Gemini 3.5 Flash ist Googles multimodales Flash-Modellprofil für länger andauernde Programmierung und Agentenarbeit. Seine dokumentierten Eingaben sind Text, Bilder, Video, Audio und PDF, mit Text als Ausgabe. Zu den Aufgabenschwerpunkten des Modells gehören iterative Programmierung, die Untersuchung alternativer Lösungen und längere Folgen von Anweisungen und Werkzeugnutzung. Die Edition 3.5 bietet dokumentierte Denksteuerung, multimodale Eingaben und Werkzeugabläufe.
Eine Programmieraufgabe kann eine schriftliche Anforderung, relevante Quelldateien und einen Screenshot des gewünschten Ergebnisses verbinden. Stellen Sie das beobachtete Verhalten, das erwartete Verhalten und die unverändert zu erhaltenden Bedingungen bereit. Ein beispielhafter Auftrag lautet: „Vergleichen Sie den Screenshot mit dem Komponententext, ermitteln Sie die Abweichung im Formularablauf und schlagen Sie eine gezielte Korrektur vor. Erklären Sie, welche Quelldetails die Änderung begründen.“ Stellen Sie bei einer Dokumentaufgabe die relevanten Seiten bereit und verlangen Sie einen Vergleich mit ausdrücklichen Anforderungen, mit Quellenverweisen für jede Feststellung.
Die Edition dokumentiert die Denkstufen minimal, low, medium und high. medium ist der Standard und ersetzt den Standard high von Gemini 3 Flash Preview. minimal eignet sich für einfache Antworten und unkomplizierte Werkzeugentscheidungen, ohne zu garantieren, dass der Denkprozess vollständig deaktiviert ist; low richtet sich an Aufgaben mit weniger Schritten; high bietet vertieftes Denken für schwierige Mathematik, Programmierung und Agentenprobleme. Google empfiehlt, thinking_level zur Aufwandssteuerung zu verwenden und die Standard-Sampling-Einstellungen beizubehalten, statt den Denkprozess durch Änderungen an temperature, top-p oder top-k erzwingen zu wollen.
Ein prägendes Verhalten ist der Erhalt des Denkkontexts über eine Aufgabe mit mehreren Gesprächsschritten hinweg. Googles Interactions-Ablauf übernimmt diesen Kontext automatisch; sein GenerateContent-Ablauf erfordert den vollständigen unveränderten Gesprächsverlauf einschließlich Denksignaturen. Dies unterstützt eine fortlaufende Fehlersuche oder ein Refactoring, bei dem frühere Überlegungen in den nächsten Schritt einfließen. Erhalten Sie die tatsächliche Gesprächsstruktur, statt jede Folgeanfrage in einen unabhängigen Prompt umzuwandeln, und halten Sie während der Arbeit das gewünschte Endergebnis klar.
Die dokumentierten Werkzeuge umfassen Google Search, Grounding mit Google Maps, File Search, Code Execution, URL Context und Standard Function Calling; kombinierte Werkzeugnutzung und Computer Use sind als Vorschaufunktion gekennzeichnet. Structured Outputs kann einen definierten Datensatz liefern. Geben Sie Funktionen einen klaren Zweck und definierte Parameter: Das Modell wählt eine Funktion, während die angebundene Anwendung ihren Vorgang ausführt und das Ergebnis zurückgibt. Google verlangt, dass Funktionsergebnisse den vorhergehenden Aufrufen nach Identität, Name und Anzahl entsprechen; multimodale Ergebnisse gehören in die Funktionsantwort.
Die genaue API-Modelltabelle nennt maximal 1.048.576 Eingabetoken und 65.536 Ausgabetoken. Gesprächsverlauf und bereitgestellte Medien zählen zum Eingabebudget. Caching und Stapelverarbeitung sind für dieses Profil dokumentiert, mit zusätzlichen Flex- und Priority-Verarbeitungsoptionen in Googles Tabelle. Diese Grenzen und Fähigkeiten beschreiben die Herstelleredition; sie verlangen weder eine Antwort, die das ganze Ausgabefenster füllt, noch machen sie jedes Werkzeug für eine Aufgabe notwendig.
