Gemini 3.7 Flash ist Googles benanntes multimodales Denkprofil für Programmierung, agentengestützte Arbeitsabläufe und mehrstufige Ausführung. Es baut auf Gemini 3.6 Flash auf, mit algorithmischen Änderungen am Denkprozess und Unterstützung für agentengestütztes Videoverständnis. Text, Bilder, Audio, Video und PDF können das Ausgangsmaterial für ein Textergebnis bilden. Nutzbare Ergebnisse sind beispielsweise eine gezielte Codeüberarbeitung, ein Vergleich zwischen einer Designvorlage und einer Umsetzung oder eine quellenbasierte Analyse der Ereignisse in einer Aufnahme.
Der Entwicklerleitfaden für 3.7 hebt eine genauere Designumsetzung bei Desktop- und Webprojekten hervor. Stellen Sie dafür die gewünschte Vorlage, den relevanten Quellcode und die beobachtbare Abweichung bereit. Verlangen Sie einen Vergleich anhand konkreter Elemente wie Abständen, Komponentenzuständen, Texthierarchie oder Interaktionsverhalten. Fordern Sie für einen Designvergleich eine Liste der Abweichungen zwischen der Vorlage eines Einstellungsbereichs und seiner bestehenden Umsetzung an, wobei jede vorgeschlagene Korrektur mit dem Screenshot oder Quellcode verknüpft wird. Das Ergebnis sollte benennen, was geändert werden muss, ohne das Design stillschweigend über die bereitgestellten Anforderungen hinaus zu erweitern.
Geben Sie für einen Programmierablauf Ziel, bestehendes Verhalten, relevante Dateien und Bedingungen an. Google positioniert 3.7 für die Lösung von Softwareproblemen und die Verringerung fehlgeschlagener Agentenschleifen; eine hilfreiche Prüfung kontrolliert dennoch die tatsächliche Änderung und das Validierungsergebnis. Erhalten Sie die Folge der Werkzeugbeobachtungen im Gespräch, damit ein späterer Schritt nicht von einer erfundenen Darstellung der Codebasis ausgeht. Das Endergebnis kann eine vorgeschlagene Änderung von einer Änderung unterscheiden, die durch die Werkzeuge der angebundenen Anwendung bestätigt wurde.
Die dokumentierten Denkstufen sind low, medium und high, mit medium als Standard. low unterstützt schnellere, klar begrenzte Antworten, während high für schwieriges Denken und längere Werkzeugarbeit vorgesehen ist. Gemini 3.7 Flash unterstützt minimal als Denkstufe nicht. Eine kurze Analyse einer einzelnen Oberflächenabweichung und eine vertiefte Untersuchung über mehrere Dateien erfordern deshalb unterschiedliche Aufwandsstufen. Definieren Sie das Endergebnis und seine zu erfüllenden Bedingungen, bevor Sie eine längere Folge von Denkschritten und Aktionen anfordern.
Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding und URL-Kontext. Computer Use ist als Vorschaufunktion gekennzeichnet, und strukturierte Ausgaben können einen Ergebnisdatensatz definieren. Eine Funktionsanforderung ist ein vorgeschlagener Vorgang, den die angebundene Anwendung ausführen und dessen Ergebnis sie zurückgeben soll. Geben Sie dem Werkzeug bei einer Agentenaufgabe einen klaren Zweck und erhalten Sie das tatsächliche Ergebnis, bevor Sie das Modell zur Fortsetzung auffordern. Definieren Sie bei einer Dokumentextraktion die Felder, zulässigen Werte und die Darstellung fehlender Informationen.
Diese Edition unterstützt agentengestütztes Videoverständnis. Stellen Sie die relevante Aufnahme bereit und benennen Sie das zu untersuchende Ereignis oder die Beziehung. Ein praktischer Auftrag kann danach fragen, welche sichtbare Aktion eine Zustandsänderung erklärt, oder eine geordnete Beschreibung der Ereignisse mit Belegen aus dem Clip verlangen. Bilder und PDF-Seiten können ebenso einen Bild- oder Dokumentvergleich stützen. Die Ausgabe bleibt Text: eine Interpretation, extrahierte Daten, Code oder eine schriftliche Erklärung. Erzeugte Videos, Bilder oder Sprache gehören zu separaten Modellprofilen.
Googles API-Tabelle für genau die Edition 3.7 legt 1’048’576 Eingabetoken und 65’536 Ausgabetoken fest, während die native Modellkarte bis zu 1M Kontext und 64K Textausgabe beschreibt. Berücksichtigen Sie Anweisungen, frühere Gesprächsschritte und bereitgestellte Medien bei der Eingabevorbereitung. Für das Herstellerprofil sind Stapelverarbeitung und Caching sowie die Optionen Flex und Priority aufgeführt. Behalten Sie bei einer Sammlung unabhängiger Anfragen Quellkennungen und ein einheitliches Ergebnisformat bei, damit jede Antwort anhand ihrer eigenen Eingabe geprüft werden kann.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche auf Januar 2025 begrenzt sind. Stellen Sie aktuelles Quellenmaterial bereit, wenn eine Schlussfolgerung von neueren Tatsachen abhängt. Das hilfreiche Unterscheidungsmerkmal dieser Edition ist ihr dokumentierter Schwerpunkt auf Softwareproblemen, Designtreue und Videoverständnis; prüfen Sie diese Ergebnisse anhand der tatsächlichen Vorlage, des Codes oder der Medien, statt ein benanntes historisches Profil durch neuere Funktionen zu ersetzen.
