Gemini 3.8 Flash er Googles model med tekstoutput til længerevarende softwareudvikling, agenter med flere trin og komplekse vidensarbejdsgange. Den bygger på Gemini 3.7 Flash med forbedringer i softwareudvikling og agentbaseret vidensarbejde. Den accepterer tekst, billeder, lyd, video og PDF, så en opgave kan kombinere et skriftligt mål med det faktiske materiale, der kræves for at løse den. Det nyttige resultat er en kodeændring, en forklaret analyse, et skriftligt svar eller en struktureret post.
Angiv kravet, relevante filer, observeret adfærd og de begrænsninger, der skal bevares, ved en programmeringsopgave. Et skærmbillede kan fastlægge den tilsigtede grænseflade, mens logfiler eller et reproducerende eksempel viser fejlen. Bed ved en fejlfindingsopgave modellen om at spore en forskel mellem en formulars synlige tilstand og dens gemte værdi, identificere den ansvarlige kodesti og foreslå en målrettet rettelse. Hold det tilsigtede slutresultat klart, så en længere række undersøgelser og værktøjskald stadig har en bestemt afslutningsbetingelse.
Brug mindre ræsonneringstrin, gentagne værktøjskald og kontrol af mellemresultater ved længerevarende arbejde. Tænkeniveauerne low, medium og high styrer mængden af ræsonnering; medium er den dokumenterede standard. low egner sig til et hurtigt udkast eller en afgrænset analyse, mens high er beregnet til svær matematik, programmering eller opgaver med flere trin. Gemini 3.8 Flash understøtter ikke tænkeniveauet minimal. En længerevarende fejlfindingsopgave og enkel feltudtrækning kræver derfor forskellige ræsonneringsvalg frem for den samme indstilling til hver anmodning.
De dokumenterede værktøjer omfatter funktionskald, kodekørsel, filsøgning, søgegrounding, Google Maps-grounding og URL-kontekst med Computer Use angivet som en previewfunktion. Strukturerede output definerer et maskinlæsbart resultat. Funktioner skal have et klart formål og en parameterdefinition: Modellen kan anmode om en funktion, mens den tilsluttede applikation udfører handlingen og returnerer dens resultat. Bevar funktionsidentiteter og det faktisk returnerede materiale på tværs af ture. Et nyttigt endeligt svar forklarer, hvilken dokumentation der understøtter den foreslåede rettelse eller udtrukne værdi.
Migrationsvejledningen til 3.8 bruger indstillinger for tænkeniveau frem for ældre konfiguration af ræsonneringsbudget og anbefaler at fjerne forældede samplingparametre og forudfyldte modelture. Den kræver også bevarelse af tankesignaturer i den relevante tilstandsløse arbejdsgang og kobling af funktionssvar til deres kald ud fra identitet og navn. Disse detaljer er vigtige, når en opgave med flere trin fortsættes: Den næste tur kræver den faktiske tidligere kontekst frem for en omskrevet fremstilling, der mister værktøjsresultatet eller signaturen. Hold spørgsmålet og det ønskede output eksplicit i den nye user-tur.
Identificér de relevante dokumentsider, diagrammet, lydintervallet eller videohændelsen ved multimodalt vidensarbejde, og angiv, hvordan materialet skal bidrage til svaret. En dokumentsammenligning kan bede om en tabel over forskelle med kildepassager; et diagramspørgsmål kan spørge efter synlige værdier og den konklusion, de understøtter. En videoanalyse kan bede om en beskrivelse af de hændelser, der begrunder en observation. Modellen returnerer tekst fra disse input. Genererede billeder, tale og Live-lydinteraktion tilhører særskilte modelprofiler.
Dens Gemini API-grænser er 1.048.576 inputtokens og 65.536 outputtokens svarende til den native models op til 1M kontekst og 64K tekstoutput. Instruktioner, samtalehistorik og leverede medier bruger inputkontekst, og ræsonnering eller et langt slutresultat skal passe inden for den dokumenterede outputramme. Google angiver også caching, batchbehandling samt Flex- og Priority-behandling for denne producentprofil. Bevar en stabil elementidentifikator og et eksplicit outputformat for uafhængige elementer, så hvert resultat forbliver knyttet til sin kilde.
Mulige begrænsninger omfatter hallucinationer, lejlighedsvis langsomhed eller timeout og større tokenforbrug ved højere indsats. Dens vidensgrænse er marts 2026 med nogle domæner stadig begrænset til januar 2025. Giv aktuel dokumentation, eller brug de dokumenterede groundingværktøjer, når opgaven afhænger af senere oplysninger. Kontrollér kildehenvisninger, beregninger og foreslået kode mod de faktiske input og kørselsresultater. Det nyttige slutresultat skal skelne mellem en underbygget observation og et uafklaret spørgsmål uden at antage, at et flydende svar fastslår det ønskede udfald.
