Source: https://ailoot.ai/models/da/google-gemini-3-pro-image-preview/ Canonical: https://ailoot.ai/models/da/google-gemini-3-pro-image-preview/ Language: da # Google: Nano Banana Pro (Gemini 3 Pro Image Preview) [Markdown](https://ailoot.ai/models/da/google-gemini-3-pro-image-preview/index.md) · [JSON](https://ailoot.ai/models/da/google-gemini-3-pro-image-preview/facts.json) ## [Google: Nano Banana Pro (Gemini 3 Pro Image Preview)](https://ailoot.ai/models/da/google-gemini-3-pro-image-preview/) Nano Banana Pro er Googles Gemini 3 Pro Image Preview-model til billedgenerering og redigering. Den understøtter komposition med flere billeder, indlejret tekst, lokale kreative ændringer, Search-grounding og output i 2K eller 4K i den dokumenterede profil. - [**Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `google/gemini-3-pro-image-preview`](https://ailoot.ai/models/da/google-gemini-3-pro-image-preview/#method-0) - [**Ailoot Ultra · Billeder** `POST /v1/images/generations` `google/gemini-3-pro-image-preview`](https://ailoot.ai/models/da/google-gemini-3-pro-image-preview/#method-1) - [**Ailoot Ultra · Anthropic Messages** `POST /v1/messages` `google/gemini-3-pro-image-preview`](https://ailoot.ai/models/da/google-gemini-3-pro-image-preview/#method-2) Om modellen Denne beskrivelse dækker modellens funktioner. Tilgængelige input, output og indstillinger i Ailoot står nedenfor for den valgte metode. Nano Banana Pro er Googles billedgenererings- og redigeringsmodel bygget på Gemini 3 Pro. Den accepterer tekst og billeder og returnerer billeder eller tekst. Dens offentliggjorte profil omfatter infografik, diagrammer, produktvisualiseringer, storyboards og kompositioner, der kombinerer flere elementer eller referencer. #### Komponér billedet og dets synlige indhold Angiv formålet, hovedmotivet og forholdet mellem elementerne. Giv de faktiske tal og præcise betegnelser til en infografik, og beskriv derefter deres hierarki. Identificér objektet, synsvinklen, omgivelserne og de detaljer, der skal forblive genkendelige, ved en produktscene. Modellens dokumenterede tekstgengivelsesrolle omfatter længere ordlyd og flersprogede layout; gennemgå de returnerede bogstaver, tal og justeringen i billedet. Søgegrounding er dokumenteret til at medtage aktuelle oplysninger i en visuel opgave. Gem kildefakta sammen med opgavebeskrivelsen, hvor grænsefladen stiller det til rådighed, og undersøg, hvordan de fremgår af den endelige grafik. En visuelt overbevisende graf eller et diagram skal stadig sammenlignes med de data og betegnelser, det skulle repræsentere. #### Referencer og kreative redigeringer Den offentliggjorte hostingprofil accepterer op til fjorten referencebilleder. Giv hver en rolle som motiv, omgivelser eller visuel stil frem for at lade deres forhold være uforklaret. Modelbeskrivelsen fremhæver identitetsbevarelse på tværs af op til fem motiver; sammenlign de faktiske motiver og vigtige detaljer gennem hele den returnerede komposition. Angiv det område eller objekt, der skal ændres, og de elementer, der skal bevares, ved en redigering. Dokumenterede kreative indstillinger omfatter lokale ændringer, tilpasning af belysning og fokus, kameratransformationer og fleksible billedformater. Hold kildebilledet tilgængeligt, når både den ønskede redigering og de detaljer, der skal forblive genkendelige, kontrolleres. #### Opløsning og et brugbart resultat Profilen dokumenterer output i 2K og 4K. Vælg den visuelle proportion og outputskala til den tilsigtede placering, og undersøg derefter de faktisk returnerede dimensioner og filegenskaber. Et designkoncept og et eksportkrav skal forblive forbundne, når billedet indgår i et større layout. Gem det valgte billede sammen med dets opgavebeskrivelse, referenceroller og revisionshistorik. Kontrollér præcis ordlyd, motivkontinuitet og informationshierarkiet ved den størrelse, hvor aktivet skal bruges. Det nyttige resultat er den undersøgte visualisering eller ledsagende