", "aboutText": "Gemini 3.7 Flash ist Googles benanntes multimodales Denkprofil für Programmierung, agentengestützte Arbeitsabläufe und mehrstufige Ausführung. Es baut auf Gemini 3.6 Flash auf, mit algorithmischen Änderungen am Denkprozess und Unterstützung für agentengestütztes Videoverständnis. Text, Bilder, Audio, Video und PDF können das Ausgangsmaterial für ein Textergebnis bilden. Nutzbare Ergebnisse sind beispielsweise eine gezielte Codeüberarbeitung, ein Vergleich zwischen einer Designvorlage und einer Umsetzung oder eine quellenbasierte Analyse der Ereignisse in einer Aufnahme.\n\nDer Entwicklerleitfaden für 3.7 hebt eine genauere Designumsetzung bei Desktop- und Webprojekten hervor. Stellen Sie dafür die gewünschte Vorlage, den relevanten Quellcode und die beobachtbare Abweichung bereit. Verlangen Sie einen Vergleich anhand konkreter Elemente wie Abständen, Komponentenzuständen, Texthierarchie oder Interaktionsverhalten. Fordern Sie für einen Designvergleich eine Liste der Abweichungen zwischen der Vorlage eines Einstellungsbereichs und seiner bestehenden Umsetzung an, wobei jede vorgeschlagene Korrektur mit dem Screenshot oder Quellcode verknüpft wird. Das Ergebnis sollte benennen, was geändert werden muss, ohne das Design stillschweigend über die bereitgestellten Anforderungen hinaus zu erweitern.\n\nGeben Sie für einen Programmierablauf Ziel, bestehendes Verhalten, relevante Dateien und Bedingungen an. Google positioniert 3.7 für die Lösung von Softwareproblemen und die Verringerung fehlgeschlagener Agentenschleifen; eine hilfreiche Prüfung kontrolliert dennoch die tatsächliche Änderung und das Validierungsergebnis. Erhalten Sie die Folge der Werkzeugbeobachtungen im Gespräch, damit ein späterer Schritt nicht von einer erfundenen Darstellung der Codebasis ausgeht. Das Endergebnis kann eine vorgeschlagene Änderung von einer Änderung unterscheiden, die durch die Werkzeuge der angebundenen Anwendung bestätigt wurde.\n\nDie dokumentierten Denkstufen sind low, medium und high, mit medium als Standard. low unterstützt schnellere, klar begrenzte Antworten, während high für schwieriges Denken und längere Werkzeugarbeit vorgesehen ist. Gemini 3.7 Flash unterstützt minimal als Denkstufe nicht. Eine kurze Analyse einer einzelnen Oberflächenabweichung und eine vertiefte Untersuchung über mehrere Dateien erfordern deshalb unterschiedliche Aufwandsstufen. Definieren Sie das Endergebnis und seine zu erfüllenden Bedingungen, bevor Sie eine längere Folge von Denkschritten und Aktionen anfordern.\n\nDie Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding und URL-Kontext. Computer Use ist als Vorschaufunktion gekennzeichnet, und strukturierte Ausgaben können einen Ergebnisdatensatz definieren. Eine Funktionsanforderung ist ein vorgeschlagener Vorgang, den die angebundene Anwendung ausführen und dessen Ergebnis sie zurückgeben soll. Geben Sie dem Werkzeug bei einer Agentenaufgabe einen klaren Zweck und erhalten Sie das tatsächliche Ergebnis, bevor Sie das Modell zur Fortsetzung auffordern. Definieren Sie bei einer Dokumentextraktion die Felder, zulässigen Werte und die Darstellung fehlender Informationen.\n\nDiese Edition unterstützt agentengestütztes Videoverständnis. Stellen Sie die relevante Aufnahme bereit und benennen Sie das zu untersuchende Ereignis oder die Beziehung. Ein praktischer Auftrag kann danach fragen, welche sichtbare Aktion eine Zustandsänderung erklärt, oder eine geordnete Beschreibung der Ereignisse mit Belegen aus dem Clip verlangen. Bilder und PDF-Seiten können ebenso einen Bild- oder Dokumentvergleich stützen. Die Ausgabe bleibt Text: eine Interpretation, extrahierte Daten, Code oder eine schriftliche Erklärung. Erzeugte Videos, Bilder oder Sprache gehören zu separaten Modellprofilen.\n\nGoogles API-Tabelle für genau die Edition 3.7 legt 1’048’576 Eingabetoken und 65’536 Ausgabetoken fest, während die native Modellkarte bis zu 1M Kontext und 64K Textausgabe beschreibt. Berücksichtigen Sie Anweisungen, frühere Gesprächsschritte und bereitgestellte Medien bei der Eingabevorbereitung. Für das Herstellerprofil sind Stapelverarbeitung und Caching sowie die Optionen Flex und Priority aufgeführt. Behalten Sie bei einer Sammlung unabhängiger Anfragen Quellkennungen und ein einheitliches Ergebnisformat bei, damit jede Antwort anhand ihrer eigenen Eingabe geprüft werden kann.\n\nZu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche auf Januar 2025 begrenzt sind. Stellen Sie aktuelles Quellenmaterial bereit, wenn eine Schlussfolgerung von neueren Tatsachen abhängt. Das hilfreiche Unterscheidungsmerkmal dieser Edition ist ihr dokumentierter Schwerpunkt auf Softwareproblemen, Designtreue und Videoverständnis; prüfen Sie diese Ergebnisse anhand der tatsächlichen Vorlage, des Codes oder der Medien, statt ein benanntes historisches Profil durch neuere Funktionen zu ersetzen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Match a written panel specification\n\nCompare this panel specification with its CSS. Specification: title above the form; labels remain visible; error text appears below its field. CSS: .panel{display:flex;flex-direction:column-reverse} .field label{display:none}. Explain the mismatches and propose the smallest CSS and markup corrections. Give inspection checks for normal and error states using the supplied written requirements.A mismatch list, focused CSS/markup changes and normal/error-state inspection checks.Check that each proposed change maps to a stated requirement without redesigning other elements.gemini-3.7-flashGemini 3.7 Flash verbindet multimodales Denken mit Programmierung und mehrstufiger Agentenarbeit. Googles 3.7-Profil betont die genaue Umsetzung von Designvorlagen und agentengestütztes Videoverständnis und bietet die Denkstufen low, medium und high. Es verarbeitet Text und Medien, gibt Text aus und hat dokumentierte Eingabe- und Ausgabegrenzen von 1’048’576 beziehungsweise 65’536 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.7 Flash ist Googles benanntes multimodales Denkprofil für Programmierung, agentengestützte Arbeitsabläufe und mehrstufige Ausführung. Es baut auf Gemini 3.6 Flash auf, mit algorithmischen Änderungen am Denkprozess und Unterstützung für agentengestütztes Videoverständnis. Text, Bilder, Audio, Video und PDF können das Ausgangsmaterial für ein Textergebnis bilden. Nutzbare Ergebnisse sind beispielsweise eine gezielte Codeüberarbeitung, ein Vergleich zwischen einer Designvorlage und einer Umsetzung oder eine quellenbasierte Analyse der Ereignisse in einer Aufnahme.