Dieses Profil erzeugt Text statt Bilder oder Audio und verwendet Live API nicht. Sein Entwicklerleitfaden schließt außerdem Bildsegmentierung aus. Verlangen Sie bei einer visuellen Frage eine Beschreibung, Extraktion oder Interpretation des bereitgestellten Materials; bei einer Sprachaufnahme ein Textergebnis. Wenn die Antwort von neueren Informationen abhängt, kann der dokumentierte Such-Grounding-Ablauf Quellen über das Trainingswissen hinaus hinzufügen. Geben Sie an, ob externe Informationen benötigt werden und welche Belege die abschließende Antwort erhalten soll.
Definieren Sie für einen hilfreichen längeren Auftrag das Endergebnis und das Abschlusskriterium vor dem ersten Schritt. Eine Supportanalyse könnte eine Tabelle beobachteter Probleme, stützender Passagen und einen Antwortvorschlag verlangen; eine Programmieraufgabe könnte die gezielte Änderung und das betreffende Validierungsergebnis erfordern. Fügen Sie den relevanten Quellkontext hinzu, bestimmen Sie erlaubte Werkzeugaktionen und verlangen Sie eine ausdrückliche Schlussantwort, die abgeschlossene Arbeit von Fragen mit weiterem Informationsbedarf trennt. So wird der fortlaufende Ablauf des Modells zu einem konkreten Text, Code oder strukturierten Ergebnis.
", "aboutText": "Gemini 3.5 Flash ist Googles multimodales Flash-Modellprofil für länger andauernde Programmierung und Agentenarbeit. Seine dokumentierten Eingaben sind Text, Bilder, Video, Audio und PDF, mit Text als Ausgabe. Zu den Aufgabenschwerpunkten des Modells gehören iterative Programmierung, die Untersuchung alternativer Lösungen und längere Folgen von Anweisungen und Werkzeugnutzung. Die Edition 3.5 bietet dokumentierte Denksteuerung, multimodale Eingaben und Werkzeugabläufe.\n\nEine Programmieraufgabe kann eine schriftliche Anforderung, relevante Quelldateien und einen Screenshot des gewünschten Ergebnisses verbinden. Stellen Sie das beobachtete Verhalten, das erwartete Verhalten und die unverändert zu erhaltenden Bedingungen bereit. Ein beispielhafter Auftrag lautet: „Vergleichen Sie den Screenshot mit dem Komponententext, ermitteln Sie die Abweichung im Formularablauf und schlagen Sie eine gezielte Korrektur vor. Erklären Sie, welche Quelldetails die Änderung begründen.“ Stellen Sie bei einer Dokumentaufgabe die relevanten Seiten bereit und verlangen Sie einen Vergleich mit ausdrücklichen Anforderungen, mit Quellenverweisen für jede Feststellung.\n\nDie Edition dokumentiert die Denkstufen minimal, low, medium und high. medium ist der Standard und ersetzt den Standard high von Gemini 3 Flash Preview. minimal eignet sich für einfache Antworten und unkomplizierte Werkzeugentscheidungen, ohne zu garantieren, dass der Denkprozess vollständig deaktiviert ist; low richtet sich an Aufgaben mit weniger Schritten; high bietet vertieftes Denken für schwierige Mathematik, Programmierung und Agentenprobleme. Google empfiehlt, thinking_level zur Aufwandssteuerung zu verwenden und die Standard-Sampling-Einstellungen beizubehalten, statt den Denkprozess durch Änderungen an temperature, top-p oder top-k erzwingen zu wollen.\n\nEin prägendes Verhalten ist der Erhalt des Denkkontexts über eine Aufgabe mit mehreren Gesprächsschritten hinweg. Googles Interactions-Ablauf übernimmt diesen Kontext automatisch; sein GenerateContent-Ablauf erfordert den vollständigen unveränderten Gesprächsverlauf einschließlich Denksignaturen. Dies unterstützt eine fortlaufende Fehlersuche oder ein Refactoring, bei dem frühere Überlegungen in den nächsten Schritt einfließen. Erhalten Sie die tatsächliche Gesprächsstruktur, statt jede Folgeanfrage in einen unabhängigen Prompt umzuwandeln, und halten Sie während der Arbeit das gewünschte Endergebnis klar.