tekst fra denne modelprofil, klar til efterfølgende design- eller produktionsarbejde. Praktisk opgave ### Praktisk opgave Teknisk eksempel på engelsk ``` Create a stock comparison infographic Create a clean landscape infographic for a warehouse noticeboard. Title: "Weekly stock". Show exactly three labelled bars: "Boxes 24", "Bags 12", "Tubes 6". Use a white background, dark text and one blue accent. Keep labels large, align the bars to a common baseline and add no extra numbers or logos. ``` #### Forventet resultat ``` One infographic image with the exact title and three proportional, labelled bars on a common baseline. ``` #### Kontrollér resultatet ``` Inspect all lettering and confirm the bar values and relative lengths match 24, 12 and 6. ``` **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` `google/gemini-3-pro-image-preview` [`google/gemini-3-pro-image-preview`](https://ailoot.ai/models/da/#m=google%2Fgemini-3-pro-image-preview&route=Ultra&caller=google%2Fgemini-3-pro-image-preview&fmt=chat) Google /`google/gemini-3-pro-image-preview` ### Start Nano Banana Pro er Googles Gemini 3 Pro Image Preview-model til billedgenerering og redigering. Den understøtter komposition med flere billeder, indlejret tekst, lokale kreative ændringer, Search-grounding og output i 2K eller 4K i den dokumenterede profil. Accepterede input Tekst Resultater Tekst ### Tilgængelig i Ailoot · input og metoder **Ailoot Ultra · OpenAI Chat** `POST /v1/chat/completions` Inputtyper `text` Outputtyper `text` Outputformat json eller SSE | Felt | Type | Krav | Værdier og grænser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrævet | Værdier og grænser google/gemini-3-pro-image-preview | Standard— | | Felt`messages` | Type`message[]` | KravPåkrævet | Værdier og grænser Minimumsantal elementer: 1 | Standard— | | Felt`messages[].role` | Type`string` | KravPåkrævet | Værdier og grænser Eksempler: system, user, assistant, tool, function Betingelser: Disse roller er eksplicit repræsenteret i kildekodens kompatibilitetstyper; modellens præcise rollesæt er fortsat modelspecifikt. Afhænger af modellen | Standard— | | Felt`messages[].content` | Type`string\|content_part[]\|null` | KravValgfrit | Værdier og grænser | Standard— | | Felt`messages[].tool_calls` | Type`tool_call[]` | KravValgfrit | Værdier og grænser | Standard— | | Felt`messages[].tool_call_id` | Type`string` | KravValgfrit | Værdier og grænser Gælder når: role=tool; brug det faktisk returnerede ID | Standard— | | Felt`messages[].name` | Type`string` | KravValgfrit | Værdier og grænser | Standard— | | Felt`messages[].reasoning_content` | Type`string` | KravValgfrit | Værdier og grænser Gælder når: Send det faktisk returnerede ræsonnement tilbage, når modellen bruger det | Standard— | | Felt`messages[].reasoning_details` | Type`object\|array` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`max_tokens` | Type`integer` | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— | | Felt`max_completion_tokens` | Type`integer` | KravValgfrit | Værdier og grænser Minimum: 1 Afhænger af modellen | Standard— | | Felt`stream` | Type`boolean` | KravValgfrit | Værdier og grænser | Standardfalse | | Felt`stream_options.include_usage` | Type`boolean` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`temperature` | Type`number` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`top_p` | Type`number` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`stop` | Type`string\|string[]` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`tools` | Type`function_tool[]` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`tools[].type` | Type`string` | KravValgfrit | Værdier og grænser function Afhænger af modellen | Standard— | | Felt`tools[].function.name` | Type`string` | KravPåkrævet | Værdier og grænser Gælder når: funktionsværktøj angivet | Standard— | | Felt`tools[].function.description` | Type`string` | KravValgfrit | Værdier og grænser | Standard— | | Felt`tools[].function.parameters` | Type`JSON_schema` | KravValgfrit | Værdier og grænser | Standard— | | Felt`tool_choice` | Type`string\|object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`parallel_tool_calls` | Type`boolean` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`response_format` | Type`object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`reasoning_effort` | Type`string` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`reasoning` | Type`object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`service_tier` | Type`string` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`instructions` | Type`string` | KravValgfrit | Værdier og grænser Kompatibilitetsfelt | Standard— | | Felt`functions` | Type`function[]` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`function_call` | Type`string\|object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`prompt_cache_options` | Type`object` | KravValgfrit | Værdier og grænser Afhænger af modellen | Standard— | | Felt`modalities` | Type`string[]` | KravValgfrit | Værdier og grænser text | Standard— | | Felt`provider` | Type`object` | KravValgfrit | Værdier og grænser Betingelser: provider.options afvises på denne Ultra-tekstrute | Standard— | | Felt`cache_control.ttl` | Type`string` | KravValgfrit | Værdier og grænser Betingelser: 1h afvises på de faktiske placeringer for promptcaching | Standard— | Kombinationer af inputmaterialer **Tekst** · UTF8-tekst `messages[].content` Metodeparametre og livscyklus | Parameter | Kontrakt | | --- | --- | | Parameter`content_type` | Kontraktapplication/json | | Parameter`required` | Kontraktmodel, messages | | Parameter`material_types` | Kontrakttext | | Parameter`messages` | Kontraktbeskedarray med strukturen role/content | | Parameter`file_material` | Kontraktfaktisk UTF-8-dokument indsat som bogstavelig tekst; intet fil-ID udledes | | Parameter`optional_controls` | Kontraktstream, temperature, top\_p, stop, max\_tokens, max\_completion\_tokens, reasoning, response\_format, tools, tool\_choice | | Parameter`control_scope` | Kontraktmodelspecifikt; brugerens funktionsværktøjer er forskellige fra hostede værktøjer | | Parameter`output_modalities` | Kontrakttext | | Parameter`hosted_operations` | Kontraktfalse | | Parameter`multimodal_input_binding` | Kontraktnull | Livscyklus: `synchronous_or_streamed` Send det præcise model-ID med messages. Kontekstlængde er ikke et outputloft. En tekstfil kan levere bogstavelig tekst; billed-, lyd- og filobjektinput kræver en præcis binding. ### Priser Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode. Hurtig tilstand Standardpris Når hurtig tilstand er valgt flex-tilstand Standardpris Når flex-tilstanden er valgt Maksimal ræsonneringsindsats Standardpris Når default-justeringen anvendes ved maksimal ræsonneringsindsats Priser for eksplicit caching Ikke aktiveret Når der anmodes om eksplicit caching #### Ailoot-takster #### Priser efter konfiguration 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 **$0.004** / 1K tokens Output · Outputtokens **$0.024** / 1K tokens Input · Cachelæsning **$0.0004** / 1K tokens Input · Cacheskrivning **$0.00075** / 1K tokens Input · Cacheskrivning, 1 time **—** / 1K tokens Output · Billedoutputtokens **$0.24** / 1K billedtokens | | KonfigurationAnmodningslængde · niveau 1 | Takstplan— | Konteksttokens, mere end0 | Konteksttokens, op til og medIngen øvre grænse | Beløb Input · Inputtokens **$0.004** / 1K tokens Output · Outputtokens **$0.024** / 1K tokens Input · Cachelæsning **$0.0004** / 1K tokens Input · Cacheskrivning **$0.00075** / 1K tokens Input · Cacheskrivning, 1 time **—** / 1K tokens | #### Detaljer om referencetariffen Referenceplaner på modelniveau ændrer ikke metodevalg, prisoverslag eller opkrævninger. Ved den aktive afregning anvendes taksterne for den valgte Ailoot-metode. google/gemini-3-pro-image-preview #### Priser efter konfiguration | Konfiguration | Afregningsbetingelser | Beløb | | --- | --- | --- | | Konfigurationgoogle/gemini-3-pro-image-preview · Standardkonfiguration | AfregningsbetingelserStandardkonfiguration | Beløb Input · Input **0,004 US$** / 1K tokens Output · Output **0,24 US$** / 1K tokens | Google: Nano Banana Pro (Gemini 3 Pro Image Preview) #### Priser efter konfiguration | Konfiguration | Afregningsbetingelser | Beløb | | --- | --- | --- | | KonfigurationGoogle: Nano Banana Pro (Gemini 3 Pro Image Preview) · Standardkonfiguration | AfregningsbetingelserStandardkonfiguration | Beløb Input · Inputtokens **0,004 US$** / 1K tokens Output · Outputtokens **0,024 US$** / 1K tokens Input · Inputbillede **0,004 US$** / 1K tokens Output · Outputbillede **0,24 US$** / 1K tokens Input · Lydinput **0,004 US$** / 1K tokens Input · Læsning af lyd fra cache **0,0004 US$** / 1K tokens Output · Websøgning **0,028 US$** pr. søgning Output · Ræsonneringstokens **0,024 US$** / 1K tokens Input · Cachelæsning **0,0004 US$** / 1K tokens Input · Skrivning til cache · 5 minutter **0,00075 US$** / 1K tokens | Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. [Sådan fungerer reservation og afregning →](https://ailoot.ai/docs/da/billing/reserve/) ### Eksempelanmodninger #### Ailoot Ultra · OpenAI Chat curlPython SDKPython-stream ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" python3 - <<'PY_REQUEST' import json,os from pathlib import Path p=json.loads('{"model": "google/gemini-3-pro-image-preview", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}') Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import json from pathlib import Path r=json.loads(Path("result.json").read_text()) for x in r.get("choices",[]): if x.get("message",{}).get("content"): print(x["message"]["content"]) PY_RESULT ``` ```python from openai import OpenAI import os if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) result=client.chat.completions.create(model='google/gemini-3-pro-image-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) save_result(result.to_dict(mode="json")) ``` ```python from openai import OpenAI import os from pathlib import Path if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request") client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0) import base64, json from pathlib import Path def save_result(data, stem="result"): # Keep every field, including usage, IDs, reasoning and tool requests. Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8") print(json.dumps(data, ensure_ascii=False, indent=2)) def save_blob(encoded, suffix, label): raw = base64.b64decode(encoded, altchars=b"-_", validate=True) 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 file = Path(stem + "-" + label + "." + ext) file.write_bytes(raw) print("Saved", file) for index, block in enumerate(data.get("content") or []): print("Content", index, json.dumps(block, ensure_ascii=False)) for choice in data.get("choices") or []: print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False)) for index, item in enumerate(data.get("output") or []): print("Output", index, json.dumps(item, ensure_ascii=False)) if item.get("type") == "image_generation_call" and item.get("result"): save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index)) for ci, candidate in enumerate(data.get("candidates") or []): for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []): print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False)) blob = part.get("inlineData") or part.get("inline_data") if blob and blob.get("data"): mime = blob.get("mimeType") or blob.get("mime_type") suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin") save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi)) with client.chat.completions.stream(model='google/gemini-3-pro-image-preview',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream: with Path("stream-events.jsonl").open("w",encoding="utf-8") as log: for event in stream: payload=event.to_dict(mode="json") log.write(json.dumps(payload,ensure_ascii=False)+"\n"); log.flush() print(json.dumps(payload,ensure_ascii=False)) final=stream.get_final_completion() save_result(final.to_dict(mode="json"),"stream-result") ``` ### Hent og gem resultater #### Ailoot Ultra · OpenAI Chat json eller SSE ##### Behold alle færdige resultater Gem hvert fuldstændigt returneret svar, hver fil og hver indholdsdel. Bevar hvert valg og dets indhold, værktøjskald og ræsonnement. Saml i SSE deltaer efter valg-/værktøjsindeks, og bevar den endelige afslutningsårsag og forbrugsoplysningerne. ##### Hvis det oprindelige svar skal kontrolleres Bevar anmodnings-/svar-ID’er og headere. Der leveres ingen generel URL til at hente tekstjob. Svarfelter | Felt | Type | | --- | --- | | Felt`choices[].index` | Typeinteger | | Felt`choices[].message.content` | Typestring\|null | | Felt`choices[].message.tool_calls` | Typetool\_call\[\] | | Felt`choices[].message.reasoning_content` | Typestring | | Felt`choices[].message.reasoning_details` | Typeobject\|array | | Felt`choices[].finish_reason` | Typestring\|null | | Felt`usage` | Typeobject | Fejl og næste trin | Svar | Betingelse | Næste trin | | --- | --- | --- | | Svar400 · `invalid_request_error` | BetingelseUgyldige obligatoriske felter, materialerepræsentation eller parameterværdi | Næste trinRet de angivne felter før en ny oprettelsesanmodning. | ### Aliaser #### Modelaliaser **Ailoot Ultra** [`google/gemini-3-pro-image-preview`](https://ailoot.ai/models/da/#m=google%2Fgemini-3-pro-image-preview&route=Ultra&caller=google%2Fgemini-3-pro-image-preview&fmt=chat) #### Aliaser for metodestier `/v1/images` #### Relaterede kalder-ID’er [`google/gemini-3-pro-image-preview`](https://ailoot.ai/models/da/#m=google%2Fgemini-3-pro-image-preview&route=Ultra&caller=google%2Fgemini-3-pro-image-preview&fmt=chat) **Ailoot Ultra · Billeder** `POST /v1/images/generations` `google/gemini-3-pro-image-preview` [`google/gemini-3-pro-image-preview`](https://ailoot.ai/models/da/#m=google%2Fgemini-3-pro-image-preview&route=Ultra&caller=google%2Fgemini-3-pro-image-preview&fmt=images) Google /`google/gemini-3-pro-image-preview` ### Start Nano Banana Pro er Googles Gemini 3 Pro Image Preview-model til billedgenerering og redigering. Den understøtter komposition med flere billeder, indlejret tekst, lokale kreative ændringer, Search-grounding og output i 2K eller 4K i den dokumenterede profil. Accepterede input Tekst · Billeder Resultater Billeder ### Tilgængelig i Ailoot · input og metoder **Ailoot Ultra · Billeder** `POST /v1/images/generations` Inputtyper `text`, `image` Outputtyper `image` | Felt | Type | Krav | Værdier og grænser | Standard | | --- | --- | --- | --- | --- | | Felt`model` | Type`string` | KravPåkrævet | Værdier og grænser google/gemini-3-pro-image-preview | Standard— | | Felt`prompt` | Type`string` | KravPåkrævet | Værdier og grænser Minimumslængde: 1 | Standard— | | Felt`resolution` | Type`string` | KravValgfrit | Værdier og grænser 1K, 2K, 4K | Standard— | | Felt`aspect_ratio` | Type`string` | KravValgfrit | Værdier og grænser 1:1, 2:3, 3:2, 3:4, 4:3, 4:5, 5:4, 9:16, 16:9, 21:9 | Standard— | | Felt`n` | Type`integer` | KravValgfrit | Værdier og grænser Minimum: 1 Maksimum: 1 | Standard— | | Felt`input_references` | Type`array` | KravValgfrit | Værdier og grænser Minimumsantal elementer: 0 Maksimalt antal elementer: 14 | Standard— | | Felt`provider` | Type`object` | KravValgfrit | Værdier og grænser | Standard— | Metodeparametre og livscyklus | Parameter | Kontrakt | | --- | --- | | Parameter`content_type` | Kontraktapplication/json | | Parameter`required` | Kontraktmodel, prompt | | Parameter`material_types` | Kontrakttext, image | Livscyklus: `synchronous_result_then_owned_library` `GET /v1/media/tasks/{task_id}` · det faktisk returnerede task\_id eller posten i mediebiblioteket `GET /v1/media/assets/{asset_id}/content` `GET /v1/media/assets` `GET /v1/media/assets/{asset_id}` ### Priser ##### Sådan beregnes det endelige beløb De viste