Der Entwicklerleitfaden für 3.7 hebt eine genauere Designumsetzung bei Desktop- und Webprojekten hervor. Stellen Sie dafür die gewünschte Vorlage, den relevanten Quellcode und die beobachtbare Abweichung bereit. Verlangen Sie einen Vergleich anhand konkreter Elemente wie Abständen, Komponentenzuständen, Texthierarchie oder Interaktionsverhalten. Fordern Sie für einen Designvergleich eine Liste der Abweichungen zwischen der Vorlage eines Einstellungsbereichs und seiner bestehenden Umsetzung an, wobei jede vorgeschlagene Korrektur mit dem Screenshot oder Quellcode verknüpft wird. Das Ergebnis sollte benennen, was geändert werden muss, ohne das Design stillschweigend über die bereitgestellten Anforderungen hinaus zu erweitern.
Geben Sie für einen Programmierablauf Ziel, bestehendes Verhalten, relevante Dateien und Bedingungen an. Google positioniert 3.7 für die Lösung von Softwareproblemen und die Verringerung fehlgeschlagener Agentenschleifen; eine hilfreiche Prüfung kontrolliert dennoch die tatsächliche Änderung und das Validierungsergebnis. Erhalten Sie die Folge der Werkzeugbeobachtungen im Gespräch, damit ein späterer Schritt nicht von einer erfundenen Darstellung der Codebasis ausgeht. Das Endergebnis kann eine vorgeschlagene Änderung von einer Änderung unterscheiden, die durch die Werkzeuge der angebundenen Anwendung bestätigt wurde.
Die dokumentierten Denkstufen sind low, medium und high, mit medium als Standard. low unterstützt schnellere, klar begrenzte Antworten, während high für schwieriges Denken und längere Werkzeugarbeit vorgesehen ist. Gemini 3.7 Flash unterstützt minimal als Denkstufe nicht. Eine kurze Analyse einer einzelnen Oberflächenabweichung und eine vertiefte Untersuchung über mehrere Dateien erfordern deshalb unterschiedliche Aufwandsstufen. Definieren Sie das Endergebnis und seine zu erfüllenden Bedingungen, bevor Sie eine längere Folge von Denkschritten und Aktionen anfordern.
Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding und URL-Kontext. Computer Use ist als Vorschaufunktion gekennzeichnet, und strukturierte Ausgaben können einen Ergebnisdatensatz definieren. Eine Funktionsanforderung ist ein vorgeschlagener Vorgang, den die angebundene Anwendung ausführen und dessen Ergebnis sie zurückgeben soll. Geben Sie dem Werkzeug bei einer Agentenaufgabe einen klaren Zweck und erhalten Sie das tatsächliche Ergebnis, bevor Sie das Modell zur Fortsetzung auffordern. Definieren Sie bei einer Dokumentextraktion die Felder, zulässigen Werte und die Darstellung fehlender Informationen.
Diese Edition unterstützt agentengestütztes Videoverständnis. Stellen Sie die relevante Aufnahme bereit und benennen Sie das zu untersuchende Ereignis oder die Beziehung. Ein praktischer Auftrag kann danach fragen, welche sichtbare Aktion eine Zustandsänderung erklärt, oder eine geordnete Beschreibung der Ereignisse mit Belegen aus dem Clip verlangen. Bilder und PDF-Seiten können ebenso einen Bild- oder Dokumentvergleich stützen. Die Ausgabe bleibt Text: eine Interpretation, extrahierte Daten, Code oder eine schriftliche Erklärung. Erzeugte Videos, Bilder oder Sprache gehören zu separaten Modellprofilen.
Googles API-Tabelle für genau die Edition 3.7 legt 1’048’576 Eingabetoken und 65’536 Ausgabetoken fest, während die native Modellkarte bis zu 1M Kontext und 64K Textausgabe beschreibt. Berücksichtigen Sie Anweisungen, frühere Gesprächsschritte und bereitgestellte Medien bei der Eingabevorbereitung. Für das Herstellerprofil sind Stapelverarbeitung und Caching sowie die Optionen Flex und Priority aufgeführt. Behalten Sie bei einer Sammlung unabhängiger Anfragen Quellkennungen und ein einheitliches Ergebnisformat bei, damit jede Antwort anhand ihrer eigenen Eingabe geprüft werden kann.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche auf Januar 2025 begrenzt sind. Stellen Sie aktuelles Quellenmaterial bereit, wenn eine Schlussfolgerung von neueren Tatsachen abhängt. Das hilfreiche Unterscheidungsmerkmal dieser Edition ist ihr dokumentierter Schwerpunkt auf Softwareproblemen, Designtreue und Videoverständnis; prüfen Sie diese Ergebnisse anhand der tatsächlichen Vorlage, des Codes oder der Medien, statt ein benanntes historisches Profil durch neuere Funktionen zu ersetzen.
POST /v1/messagestext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.7-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring|content_block[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldsystem | Typstring|content_block[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits Minimum: 1 Limit gilt für: Genaue Obergrenze des ausgewählten Modells bzw. seiner Modellkarte | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop_sequences | Typstring[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typtool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].name | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Werkzeug bereitgestellt | Standard— |
Feldtools[].description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].input_schema | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldthinking.type | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldthinking.budget_tokens | Typinteger | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldoutput_config.effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmetadata | Typobject | AnforderungOptional | Werte und Limits | Standard— |
Feldcache_control | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
messages[].content oder Block mit type=text
Text + Bild
{type:image,source:{type:base64,media_type,data}} oder Quelle mit type=url
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext, image |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragTatsächlicher UTF-8-Inhalt wird als Text eingefügt; Datei-IDs/URLs müssen separat und exakt unterstützt werden |
Lebenszyklus: exact retained published method
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
POST /v1/messagesAiloot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationOpenAI Chat · Token-Basispreise | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.015 / 1K Tokens Eingabe · Cache lesen $0.0003 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.015 / 1K Tokens Eingabe · Cache lesen $0.0003 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.7-flash", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.7-flash", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-3.7-flash",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-3.7-flash",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-3.7-flash',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
gemini-3.7-flashGemini 3.7 Flash verbindet multimodales Denken mit Programmierung und mehrstufiger Agentenarbeit. Googles 3.7-Profil betont die genaue Umsetzung von Designvorlagen und agentengestütztes Videoverständnis und bietet die Denkstufen low, medium und high. Es verarbeitet Text und Medien, gibt Text aus und hat dokumentierte Eingabe- und Ausgabegrenzen von 1’048’576 beziehungsweise 65’536 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.7 Flash ist Googles benanntes multimodales Denkprofil für Programmierung, agentengestützte Arbeitsabläufe und mehrstufige Ausführung. Es baut auf Gemini 3.6 Flash auf, mit algorithmischen Änderungen am Denkprozess und Unterstützung für agentengestütztes Videoverständnis. Text, Bilder, Audio, Video und PDF können das Ausgangsmaterial für ein Textergebnis bilden. Nutzbare Ergebnisse sind beispielsweise eine gezielte Codeüberarbeitung, ein Vergleich zwischen einer Designvorlage und einer Umsetzung oder eine quellenbasierte Analyse der Ereignisse in einer Aufnahme.