\n\nDie dokumentierten Werkzeuge umfassen Google Search, Grounding mit Google Maps, File Search, Code Execution, URL Context und Standard Function Calling; kombinierte Werkzeugnutzung und Computer Use sind als Vorschaufunktion gekennzeichnet. Structured Outputs kann einen definierten Datensatz liefern. Geben Sie Funktionen einen klaren Zweck und definierte Parameter: Das Modell wählt eine Funktion, während die angebundene Anwendung ihren Vorgang ausführt und das Ergebnis zurückgibt. Google verlangt, dass Funktionsergebnisse den vorhergehenden Aufrufen nach Identität, Name und Anzahl entsprechen; multimodale Ergebnisse gehören in die Funktionsantwort.\n\nDie genaue API-Modelltabelle nennt maximal 1.048.576 Eingabetoken und 65.536 Ausgabetoken. Gesprächsverlauf und bereitgestellte Medien zählen zum Eingabebudget. Caching und Stapelverarbeitung sind für dieses Profil dokumentiert, mit zusätzlichen Flex- und Priority-Verarbeitungsoptionen in Googles Tabelle. Diese Grenzen und Fähigkeiten beschreiben die Herstelleredition; sie verlangen weder eine Antwort, die das ganze Ausgabefenster füllt, noch machen sie jedes Werkzeug für eine Aufgabe notwendig.\n\nDieses Profil erzeugt Text statt Bilder oder Audio und verwendet Live API nicht. Sein Entwicklerleitfaden schließt außerdem Bildsegmentierung aus. Verlangen Sie bei einer visuellen Frage eine Beschreibung, Extraktion oder Interpretation des bereitgestellten Materials; bei einer Sprachaufnahme ein Textergebnis. Wenn die Antwort von neueren Informationen abhängt, kann der dokumentierte Such-Grounding-Ablauf Quellen über das Trainingswissen hinaus hinzufügen. Geben Sie an, ob externe Informationen benötigt werden und welche Belege die abschließende Antwort erhalten soll.\n\nDefinieren Sie für einen hilfreichen längeren Auftrag das Endergebnis und das Abschlusskriterium vor dem ersten Schritt. Eine Supportanalyse könnte eine Tabelle beobachteter Probleme, stützender Passagen und einen Antwortvorschlag verlangen; eine Programmieraufgabe könnte die gezielte Änderung und das betreffende Validierungsergebnis erfordern. Fügen Sie den relevanten Quellkontext hinzu, bestimmen Sie erlaubte Werkzeugaktionen und verlangen Sie eine ausdrückliche Schlussantwort, die abgeschlossene Arbeit von Fragen mit weiterem Informationsbedarf trennt. So wird der fortlaufende Ablauf des Modells zu einem konkreten Text, Code oder strukturierten Ergebnis.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "21145b794d3fe6dcf5f4c1d82a352d48a7c5fa52c21b8fa499ddf26256fa1791", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "gemini-3.5-flash-thinkingGemini 3.5 Flash verbindet multimodales Verständnis mit Denken für Programmierung und mehrstufige Agentenaufgaben. Es verarbeitet Text, Bilder, Video, Audio und PDF und erzeugt Text, mit strukturierten Ausgaben, Werkzeugen und einer Eingabegrenze von 1.048.576 Token in seinem dokumentierten Profil.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.5 Flash ist Googles multimodales Flash-Modellprofil für länger andauernde Programmierung und Agentenarbeit. Seine dokumentierten Eingaben sind Text, Bilder, Video, Audio und PDF, mit Text als Ausgabe. Zu den Aufgabenschwerpunkten des Modells gehören iterative Programmierung, die Untersuchung alternativer Lösungen und längere Folgen von Anweisungen und Werkzeugnutzung. Die Edition 3.5 bietet dokumentierte Denksteuerung, multimodale Eingaben und Werkzeugabläufe.