satser bruges til at anslå omkostningen før genereringen. Det endelige beløb beregnes ud fra den registrerede omkostning for den oprindelige generering. Den målte varighed af outputtet og de anslåede mængder er ikke den endelige fakturerbare mængde. Tarifoplysninger tilføjer ikke anmodningsmuligheder. Understøttede parametre står ved den valgte metode. Hurtig tilstand Ikke angivet Når hurtig tilstand er valgt flex-tilstand Ikke angivet Når flex-tilstanden er valgt Maksimal ræsonneringsindsats Ikke angivet Når default-justeringen anvendes ved maksimal ræsonneringsindsats #### Estimerede takster til sammenligning #### Priser efter konfiguration Knyt hver omkostning til de viste betingelser. Brug én takst for hver gruppe af alternative konfigurationer. | Konfiguration | Takstplan | Forventet mængde | Beløb | | --- | --- | --- | --- | | KonfigurationGrundpriser for tokens | TakstplanGrundtakst | Forventet mængde— | Beløb Input · Inputtokens · Estimat kun til sammenligning **—** / 1K tokens Output · Outputtokens · Estimat kun til sammenligning **—** / 1K tokens Input · Cachelæsning · Estimat kun til sammenligning **—** / 1K tokens Input · Cacheskrivning · Estimat kun til sammenligning **—** / 1K tokens Input · Cacheskrivning, 1 time · Estimat kun til sammenligning **—** / 1K tokens | | KonfigurationAnslået genereringsomkostning | Takstplan— | Forventet mængdeestimat for én generering | Beløb Output · Anslået genereringsomkostning · Estimat kun til sammenligning **$0.98304** estimat før generering Dette estimat er hverken et ekstra gebyr eller en fast pris for den færdige generering. | Ailoot reserverer et estimeret beløb før en anmodning. Efter resultatet afregnes det endelige beløb ud fra det målte forbrug. Ved streaming bruges den endelige forbrugsregistrering til afregningen. [Sådan fungerer reservation og afregning →](https://ailoot.ai/docs/da/billing/reserve/) ### Eksempelanmodninger #### Ailoot Ultra · Billeder curl ```bash set -eu : "${AILOOT_API_KEY:?Set your Ailoot API key}" export AILOOT_API_KEY python3 - <<'PY_REQUEST' import json,os from pathlib import Path p={'model': 'google/gemini-3-pro-image-preview', 'prompt': 'a red panda astronaut floating in space, studio lighting'} Path("request.json").write_text(json.dumps(p,ensure_ascii=False)) PY_REQUEST curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/images/generations \ -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \ --data-binary @request.json -D response-headers.txt -o result.json python3 - <<'PY_RESULT' import base64, json, os, subprocess from pathlib import Path from urllib.parse import urlsplit, urljoin def save_images(items): if not items: raise SystemExit("No completed images; retain the full response") for index, item in enumerate(items): encoded=item.get("b64_json") uri=item.get("url", "") if not encoded and uri.startswith("data:image/"): header, separator, encoded=uri.partition(",") if not separator or ";base64" not in header: raise SystemExit("Unsupported image data URI") if encoded: raw=base64.b64decode(encoded,validate=True) elif uri: uri=urljoin("https://api.ailoot.ai",uri) parsed=urlsplit(uri) if parsed.scheme!="https" or not parsed.netloc or parsed.username or parsed.password: raise SystemExit("Invalid returned image URL") owned=parsed.netloc=="api.ailoot.ai" and parsed.path.startswith("/v1/media/assets/") and parsed.path.endswith("/content") args=["curl","--fail-with-body","--silent","--show-error",uri] if owned: args += ["-H","Authorization: Bearer "+os.environ["AILOOT_API_KEY"]] temporary=Path(f"image-{index}.bin") subprocess.run(args+["-o",str(temporary)],check=True) raw=temporary.read_bytes() temporary.unlink() else: raise SystemExit("Image has neither bytes nor URL") if not raw: raise SystemExit("Empty image result") ext="png" if raw.startswith(b"\x89PNG") else "jpg" if raw.startswith(b"\xff\xd8") else "webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else "svg" if raw.lstrip().startswith((b"