Der Entwicklerleitfaden für 3.7 hebt eine genauere Designumsetzung bei Desktop- und Webprojekten hervor. Stellen Sie dafür die gewünschte Vorlage, den relevanten Quellcode und die beobachtbare Abweichung bereit. Verlangen Sie einen Vergleich anhand konkreter Elemente wie Abständen, Komponentenzuständen, Texthierarchie oder Interaktionsverhalten. Fordern Sie für einen Designvergleich eine Liste der Abweichungen zwischen der Vorlage eines Einstellungsbereichs und seiner bestehenden Umsetzung an, wobei jede vorgeschlagene Korrektur mit dem Screenshot oder Quellcode verknüpft wird. Das Ergebnis sollte benennen, was geändert werden muss, ohne das Design stillschweigend über die bereitgestellten Anforderungen hinaus zu erweitern.
Geben Sie für einen Programmierablauf Ziel, bestehendes Verhalten, relevante Dateien und Bedingungen an. Google positioniert 3.7 für die Lösung von Softwareproblemen und die Verringerung fehlgeschlagener Agentenschleifen; eine hilfreiche Prüfung kontrolliert dennoch die tatsächliche Änderung und das Validierungsergebnis. Erhalten Sie die Folge der Werkzeugbeobachtungen im Gespräch, damit ein späterer Schritt nicht von einer erfundenen Darstellung der Codebasis ausgeht. Das Endergebnis kann eine vorgeschlagene Änderung von einer Änderung unterscheiden, die durch die Werkzeuge der angebundenen Anwendung bestätigt wurde.
Die dokumentierten Denkstufen sind low, medium und high, mit medium als Standard. low unterstützt schnellere, klar begrenzte Antworten, während high für schwieriges Denken und längere Werkzeugarbeit vorgesehen ist. Gemini 3.7 Flash unterstützt minimal als Denkstufe nicht. Eine kurze Analyse einer einzelnen Oberflächenabweichung und eine vertiefte Untersuchung über mehrere Dateien erfordern deshalb unterschiedliche Aufwandsstufen. Definieren Sie das Endergebnis und seine zu erfüllenden Bedingungen, bevor Sie eine längere Folge von Denkschritten und Aktionen anfordern.
Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding und URL-Kontext. Computer Use ist als Vorschaufunktion gekennzeichnet, und strukturierte Ausgaben können einen Ergebnisdatensatz definieren. Eine Funktionsanforderung ist ein vorgeschlagener Vorgang, den die angebundene Anwendung ausführen und dessen Ergebnis sie zurückgeben soll. Geben Sie dem Werkzeug bei einer Agentenaufgabe einen klaren Zweck und erhalten Sie das tatsächliche Ergebnis, bevor Sie das Modell zur Fortsetzung auffordern. Definieren Sie bei einer Dokumentextraktion die Felder, zulässigen Werte und die Darstellung fehlender Informationen.
Diese Edition unterstützt agentengestütztes Videoverständnis. Stellen Sie die relevante Aufnahme bereit und benennen Sie das zu untersuchende Ereignis oder die Beziehung. Ein praktischer Auftrag kann danach fragen, welche sichtbare Aktion eine Zustandsänderung erklärt, oder eine geordnete Beschreibung der Ereignisse mit Belegen aus dem Clip verlangen. Bilder und PDF-Seiten können ebenso einen Bild- oder Dokumentvergleich stützen. Die Ausgabe bleibt Text: eine Interpretation, extrahierte Daten, Code oder eine schriftliche Erklärung. Erzeugte Videos, Bilder oder Sprache gehören zu separaten Modellprofilen.
Googles API-Tabelle für genau die Edition 3.7 legt 1’048’576 Eingabetoken und 65’536 Ausgabetoken fest, während die native Modellkarte bis zu 1M Kontext und 64K Textausgabe beschreibt. Berücksichtigen Sie Anweisungen, frühere Gesprächsschritte und bereitgestellte Medien bei der Eingabevorbereitung. Für das Herstellerprofil sind Stapelverarbeitung und Caching sowie die Optionen Flex und Priority aufgeführt. Behalten Sie bei einer Sammlung unabhängiger Anfragen Quellkennungen und ein einheitliches Ergebnisformat bei, damit jede Antwort anhand ihrer eigenen Eingabe geprüft werden kann.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche auf Januar 2025 begrenzt sind. Stellen Sie aktuelles Quellenmaterial bereit, wenn eine Schlussfolgerung von neueren Tatsachen abhängt. Das hilfreiche Unterscheidungsmerkmal dieser Edition ist ihr dokumentierter Schwerpunkt auf Softwareproblemen, Designtreue und Videoverständnis; prüfen Sie diese Ergebnisse anhand der tatsächlichen Vorlage, des Codes oder der Medien, statt ein benanntes historisches Profil durch neuere Funktionen zu ersetzen.
