Gemini 3.6 Flash ist Googles vielseitiges multimodales Profil für Programmierung, Wissensarbeit und agentengestützte Ausführung. Es baut auf Gemini 3.5 Flash auf und konzentriert sich auf verbesserte multimodale Leistung und Tokeneffizienz. Das Modell verarbeitet Text, Bilder, Audio, Video und PDF und gibt Text aus. Ein hilfreicher Auftrag kann Code, einen Screenshot und eine Anforderung verbinden oder ein Diagramm beziehungsweise einen visuellen Plan mit schriftlichen Bedingungen vergleichen, um eine geprüfte Erklärung oder gezielte Überarbeitung zu erstellen.
Der Entwicklerleitfaden betont weniger unnötige Denkschritte, Gesprächsschritte und Werkzeugaufrufe bei mehrstufiger Arbeit sowie gezieltere Bearbeitungen. Stellen Sie für die Diagnose den beobachteten Fehler, den relevanten Quellcode und das unverändert zu erhaltende Verhalten bereit. Bitten Sie bei der Fehlersuche an einem Diagramm das Modell zu untersuchen, warum es die falsche Datenreihe darstellt, die beteiligte Datenumwandlung zu ermitteln und eine Korrektur vorzuschlagen, während das umgebende Layout erhalten bleibt. Das Ergebnis lässt sich anschließend mit den tatsächlichen Eingabedaten und dem verlangten Diagrammverhalten vergleichen.
Eine vorangestellte programmatische Untersuchung ist ein für 3.6 beschriebenes Unterscheidungsmerkmal. Laut Hersteller untersucht das Modell ein Problem häufiger mit Diagnosecode, bevor es Änderungen vornimmt. Dies kann bei einer komplexen Untersuchung helfen; der Leitfaden weist jedoch darauf hin, dass es bei gewöhnlicher Frontendarbeit zusätzliche Erkundungsschritte verursachen kann. Geben Sie an, ob die Aufgabe eine Untersuchung, eine einfache Bearbeitung oder einen Designvergleich erfordert. Stellen Sie die Informationen bereit, die diese Unterscheidung ermöglichen, und bestimmen Sie die erlaubten Aktionen für die Werkzeuge der angebundenen Anwendung.
Hervorgehoben werden außerdem räumliches und multimodales Denken: Diagramminterpretation, Umwandlung visueller Pläne und Weblayouts mit mehreren Elementen. Stellen Sie die betreffende Ansicht oder die Seiten bereit, benennen Sie das zu Interpretierende und verlangen Sie Belege für die Schlussfolgerung. Fügen Sie bei einer Designaufgabe konkrete Layout- und Stilvorgaben hinzu. Der Hersteller nennt einen Schwerpunkt auf funktionalem Code und berichtet, dass Prüfer mitunter die visuelle Gestaltung früherer Modelle bevorzugten; ein ausdrücklicher visueller Auftrag ist deshalb hilfreich. Prüfen Sie das Ergebnis anhand des tatsächlichen Diagramms oder der Designanforderungen.
medium ist die dokumentierte Standarddenkstufe. Googles modellspezifische Tabelle nennt minimal, low, medium und high; der Migrationsleitfaden für 3.6 verwendet medium oder high in seinen Aufwandsbeispielen. Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding, URL-Kontext und strukturierte Ausgaben sowie Computer Use als Vorschaufunktion. Definieren Sie Funktionseingaben und das verlangte Ergebnis klar. Eine vom Modell gewählte Funktion benötigt ein tatsächliches Anwendungsergebnis, bevor sich eine spätere Antwort auf ihren Ausgang stützen kann. Definieren Sie für eine strukturierte Analyse das Schema und die Quellenbelege, die jede Feststellung benötigt.
Der 3.6-Leitfaden ändert die Vorbereitung gegenüber früheren Gemini-Anfragen. Er erklärt die Sampling-Einstellungen temperature, top-p und top-k für veraltet, weist eine vorab ausgefüllte abschließende Nachricht mit Modellrolle zurück und empfiehlt Systemanweisungen oder strukturierte Ausgaben zur Steuerung der Antwort. Seine Regeln für Funktionsantworten ordnen eine Antwort ihrem Aufruf anhand von Identität und Name zu; die Gemini 3-Grundlage erhält Denksignaturen bei der Nutzung über mehrere Gesprächsschritte. Eine praktische Fortsetzung sollte den unveränderten relevanten Verlauf und das Werkzeugergebnis übernehmen, statt den Anfang einer früheren Antwort nachzuahmen.