", "aboutText": "Gemini 3.8 Flash er Googles model med tekstoutput til længerevarende softwareudvikling, agenter med flere trin og komplekse vidensarbejdsgange. Den bygger på Gemini 3.7 Flash med forbedringer i softwareudvikling og agentbaseret vidensarbejde. Den accepterer tekst, billeder, lyd, video og PDF, så en opgave kan kombinere et skriftligt mål med det faktiske materiale, der kræves for at løse den. Det nyttige resultat er en kodeændring, en forklaret analyse, et skriftligt svar eller en struktureret post.\n\nAngiv kravet, relevante filer, observeret adfærd og de begrænsninger, der skal bevares, ved en programmeringsopgave. Et skærmbillede kan fastlægge den tilsigtede grænseflade, mens logfiler eller et reproducerende eksempel viser fejlen. Bed ved en fejlfindingsopgave modellen om at spore en forskel mellem en formulars synlige tilstand og dens gemte værdi, identificere den ansvarlige kodesti og foreslå en målrettet rettelse. Hold det tilsigtede slutresultat klart, så en længere række undersøgelser og værktøjskald stadig har en bestemt afslutningsbetingelse.\n\nBrug mindre ræsonneringstrin, gentagne værktøjskald og kontrol af mellemresultater ved længerevarende arbejde. Tænkeniveauerne low, medium og high styrer mængden af ræsonnering; medium er den dokumenterede standard. low egner sig til et hurtigt udkast eller en afgrænset analyse, mens high er beregnet til svær matematik, programmering eller opgaver med flere trin. Gemini 3.8 Flash understøtter ikke tænkeniveauet minimal. En længerevarende fejlfindingsopgave og enkel feltudtrækning kræver derfor forskellige ræsonneringsvalg frem for den samme indstilling til hver anmodning.\n\nDe dokumenterede værktøjer omfatter funktionskald, kodekørsel, filsøgning, søgegrounding, Google Maps-grounding og URL-kontekst med Computer Use angivet som en previewfunktion. Strukturerede output definerer et maskinlæsbart resultat. Funktioner skal have et klart formål og en parameterdefinition: Modellen kan anmode om en funktion, mens den tilsluttede applikation udfører handlingen og returnerer dens resultat. Bevar funktionsidentiteter og det faktisk returnerede materiale på tværs af ture. Et nyttigt endeligt svar forklarer, hvilken dokumentation der understøtter den foreslåede rettelse eller udtrukne værdi.\n\nMigrationsvejledningen til 3.8 bruger indstillinger for tænkeniveau frem for ældre konfiguration af ræsonneringsbudget og anbefaler at fjerne forældede samplingparametre og forudfyldte modelture. Den kræver også bevarelse af tankesignaturer i den relevante tilstandsløse arbejdsgang og kobling af funktionssvar til deres kald ud fra identitet og navn. Disse detaljer er vigtige, når en opgave med flere trin fortsættes: Den næste tur kræver den faktiske tidligere kontekst frem for en omskrevet fremstilling, der mister værktøjsresultatet eller signaturen. Hold spørgsmålet og det ønskede output eksplicit i den nye user-tur.\n\nIdentificér de relevante dokumentsider, diagrammet, lydintervallet eller videohændelsen ved multimodalt vidensarbejde, og angiv, hvordan materialet skal bidrage til svaret. En dokumentsammenligning kan bede om en tabel over forskelle med kildepassager; et diagramspørgsmål kan spørge efter synlige værdier og den konklusion, de understøtter. En videoanalyse kan bede om en beskrivelse af de hændelser, der begrunder en observation. Modellen returnerer tekst fra disse input. Genererede billeder, tale og Live-lydinteraktion tilhører særskilte modelprofiler.\n\nDens Gemini API-grænser er 1.048.576 inputtokens og 65.536 outputtokens svarende til den native models op til 1M kontekst og 64K tekstoutput. Instruktioner, samtalehistorik og leverede medier bruger inputkontekst, og ræsonnering eller et langt slutresultat skal passe inden for den dokumenterede outputramme. Google angiver også caching, batchbehandling samt Flex- og Priority-behandling for denne producentprofil. Bevar en stabil elementidentifikator og et eksplicit outputformat for uafhængige elementer, så hvert resultat forbliver knyttet til sin kilde.\n\nMulige begrænsninger omfatter hallucinationer, lejlighedsvis langsomhed eller timeout og større tokenforbrug ved højere indsats. Dens vidensgrænse er marts 2026 med nogle domæner stadig begrænset til januar 2025. Giv aktuel dokumentation, eller brug de dokumenterede groundingværktøjer, når opgaven afhænger af senere oplysninger. Kontrollér kildehenvisninger, beregninger og foreslået kode mod de faktiske input og kørselsresultater. Det nyttige slutresultat skal skelne mellem en underbygget observation og et uafklaret spørgsmål uden at antage, at et flydende svar fastslår det ønskede udfald.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "e412b967ced193110b51f30e8130a9a7f35c96e3aca11ab4ed7de290c5457190", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "da", "methods": [ { "html": "google/gemini-3.8-flash:batchGemini 3.8 Flash er Googles alsidige multimodale model til længerevarende softwareudvikling, agenter og komplekse vidensopgaver. Den accepterer tekst, billeder, lyd, video og PDF, returnerer tekst og tilbyder ræsonnering på low, medium eller high med værktøjer og struktureret output. Dens dokumenterede input- og outputgrænser er 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 3.8 Flash er Googles model med tekstoutput til længerevarende softwareudvikling, agenter med flere trin og komplekse vidensarbejdsgange. Den bygger på Gemini 3.7 Flash med forbedringer i softwareudvikling og agentbaseret vidensarbejde. Den accepterer tekst, billeder, lyd, video og PDF, så en opgave kan kombinere et skriftligt mål med det faktiske materiale, der kræves for at løse den. Det nyttige resultat er en kodeændring, en forklaret analyse, et skriftligt svar eller en struktureret post.