POST /v1beta/models/{model}:generateContenttext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldpath.model | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.7-flash | Standard— |
Feldcontents | Typcontent[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldcontents[].role | Typstring | AnforderungOptional | Werte und Limits user, model | Standard— |
Feldcontents[].parts | Typpart[] | AnforderungErforderlich | Werte und Limits | Standard— |
FeldsystemInstruction | Typcontent | AnforderungOptional | Werte und Limits | Standard— |
FeldgenerationConfig.maxOutputTokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
FeldgenerationConfig.temperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldgenerationConfig.topP | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldgenerationConfig.topK | Typinteger | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldgenerationConfig.stopSequences | Typstring[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldgenerationConfig.thinkingConfig.includeThoughts | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldgenerationConfig.thinkingConfig.thinkingBudget | Typinteger | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].functionDeclarations | Typfunction_declaration[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldtoolConfig.functionCallingConfig.mode | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldsafetySettings | Typobject[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldsessionId | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Text · UTF8-Text
contents[].parts[].text
Text + Bild
parts[].inlineData={mimeType,data}
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext, image |
Parameterrequired | Vertragcontents |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragTatsächlicher UTF-8-Inhalt wird als Text eingefügt; Datei-IDs/URLs müssen separat und exakt unterstützt werden |
Lebenszyklus: exact retained published method
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
POST /v1beta/models/{model}:generateContentAiloot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationOpenAI Chat · Token-Basispreise | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.015 / 1K Tokens Eingabe · Cache lesen $0.0003 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.015 / 1K Tokens Eingabe · Cache lesen $0.0003 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.7-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.7-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-3.7-flash", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-3.7-flash", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-3.7-flash',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson oder unterstütztes Streaming
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Kandidaten und Teile einschliesslich Funktionsaufrufen, Gedankensignaturen und Verbrauchsdaten beibehalten; Streaming-Abschnitte in der richtigen Reihenfolge zusammensetzen.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
FeldresponseId | Typstring |
FeldmodelVersion | Typstring |
Feldcandidates[].content.parts[] | Typtext|inlineData|functionCall|other part |
Feldcandidates[].finishReason | Typstring |
FeldusageMetadata | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
gemini-3.7-flashGemini 3.7 Flash verbindet multimodales Denken mit Programmierung und mehrstufiger Agentenarbeit. Googles 3.7-Profil betont die genaue Umsetzung von Designvorlagen und agentengestütztes Videoverständnis und bietet die Denkstufen low, medium und high. Es verarbeitet Text und Medien, gibt Text aus und hat dokumentierte Eingabe- und Ausgabegrenzen von 1’048’576 beziehungsweise 65’536 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.7 Flash ist Googles benanntes multimodales Denkprofil für Programmierung, agentengestützte Arbeitsabläufe und mehrstufige Ausführung. Es baut auf Gemini 3.6 Flash auf, mit algorithmischen Änderungen am Denkprozess und Unterstützung für agentengestütztes Videoverständnis. Text, Bilder, Audio, Video und PDF können das Ausgangsmaterial für ein Textergebnis bilden. Nutzbare Ergebnisse sind beispielsweise eine gezielte Codeüberarbeitung, ein Vergleich zwischen einer Designvorlage und einer Umsetzung oder eine quellenbasierte Analyse der Ereignisse in einer Aufnahme.
Der Entwicklerleitfaden für 3.7 hebt eine genauere Designumsetzung bei Desktop- und Webprojekten hervor. Stellen Sie dafür die gewünschte Vorlage, den relevanten Quellcode und die beobachtbare Abweichung bereit. Verlangen Sie einen Vergleich anhand konkreter Elemente wie Abständen, Komponentenzuständen, Texthierarchie oder Interaktionsverhalten. Fordern Sie für einen Designvergleich eine Liste der Abweichungen zwischen der Vorlage eines Einstellungsbereichs und seiner bestehenden Umsetzung an, wobei jede vorgeschlagene Korrektur mit dem Screenshot oder Quellcode verknüpft wird. Das Ergebnis sollte benennen, was geändert werden muss, ohne das Design stillschweigend über die bereitgestellten Anforderungen hinaus zu erweitern.
Geben Sie für einen Programmierablauf Ziel, bestehendes Verhalten, relevante Dateien und Bedingungen an. Google positioniert 3.7 für die Lösung von Softwareproblemen und die Verringerung fehlgeschlagener Agentenschleifen; eine hilfreiche Prüfung kontrolliert dennoch die tatsächliche Änderung und das Validierungsergebnis. Erhalten Sie die Folge der Werkzeugbeobachtungen im Gespräch, damit ein späterer Schritt nicht von einer erfundenen Darstellung der Codebasis ausgeht. Das Endergebnis kann eine vorgeschlagene Änderung von einer Änderung unterscheiden, die durch die Werkzeuge der angebundenen Anwendung bestätigt wurde.
Die dokumentierten Denkstufen sind low, medium und high, mit medium als Standard. low unterstützt schnellere, klar begrenzte Antworten, während high für schwieriges Denken und längere Werkzeugarbeit vorgesehen ist. Gemini 3.7 Flash unterstützt minimal als Denkstufe nicht. Eine kurze Analyse einer einzelnen Oberflächenabweichung und eine vertiefte Untersuchung über mehrere Dateien erfordern deshalb unterschiedliche Aufwandsstufen. Definieren Sie das Endergebnis und seine zu erfüllenden Bedingungen, bevor Sie eine längere Folge von Denkschritten und Aktionen anfordern.
Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding und URL-Kontext. Computer Use ist als Vorschaufunktion gekennzeichnet, und strukturierte Ausgaben können einen Ergebnisdatensatz definieren. Eine Funktionsanforderung ist ein vorgeschlagener Vorgang, den die angebundene Anwendung ausführen und dessen Ergebnis sie zurückgeben soll. Geben Sie dem Werkzeug bei einer Agentenaufgabe einen klaren Zweck und erhalten Sie das tatsächliche Ergebnis, bevor Sie das Modell zur Fortsetzung auffordern. Definieren Sie bei einer Dokumentextraktion die Felder, zulässigen Werte und die Darstellung fehlender Informationen.
Diese Edition unterstützt agentengestütztes Videoverständnis. Stellen Sie die relevante Aufnahme bereit und benennen Sie das zu untersuchende Ereignis oder die Beziehung. Ein praktischer Auftrag kann danach fragen, welche sichtbare Aktion eine Zustandsänderung erklärt, oder eine geordnete Beschreibung der Ereignisse mit Belegen aus dem Clip verlangen. Bilder und PDF-Seiten können ebenso einen Bild- oder Dokumentvergleich stützen. Die Ausgabe bleibt Text: eine Interpretation, extrahierte Daten, Code oder eine schriftliche Erklärung. Erzeugte Videos, Bilder oder Sprache gehören zu separaten Modellprofilen.