Die native Modellkarte nennt bis zu 1M Eingabekontext und 64K Textausgabe; die genaue API-Tabelle gibt 1.048.576 Eingabetoken und 65.536 Ausgabetoken an. Rechnen Sie Anweisungen, Verlauf und Medien zum Eingabebudget und verlangen Sie eine zur Aufgabe passende Ausgabelänge. Die Herstellerseite nennt außerdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung. Benennen Sie bei der Verarbeitung unabhängiger Datensätze die Datensatzkennung und das Ergebnisformat ausdrücklich. Die Ausgabe ist ein Textergebnis, auch wenn die Belege Fotos, Audio oder Video enthalten.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Der Wissensstand bis März 2026 umfasst Bereiche, deren Wissen weiterhin auf Januar 2025 begrenzt ist; fügen Sie deshalb neueres Material hinzu oder verwenden Sie einen dokumentierten Grounding-Ablauf, wenn aktuelle Tatsachen wichtig sind. Prüfen Sie Berechnungen, Quellenverweise, visuelle Interpretationen und vorgeschlagene Änderungen. Die besondere Vorbereitung für diese Edition besteht aus einem gezielten Diagnoseauftrag, einem klaren Werkzeugrahmen und ausdrücklichen Designbedingungen, gefolgt von der Prüfung des konkreten Ergebnisses.
", "aboutText": "Gemini 3.6 Flash ist Googles vielseitiges multimodales Profil für Programmierung, Wissensarbeit und agentengestützte Ausführung. Es baut auf Gemini 3.5 Flash auf und konzentriert sich auf verbesserte multimodale Leistung und Tokeneffizienz. Das Modell verarbeitet Text, Bilder, Audio, Video und PDF und gibt Text aus. Ein hilfreicher Auftrag kann Code, einen Screenshot und eine Anforderung verbinden oder ein Diagramm beziehungsweise einen visuellen Plan mit schriftlichen Bedingungen vergleichen, um eine geprüfte Erklärung oder gezielte Überarbeitung zu erstellen.\n\nDer Entwicklerleitfaden betont weniger unnötige Denkschritte, Gesprächsschritte und Werkzeugaufrufe bei mehrstufiger Arbeit sowie gezieltere Bearbeitungen. Stellen Sie für die Diagnose den beobachteten Fehler, den relevanten Quellcode und das unverändert zu erhaltende Verhalten bereit. Bitten Sie bei der Fehlersuche an einem Diagramm das Modell zu untersuchen, warum es die falsche Datenreihe darstellt, die beteiligte Datenumwandlung zu ermitteln und eine Korrektur vorzuschlagen, während das umgebende Layout erhalten bleibt. Das Ergebnis lässt sich anschließend mit den tatsächlichen Eingabedaten und dem verlangten Diagrammverhalten vergleichen.\n\nEine vorangestellte programmatische Untersuchung ist ein für 3.6 beschriebenes Unterscheidungsmerkmal. Laut Hersteller untersucht das Modell ein Problem häufiger mit Diagnosecode, bevor es Änderungen vornimmt. Dies kann bei einer komplexen Untersuchung helfen; der Leitfaden weist jedoch darauf hin, dass es bei gewöhnlicher Frontendarbeit zusätzliche Erkundungsschritte verursachen kann. Geben Sie an, ob die Aufgabe eine Untersuchung, eine einfache Bearbeitung oder einen Designvergleich erfordert. Stellen Sie die Informationen bereit, die diese Unterscheidung ermöglichen, und bestimmen Sie die erlaubten Aktionen für die Werkzeuge der angebundenen Anwendung.\n\nHervorgehoben werden außerdem räumliches und multimodales Denken: Diagramminterpretation, Umwandlung visueller Pläne und Weblayouts mit mehreren Elementen. Stellen Sie die betreffende Ansicht oder die Seiten bereit, benennen Sie das zu Interpretierende und verlangen Sie Belege für die Schlussfolgerung. Fügen Sie bei einer Designaufgabe konkrete Layout- und Stilvorgaben hinzu. Der Hersteller nennt einen Schwerpunkt auf funktionalem Code und berichtet, dass Prüfer mitunter die visuelle Gestaltung früherer Modelle bevorzugten; ein ausdrücklicher visueller Auftrag ist deshalb hilfreich. Prüfen Sie das Ergebnis anhand des tatsächlichen Diagramms oder der Designanforderungen.\n\nmedium ist die dokumentierte Standarddenkstufe. Googles modellspezifische Tabelle nennt minimal, low, medium und high; der Migrationsleitfaden für 3.6 verwendet medium oder high in seinen Aufwandsbeispielen. Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding, URL-Kontext und strukturierte Ausgaben sowie Computer Use als Vorschaufunktion. Definieren Sie Funktionseingaben und das verlangte Ergebnis klar. Eine vom Modell gewählte Funktion benötigt ein tatsächliches Anwendungsergebnis, bevor sich eine spätere Antwort auf ihren Ausgang stützen kann. Definieren Sie für eine strukturierte Analyse das Schema und die Quellenbelege, die jede Feststellung benötigt.\n\nDer 3.6-Leitfaden ändert die Vorbereitung gegenüber früheren Gemini-Anfragen. Er erklärt die Sampling-Einstellungen temperature, top-p und top-k für veraltet, weist eine vorab ausgefüllte abschließende Nachricht mit Modellrolle zurück und empfiehlt Systemanweisungen oder strukturierte Ausgaben zur Steuerung der Antwort. Seine Regeln für Funktionsantworten ordnen eine Antwort ihrem Aufruf anhand von Identität und Name zu; die Gemini 3-Grundlage erhält Denksignaturen bei der Nutzung über mehrere Gesprächsschritte. Eine praktische Fortsetzung sollte den unveränderten relevanten Verlauf und das Werkzeugergebnis übernehmen, statt den Anfang einer früheren Antwort nachzuahmen.\n\nDie native Modellkarte nennt bis zu 1M Eingabekontext und 64K Textausgabe; die genaue API-Tabelle gibt 1.048.576 Eingabetoken und 65.536 Ausgabetoken an. Rechnen Sie Anweisungen, Verlauf und Medien zum Eingabebudget und verlangen Sie eine zur Aufgabe passende Ausgabelänge. Die Herstellerseite nennt außerdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung. Benennen Sie bei der Verarbeitung unabhängiger Datensätze die Datensatzkennung und das Ergebnisformat ausdrücklich. Die Ausgabe ist ein Textergebnis, auch wenn die Belege Fotos, Audio oder Video enthalten.\n\nZu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Der Wissensstand bis März 2026 umfasst Bereiche, deren Wissen weiterhin auf Januar 2025 begrenzt ist; fügen Sie deshalb neueres Material hinzu oder verwenden Sie einen dokumentierten Grounding-Ablauf, wenn aktuelle Tatsachen wichtig sind. Prüfen Sie Berechnungen, Quellenverweise, visuelle Interpretationen und vorgeschlagene Änderungen. Die besondere Vorbereitung für diese Edition besteht aus einem gezielten Diagnoseauftrag, einem klaren Werkzeugrahmen und ausdrücklichen Designbedingungen, gefolgt von der Prüfung des konkreten Ergebnisses.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Diagnose swapped chart series\n\nA chart receives [{month:'Jan', sales:20, returns:2}, {month:'Feb', sales:30, returns:3}], but its Sales series uses rows.map(r => r.returns). Identify the data-binding error and propose one correction. Keep the existing month labels and Returns series unchanged. Include a small assertion showing the expected Sales data without claiming the chart was rendered.One corrected series expression and a concrete assertion against the supplied data.Only the Sales binding changes, and its values come from sales rather than returns.gemini-3.6-flashGemini 3.6 Flash ist Googles multimodales Textmodell für Programmierung, räumliche Analyse und mehrstufige Agenten. Es betont diagnostische Untersuchung, gezielte Bearbeitungen und weniger unnötige Ausführungsschleifen. Es verarbeitet Text, Bilder, Audio, Video und PDF, bietet Werkzeuge und strukturierte Ausgaben und hat eine Eingabegrenze von 1.048.576 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.6 Flash ist Googles vielseitiges multimodales Profil für Programmierung, Wissensarbeit und agentengestützte Ausführung. Es baut auf Gemini 3.5 Flash auf und konzentriert sich auf verbesserte multimodale Leistung und Tokeneffizienz. Das Modell verarbeitet Text, Bilder, Audio, Video und PDF und gibt Text aus. Ein hilfreicher Auftrag kann Code, einen Screenshot und eine Anforderung verbinden oder ein Diagramm beziehungsweise einen visuellen Plan mit schriftlichen Bedingungen vergleichen, um eine geprüfte Erklärung oder gezielte Überarbeitung zu erstellen.
