Gemini 3.8 Flash ist Googles Modell mit Textausgabe für länger andauernde Softwareentwicklung, mehrstufige Agenten und komplexe wissensbasierte Arbeitsabläufe. Es baut auf Gemini 3.7 Flash auf und verbessert Softwareentwicklung und wissensbasierte Agentenarbeit. Es verarbeitet Text, Bilder, Audio, Video und PDF, sodass sich ein schriftliches Ziel mit dem tatsächlich zur Lösung benötigten Material verbinden lässt. Das nutzbare Ergebnis ist eine Codeänderung, eine erläuterte Analyse, eine schriftliche Antwort oder ein strukturierter Datensatz.
Stellen Sie für einen Programmierauftrag die Anforderung, relevante Dateien, das beobachtete Verhalten und die zu erhaltenden Bedingungen bereit. Ein Screenshot kann die gewünschte Oberfläche zeigen, während Protokolle oder ein reproduzierbares Beispiel den Fehler belegen. Bitten Sie bei der Fehlersuche das Modell, eine Abweichung zwischen dem sichtbaren Zustand eines Formulars und seinem gespeicherten Wert nachzuverfolgen, den verantwortlichen Codepfad zu ermitteln und eine gezielte Korrektur vorzuschlagen. Benennen Sie das gewünschte Endergebnis klar, damit auch eine längere Folge von Untersuchungen und Werkzeugaufrufen ein konkretes Abschlusskriterium behält.
Verwenden Sie für länger laufende Aufgaben kleinere Denkschritte, wiederholte Werkzeugaufrufe und Prüfungen der Zwischenergebnisse. Die Denkstufen low, medium und high steuern den Umfang des Denkprozesses; medium ist der dokumentierte Standard. low eignet sich für einen schnellen Entwurf oder eine klar begrenzte Analyse, während high für schwierige Mathematik, Programmierung oder mehrstufige Aufgaben vorgesehen ist. Gemini 3.8 Flash unterstützt die Denkstufe minimal nicht. Eine länger andauernde Fehlersuche und eine einfache Feldextraktion benötigen deshalb unterschiedliche Denkstufen statt derselben Einstellung für jede Anfrage.
Zu den dokumentierten Werkzeugen gehören Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding und URL-Kontext; Computer Use ist als Vorschaufunktion aufgeführt. Strukturierte Ausgaben definieren ein maschinenlesbares Ergebnis. Funktionen sollten einen klaren Zweck und definierte Parameter haben: Das Modell kann eine Funktion anfordern, während die angebundene Anwendung den Vorgang ausführt und sein Ergebnis zurückgibt. Erhalten Sie über mehrere Gesprächsschritte hinweg die Funktionsidentitäten und das tatsächlich zurückgegebene Material. Eine hilfreiche abschliessende Antwort erläutert, welche Belege die vorgeschlagene Korrektur oder den extrahierten Wert stützen.
Der Migrationsleitfaden für 3.8 verwendet die Steuerung über Denkstufen anstelle der älteren Konfiguration eines Denkbudgets und empfiehlt, veraltete Sampling-Parameter sowie vorab ausgefüllte Modellnachrichten zu entfernen. Er verlangt ausserdem, Denksignaturen im betreffenden zustandslosen Ablauf zu erhalten und Funktionsantworten ihren Aufrufen anhand von Identität und Name zuzuordnen. Diese Details sind bei der Fortsetzung einer mehrstufigen Aufgabe wichtig: Der nächste Gesprächsschritt benötigt den tatsächlichen bisherigen Kontext statt einer umgeschriebenen Darstellung, die das Werkzeugergebnis oder die Signatur verliert. Formulieren Sie Frage und gewünschte Ausgabe in der neuen Nutzernachricht ausdrücklich.
Benennen Sie bei multimodaler Wissensarbeit die relevanten Dokumentseiten, das Diagramm, den Audioabschnitt oder das Videoereignis und geben Sie an, wie diese zur Antwort beitragen sollen. Ein Dokumentvergleich kann eine Tabelle der Unterschiede mit Quellenpassagen verlangen; eine Frage zu einem Diagramm kann nach den sichtbaren Werten und der daraus gestützten Schlussfolgerung fragen. Eine Videoanalyse kann eine Beschreibung der Ereignisse verlangen, die eine Feststellung begründen. Das Modell gibt zu diesen Eingaben Text zurück. Erzeugte Bilder, Sprache und Live-Audiointeraktion gehören zu separaten Modellprofilen.
Seine Gemini API-Grenzen betragen 1’048’576 Eingabetoken und 65’536 Ausgabetoken; dies entspricht dem nativen Modell mit bis zu 1M Kontext und 64K Textausgabe. Anweisungen, Gesprächsverlauf und bereitgestellte Medien belegen Eingabekontext, und Denkprozess oder ein langes Endergebnis müssen in das dokumentierte Ausgabebudget passen. Google führt für dieses Herstellerprofil ausserdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung auf. Behalten Sie bei unabhängigen Elementen eine stabile Elementkennung und ein ausdrückliches Ausgabeformat bei, damit jedes Ergebnis mit seiner Quelle verbunden bleibt.
Zu möglichen Einschränkungen gehören Halluzinationen, gelegentliche Verzögerungen oder Zeitüberschreitungen und ein höherer Tokenverbrauch bei grösserem Denkaufwand. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche weiterhin auf Januar 2025 begrenzt sind. Stellen Sie aktuelle Belege bereit oder verwenden Sie die dokumentierten Grounding-Werkzeuge, wenn die Aufgabe von späteren Informationen abhängt. Prüfen Sie Quellenangaben, Berechnungen und vorgeschlagenen Code anhand der tatsächlichen Eingaben und Ausführungsergebnisse. Das nutzbare Endergebnis sollte eine belegte Feststellung von einer ungeklärten Frage unterscheiden, ohne eine flüssig formulierte Antwort als Nachweis für das gewünschte Ergebnis anzusehen.
", "aboutText": "Gemini 3.8 Flash ist Googles Modell mit Textausgabe für länger andauernde Softwareentwicklung, mehrstufige Agenten und komplexe wissensbasierte Arbeitsabläufe. Es baut auf Gemini 3.7 Flash auf und verbessert Softwareentwicklung und wissensbasierte Agentenarbeit. Es verarbeitet Text, Bilder, Audio, Video und PDF, sodass sich ein schriftliches Ziel mit dem tatsächlich zur Lösung benötigten Material verbinden lässt. Das nutzbare Ergebnis ist eine Codeänderung, eine erläuterte Analyse, eine schriftliche Antwort oder ein strukturierter Datensatz.\n\nStellen Sie für einen Programmierauftrag die Anforderung, relevante Dateien, das beobachtete Verhalten und die zu erhaltenden Bedingungen bereit. Ein Screenshot kann die gewünschte Oberfläche zeigen, während Protokolle oder ein reproduzierbares Beispiel den Fehler belegen. Bitten Sie bei der Fehlersuche das Modell, eine Abweichung zwischen dem sichtbaren Zustand eines Formulars und seinem gespeicherten Wert nachzuverfolgen, den verantwortlichen Codepfad zu ermitteln und eine gezielte Korrektur vorzuschlagen. Benennen Sie das gewünschte Endergebnis klar, damit auch eine längere Folge von Untersuchungen und Werkzeugaufrufen ein konkretes Abschlusskriterium behält.\n\nVerwenden Sie für länger laufende Aufgaben kleinere Denkschritte, wiederholte Werkzeugaufrufe und Prüfungen der Zwischenergebnisse. Die Denkstufen low, medium und high steuern den Umfang des Denkprozesses; medium ist der dokumentierte Standard. low eignet sich für einen schnellen Entwurf oder eine klar begrenzte Analyse, während high für schwierige Mathematik, Programmierung oder mehrstufige Aufgaben vorgesehen ist. Gemini 3.8 Flash unterstützt die Denkstufe minimal nicht. Eine länger andauernde Fehlersuche und eine einfache Feldextraktion benötigen deshalb unterschiedliche Denkstufen statt derselben Einstellung für jede Anfrage.\n\nZu den dokumentierten Werkzeugen gehören Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding und URL-Kontext; Computer Use ist als Vorschaufunktion aufgeführt. Strukturierte Ausgaben definieren ein maschinenlesbares Ergebnis. Funktionen sollten einen klaren Zweck und definierte Parameter haben: Das Modell kann eine Funktion anfordern, während die angebundene Anwendung den Vorgang ausführt und sein Ergebnis zurückgibt. Erhalten Sie über mehrere Gesprächsschritte hinweg die Funktionsidentitäten und das tatsächlich zurückgegebene Material. Eine hilfreiche abschliessende Antwort erläutert, welche Belege die vorgeschlagene Korrektur oder den extrahierten Wert stützen.