Googles API-Tabelle für genau die Edition 3.7 legt 1’048’576 Eingabetoken und 65’536 Ausgabetoken fest, während die native Modellkarte bis zu 1M Kontext und 64K Textausgabe beschreibt. Berücksichtigen Sie Anweisungen, frühere Gesprächsschritte und bereitgestellte Medien bei der Eingabevorbereitung. Für das Herstellerprofil sind Stapelverarbeitung und Caching sowie die Optionen Flex und Priority aufgeführt. Behalten Sie bei einer Sammlung unabhängiger Anfragen Quellkennungen und ein einheitliches Ergebnisformat bei, damit jede Antwort anhand ihrer eigenen Eingabe geprüft werden kann.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche auf Januar 2025 begrenzt sind. Stellen Sie aktuelles Quellenmaterial bereit, wenn eine Schlussfolgerung von neueren Tatsachen abhängt. Das hilfreiche Unterscheidungsmerkmal dieser Edition ist ihr dokumentierter Schwerpunkt auf Softwareproblemen, Designtreue und Videoverständnis; prüfen Sie diese Ergebnisse anhand der tatsächlichen Vorlage, des Codes oder der Medien, statt ein benanntes historisches Profil durch neuere Funktionen zu ersetzen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.7-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmässig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.015 / 1K Tokens Eingabe · Cache lesen $0.0003 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.7-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.7-flash", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
gemini-3.7-flashGemini 3.7 Flash verbindet multimodales Denken mit Programmierung und mehrstufiger Agentenarbeit. Googles 3.7-Profil betont die genaue Umsetzung von Designvorlagen und agentengestütztes Videoverständnis und bietet die Denkstufen low, medium und high. Es verarbeitet Text und Medien, gibt Text aus und hat dokumentierte Eingabe- und Ausgabegrenzen von 1’048’576 beziehungsweise 65’536 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.7 Flash ist Googles benanntes multimodales Denkprofil für Programmierung, agentengestützte Arbeitsabläufe und mehrstufige Ausführung. Es baut auf Gemini 3.6 Flash auf, mit algorithmischen Änderungen am Denkprozess und Unterstützung für agentengestütztes Videoverständnis. Text, Bilder, Audio, Video und PDF können das Ausgangsmaterial für ein Textergebnis bilden. Nutzbare Ergebnisse sind beispielsweise eine gezielte Codeüberarbeitung, ein Vergleich zwischen einer Designvorlage und einer Umsetzung oder eine quellenbasierte Analyse der Ereignisse in einer Aufnahme.
Der Entwicklerleitfaden für 3.7 hebt eine genauere Designumsetzung bei Desktop- und Webprojekten hervor. Stellen Sie dafür die gewünschte Vorlage, den relevanten Quellcode und die beobachtbare Abweichung bereit. Verlangen Sie einen Vergleich anhand konkreter Elemente wie Abständen, Komponentenzuständen, Texthierarchie oder Interaktionsverhalten. Fordern Sie für einen Designvergleich eine Liste der Abweichungen zwischen der Vorlage eines Einstellungsbereichs und seiner bestehenden Umsetzung an, wobei jede vorgeschlagene Korrektur mit dem Screenshot oder Quellcode verknüpft wird. Das Ergebnis sollte benennen, was geändert werden muss, ohne das Design stillschweigend über die bereitgestellten Anforderungen hinaus zu erweitern.
Geben Sie für einen Programmierablauf Ziel, bestehendes Verhalten, relevante Dateien und Bedingungen an. Google positioniert 3.7 für die Lösung von Softwareproblemen und die Verringerung fehlgeschlagener Agentenschleifen; eine hilfreiche Prüfung kontrolliert dennoch die tatsächliche Änderung und das Validierungsergebnis. Erhalten Sie die Folge der Werkzeugbeobachtungen im Gespräch, damit ein späterer Schritt nicht von einer erfundenen Darstellung der Codebasis ausgeht. Das Endergebnis kann eine vorgeschlagene Änderung von einer Änderung unterscheiden, die durch die Werkzeuge der angebundenen Anwendung bestätigt wurde.
Die dokumentierten Denkstufen sind low, medium und high, mit medium als Standard. low unterstützt schnellere, klar begrenzte Antworten, während high für schwieriges Denken und längere Werkzeugarbeit vorgesehen ist. Gemini 3.7 Flash unterstützt minimal als Denkstufe nicht. Eine kurze Analyse einer einzelnen Oberflächenabweichung und eine vertiefte Untersuchung über mehrere Dateien erfordern deshalb unterschiedliche Aufwandsstufen. Definieren Sie das Endergebnis und seine zu erfüllenden Bedingungen, bevor Sie eine längere Folge von Denkschritten und Aktionen anfordern.
Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding und URL-Kontext. Computer Use ist als Vorschaufunktion gekennzeichnet, und strukturierte Ausgaben können einen Ergebnisdatensatz definieren. Eine Funktionsanforderung ist ein vorgeschlagener Vorgang, den die angebundene Anwendung ausführen und dessen Ergebnis sie zurückgeben soll. Geben Sie dem Werkzeug bei einer Agentenaufgabe einen klaren Zweck und erhalten Sie das tatsächliche Ergebnis, bevor Sie das Modell zur Fortsetzung auffordern. Definieren Sie bei einer Dokumentextraktion die Felder, zulässigen Werte und die Darstellung fehlender Informationen.
Diese Edition unterstützt agentengestütztes Videoverständnis. Stellen Sie die relevante Aufnahme bereit und benennen Sie das zu untersuchende Ereignis oder die Beziehung. Ein praktischer Auftrag kann danach fragen, welche sichtbare Aktion eine Zustandsänderung erklärt, oder eine geordnete Beschreibung der Ereignisse mit Belegen aus dem Clip verlangen. Bilder und PDF-Seiten können ebenso einen Bild- oder Dokumentvergleich stützen. Die Ausgabe bleibt Text: eine Interpretation, extrahierte Daten, Code oder eine schriftliche Erklärung. Erzeugte Videos, Bilder oder Sprache gehören zu separaten Modellprofilen.