Eine Programmieraufgabe kann eine schriftliche Anforderung, relevante Quelldateien und einen Screenshot des gewünschten Ergebnisses verbinden. Stellen Sie das beobachtete Verhalten, das erwartete Verhalten und die unverändert zu erhaltenden Bedingungen bereit. Ein beispielhafter Auftrag lautet: „Vergleichen Sie den Screenshot mit dem Komponententext, ermitteln Sie die Abweichung im Formularablauf und schlagen Sie eine gezielte Korrektur vor. Erklären Sie, welche Quelldetails die Änderung begründen.“ Stellen Sie bei einer Dokumentaufgabe die relevanten Seiten bereit und verlangen Sie einen Vergleich mit ausdrücklichen Anforderungen, mit Quellenverweisen für jede Feststellung.
Die Edition dokumentiert die Denkstufen minimal, low, medium und high. medium ist der Standard und ersetzt den Standard high von Gemini 3 Flash Preview. minimal eignet sich für einfache Antworten und unkomplizierte Werkzeugentscheidungen, ohne zu garantieren, dass der Denkprozess vollständig deaktiviert ist; low richtet sich an Aufgaben mit weniger Schritten; high bietet vertieftes Denken für schwierige Mathematik, Programmierung und Agentenprobleme. Google empfiehlt, thinking_level zur Aufwandssteuerung zu verwenden und die Standard-Sampling-Einstellungen beizubehalten, statt den Denkprozess durch Änderungen an temperature, top-p oder top-k erzwingen zu wollen.
Ein prägendes Verhalten ist der Erhalt des Denkkontexts über eine Aufgabe mit mehreren Gesprächsschritten hinweg. Googles Interactions-Ablauf übernimmt diesen Kontext automatisch; sein GenerateContent-Ablauf erfordert den vollständigen unveränderten Gesprächsverlauf einschließlich Denksignaturen. Dies unterstützt eine fortlaufende Fehlersuche oder ein Refactoring, bei dem frühere Überlegungen in den nächsten Schritt einfließen. Erhalten Sie die tatsächliche Gesprächsstruktur, statt jede Folgeanfrage in einen unabhängigen Prompt umzuwandeln, und halten Sie während der Arbeit das gewünschte Endergebnis klar.
Die dokumentierten Werkzeuge umfassen Google Search, Grounding mit Google Maps, File Search, Code Execution, URL Context und Standard Function Calling; kombinierte Werkzeugnutzung und Computer Use sind als Vorschaufunktion gekennzeichnet. Structured Outputs kann einen definierten Datensatz liefern. Geben Sie Funktionen einen klaren Zweck und definierte Parameter: Das Modell wählt eine Funktion, während die angebundene Anwendung ihren Vorgang ausführt und das Ergebnis zurückgibt. Google verlangt, dass Funktionsergebnisse den vorhergehenden Aufrufen nach Identität, Name und Anzahl entsprechen; multimodale Ergebnisse gehören in die Funktionsantwort.
Die genaue API-Modelltabelle nennt maximal 1.048.576 Eingabetoken und 65.536 Ausgabetoken. Gesprächsverlauf und bereitgestellte Medien zählen zum Eingabebudget. Caching und Stapelverarbeitung sind für dieses Profil dokumentiert, mit zusätzlichen Flex- und Priority-Verarbeitungsoptionen in Googles Tabelle. Diese Grenzen und Fähigkeiten beschreiben die Herstelleredition; sie verlangen weder eine Antwort, die das ganze Ausgabefenster füllt, noch machen sie jedes Werkzeug für eine Aufgabe notwendig.