\n\nDer Migrationsleitfaden für 3.8 verwendet die Steuerung über Denkstufen anstelle der älteren Konfiguration eines Denkbudgets und empfiehlt, veraltete Sampling-Parameter sowie vorab ausgefüllte Modellnachrichten zu entfernen. Er verlangt ausserdem, Denksignaturen im betreffenden zustandslosen Ablauf zu erhalten und Funktionsantworten ihren Aufrufen anhand von Identität und Name zuzuordnen. Diese Details sind bei der Fortsetzung einer mehrstufigen Aufgabe wichtig: Der nächste Gesprächsschritt benötigt den tatsächlichen bisherigen Kontext statt einer umgeschriebenen Darstellung, die das Werkzeugergebnis oder die Signatur verliert. Formulieren Sie Frage und gewünschte Ausgabe in der neuen Nutzernachricht ausdrücklich.\n\nBenennen Sie bei multimodaler Wissensarbeit die relevanten Dokumentseiten, das Diagramm, den Audioabschnitt oder das Videoereignis und geben Sie an, wie diese zur Antwort beitragen sollen. Ein Dokumentvergleich kann eine Tabelle der Unterschiede mit Quellenpassagen verlangen; eine Frage zu einem Diagramm kann nach den sichtbaren Werten und der daraus gestützten Schlussfolgerung fragen. Eine Videoanalyse kann eine Beschreibung der Ereignisse verlangen, die eine Feststellung begründen. Das Modell gibt zu diesen Eingaben Text zurück. Erzeugte Bilder, Sprache und Live-Audiointeraktion gehören zu separaten Modellprofilen.\n\nSeine Gemini API-Grenzen betragen 1’048’576 Eingabetoken und 65’536 Ausgabetoken; dies entspricht dem nativen Modell mit bis zu 1M Kontext und 64K Textausgabe. Anweisungen, Gesprächsverlauf und bereitgestellte Medien belegen Eingabekontext, und Denkprozess oder ein langes Endergebnis müssen in das dokumentierte Ausgabebudget passen. Google führt für dieses Herstellerprofil ausserdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung auf. Behalten Sie bei unabhängigen Elementen eine stabile Elementkennung und ein ausdrückliches Ausgabeformat bei, damit jedes Ergebnis mit seiner Quelle verbunden bleibt.\n\nZu möglichen Einschränkungen gehören Halluzinationen, gelegentliche Verzögerungen oder Zeitüberschreitungen und ein höherer Tokenverbrauch bei grösserem Denkaufwand. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche weiterhin auf Januar 2025 begrenzt sind. Stellen Sie aktuelle Belege bereit oder verwenden Sie die dokumentierten Grounding-Werkzeuge, wenn die Aufgabe von späteren Informationen abhängt. Prüfen Sie Quellenangaben, Berechnungen und vorgeschlagenen Code anhand der tatsächlichen Eingaben und Ausführungsergebnisse. Das nutzbare Endergebnis sollte eine belegte Feststellung von einer ungeklärten Frage unterscheiden, ohne eine flüssig formulierte Antwort als Nachweis für das gewünschte Ergebnis anzusehen.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Diagnose an unsaved form value\n\nReview this form flow: the input displays draft.name; typing updates draft.name; Save sends original.name; after reload the old name reappears. Explain the mismatch and propose a minimal correction in framework-neutral pseudocode. Include a regression scenario that types a new name, saves, reloads, and checks the stored value. Do not claim any browser action occurred.A cause explanation, corrected Save pseudocode and an end-to-end regression scenario.The submitted value comes from the edited draft, and the reload check verifies persistence rather than just the visible input.gemini-3.8-flashGemini 3.8 Flash ist Googles vielseitiges multimodales Modell für länger andauernde Softwareentwicklung, Agenten und komplexe wissensbasierte Aufgaben. Es verarbeitet Text, Bilder, Audio, Video und PDF, gibt Text aus und bietet die Denkstufen low, medium und high sowie Werkzeuge und strukturierte Ausgaben. Die dokumentierten Eingabe- und Ausgabegrenzen betragen 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 3.8 Flash ist Googles Modell mit Textausgabe für länger andauernde Softwareentwicklung, mehrstufige Agenten und komplexe wissensbasierte Arbeitsabläufe. Es baut auf Gemini 3.7 Flash auf und verbessert Softwareentwicklung und wissensbasierte Agentenarbeit. Es verarbeitet Text, Bilder, Audio, Video und PDF, sodass sich ein schriftliches Ziel mit dem tatsächlich zur Lösung benötigten Material verbinden lässt. Das nutzbare Ergebnis ist eine Codeänderung, eine erläuterte Analyse, eine schriftliche Antwort oder ein strukturierter Datensatz.
Stellen Sie für einen Programmierauftrag die Anforderung, relevante Dateien, das beobachtete Verhalten und die zu erhaltenden Bedingungen bereit. Ein Screenshot kann die gewünschte Oberfläche zeigen, während Protokolle oder ein reproduzierbares Beispiel den Fehler belegen. Bitten Sie bei der Fehlersuche das Modell, eine Abweichung zwischen dem sichtbaren Zustand eines Formulars und seinem gespeicherten Wert nachzuverfolgen, den verantwortlichen Codepfad zu ermitteln und eine gezielte Korrektur vorzuschlagen. Benennen Sie das gewünschte Endergebnis klar, damit auch eine längere Folge von Untersuchungen und Werkzeugaufrufen ein konkretes Abschlusskriterium behält.
Verwenden Sie für länger laufende Aufgaben kleinere Denkschritte, wiederholte Werkzeugaufrufe und Prüfungen der Zwischenergebnisse. Die Denkstufen low, medium und high steuern den Umfang des Denkprozesses; medium ist der dokumentierte Standard. low eignet sich für einen schnellen Entwurf oder eine klar begrenzte Analyse, während high für schwierige Mathematik, Programmierung oder mehrstufige Aufgaben vorgesehen ist. Gemini 3.8 Flash unterstützt die Denkstufe minimal nicht. Eine länger andauernde Fehlersuche und eine einfache Feldextraktion benötigen deshalb unterschiedliche Denkstufen statt derselben Einstellung für jede Anfrage.
Zu den dokumentierten Werkzeugen gehören Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding und URL-Kontext; Computer Use ist als Vorschaufunktion aufgeführt. Strukturierte Ausgaben definieren ein maschinenlesbares Ergebnis. Funktionen sollten einen klaren Zweck und definierte Parameter haben: Das Modell kann eine Funktion anfordern, während die angebundene Anwendung den Vorgang ausführt und sein Ergebnis zurückgibt. Erhalten Sie über mehrere Gesprächsschritte hinweg die Funktionsidentitäten und das tatsächlich zurückgegebene Material. Eine hilfreiche abschliessende Antwort erläutert, welche Belege die vorgeschlagene Korrektur oder den extrahierten Wert stützen.
Der Migrationsleitfaden für 3.8 verwendet die Steuerung über Denkstufen anstelle der älteren Konfiguration eines Denkbudgets und empfiehlt, veraltete Sampling-Parameter sowie vorab ausgefüllte Modellnachrichten zu entfernen. Er verlangt ausserdem, Denksignaturen im betreffenden zustandslosen Ablauf zu erhalten und Funktionsantworten ihren Aufrufen anhand von Identität und Name zuzuordnen. Diese Details sind bei der Fortsetzung einer mehrstufigen Aufgabe wichtig: Der nächste Gesprächsschritt benötigt den tatsächlichen bisherigen Kontext statt einer umgeschriebenen Darstellung, die das Werkzeugergebnis oder die Signatur verliert. Formulieren Sie Frage und gewünschte Ausgabe in der neuen Nutzernachricht ausdrücklich.
Benennen Sie bei multimodaler Wissensarbeit die relevanten Dokumentseiten, das Diagramm, den Audioabschnitt oder das Videoereignis und geben Sie an, wie diese zur Antwort beitragen sollen. Ein Dokumentvergleich kann eine Tabelle der Unterschiede mit Quellenpassagen verlangen; eine Frage zu einem Diagramm kann nach den sichtbaren Werten und der daraus gestützten Schlussfolgerung fragen. Eine Videoanalyse kann eine Beschreibung der Ereignisse verlangen, die eine Feststellung begründen. Das Modell gibt zu diesen Eingaben Text zurück. Erzeugte Bilder, Sprache und Live-Audiointeraktion gehören zu separaten Modellprofilen.