Googles API-Tabelle für genau die Edition 3.7 legt 1’048’576 Eingabetoken und 65’536 Ausgabetoken fest, während die native Modellkarte bis zu 1M Kontext und 64K Textausgabe beschreibt. Berücksichtigen Sie Anweisungen, frühere Gesprächsschritte und bereitgestellte Medien bei der Eingabevorbereitung. Für das Herstellerprofil sind Stapelverarbeitung und Caching sowie die Optionen Flex und Priority aufgeführt. Behalten Sie bei einer Sammlung unabhängiger Anfragen Quellkennungen und ein einheitliches Ergebnisformat bei, damit jede Antwort anhand ihrer eigenen Eingabe geprüft werden kann.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche auf Januar 2025 begrenzt sind. Stellen Sie aktuelles Quellenmaterial bereit, wenn eine Schlussfolgerung von neueren Tatsachen abhängt. Das hilfreiche Unterscheidungsmerkmal dieser Edition ist ihr dokumentierter Schwerpunkt auf Softwareproblemen, Designtreue und Videoverständnis; prüfen Sie diese Ergebnisse anhand der tatsächlichen Vorlage, des Codes oder der Medien, statt ein benanntes historisches Profil durch neuere Funktionen zu ersetzen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.7-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.015 / 1K Tokens Eingabe · Cache lesen $0.0003 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gemini-3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.7-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.7-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
google/gemini-3.7-flashGemini 3.7 Flash verbindet multimodales Denken mit Programmierung und mehrstufiger Agentenarbeit. Googles 3.7-Profil betont die genaue Umsetzung von Designvorlagen und agentengestütztes Videoverständnis und bietet die Denkstufen low, medium und high. Es verarbeitet Text und Medien, gibt Text aus und hat dokumentierte Eingabe- und Ausgabegrenzen von 1’048’576 beziehungsweise 65’536 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.7 Flash ist Googles benanntes multimodales Denkprofil für Programmierung, agentengestützte Arbeitsabläufe und mehrstufige Ausführung. Es baut auf Gemini 3.6 Flash auf, mit algorithmischen Änderungen am Denkprozess und Unterstützung für agentengestütztes Videoverständnis. Text, Bilder, Audio, Video und PDF können das Ausgangsmaterial für ein Textergebnis bilden. Nutzbare Ergebnisse sind beispielsweise eine gezielte Codeüberarbeitung, ein Vergleich zwischen einer Designvorlage und einer Umsetzung oder eine quellenbasierte Analyse der Ereignisse in einer Aufnahme.
Der Entwicklerleitfaden für 3.7 hebt eine genauere Designumsetzung bei Desktop- und Webprojekten hervor. Stellen Sie dafür die gewünschte Vorlage, den relevanten Quellcode und die beobachtbare Abweichung bereit. Verlangen Sie einen Vergleich anhand konkreter Elemente wie Abständen, Komponentenzuständen, Texthierarchie oder Interaktionsverhalten. Fordern Sie für einen Designvergleich eine Liste der Abweichungen zwischen der Vorlage eines Einstellungsbereichs und seiner bestehenden Umsetzung an, wobei jede vorgeschlagene Korrektur mit dem Screenshot oder Quellcode verknüpft wird. Das Ergebnis sollte benennen, was geändert werden muss, ohne das Design stillschweigend über die bereitgestellten Anforderungen hinaus zu erweitern.
Geben Sie für einen Programmierablauf Ziel, bestehendes Verhalten, relevante Dateien und Bedingungen an. Google positioniert 3.7 für die Lösung von Softwareproblemen und die Verringerung fehlgeschlagener Agentenschleifen; eine hilfreiche Prüfung kontrolliert dennoch die tatsächliche Änderung und das Validierungsergebnis. Erhalten Sie die Folge der Werkzeugbeobachtungen im Gespräch, damit ein späterer Schritt nicht von einer erfundenen Darstellung der Codebasis ausgeht. Das Endergebnis kann eine vorgeschlagene Änderung von einer Änderung unterscheiden, die durch die Werkzeuge der angebundenen Anwendung bestätigt wurde.
Die dokumentierten Denkstufen sind low, medium und high, mit medium als Standard. low unterstützt schnellere, klar begrenzte Antworten, während high für schwieriges Denken und längere Werkzeugarbeit vorgesehen ist. Gemini 3.7 Flash unterstützt minimal als Denkstufe nicht. Eine kurze Analyse einer einzelnen Oberflächenabweichung und eine vertiefte Untersuchung über mehrere Dateien erfordern deshalb unterschiedliche Aufwandsstufen. Definieren Sie das Endergebnis und seine zu erfüllenden Bedingungen, bevor Sie eine längere Folge von Denkschritten und Aktionen anfordern.
Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding und URL-Kontext. Computer Use ist als Vorschaufunktion gekennzeichnet, und strukturierte Ausgaben können einen Ergebnisdatensatz definieren. Eine Funktionsanforderung ist ein vorgeschlagener Vorgang, den die angebundene Anwendung ausführen und dessen Ergebnis sie zurückgeben soll. Geben Sie dem Werkzeug bei einer Agentenaufgabe einen klaren Zweck und erhalten Sie das tatsächliche Ergebnis, bevor Sie das Modell zur Fortsetzung auffordern. Definieren Sie bei einer Dokumentextraktion die Felder, zulässigen Werte und die Darstellung fehlender Informationen.
Diese Edition unterstützt agentengestütztes Videoverständnis. Stellen Sie die relevante Aufnahme bereit und benennen Sie das zu untersuchende Ereignis oder die Beziehung. Ein praktischer Auftrag kann danach fragen, welche sichtbare Aktion eine Zustandsänderung erklärt, oder eine geordnete Beschreibung der Ereignisse mit Belegen aus dem Clip verlangen. Bilder und PDF-Seiten können ebenso einen Bild- oder Dokumentvergleich stützen. Die Ausgabe bleibt Text: eine Interpretation, extrahierte Daten, Code oder eine schriftliche Erklärung. Erzeugte Videos, Bilder oder Sprache gehören zu separaten Modellprofilen.
Googles API-Tabelle für genau die Edition 3.7 legt 1’048’576 Eingabetoken und 65’536 Ausgabetoken fest, während die native Modellkarte bis zu 1M Kontext und 64K Textausgabe beschreibt. Berücksichtigen Sie Anweisungen, frühere Gesprächsschritte und bereitgestellte Medien bei der Eingabevorbereitung. Für das Herstellerprofil sind Stapelverarbeitung und Caching sowie die Optionen Flex und Priority aufgeführt. Behalten Sie bei einer Sammlung unabhängiger Anfragen Quellkennungen und ein einheitliches Ergebnisformat bei, damit jede Antwort anhand ihrer eigenen Eingabe geprüft werden kann.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche auf Januar 2025 begrenzt sind. Stellen Sie aktuelles Quellenmaterial bereit, wenn eine Schlussfolgerung von neueren Tatsachen abhängt. Das hilfreiche Unterscheidungsmerkmal dieser Edition ist ihr dokumentierter Schwerpunkt auf Softwareproblemen, Designtreue und Videoverständnis; prüfen Sie diese Ergebnisse anhand der tatsächlichen Vorlage, des Codes oder der Medien, statt ein benanntes historisches Profil durch neuere Funktionen zu ersetzen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-3.7-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.015 / 1K Tokens Eingabe · Cache lesen $0.0003 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.7-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-3.7-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-3.7-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
google/gemini-3.7-flashGemini 3.7 Flash verbindet multimodales Denken mit Programmierung und mehrstufiger Agentenarbeit. Googles 3.7-Profil betont die genaue Umsetzung von Designvorlagen und agentengestütztes Videoverständnis und bietet die Denkstufen low, medium und high. Es verarbeitet Text und Medien, gibt Text aus und hat dokumentierte Eingabe- und Ausgabegrenzen von 1’048’576 beziehungsweise 65’536 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.7 Flash ist Googles benanntes multimodales Denkprofil für Programmierung, agentengestützte Arbeitsabläufe und mehrstufige Ausführung. Es baut auf Gemini 3.6 Flash auf, mit algorithmischen Änderungen am Denkprozess und Unterstützung für agentengestütztes Videoverständnis. Text, Bilder, Audio, Video und PDF können das Ausgangsmaterial für ein Textergebnis bilden. Nutzbare Ergebnisse sind beispielsweise eine gezielte Codeüberarbeitung, ein Vergleich zwischen einer Designvorlage und einer Umsetzung oder eine quellenbasierte Analyse der Ereignisse in einer Aufnahme.