Dieses Profil erzeugt Text statt Bilder oder Audio und verwendet Live API nicht. Sein Entwicklerleitfaden schließt außerdem Bildsegmentierung aus. Verlangen Sie bei einer visuellen Frage eine Beschreibung, Extraktion oder Interpretation des bereitgestellten Materials; bei einer Sprachaufnahme ein Textergebnis. Wenn die Antwort von neueren Informationen abhängt, kann der dokumentierte Such-Grounding-Ablauf Quellen über das Trainingswissen hinaus hinzufügen. Geben Sie an, ob externe Informationen benötigt werden und welche Belege die abschließende Antwort erhalten soll.
Definieren Sie für einen hilfreichen längeren Auftrag das Endergebnis und das Abschlusskriterium vor dem ersten Schritt. Eine Supportanalyse könnte eine Tabelle beobachteter Probleme, stützender Passagen und einen Antwortvorschlag verlangen; eine Programmieraufgabe könnte die gezielte Änderung und das betreffende Validierungsergebnis erfordern. Fügen Sie den relevanten Quellkontext hinzu, bestimmen Sie erlaubte Werkzeugaktionen und verlangen Sie eine ausdrückliche Schlussantwort, die abgeschlossene Arbeit von Fragen mit weiterem Informationsbedarf trennt. So wird der fortlaufende Ablauf des Modells zu einem konkreten Text, Code oder strukturierten Ergebnis.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.5-flash-thinking | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.003 / 1K Token Ausgabe · Ausgabetoken $0.018 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.5-flash-thinking","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-3.5-flash-thinking", 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 Ultra gemini-3.5-flash-thinking
/chat/completions
gemini-3.5-flash-thinkingGemini 3.5 Flash verbindet multimodales Verständnis mit Denken für Programmierung und mehrstufige Agentenaufgaben. Es verarbeitet Text, Bilder, Video, Audio und PDF und erzeugt Text, mit strukturierten Ausgaben, Werkzeugen und einer Eingabegrenze von 1.048.576 Token in seinem dokumentierten Profil.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.5 Flash ist Googles multimodales Flash-Modellprofil für länger andauernde Programmierung und Agentenarbeit. Seine dokumentierten Eingaben sind Text, Bilder, Video, Audio und PDF, mit Text als Ausgabe. Zu den Aufgabenschwerpunkten des Modells gehören iterative Programmierung, die Untersuchung alternativer Lösungen und längere Folgen von Anweisungen und Werkzeugnutzung. Die Edition 3.5 bietet dokumentierte Denksteuerung, multimodale Eingaben und Werkzeugabläufe.
Eine Programmieraufgabe kann eine schriftliche Anforderung, relevante Quelldateien und einen Screenshot des gewünschten Ergebnisses verbinden. Stellen Sie das beobachtete Verhalten, das erwartete Verhalten und die unverändert zu erhaltenden Bedingungen bereit. Ein beispielhafter Auftrag lautet: „Vergleichen Sie den Screenshot mit dem Komponententext, ermitteln Sie die Abweichung im Formularablauf und schlagen Sie eine gezielte Korrektur vor. Erklären Sie, welche Quelldetails die Änderung begründen.“ Stellen Sie bei einer Dokumentaufgabe die relevanten Seiten bereit und verlangen Sie einen Vergleich mit ausdrücklichen Anforderungen, mit Quellenverweisen für jede Feststellung.
Die Edition dokumentiert die Denkstufen minimal, low, medium und high. medium ist der Standard und ersetzt den Standard high von Gemini 3 Flash Preview. minimal eignet sich für einfache Antworten und unkomplizierte Werkzeugentscheidungen, ohne zu garantieren, dass der Denkprozess vollständig deaktiviert ist; low richtet sich an Aufgaben mit weniger Schritten; high bietet vertieftes Denken für schwierige Mathematik, Programmierung und Agentenprobleme. Google empfiehlt, thinking_level zur Aufwandssteuerung zu verwenden und die Standard-Sampling-Einstellungen beizubehalten, statt den Denkprozess durch Änderungen an temperature, top-p oder top-k erzwingen zu wollen.