Seine Gemini API-Grenzen betragen 1’048’576 Eingabetoken und 65’536 Ausgabetoken; dies entspricht dem nativen Modell mit bis zu 1M Kontext und 64K Textausgabe. Anweisungen, Gesprächsverlauf und bereitgestellte Medien belegen Eingabekontext, und Denkprozess oder ein langes Endergebnis müssen in das dokumentierte Ausgabebudget passen. Google führt für dieses Herstellerprofil ausserdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung auf. Behalten Sie bei unabhängigen Elementen eine stabile Elementkennung und ein ausdrückliches Ausgabeformat bei, damit jedes Ergebnis mit seiner Quelle verbunden bleibt.
Zu möglichen Einschränkungen gehören Halluzinationen, gelegentliche Verzögerungen oder Zeitüberschreitungen und ein höherer Tokenverbrauch bei grösserem Denkaufwand. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche weiterhin auf Januar 2025 begrenzt sind. Stellen Sie aktuelle Belege bereit oder verwenden Sie die dokumentierten Grounding-Werkzeuge, wenn die Aufgabe von späteren Informationen abhängt. Prüfen Sie Quellenangaben, Berechnungen und vorgeschlagenen Code anhand der tatsächlichen Eingaben und Ausführungsergebnisse. Das nutzbare Endergebnis sollte eine belegte Feststellung von einer ungeklärten Frage unterscheiden, ohne eine flüssig formulierte Antwort als Nachweis für das gewünschte Ergebnis anzusehen.
POST /v1/messagestext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.8-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 Model-specific | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldstop_sequences | Typstring[] | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldtools | Typtool[] | AnforderungOptional | Werte und Limits Model-specific | 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 Model-specific | Standard— |
Feldthinking.type | Typstring | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldthinking.budget_tokens | Typinteger | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldoutput_config.effort | Typstring | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldmetadata | Typobject | AnforderungOptional | Werte und Limits | Standard— |
Feldcache_control | Typobject | AnforderungOptional | Werte und Limits Model-specific | 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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash ist Googles vielseitiges multimodales Modell für länger andauernde Softwareentwicklung, Agenten und komplexe wissensbasierte Aufgaben. Es verarbeitet Text, Bilder, Audio, Video und PDF, gibt Text aus und bietet die Denkstufen low, medium und high sowie Werkzeuge und strukturierte Ausgaben. Die dokumentierten Eingabe- und Ausgabegrenzen betragen 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 3.8 Flash ist Googles Modell mit Textausgabe für länger andauernde Softwareentwicklung, mehrstufige Agenten und komplexe wissensbasierte Arbeitsabläufe. Es baut auf Gemini 3.7 Flash auf und verbessert Softwareentwicklung und wissensbasierte Agentenarbeit. Es verarbeitet Text, Bilder, Audio, Video und PDF, sodass sich ein schriftliches Ziel mit dem tatsächlich zur Lösung benötigten Material verbinden lässt. Das nutzbare Ergebnis ist eine Codeänderung, eine erläuterte Analyse, eine schriftliche Antwort oder ein strukturierter Datensatz.
Stellen Sie für einen Programmierauftrag die Anforderung, relevante Dateien, das beobachtete Verhalten und die zu erhaltenden Bedingungen bereit. Ein Screenshot kann die gewünschte Oberfläche zeigen, während Protokolle oder ein reproduzierbares Beispiel den Fehler belegen. Bitten Sie bei der Fehlersuche das Modell, eine Abweichung zwischen dem sichtbaren Zustand eines Formulars und seinem gespeicherten Wert nachzuverfolgen, den verantwortlichen Codepfad zu ermitteln und eine gezielte Korrektur vorzuschlagen. Benennen Sie das gewünschte Endergebnis klar, damit auch eine längere Folge von Untersuchungen und Werkzeugaufrufen ein konkretes Abschlusskriterium behält.
Verwenden Sie für länger laufende Aufgaben kleinere Denkschritte, wiederholte Werkzeugaufrufe und Prüfungen der Zwischenergebnisse. Die Denkstufen low, medium und high steuern den Umfang des Denkprozesses; medium ist der dokumentierte Standard. low eignet sich für einen schnellen Entwurf oder eine klar begrenzte Analyse, während high für schwierige Mathematik, Programmierung oder mehrstufige Aufgaben vorgesehen ist. Gemini 3.8 Flash unterstützt die Denkstufe minimal nicht. Eine länger andauernde Fehlersuche und eine einfache Feldextraktion benötigen deshalb unterschiedliche Denkstufen statt derselben Einstellung für jede Anfrage.
Zu den dokumentierten Werkzeugen gehören Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding und URL-Kontext; Computer Use ist als Vorschaufunktion aufgeführt. Strukturierte Ausgaben definieren ein maschinenlesbares Ergebnis. Funktionen sollten einen klaren Zweck und definierte Parameter haben: Das Modell kann eine Funktion anfordern, während die angebundene Anwendung den Vorgang ausführt und sein Ergebnis zurückgibt. Erhalten Sie über mehrere Gesprächsschritte hinweg die Funktionsidentitäten und das tatsächlich zurückgegebene Material. Eine hilfreiche abschliessende Antwort erläutert, welche Belege die vorgeschlagene Korrektur oder den extrahierten Wert stützen.
Der Migrationsleitfaden für 3.8 verwendet die Steuerung über Denkstufen anstelle der älteren Konfiguration eines Denkbudgets und empfiehlt, veraltete Sampling-Parameter sowie vorab ausgefüllte Modellnachrichten zu entfernen. Er verlangt ausserdem, Denksignaturen im betreffenden zustandslosen Ablauf zu erhalten und Funktionsantworten ihren Aufrufen anhand von Identität und Name zuzuordnen. Diese Details sind bei der Fortsetzung einer mehrstufigen Aufgabe wichtig: Der nächste Gesprächsschritt benötigt den tatsächlichen bisherigen Kontext statt einer umgeschriebenen Darstellung, die das Werkzeugergebnis oder die Signatur verliert. Formulieren Sie Frage und gewünschte Ausgabe in der neuen Nutzernachricht ausdrücklich.
Benennen Sie bei multimodaler Wissensarbeit die relevanten Dokumentseiten, das Diagramm, den Audioabschnitt oder das Videoereignis und geben Sie an, wie diese zur Antwort beitragen sollen. Ein Dokumentvergleich kann eine Tabelle der Unterschiede mit Quellenpassagen verlangen; eine Frage zu einem Diagramm kann nach den sichtbaren Werten und der daraus gestützten Schlussfolgerung fragen. Eine Videoanalyse kann eine Beschreibung der Ereignisse verlangen, die eine Feststellung begründen. Das Modell gibt zu diesen Eingaben Text zurück. Erzeugte Bilder, Sprache und Live-Audiointeraktion gehören zu separaten Modellprofilen.
Seine Gemini API-Grenzen betragen 1’048’576 Eingabetoken und 65’536 Ausgabetoken; dies entspricht dem nativen Modell mit bis zu 1M Kontext und 64K Textausgabe. Anweisungen, Gesprächsverlauf und bereitgestellte Medien belegen Eingabekontext, und Denkprozess oder ein langes Endergebnis müssen in das dokumentierte Ausgabebudget passen. Google führt für dieses Herstellerprofil ausserdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung auf. Behalten Sie bei unabhängigen Elementen eine stabile Elementkennung und ein ausdrückliches Ausgabeformat bei, damit jedes Ergebnis mit seiner Quelle verbunden bleibt.
Zu möglichen Einschränkungen gehören Halluzinationen, gelegentliche Verzögerungen oder Zeitüberschreitungen und ein höherer Tokenverbrauch bei grösserem Denkaufwand. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche weiterhin auf Januar 2025 begrenzt sind. Stellen Sie aktuelle Belege bereit oder verwenden Sie die dokumentierten Grounding-Werkzeuge, wenn die Aufgabe von späteren Informationen abhängt. Prüfen Sie Quellenangaben, Berechnungen und vorgeschlagenen Code anhand der tatsächlichen Eingaben und Ausführungsergebnisse. Das nutzbare Endergebnis sollte eine belegte Feststellung von einer ungeklärten Frage unterscheiden, ohne eine flüssig formulierte Antwort als Nachweis für das gewünschte Ergebnis anzusehen.