Der Entwicklerleitfaden für 3.7 hebt eine genauere Designumsetzung bei Desktop- und Webprojekten hervor. Stellen Sie dafür die gewünschte Vorlage, den relevanten Quellcode und die beobachtbare Abweichung bereit. Verlangen Sie einen Vergleich anhand konkreter Elemente wie Abständen, Komponentenzuständen, Texthierarchie oder Interaktionsverhalten. Fordern Sie für einen Designvergleich eine Liste der Abweichungen zwischen der Vorlage eines Einstellungsbereichs und seiner bestehenden Umsetzung an, wobei jede vorgeschlagene Korrektur mit dem Screenshot oder Quellcode verknüpft wird. Das Ergebnis sollte benennen, was geändert werden muss, ohne das Design stillschweigend über die bereitgestellten Anforderungen hinaus zu erweitern.
Geben Sie für einen Programmierablauf Ziel, bestehendes Verhalten, relevante Dateien und Bedingungen an. Google positioniert 3.7 für die Lösung von Softwareproblemen und die Verringerung fehlgeschlagener Agentenschleifen; eine hilfreiche Prüfung kontrolliert dennoch die tatsächliche Änderung und das Validierungsergebnis. Erhalten Sie die Folge der Werkzeugbeobachtungen im Gespräch, damit ein späterer Schritt nicht von einer erfundenen Darstellung der Codebasis ausgeht. Das Endergebnis kann eine vorgeschlagene Änderung von einer Änderung unterscheiden, die durch die Werkzeuge der angebundenen Anwendung bestätigt wurde.
Die dokumentierten Denkstufen sind low, medium und high, mit medium als Standard. low unterstützt schnellere, klar begrenzte Antworten, während high für schwieriges Denken und längere Werkzeugarbeit vorgesehen ist. Gemini 3.7 Flash unterstützt minimal als Denkstufe nicht. Eine kurze Analyse einer einzelnen Oberflächenabweichung und eine vertiefte Untersuchung über mehrere Dateien erfordern deshalb unterschiedliche Aufwandsstufen. Definieren Sie das Endergebnis und seine zu erfüllenden Bedingungen, bevor Sie eine längere Folge von Denkschritten und Aktionen anfordern.
Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding und URL-Kontext. Computer Use ist als Vorschaufunktion gekennzeichnet, und strukturierte Ausgaben können einen Ergebnisdatensatz definieren. Eine Funktionsanforderung ist ein vorgeschlagener Vorgang, den die angebundene Anwendung ausführen und dessen Ergebnis sie zurückgeben soll. Geben Sie dem Werkzeug bei einer Agentenaufgabe einen klaren Zweck und erhalten Sie das tatsächliche Ergebnis, bevor Sie das Modell zur Fortsetzung auffordern. Definieren Sie bei einer Dokumentextraktion die Felder, zulässigen Werte und die Darstellung fehlender Informationen.
Diese Edition unterstützt agentengestütztes Videoverständnis. Stellen Sie die relevante Aufnahme bereit und benennen Sie das zu untersuchende Ereignis oder die Beziehung. Ein praktischer Auftrag kann danach fragen, welche sichtbare Aktion eine Zustandsänderung erklärt, oder eine geordnete Beschreibung der Ereignisse mit Belegen aus dem Clip verlangen. Bilder und PDF-Seiten können ebenso einen Bild- oder Dokumentvergleich stützen. Die Ausgabe bleibt Text: eine Interpretation, extrahierte Daten, Code oder eine schriftliche Erklärung. Erzeugte Videos, Bilder oder Sprache gehören zu separaten Modellprofilen.
Googles API-Tabelle für genau die Edition 3.7 legt 1’048’576 Eingabetoken und 65’536 Ausgabetoken fest, während die native Modellkarte bis zu 1M Kontext und 64K Textausgabe beschreibt. Berücksichtigen Sie Anweisungen, frühere Gesprächsschritte und bereitgestellte Medien bei der Eingabevorbereitung. Für das Herstellerprofil sind Stapelverarbeitung und Caching sowie die Optionen Flex und Priority aufgeführt. Behalten Sie bei einer Sammlung unabhängiger Anfragen Quellkennungen und ein einheitliches Ergebnisformat bei, damit jede Antwort anhand ihrer eigenen Eingabe geprüft werden kann.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche auf Januar 2025 begrenzt sind. Stellen Sie aktuelles Quellenmaterial bereit, wenn eine Schlussfolgerung von neueren Tatsachen abhängt. Das hilfreiche Unterscheidungsmerkmal dieser Edition ist ihr dokumentierter Schwerpunkt auf Softwareproblemen, Designtreue und Videoverständnis; prüfen Sie diese Ergebnisse anhand der tatsächlichen Vorlage, des Codes oder der Medien, statt ein benanntes historisches Profil durch neuere Funktionen zu ersetzen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-3.7-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.015 / 1K Tokens Eingabe · Cache lesen $0.0003 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "google/gemini-3.7-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.7-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.7-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot gemini-3.7-flash
Ailoot Ultra gemini-3.7-flash, google/gemini-3.7-flash
/chat/completions
Technisches Beispiel auf Englisch
Match a written panel specification\n\nCompare this panel specification with its CSS. Specification: title above the form; labels remain visible; error text appears below its field. CSS: .panel{display:flex;flex-direction:column-reverse} .field label{display:none}. Explain the mismatches and propose the smallest CSS and markup corrections. Give inspection checks for normal and error states using the supplied written requirements.A mismatch list, focused CSS/markup changes and normal/error-state inspection checks.Check that each proposed change maps to a stated requirement without redesigning other elements.