tale tilhører særskilte modelprofiler.\n\nGoogles specifikke API-tabel for 3.7 angiver 1.048.576 inputtokens og 65.536 outputtokens, mens det native modelkort beskriver op til 1M kontekst og 64K tekstoutput. Medtag instruktioner, tidligere ture og leverede medier i inputforberedelsen. Batchbehandling og caching er angivet for producentprofilen sammen med Flex- og Priority-muligheder. Bevar kildeidentifikatorer og et ensartet resultatformat for en samling uafhængige anmodninger, så hvert svar kan kontrolleres mod sit eget input.\n\nMulige begrænsninger omfatter hallucinationer og lejlighedsvis langsomhed eller timeout. Dens vidensgrænse er marts 2026 med nogle domæner begrænset til januar 2025. Giv aktuelt kildemateriale, når en konklusion afhænger af nyere fakta. Udgavens nyttige særkende er dens dokumenterede fokus på softwareproblemer, designoverholdelse og videoræsonnering; undersøg disse resultater mod den faktiske skitse, kode eller de faktiske medier frem for at erstatte en navngiven historisk profil med nyere funktioner.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "f0a24230850dc9fbcfadd623a040d761e489d3b2eae7d04eb681756267f9ec74", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "google/gemini-3.7-flash:batchGemini 3.7 Flash kombinerer multimodal ræsonnering med programmering og agentarbejde i flere trin. Googles 3.7-profil fremhæver trofasthed mod designskitser og agentbaseret videoforståelse med ræsonnering på low, medium og high. Den accepterer tekst og medier, returnerer tekst og har dokumenterede input- og outputgrænser på 1.048.576/65.536 tokens.
Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode.
Gemini 3.7 Flash er Googles navngivne multimodale ræsonneringsprofil til programmering, agentarbejdsgange og udførelse i flere trin. Den bygger på Gemini 3.6 Flash med algoritmiske ændringer i ræsonnering og understøttelse af agentbaseret videoforståelse. Tekst, billeder, lyd, video og PDF kan udgøre kildematerialet til et tekstresultat. Nyttige resultater omfatter en målrettet koderevision, en sammenligning mellem en designskitse og en implementering eller en kildebaseret analyse af hændelser i en optagelse.
Udviklervejledningen til 3.7 fremhæver stærkere designoverensstemmelse i desktop- og webarbejde. Giv den tilsigtede skitse, den relevante kilde og den observerbare afvigelse til denne opgave. Bed om en sammenligning mod konkrete elementer som afstande, komponenttilstande, teksthierarki eller interaktionsadfærd. Bed ved en designsammenligning om en liste over afvigelser mellem en skitse af et indstillingspanel og dets eksisterende implementering med hver foreslået rettelse knyttet til skærmbilledet eller kilden. Resultatet skal identificere det, der skal ændres, uden ubemærket at udvide designet ud over de leverede krav.
Angiv målet, den eksisterende adfærd, relevante filer og begrænsninger til en programmeringsarbejdsgang. Google positionerer 3.7 til at løse softwareproblemer og reducere mislykkede agentløkker, men en nyttig gennemgang kontrollerer stadig den faktiske ændring og valideringsresultatet. Bevar rækken af værktøjsobservationer i samtalen, så et senere trin ikke begynder med en opdigtet beskrivelse af kodebasen. Slutresultatet kan skelne mellem en foreslået ændring og en ændring, der er bekræftet gennem den tilsluttede applikations værktøjer.
De dokumenterede tænkeniveauer er low, medium og high med medium som standard. low understøtter hurtigere afgrænsede svar, mens high er beregnet til vanskelig ræsonnering og længerevarende værktøjsarbejde. Gemini 3.7 Flash understøtter ikke minimal tænkning. En kort analyse af én grænsefladeafvigelse og en dybere undersøgelse på tværs af flere filer kræver derfor forskellige indsatsvalg. Definér slutresultatet og de betingelser, det skal opfylde, før du anmoder om en længere række ræsonneringstrin og handlinger.
Den specifikke modelside angiver funktionskald, kodekørsel, filsøgning, søgegrounding, Maps-grounding og URL-kontekst. Computer Use er markeret som preview, og strukturerede output kan definere en resultatpost. En anmodning om et funktionskald er en foreslået handling, som den tilsluttede applikation skal udføre og returnere resultatet af. Giv værktøjet et klart formål ved en agentopgave, og bevar det faktiske resultat, før du beder modellen om at fortsætte. Definér felterne, acceptable værdier og repræsentationen af manglende oplysninger ved dokumentudtræk.
Denne udgave understøtter agentbaseret videoforståelse. Giv den relevante optagelse, og angiv den hændelse eller relation, der skal undersøges. En praktisk opgavebeskrivelse kan spørge, hvilken synlig handling der forklarer en tilstandsændring, eller bede om en ordnet beskrivelse af hændelser med dokumentation fra klippet. Billeder og PDF-sider kan tilsvarende understøtte en visuel sammenligning eller dokumentsammenligning. Outputtet forbliver tekst: fortolkning, udtrukne data, kode eller en skriftlig forklaring. Genereret video, billedkunst eller tale tilhører særskilte modelprofiler.
Googles specifikke API-tabel for 3.7 angiver 1.048.576 inputtokens og 65.536 outputtokens, mens det native modelkort beskriver op til 1M kontekst og 64K tekstoutput. Medtag instruktioner, tidligere ture og leverede medier i inputforberedelsen. Batchbehandling og caching er angivet for producentprofilen sammen med Flex- og Priority-muligheder. Bevar kildeidentifikatorer og et ensartet resultatformat for en samling uafhængige anmodninger, så hvert svar kan kontrolleres mod sit eget input.
Mulige begrænsninger omfatter hallucinationer og lejlighedsvis langsomhed eller timeout. Dens vidensgrænse er marts 2026 med nogle domæner begrænset til januar 2025. Giv aktuelt kildemateriale, når en konklusion afhænger af nyere fakta. Udgavens nyttige særkende er dens dokumenterede fokus på softwareproblemer, designoverholdelse og videoræsonnering; undersøg disse resultater mod den faktiske skitse, kode eller de faktiske medier frem for at erstatte en navngiven historisk profil med nyere funktioner.
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-3.7-flash: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-3.7-flash:batch, google/gemini-3.7-flash | 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 $0.00075 / 1K tokens Output · Outputtokens $0.00375 / 1K tokens Input · Cachelæsning $0.000075 / 1K tokens Input · Cacheskrivning $0.0000833333333333334 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
| KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens $0.00075 / 1K tokens Output · Outputtokens $0.00375 / 1K tokens Input · Cachelæsning $0.000075 / 1K tokens Input · Cacheskrivning $0.0000833333333333334 / 1K tokens Input · Cacheskrivning, 1 time — / 1K tokens |
Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. Sådan fungerer reservation og afregning →
set -eu\n: "${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-3.7-flash: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-3.7-flash:batch', 'google/gemini-3.7-flash']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.7-flash: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-3.7-flash:batch
Brug metodestierne vist ovenfor.