POST /v1beta/models/{model}:generateContenttext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldpath.model | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.8-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 Model-specific | Standard— |
FeldgenerationConfig.temperature | Typnumber | AnforderungOptional | Werte und Limits Model-specific | Standard— |
FeldgenerationConfig.topP | Typnumber | AnforderungOptional | Werte und Limits Model-specific | Standard— |
FeldgenerationConfig.topK | Typinteger | AnforderungOptional | Werte und Limits Model-specific | Standard— |
FeldgenerationConfig.stopSequences | Typstring[] | AnforderungOptional | Werte und Limits Model-specific | Standard— |
FeldgenerationConfig.thinkingConfig.includeThoughts | Typboolean | AnforderungOptional | Werte und Limits Model-specific | Standard— |
FeldgenerationConfig.thinkingConfig.thinkingBudget | Typinteger | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldtools[].functionDeclarations | Typfunction_declaration[] | AnforderungOptional | Werte und Limits Model-specific | Standard— |
FeldtoolConfig.functionCallingConfig.mode | Typstring | AnforderungOptional | Werte und Limits Model-specific | Standard— |
FeldsafetySettings | Typobject[] | AnforderungOptional | Werte und Limits Model-specific | 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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash ist Googles vielseitiges multimodales Modell für länger andauernde Softwareentwicklung, Agenten und komplexe wissensbasierte Aufgaben. Es verarbeitet Text, Bilder, Audio, Video und PDF, gibt Text aus und bietet die Denkstufen low, medium und high sowie Werkzeuge und strukturierte Ausgaben. Die dokumentierten Eingabe- und Ausgabegrenzen betragen 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 3.8 Flash ist Googles Modell mit Textausgabe für länger andauernde Softwareentwicklung, mehrstufige Agenten und komplexe wissensbasierte Arbeitsabläufe. Es baut auf Gemini 3.7 Flash auf und verbessert Softwareentwicklung und wissensbasierte Agentenarbeit. Es verarbeitet Text, Bilder, Audio, Video und PDF, sodass sich ein schriftliches Ziel mit dem tatsächlich zur Lösung benötigten Material verbinden lässt. Das nutzbare Ergebnis ist eine Codeänderung, eine erläuterte Analyse, eine schriftliche Antwort oder ein strukturierter Datensatz.
Stellen Sie für einen Programmierauftrag die Anforderung, relevante Dateien, das beobachtete Verhalten und die zu erhaltenden Bedingungen bereit. Ein Screenshot kann die gewünschte Oberfläche zeigen, während Protokolle oder ein reproduzierbares Beispiel den Fehler belegen. Bitten Sie bei der Fehlersuche das Modell, eine Abweichung zwischen dem sichtbaren Zustand eines Formulars und seinem gespeicherten Wert nachzuverfolgen, den verantwortlichen Codepfad zu ermitteln und eine gezielte Korrektur vorzuschlagen. Benennen Sie das gewünschte Endergebnis klar, damit auch eine längere Folge von Untersuchungen und Werkzeugaufrufen ein konkretes Abschlusskriterium behält.
Verwenden Sie für länger laufende Aufgaben kleinere Denkschritte, wiederholte Werkzeugaufrufe und Prüfungen der Zwischenergebnisse. Die Denkstufen low, medium und high steuern den Umfang des Denkprozesses; medium ist der dokumentierte Standard. low eignet sich für einen schnellen Entwurf oder eine klar begrenzte Analyse, während high für schwierige Mathematik, Programmierung oder mehrstufige Aufgaben vorgesehen ist. Gemini 3.8 Flash unterstützt die Denkstufe minimal nicht. Eine länger andauernde Fehlersuche und eine einfache Feldextraktion benötigen deshalb unterschiedliche Denkstufen statt derselben Einstellung für jede Anfrage.
Zu den dokumentierten Werkzeugen gehören Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding und URL-Kontext; Computer Use ist als Vorschaufunktion aufgeführt. Strukturierte Ausgaben definieren ein maschinenlesbares Ergebnis. Funktionen sollten einen klaren Zweck und definierte Parameter haben: Das Modell kann eine Funktion anfordern, während die angebundene Anwendung den Vorgang ausführt und sein Ergebnis zurückgibt. Erhalten Sie über mehrere Gesprächsschritte hinweg die Funktionsidentitäten und das tatsächlich zurückgegebene Material. Eine hilfreiche abschliessende Antwort erläutert, welche Belege die vorgeschlagene Korrektur oder den extrahierten Wert stützen.
Der Migrationsleitfaden für 3.8 verwendet die Steuerung über Denkstufen anstelle der älteren Konfiguration eines Denkbudgets und empfiehlt, veraltete Sampling-Parameter sowie vorab ausgefüllte Modellnachrichten zu entfernen. Er verlangt ausserdem, Denksignaturen im betreffenden zustandslosen Ablauf zu erhalten und Funktionsantworten ihren Aufrufen anhand von Identität und Name zuzuordnen. Diese Details sind bei der Fortsetzung einer mehrstufigen Aufgabe wichtig: Der nächste Gesprächsschritt benötigt den tatsächlichen bisherigen Kontext statt einer umgeschriebenen Darstellung, die das Werkzeugergebnis oder die Signatur verliert. Formulieren Sie Frage und gewünschte Ausgabe in der neuen Nutzernachricht ausdrücklich.
Benennen Sie bei multimodaler Wissensarbeit die relevanten Dokumentseiten, das Diagramm, den Audioabschnitt oder das Videoereignis und geben Sie an, wie diese zur Antwort beitragen sollen. Ein Dokumentvergleich kann eine Tabelle der Unterschiede mit Quellenpassagen verlangen; eine Frage zu einem Diagramm kann nach den sichtbaren Werten und der daraus gestützten Schlussfolgerung fragen. Eine Videoanalyse kann eine Beschreibung der Ereignisse verlangen, die eine Feststellung begründen. Das Modell gibt zu diesen Eingaben Text zurück. Erzeugte Bilder, Sprache und Live-Audiointeraktion gehören zu separaten Modellprofilen.
Seine Gemini API-Grenzen betragen 1’048’576 Eingabetoken und 65’536 Ausgabetoken; dies entspricht dem nativen Modell mit bis zu 1M Kontext und 64K Textausgabe. Anweisungen, Gesprächsverlauf und bereitgestellte Medien belegen Eingabekontext, und Denkprozess oder ein langes Endergebnis müssen in das dokumentierte Ausgabebudget passen. Google führt für dieses Herstellerprofil ausserdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung auf. Behalten Sie bei unabhängigen Elementen eine stabile Elementkennung und ein ausdrückliches Ausgabeformat bei, damit jedes Ergebnis mit seiner Quelle verbunden bleibt.
Zu möglichen Einschränkungen gehören Halluzinationen, gelegentliche Verzögerungen oder Zeitüberschreitungen und ein höherer Tokenverbrauch bei grösserem Denkaufwand. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche weiterhin auf Januar 2025 begrenzt sind. Stellen Sie aktuelle Belege bereit oder verwenden Sie die dokumentierten Grounding-Werkzeuge, wenn die Aufgabe von späteren Informationen abhängt. Prüfen Sie Quellenangaben, Berechnungen und vorgeschlagenen Code anhand der tatsächlichen Eingaben und Ausführungsergebnisse. Das nutzbare Endergebnis sollte eine belegte Feststellung von einer ungeklärten Frage unterscheiden, ohne eine flüssig formulierte Antwort als Nachweis für das gewünschte Ergebnis anzusehen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.8-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Model-specific | 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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash ist Googles vielseitiges multimodales Modell für länger andauernde Softwareentwicklung, Agenten und komplexe wissensbasierte Aufgaben. Es verarbeitet Text, Bilder, Audio, Video und PDF, gibt Text aus und bietet die Denkstufen low, medium und high sowie Werkzeuge und strukturierte Ausgaben. Die dokumentierten Eingabe- und Ausgabegrenzen betragen 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 3.8 Flash ist Googles Modell mit Textausgabe für länger andauernde Softwareentwicklung, mehrstufige Agenten und komplexe wissensbasierte Arbeitsabläufe. Es baut auf Gemini 3.7 Flash auf und verbessert Softwareentwicklung und wissensbasierte Agentenarbeit. Es verarbeitet Text, Bilder, Audio, Video und PDF, sodass sich ein schriftliches Ziel mit dem tatsächlich zur Lösung benötigten Material verbinden lässt. Das nutzbare Ergebnis ist eine Codeänderung, eine erläuterte Analyse, eine schriftliche Antwort oder ein strukturierter Datensatz.