Ein prägendes Verhalten ist der Erhalt des Denkkontexts über eine Aufgabe mit mehreren Gesprächsschritten hinweg. Googles Interactions-Ablauf übernimmt diesen Kontext automatisch; sein GenerateContent-Ablauf erfordert den vollständigen unveränderten Gesprächsverlauf einschließlich Denksignaturen. Dies unterstützt eine fortlaufende Fehlersuche oder ein Refactoring, bei dem frühere Überlegungen in den nächsten Schritt einfließen. Erhalten Sie die tatsächliche Gesprächsstruktur, statt jede Folgeanfrage in einen unabhängigen Prompt umzuwandeln, und halten Sie während der Arbeit das gewünschte Endergebnis klar.
Die dokumentierten Werkzeuge umfassen Google Search, Grounding mit Google Maps, File Search, Code Execution, URL Context und Standard Function Calling; kombinierte Werkzeugnutzung und Computer Use sind als Vorschaufunktion gekennzeichnet. Structured Outputs kann einen definierten Datensatz liefern. Geben Sie Funktionen einen klaren Zweck und definierte Parameter: Das Modell wählt eine Funktion, während die angebundene Anwendung ihren Vorgang ausführt und das Ergebnis zurückgibt. Google verlangt, dass Funktionsergebnisse den vorhergehenden Aufrufen nach Identität, Name und Anzahl entsprechen; multimodale Ergebnisse gehören in die Funktionsantwort.
Die genaue API-Modelltabelle nennt maximal 1.048.576 Eingabetoken und 65.536 Ausgabetoken. Gesprächsverlauf und bereitgestellte Medien zählen zum Eingabebudget. Caching und Stapelverarbeitung sind für dieses Profil dokumentiert, mit zusätzlichen Flex- und Priority-Verarbeitungsoptionen in Googles Tabelle. Diese Grenzen und Fähigkeiten beschreiben die Herstelleredition; sie verlangen weder eine Antwort, die das ganze Ausgabefenster füllt, noch machen sie jedes Werkzeug für eine Aufgabe notwendig.
Dieses Profil erzeugt Text statt Bilder oder Audio und verwendet Live API nicht. Sein Entwicklerleitfaden schließt außerdem Bildsegmentierung aus. Verlangen Sie bei einer visuellen Frage eine Beschreibung, Extraktion oder Interpretation des bereitgestellten Materials; bei einer Sprachaufnahme ein Textergebnis. Wenn die Antwort von neueren Informationen abhängt, kann der dokumentierte Such-Grounding-Ablauf Quellen über das Trainingswissen hinaus hinzufügen. Geben Sie an, ob externe Informationen benötigt werden und welche Belege die abschließende Antwort erhalten soll.
Definieren Sie für einen hilfreichen längeren Auftrag das Endergebnis und das Abschlusskriterium vor dem ersten Schritt. Eine Supportanalyse könnte eine Tabelle beobachteter Probleme, stützender Passagen und einen Antwortvorschlag verlangen; eine Programmieraufgabe könnte die gezielte Änderung und das betreffende Validierungsergebnis erfordern. Fügen Sie den relevanten Quellkontext hinzu, bestimmen Sie erlaubte Werkzeugaktionen und verlangen Sie eine ausdrückliche Schlussantwort, die abgeschlossene Arbeit von Fragen mit weiterem Informationsbedarf trennt. So wird der fortlaufende Ablauf des Modells zu einem konkreten Text, Code oder strukturierten Ergebnis.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.5-flash-thinking | 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 Token Ausgabe · Ausgabetoken $0.018 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gemini-3.5-flash-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.5-flash-thinking', '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-3.5-flash-thinking', '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 Ultra gemini-3.5-flash-thinking
/chat/completions