Angiv kravet, relevante filer, observeret adfærd og de begrænsninger, der skal bevares, ved en programmeringsopgave. Et skærmbillede kan fastlægge den tilsigtede grænseflade, mens logfiler eller et reproducerende eksempel viser fejlen. Bed ved en fejlfindingsopgave modellen om at spore en forskel mellem en formulars synlige tilstand og dens gemte værdi, identificere den ansvarlige kodesti og foreslå en målrettet rettelse. Hold det tilsigtede slutresultat klart, så en længere række undersøgelser og værktøjskald stadig har en bestemt afslutningsbetingelse.
Brug mindre ræsonneringstrin, gentagne værktøjskald og kontrol af mellemresultater ved længerevarende arbejde. Tænkeniveauerne low, medium og high styrer mængden af ræsonnering; medium er den dokumenterede standard. low egner sig til et hurtigt udkast eller en afgrænset analyse, mens high er beregnet til svær matematik, programmering eller opgaver med flere trin. Gemini 3.8 Flash understøtter ikke tænkeniveauet minimal. En længerevarende fejlfindingsopgave og enkel feltudtrækning kræver derfor forskellige ræsonneringsvalg frem for den samme indstilling til hver anmodning.
De dokumenterede værktøjer omfatter funktionskald, kodekørsel, filsøgning, søgegrounding, Google Maps-grounding og URL-kontekst med Computer Use angivet som en previewfunktion. Strukturerede output definerer et maskinlæsbart resultat. Funktioner skal have et klart formål og en parameterdefinition: Modellen kan anmode om en funktion, mens den tilsluttede applikation udfører handlingen og returnerer dens resultat. Bevar funktionsidentiteter og det faktisk returnerede materiale på tværs af ture. Et nyttigt endeligt svar forklarer, hvilken dokumentation der understøtter den foreslåede rettelse eller udtrukne værdi.
Migrationsvejledningen til 3.8 bruger indstillinger for tænkeniveau frem for ældre konfiguration af ræsonneringsbudget og anbefaler at fjerne forældede samplingparametre og forudfyldte modelture. Den kræver også bevarelse af tankesignaturer i den relevante tilstandsløse arbejdsgang og kobling af funktionssvar til deres kald ud fra identitet og navn. Disse detaljer er vigtige, når en opgave med flere trin fortsættes: Den næste tur kræver den faktiske tidligere kontekst frem for en omskrevet fremstilling, der mister værktøjsresultatet eller signaturen. Hold spørgsmålet og det ønskede output eksplicit i den nye user-tur.
Identificér de relevante dokumentsider, diagrammet, lydintervallet eller videohændelsen ved multimodalt vidensarbejde, og angiv, hvordan materialet skal bidrage til svaret. En dokumentsammenligning kan bede om en tabel over forskelle med kildepassager; et diagramspørgsmål kan spørge efter synlige værdier og den konklusion, de understøtter. En videoanalyse kan bede om en beskrivelse af de hændelser, der begrunder en observation. Modellen returnerer tekst fra disse input. Genererede billeder, tale og Live-lydinteraktion tilhører særskilte modelprofiler.
Dens Gemini API-grænser er 1.048.576 inputtokens og 65.536 outputtokens svarende til den native models op til 1M kontekst og 64K tekstoutput. Instruktioner, samtalehistorik og leverede medier bruger inputkontekst, og ræsonnering eller et langt slutresultat skal passe inden for den dokumenterede outputramme. Google angiver også caching, batchbehandling samt Flex- og Priority-behandling for denne producentprofil. Bevar en stabil elementidentifikator og et eksplicit outputformat for uafhængige elementer, så hvert resultat forbliver knyttet til sin kilde.
Mulige begrænsninger omfatter hallucinationer, lejlighedsvis langsomhed eller timeout og større tokenforbrug ved højere indsats. Dens vidensgrænse er marts 2026 med nogle domæner stadig begrænset til januar 2025. Giv aktuel dokumentation, eller brug de dokumenterede groundingværktøjer, når opgaven afhænger af senere oplysninger. Kontrollér kildehenvisninger, beregninger og foreslået kode mod de faktiske input og kørselsresultater. Det nyttige slutresultat skal skelne mellem en underbygget observation og et uafklaret spørgsmål uden at antage, at et flydende svar fastslår det ønskede udfald.
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-3.8-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-3.8-flash:batch, google/gemini-3.8-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-3.8-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-3.8-flash:batch', 'google/gemini-3.8-flash']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.8-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-3.8-flash:batch
Brug metodestierne vist ovenfor.