Stellen Sie für einen Programmierauftrag die Anforderung, relevante Dateien, das beobachtete Verhalten und die zu erhaltenden Bedingungen bereit. Ein Screenshot kann die gewünschte Oberfläche zeigen, während Protokolle oder ein reproduzierbares Beispiel den Fehler belegen. Bitten Sie bei der Fehlersuche das Modell, eine Abweichung zwischen dem sichtbaren Zustand eines Formulars und seinem gespeicherten Wert nachzuverfolgen, den verantwortlichen Codepfad zu ermitteln und eine gezielte Korrektur vorzuschlagen. Benennen Sie das gewünschte Endergebnis klar, damit auch eine längere Folge von Untersuchungen und Werkzeugaufrufen ein konkretes Abschlusskriterium behält.
Verwenden Sie für länger laufende Aufgaben kleinere Denkschritte, wiederholte Werkzeugaufrufe und Prüfungen der Zwischenergebnisse. Die Denkstufen low, medium und high steuern den Umfang des Denkprozesses; medium ist der dokumentierte Standard. low eignet sich für einen schnellen Entwurf oder eine klar begrenzte Analyse, während high für schwierige Mathematik, Programmierung oder mehrstufige Aufgaben vorgesehen ist. Gemini 3.8 Flash unterstützt die Denkstufe minimal nicht. Eine länger andauernde Fehlersuche und eine einfache Feldextraktion benötigen deshalb unterschiedliche Denkstufen statt derselben Einstellung für jede Anfrage.
Zu den dokumentierten Werkzeugen gehören Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding und URL-Kontext; Computer Use ist als Vorschaufunktion aufgeführt. Strukturierte Ausgaben definieren ein maschinenlesbares Ergebnis. Funktionen sollten einen klaren Zweck und definierte Parameter haben: Das Modell kann eine Funktion anfordern, während die angebundene Anwendung den Vorgang ausführt und sein Ergebnis zurückgibt. Erhalten Sie über mehrere Gesprächsschritte hinweg die Funktionsidentitäten und das tatsächlich zurückgegebene Material. Eine hilfreiche abschliessende Antwort erläutert, welche Belege die vorgeschlagene Korrektur oder den extrahierten Wert stützen.
Der Migrationsleitfaden für 3.8 verwendet die Steuerung über Denkstufen anstelle der älteren Konfiguration eines Denkbudgets und empfiehlt, veraltete Sampling-Parameter sowie vorab ausgefüllte Modellnachrichten zu entfernen. Er verlangt ausserdem, Denksignaturen im betreffenden zustandslosen Ablauf zu erhalten und Funktionsantworten ihren Aufrufen anhand von Identität und Name zuzuordnen. Diese Details sind bei der Fortsetzung einer mehrstufigen Aufgabe wichtig: Der nächste Gesprächsschritt benötigt den tatsächlichen bisherigen Kontext statt einer umgeschriebenen Darstellung, die das Werkzeugergebnis oder die Signatur verliert. Formulieren Sie Frage und gewünschte Ausgabe in der neuen Nutzernachricht ausdrücklich.
Benennen Sie bei multimodaler Wissensarbeit die relevanten Dokumentseiten, das Diagramm, den Audioabschnitt oder das Videoereignis und geben Sie an, wie diese zur Antwort beitragen sollen. Ein Dokumentvergleich kann eine Tabelle der Unterschiede mit Quellenpassagen verlangen; eine Frage zu einem Diagramm kann nach den sichtbaren Werten und der daraus gestützten Schlussfolgerung fragen. Eine Videoanalyse kann eine Beschreibung der Ereignisse verlangen, die eine Feststellung begründen. Das Modell gibt zu diesen Eingaben Text zurück. Erzeugte Bilder, Sprache und Live-Audiointeraktion gehören zu separaten Modellprofilen.
Seine Gemini API-Grenzen betragen 1’048’576 Eingabetoken und 65’536 Ausgabetoken; dies entspricht dem nativen Modell mit bis zu 1M Kontext und 64K Textausgabe. Anweisungen, Gesprächsverlauf und bereitgestellte Medien belegen Eingabekontext, und Denkprozess oder ein langes Endergebnis müssen in das dokumentierte Ausgabebudget passen. Google führt für dieses Herstellerprofil ausserdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung auf. Behalten Sie bei unabhängigen Elementen eine stabile Elementkennung und ein ausdrückliches Ausgabeformat bei, damit jedes Ergebnis mit seiner Quelle verbunden bleibt.
Zu möglichen Einschränkungen gehören Halluzinationen, gelegentliche Verzögerungen oder Zeitüberschreitungen und ein höherer Tokenverbrauch bei grösserem Denkaufwand. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche weiterhin auf Januar 2025 begrenzt sind. Stellen Sie aktuelle Belege bereit oder verwenden Sie die dokumentierten Grounding-Werkzeuge, wenn die Aufgabe von späteren Informationen abhängt. Prüfen Sie Quellenangaben, Berechnungen und vorgeschlagenen Code anhand der tatsächlichen Eingaben und Ausführungsergebnisse. Das nutzbare Endergebnis sollte eine belegte Feststellung von einer ungeklärten Frage unterscheiden, ohne eine flüssig formulierte Antwort als Nachweis für das gewünschte Ergebnis anzusehen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.8-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 $0.0003 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gemini-3.8-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
google/gemini-3.8-flashGemini 3.8 Flash ist Googles vielseitiges multimodales Modell für länger andauernde Softwareentwicklung, Agenten und komplexe wissensbasierte Aufgaben. Es verarbeitet Text, Bilder, Audio, Video und PDF, gibt Text aus und bietet die Denkstufen low, medium und high sowie Werkzeuge und strukturierte Ausgaben. Die dokumentierten Eingabe- und Ausgabegrenzen betragen 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 3.8 Flash ist Googles Modell mit Textausgabe für länger andauernde Softwareentwicklung, mehrstufige Agenten und komplexe wissensbasierte Arbeitsabläufe. Es baut auf Gemini 3.7 Flash auf und verbessert Softwareentwicklung und wissensbasierte Agentenarbeit. Es verarbeitet Text, Bilder, Audio, Video und PDF, sodass sich ein schriftliches Ziel mit dem tatsächlich zur Lösung benötigten Material verbinden lässt. Das nutzbare Ergebnis ist eine Codeänderung, eine erläuterte Analyse, eine schriftliche Antwort oder ein strukturierter Datensatz.
Stellen Sie für einen Programmierauftrag die Anforderung, relevante Dateien, das beobachtete Verhalten und die zu erhaltenden Bedingungen bereit. Ein Screenshot kann die gewünschte Oberfläche zeigen, während Protokolle oder ein reproduzierbares Beispiel den Fehler belegen. Bitten Sie bei der Fehlersuche das Modell, eine Abweichung zwischen dem sichtbaren Zustand eines Formulars und seinem gespeicherten Wert nachzuverfolgen, den verantwortlichen Codepfad zu ermitteln und eine gezielte Korrektur vorzuschlagen. Benennen Sie das gewünschte Endergebnis klar, damit auch eine längere Folge von Untersuchungen und Werkzeugaufrufen ein konkretes Abschlusskriterium behält.
Verwenden Sie für länger laufende Aufgaben kleinere Denkschritte, wiederholte Werkzeugaufrufe und Prüfungen der Zwischenergebnisse. Die Denkstufen low, medium und high steuern den Umfang des Denkprozesses; medium ist der dokumentierte Standard. low eignet sich für einen schnellen Entwurf oder eine klar begrenzte Analyse, während high für schwierige Mathematik, Programmierung oder mehrstufige Aufgaben vorgesehen ist. Gemini 3.8 Flash unterstützt die Denkstufe minimal nicht. Eine länger andauernde Fehlersuche und eine einfache Feldextraktion benötigen deshalb unterschiedliche Denkstufen statt derselben Einstellung für jede Anfrage.
Zu den dokumentierten Werkzeugen gehören Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding und URL-Kontext; Computer Use ist als Vorschaufunktion aufgeführt. Strukturierte Ausgaben definieren ein maschinenlesbares Ergebnis. Funktionen sollten einen klaren Zweck und definierte Parameter haben: Das Modell kann eine Funktion anfordern, während die angebundene Anwendung den Vorgang ausführt und sein Ergebnis zurückgibt. Erhalten Sie über mehrere Gesprächsschritte hinweg die Funktionsidentitäten und das tatsächlich zurückgegebene Material. Eine hilfreiche abschliessende Antwort erläutert, welche Belege die vorgeschlagene Korrektur oder den extrahierten Wert stützen.
Der Migrationsleitfaden für 3.8 verwendet die Steuerung über Denkstufen anstelle der älteren Konfiguration eines Denkbudgets und empfiehlt, veraltete Sampling-Parameter sowie vorab ausgefüllte Modellnachrichten zu entfernen. Er verlangt ausserdem, Denksignaturen im betreffenden zustandslosen Ablauf zu erhalten und Funktionsantworten ihren Aufrufen anhand von Identität und Name zuzuordnen. Diese Details sind bei der Fortsetzung einer mehrstufigen Aufgabe wichtig: Der nächste Gesprächsschritt benötigt den tatsächlichen bisherigen Kontext statt einer umgeschriebenen Darstellung, die das Werkzeugergebnis oder die Signatur verliert. Formulieren Sie Frage und gewünschte Ausgabe in der neuen Nutzernachricht ausdrücklich.
Benennen Sie bei multimodaler Wissensarbeit die relevanten Dokumentseiten, das Diagramm, den Audioabschnitt oder das Videoereignis und geben Sie an, wie diese zur Antwort beitragen sollen. Ein Dokumentvergleich kann eine Tabelle der Unterschiede mit Quellenpassagen verlangen; eine Frage zu einem Diagramm kann nach den sichtbaren Werten und der daraus gestützten Schlussfolgerung fragen. Eine Videoanalyse kann eine Beschreibung der Ereignisse verlangen, die eine Feststellung begründen. Das Modell gibt zu diesen Eingaben Text zurück. Erzeugte Bilder, Sprache und Live-Audiointeraktion gehören zu separaten Modellprofilen.
Seine Gemini API-Grenzen betragen 1’048’576 Eingabetoken und 65’536 Ausgabetoken; dies entspricht dem nativen Modell mit bis zu 1M Kontext und 64K Textausgabe. Anweisungen, Gesprächsverlauf und bereitgestellte Medien belegen Eingabekontext, und Denkprozess oder ein langes Endergebnis müssen in das dokumentierte Ausgabebudget passen. Google führt für dieses Herstellerprofil ausserdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung auf. Behalten Sie bei unabhängigen Elementen eine stabile Elementkennung und ein ausdrückliches Ausgabeformat bei, damit jedes Ergebnis mit seiner Quelle verbunden bleibt.
Zu möglichen Einschränkungen gehören Halluzinationen, gelegentliche Verzögerungen oder Zeitüberschreitungen und ein höherer Tokenverbrauch bei grösserem Denkaufwand. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche weiterhin auf Januar 2025 begrenzt sind. Stellen Sie aktuelle Belege bereit oder verwenden Sie die dokumentierten Grounding-Werkzeuge, wenn die Aufgabe von späteren Informationen abhängt. Prüfen Sie Quellenangaben, Berechnungen und vorgeschlagenen Code anhand der tatsächlichen Eingaben und Ausführungsergebnisse. Das nutzbare Endergebnis sollte eine belegte Feststellung von einer ungeklärten Frage unterscheiden, ohne eine flüssig formulierte Antwort als Nachweis für das gewünschte Ergebnis anzusehen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-3.8-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. Model-specific | 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 Model-specific | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Model-specific | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Model-specific | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Model-specific | 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 Model-specific | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Model-specific | 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-3.8-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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
google/gemini-3.8-flashGemini 3.8 Flash ist Googles vielseitiges multimodales Modell für länger andauernde Softwareentwicklung, Agenten und komplexe wissensbasierte Aufgaben. Es verarbeitet Text, Bilder, Audio, Video und PDF, gibt Text aus und bietet die Denkstufen low, medium und high sowie Werkzeuge und strukturierte Ausgaben. Die dokumentierten Eingabe- und Ausgabegrenzen betragen 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 3.8 Flash ist Googles Modell mit Textausgabe für länger andauernde Softwareentwicklung, mehrstufige Agenten und komplexe wissensbasierte Arbeitsabläufe. Es baut auf Gemini 3.7 Flash auf und verbessert Softwareentwicklung und wissensbasierte Agentenarbeit. Es verarbeitet Text, Bilder, Audio, Video und PDF, sodass sich ein schriftliches Ziel mit dem tatsächlich zur Lösung benötigten Material verbinden lässt. Das nutzbare Ergebnis ist eine Codeänderung, eine erläuterte Analyse, eine schriftliche Antwort oder ein strukturierter Datensatz.
Stellen Sie für einen Programmierauftrag die Anforderung, relevante Dateien, das beobachtete Verhalten und die zu erhaltenden Bedingungen bereit. Ein Screenshot kann die gewünschte Oberfläche zeigen, während Protokolle oder ein reproduzierbares Beispiel den Fehler belegen. Bitten Sie bei der Fehlersuche das Modell, eine Abweichung zwischen dem sichtbaren Zustand eines Formulars und seinem gespeicherten Wert nachzuverfolgen, den verantwortlichen Codepfad zu ermitteln und eine gezielte Korrektur vorzuschlagen. Benennen Sie das gewünschte Endergebnis klar, damit auch eine längere Folge von Untersuchungen und Werkzeugaufrufen ein konkretes Abschlusskriterium behält.
Verwenden Sie für länger laufende Aufgaben kleinere Denkschritte, wiederholte Werkzeugaufrufe und Prüfungen der Zwischenergebnisse. Die Denkstufen low, medium und high steuern den Umfang des Denkprozesses; medium ist der dokumentierte Standard. low eignet sich für einen schnellen Entwurf oder eine klar begrenzte Analyse, während high für schwierige Mathematik, Programmierung oder mehrstufige Aufgaben vorgesehen ist. Gemini 3.8 Flash unterstützt die Denkstufe minimal nicht. Eine länger andauernde Fehlersuche und eine einfache Feldextraktion benötigen deshalb unterschiedliche Denkstufen statt derselben Einstellung für jede Anfrage.
Zu den dokumentierten Werkzeugen gehören Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding und URL-Kontext; Computer Use ist als Vorschaufunktion aufgeführt. Strukturierte Ausgaben definieren ein maschinenlesbares Ergebnis. Funktionen sollten einen klaren Zweck und definierte Parameter haben: Das Modell kann eine Funktion anfordern, während die angebundene Anwendung den Vorgang ausführt und sein Ergebnis zurückgibt. Erhalten Sie über mehrere Gesprächsschritte hinweg die Funktionsidentitäten und das tatsächlich zurückgegebene Material. Eine hilfreiche abschliessende Antwort erläutert, welche Belege die vorgeschlagene Korrektur oder den extrahierten Wert stützen.
Der Migrationsleitfaden für 3.8 verwendet die Steuerung über Denkstufen anstelle der älteren Konfiguration eines Denkbudgets und empfiehlt, veraltete Sampling-Parameter sowie vorab ausgefüllte Modellnachrichten zu entfernen. Er verlangt ausserdem, Denksignaturen im betreffenden zustandslosen Ablauf zu erhalten und Funktionsantworten ihren Aufrufen anhand von Identität und Name zuzuordnen. Diese Details sind bei der Fortsetzung einer mehrstufigen Aufgabe wichtig: Der nächste Gesprächsschritt benötigt den tatsächlichen bisherigen Kontext statt einer umgeschriebenen Darstellung, die das Werkzeugergebnis oder die Signatur verliert. Formulieren Sie Frage und gewünschte Ausgabe in der neuen Nutzernachricht ausdrücklich.
Benennen Sie bei multimodaler Wissensarbeit die relevanten Dokumentseiten, das Diagramm, den Audioabschnitt oder das Videoereignis und geben Sie an, wie diese zur Antwort beitragen sollen. Ein Dokumentvergleich kann eine Tabelle der Unterschiede mit Quellenpassagen verlangen; eine Frage zu einem Diagramm kann nach den sichtbaren Werten und der daraus gestützten Schlussfolgerung fragen. Eine Videoanalyse kann eine Beschreibung der Ereignisse verlangen, die eine Feststellung begründen. Das Modell gibt zu diesen Eingaben Text zurück. Erzeugte Bilder, Sprache und Live-Audiointeraktion gehören zu separaten Modellprofilen.
Seine Gemini API-Grenzen betragen 1’048’576 Eingabetoken und 65’536 Ausgabetoken; dies entspricht dem nativen Modell mit bis zu 1M Kontext und 64K Textausgabe. Anweisungen, Gesprächsverlauf und bereitgestellte Medien belegen Eingabekontext, und Denkprozess oder ein langes Endergebnis müssen in das dokumentierte Ausgabebudget passen. Google führt für dieses Herstellerprofil ausserdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung auf. Behalten Sie bei unabhängigen Elementen eine stabile Elementkennung und ein ausdrückliches Ausgabeformat bei, damit jedes Ergebnis mit seiner Quelle verbunden bleibt.
Zu möglichen Einschränkungen gehören Halluzinationen, gelegentliche Verzögerungen oder Zeitüberschreitungen und ein höherer Tokenverbrauch bei grösserem Denkaufwand. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche weiterhin auf Januar 2025 begrenzt sind. Stellen Sie aktuelle Belege bereit oder verwenden Sie die dokumentierten Grounding-Werkzeuge, wenn die Aufgabe von späteren Informationen abhängt. Prüfen Sie Quellenangaben, Berechnungen und vorgeschlagenen Code anhand der tatsächlichen Eingaben und Ausführungsergebnisse. Das nutzbare Endergebnis sollte eine belegte Feststellung von einer ungeklärten Frage unterscheiden, ohne eine flüssig formulierte Antwort als Nachweis für das gewünschte Ergebnis anzusehen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-3.8-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 $0.0003 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "google/gemini-3.8-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
~google/gemini-flash-latestGemini 3.8 Flash ist Googles vielseitiges multimodales Modell für länger andauernde Softwareentwicklung, Agenten und komplexe wissensbasierte Aufgaben. Es verarbeitet Text, Bilder, Audio, Video und PDF, gibt Text aus und bietet die Denkstufen low, medium und high sowie Werkzeuge und strukturierte Ausgaben. Die dokumentierten Eingabe- und Ausgabegrenzen betragen 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 3.8 Flash ist Googles Modell mit Textausgabe für länger andauernde Softwareentwicklung, mehrstufige Agenten und komplexe wissensbasierte Arbeitsabläufe. Es baut auf Gemini 3.7 Flash auf und verbessert Softwareentwicklung und wissensbasierte Agentenarbeit. Es verarbeitet Text, Bilder, Audio, Video und PDF, sodass sich ein schriftliches Ziel mit dem tatsächlich zur Lösung benötigten Material verbinden lässt. Das nutzbare Ergebnis ist eine Codeänderung, eine erläuterte Analyse, eine schriftliche Antwort oder ein strukturierter Datensatz.
Stellen Sie für einen Programmierauftrag die Anforderung, relevante Dateien, das beobachtete Verhalten und die zu erhaltenden Bedingungen bereit. Ein Screenshot kann die gewünschte Oberfläche zeigen, während Protokolle oder ein reproduzierbares Beispiel den Fehler belegen. Bitten Sie bei der Fehlersuche das Modell, eine Abweichung zwischen dem sichtbaren Zustand eines Formulars und seinem gespeicherten Wert nachzuverfolgen, den verantwortlichen Codepfad zu ermitteln und eine gezielte Korrektur vorzuschlagen. Benennen Sie das gewünschte Endergebnis klar, damit auch eine längere Folge von Untersuchungen und Werkzeugaufrufen ein konkretes Abschlusskriterium behält.
Verwenden Sie für länger laufende Aufgaben kleinere Denkschritte, wiederholte Werkzeugaufrufe und Prüfungen der Zwischenergebnisse. Die Denkstufen low, medium und high steuern den Umfang des Denkprozesses; medium ist der dokumentierte Standard. low eignet sich für einen schnellen Entwurf oder eine klar begrenzte Analyse, während high für schwierige Mathematik, Programmierung oder mehrstufige Aufgaben vorgesehen ist. Gemini 3.8 Flash unterstützt die Denkstufe minimal nicht. Eine länger andauernde Fehlersuche und eine einfache Feldextraktion benötigen deshalb unterschiedliche Denkstufen statt derselben Einstellung für jede Anfrage.
Zu den dokumentierten Werkzeugen gehören Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding und URL-Kontext; Computer Use ist als Vorschaufunktion aufgeführt. Strukturierte Ausgaben definieren ein maschinenlesbares Ergebnis. Funktionen sollten einen klaren Zweck und definierte Parameter haben: Das Modell kann eine Funktion anfordern, während die angebundene Anwendung den Vorgang ausführt und sein Ergebnis zurückgibt. Erhalten Sie über mehrere Gesprächsschritte hinweg die Funktionsidentitäten und das tatsächlich zurückgegebene Material. Eine hilfreiche abschliessende Antwort erläutert, welche Belege die vorgeschlagene Korrektur oder den extrahierten Wert stützen.
Der Migrationsleitfaden für 3.8 verwendet die Steuerung über Denkstufen anstelle der älteren Konfiguration eines Denkbudgets und empfiehlt, veraltete Sampling-Parameter sowie vorab ausgefüllte Modellnachrichten zu entfernen. Er verlangt ausserdem, Denksignaturen im betreffenden zustandslosen Ablauf zu erhalten und Funktionsantworten ihren Aufrufen anhand von Identität und Name zuzuordnen. Diese Details sind bei der Fortsetzung einer mehrstufigen Aufgabe wichtig: Der nächste Gesprächsschritt benötigt den tatsächlichen bisherigen Kontext statt einer umgeschriebenen Darstellung, die das Werkzeugergebnis oder die Signatur verliert. Formulieren Sie Frage und gewünschte Ausgabe in der neuen Nutzernachricht ausdrücklich.
Benennen Sie bei multimodaler Wissensarbeit die relevanten Dokumentseiten, das Diagramm, den Audioabschnitt oder das Videoereignis und geben Sie an, wie diese zur Antwort beitragen sollen. Ein Dokumentvergleich kann eine Tabelle der Unterschiede mit Quellenpassagen verlangen; eine Frage zu einem Diagramm kann nach den sichtbaren Werten und der daraus gestützten Schlussfolgerung fragen. Eine Videoanalyse kann eine Beschreibung der Ereignisse verlangen, die eine Feststellung begründen. Das Modell gibt zu diesen Eingaben Text zurück. Erzeugte Bilder, Sprache und Live-Audiointeraktion gehören zu separaten Modellprofilen.
Seine Gemini API-Grenzen betragen 1’048’576 Eingabetoken und 65’536 Ausgabetoken; dies entspricht dem nativen Modell mit bis zu 1M Kontext und 64K Textausgabe. Anweisungen, Gesprächsverlauf und bereitgestellte Medien belegen Eingabekontext, und Denkprozess oder ein langes Endergebnis müssen in das dokumentierte Ausgabebudget passen. Google führt für dieses Herstellerprofil ausserdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung auf. Behalten Sie bei unabhängigen Elementen eine stabile Elementkennung und ein ausdrückliches Ausgabeformat bei, damit jedes Ergebnis mit seiner Quelle verbunden bleibt.
Zu möglichen Einschränkungen gehören Halluzinationen, gelegentliche Verzögerungen oder Zeitüberschreitungen und ein höherer Tokenverbrauch bei grösserem Denkaufwand. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche weiterhin auf Januar 2025 begrenzt sind. Stellen Sie aktuelle Belege bereit oder verwenden Sie die dokumentierten Grounding-Werkzeuge, wenn die Aufgabe von späteren Informationen abhängt. Prüfen Sie Quellenangaben, Berechnungen und vorgeschlagenen Code anhand der tatsächlichen Eingaben und Ausführungsergebnisse. Das nutzbare Endergebnis sollte eine belegte Feststellung von einer ungeklärten Frage unterscheiden, ohne eine flüssig formulierte Antwort als Nachweis für das gewünschte Ergebnis anzusehen.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ~google/gemini-flash-latest | 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: These roles are explicitly represented by Source compatibility types; the exact model role set remains model-specific. Model-specific | 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; use actual returned ID | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Round-trip actual returned reasoning where this model uses it | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Model-specific | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Model-specific | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Model-specific | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: function tool supplied | 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 Model-specific | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Model-specific | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options is rejected on this Ultra text route | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h is rejected in actual prompt-cache locations | Standard— |
Text · UTF8 text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | Vertragmessage array with role/content shape |
Parameterfile_material | Vertragactual UTF-8 document inserted as literal text; no file ID inferred |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | Vertragmodel-specific; user function tools differ from hosted tools |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Send exact model ID with messages.
Context length is not an output cap.
A text file may supply literal text; image/audio/file-object inputs need exact binding.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationToken-Basistarife | 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-flash-latest", "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-flash-latest',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-flash-latest',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 or SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.
Keep request/response IDs and headers. No generic text job retrieval URL is supplied.
| 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 | BedingungInvalid required fields, material representation or parameter value | Nächster SchrittCorrect the indicated fields before a new creation request. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
~google/gemini-flash-latestGemini 3.8 Flash ist Googles vielseitiges multimodales Modell für länger andauernde Softwareentwicklung, Agenten und komplexe wissensbasierte Aufgaben. Es verarbeitet Text, Bilder, Audio, Video und PDF, gibt Text aus und bietet die Denkstufen low, medium und high sowie Werkzeuge und strukturierte Ausgaben. Die dokumentierten Eingabe- und Ausgabegrenzen betragen 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 3.8 Flash ist Googles Modell mit Textausgabe für länger andauernde Softwareentwicklung, mehrstufige Agenten und komplexe wissensbasierte Arbeitsabläufe. Es baut auf Gemini 3.7 Flash auf und verbessert Softwareentwicklung und wissensbasierte Agentenarbeit. Es verarbeitet Text, Bilder, Audio, Video und PDF, sodass sich ein schriftliches Ziel mit dem tatsächlich zur Lösung benötigten Material verbinden lässt. Das nutzbare Ergebnis ist eine Codeänderung, eine erläuterte Analyse, eine schriftliche Antwort oder ein strukturierter Datensatz.
Stellen Sie für einen Programmierauftrag die Anforderung, relevante Dateien, das beobachtete Verhalten und die zu erhaltenden Bedingungen bereit. Ein Screenshot kann die gewünschte Oberfläche zeigen, während Protokolle oder ein reproduzierbares Beispiel den Fehler belegen. Bitten Sie bei der Fehlersuche das Modell, eine Abweichung zwischen dem sichtbaren Zustand eines Formulars und seinem gespeicherten Wert nachzuverfolgen, den verantwortlichen Codepfad zu ermitteln und eine gezielte Korrektur vorzuschlagen. Benennen Sie das gewünschte Endergebnis klar, damit auch eine längere Folge von Untersuchungen und Werkzeugaufrufen ein konkretes Abschlusskriterium behält.
Verwenden Sie für länger laufende Aufgaben kleinere Denkschritte, wiederholte Werkzeugaufrufe und Prüfungen der Zwischenergebnisse. Die Denkstufen low, medium und high steuern den Umfang des Denkprozesses; medium ist der dokumentierte Standard. low eignet sich für einen schnellen Entwurf oder eine klar begrenzte Analyse, während high für schwierige Mathematik, Programmierung oder mehrstufige Aufgaben vorgesehen ist. Gemini 3.8 Flash unterstützt die Denkstufe minimal nicht. Eine länger andauernde Fehlersuche und eine einfache Feldextraktion benötigen deshalb unterschiedliche Denkstufen statt derselben Einstellung für jede Anfrage.
Zu den dokumentierten Werkzeugen gehören Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Google Maps Grounding und URL-Kontext; Computer Use ist als Vorschaufunktion aufgeführt. Strukturierte Ausgaben definieren ein maschinenlesbares Ergebnis. Funktionen sollten einen klaren Zweck und definierte Parameter haben: Das Modell kann eine Funktion anfordern, während die angebundene Anwendung den Vorgang ausführt und sein Ergebnis zurückgibt. Erhalten Sie über mehrere Gesprächsschritte hinweg die Funktionsidentitäten und das tatsächlich zurückgegebene Material. Eine hilfreiche abschliessende Antwort erläutert, welche Belege die vorgeschlagene Korrektur oder den extrahierten Wert stützen.
Der Migrationsleitfaden für 3.8 verwendet die Steuerung über Denkstufen anstelle der älteren Konfiguration eines Denkbudgets und empfiehlt, veraltete Sampling-Parameter sowie vorab ausgefüllte Modellnachrichten zu entfernen. Er verlangt ausserdem, Denksignaturen im betreffenden zustandslosen Ablauf zu erhalten und Funktionsantworten ihren Aufrufen anhand von Identität und Name zuzuordnen. Diese Details sind bei der Fortsetzung einer mehrstufigen Aufgabe wichtig: Der nächste Gesprächsschritt benötigt den tatsächlichen bisherigen Kontext statt einer umgeschriebenen Darstellung, die das Werkzeugergebnis oder die Signatur verliert. Formulieren Sie Frage und gewünschte Ausgabe in der neuen Nutzernachricht ausdrücklich.
Benennen Sie bei multimodaler Wissensarbeit die relevanten Dokumentseiten, das Diagramm, den Audioabschnitt oder das Videoereignis und geben Sie an, wie diese zur Antwort beitragen sollen. Ein Dokumentvergleich kann eine Tabelle der Unterschiede mit Quellenpassagen verlangen; eine Frage zu einem Diagramm kann nach den sichtbaren Werten und der daraus gestützten Schlussfolgerung fragen. Eine Videoanalyse kann eine Beschreibung der Ereignisse verlangen, die eine Feststellung begründen. Das Modell gibt zu diesen Eingaben Text zurück. Erzeugte Bilder, Sprache und Live-Audiointeraktion gehören zu separaten Modellprofilen.
Seine Gemini API-Grenzen betragen 1’048’576 Eingabetoken und 65’536 Ausgabetoken; dies entspricht dem nativen Modell mit bis zu 1M Kontext und 64K Textausgabe. Anweisungen, Gesprächsverlauf und bereitgestellte Medien belegen Eingabekontext, und Denkprozess oder ein langes Endergebnis müssen in das dokumentierte Ausgabebudget passen. Google führt für dieses Herstellerprofil ausserdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung auf. Behalten Sie bei unabhängigen Elementen eine stabile Elementkennung und ein ausdrückliches Ausgabeformat bei, damit jedes Ergebnis mit seiner Quelle verbunden bleibt.
Zu möglichen Einschränkungen gehören Halluzinationen, gelegentliche Verzögerungen oder Zeitüberschreitungen und ein höherer Tokenverbrauch bei grösserem Denkaufwand. Sein Wissensstand reicht bis März 2026, wobei manche Bereiche weiterhin auf Januar 2025 begrenzt sind. Stellen Sie aktuelle Belege bereit oder verwenden Sie die dokumentierten Grounding-Werkzeuge, wenn die Aufgabe von späteren Informationen abhängt. Prüfen Sie Quellenangaben, Berechnungen und vorgeschlagenen Code anhand der tatsächlichen Eingaben und Ausführungsergebnisse. Das nutzbare Endergebnis sollte eine belegte Feststellung von einer ungeklärten Frage unterscheiden, ohne eine flüssig formulierte Antwort als Nachweis für das gewünschte Ergebnis anzusehen.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits ~google/gemini-flash-latest | 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
messages[].content string
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragRead the actual UTF-8 document and put its text in the indicated input or message content string. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationToken-Basistarife | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.003 / 1K Tokens Ausgabe · Ausgabetoken $0.015 / 1K Tokens Eingabe · Cache lesen $0.0003 / 1K Tokens Eingabe · Cache schreiben — / 1K Tokens Eingabe · Cache schreiben, 1 Stunde — / 1K Tokens |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschliessenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "~google/gemini-flash-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-flash-latest', '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-flash-latest', '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 or SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.
Keep request/response IDs and headers. No generic text job retrieval URL is supplied.
| 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 | BedingungInvalid required fields, material representation or parameter value | Nächster SchrittCorrect the indicated fields before a new creation request. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
Technisches Beispiel auf Englisch
Diagnose an unsaved form value\n\nReview this form flow: the input displays draft.name; typing updates draft.name; Save sends original.name; after reload the old name reappears. Explain the mismatch and propose a minimal correction in framework-neutral pseudocode. Include a regression scenario that types a new name, saves, reloads, and checks the stored value. Do not claim any browser action occurred.A cause explanation, corrected Save pseudocode and an end-to-end regression scenario.The submitted value comes from the edited draft, and the reload check verifies persistence rather than just the visible input.