Der Entwicklerleitfaden betont weniger unnötige Denkschritte, Gesprächsschritte und Werkzeugaufrufe bei mehrstufiger Arbeit sowie gezieltere Bearbeitungen. Stellen Sie für die Diagnose den beobachteten Fehler, den relevanten Quellcode und das unverändert zu erhaltende Verhalten bereit. Bitten Sie bei der Fehlersuche an einem Diagramm das Modell zu untersuchen, warum es die falsche Datenreihe darstellt, die beteiligte Datenumwandlung zu ermitteln und eine Korrektur vorzuschlagen, während das umgebende Layout erhalten bleibt. Das Ergebnis lässt sich anschließend mit den tatsächlichen Eingabedaten und dem verlangten Diagrammverhalten vergleichen.
Eine vorangestellte programmatische Untersuchung ist ein für 3.6 beschriebenes Unterscheidungsmerkmal. Laut Hersteller untersucht das Modell ein Problem häufiger mit Diagnosecode, bevor es Änderungen vornimmt. Dies kann bei einer komplexen Untersuchung helfen; der Leitfaden weist jedoch darauf hin, dass es bei gewöhnlicher Frontendarbeit zusätzliche Erkundungsschritte verursachen kann. Geben Sie an, ob die Aufgabe eine Untersuchung, eine einfache Bearbeitung oder einen Designvergleich erfordert. Stellen Sie die Informationen bereit, die diese Unterscheidung ermöglichen, und bestimmen Sie die erlaubten Aktionen für die Werkzeuge der angebundenen Anwendung.
Hervorgehoben werden außerdem räumliches und multimodales Denken: Diagramminterpretation, Umwandlung visueller Pläne und Weblayouts mit mehreren Elementen. Stellen Sie die betreffende Ansicht oder die Seiten bereit, benennen Sie das zu Interpretierende und verlangen Sie Belege für die Schlussfolgerung. Fügen Sie bei einer Designaufgabe konkrete Layout- und Stilvorgaben hinzu. Der Hersteller nennt einen Schwerpunkt auf funktionalem Code und berichtet, dass Prüfer mitunter die visuelle Gestaltung früherer Modelle bevorzugten; ein ausdrücklicher visueller Auftrag ist deshalb hilfreich. Prüfen Sie das Ergebnis anhand des tatsächlichen Diagramms oder der Designanforderungen.
medium ist die dokumentierte Standarddenkstufe. Googles modellspezifische Tabelle nennt minimal, low, medium und high; der Migrationsleitfaden für 3.6 verwendet medium oder high in seinen Aufwandsbeispielen. Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding, URL-Kontext und strukturierte Ausgaben sowie Computer Use als Vorschaufunktion. Definieren Sie Funktionseingaben und das verlangte Ergebnis klar. Eine vom Modell gewählte Funktion benötigt ein tatsächliches Anwendungsergebnis, bevor sich eine spätere Antwort auf ihren Ausgang stützen kann. Definieren Sie für eine strukturierte Analyse das Schema und die Quellenbelege, die jede Feststellung benötigt.
Der 3.6-Leitfaden ändert die Vorbereitung gegenüber früheren Gemini-Anfragen. Er erklärt die Sampling-Einstellungen temperature, top-p und top-k für veraltet, weist eine vorab ausgefüllte abschließende Nachricht mit Modellrolle zurück und empfiehlt Systemanweisungen oder strukturierte Ausgaben zur Steuerung der Antwort. Seine Regeln für Funktionsantworten ordnen eine Antwort ihrem Aufruf anhand von Identität und Name zu; die Gemini 3-Grundlage erhält Denksignaturen bei der Nutzung über mehrere Gesprächsschritte. Eine praktische Fortsetzung sollte den unveränderten relevanten Verlauf und das Werkzeugergebnis übernehmen, statt den Anfang einer früheren Antwort nachzuahmen.
Die native Modellkarte nennt bis zu 1M Eingabekontext und 64K Textausgabe; die genaue API-Tabelle gibt 1.048.576 Eingabetoken und 65.536 Ausgabetoken an. Rechnen Sie Anweisungen, Verlauf und Medien zum Eingabebudget und verlangen Sie eine zur Aufgabe passende Ausgabelänge. Die Herstellerseite nennt außerdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung. Benennen Sie bei der Verarbeitung unabhängiger Datensätze die Datensatzkennung und das Ergebnisformat ausdrücklich. Die Ausgabe ist ein Textergebnis, auch wenn die Belege Fotos, Audio oder Video enthalten.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Der Wissensstand bis März 2026 umfasst Bereiche, deren Wissen weiterhin auf Januar 2025 begrenzt ist; fügen Sie deshalb neueres Material hinzu oder verwenden Sie einen dokumentierten Grounding-Ablauf, wenn aktuelle Tatsachen wichtig sind. Prüfen Sie Berechnungen, Quellenverweise, visuelle Interpretationen und vorgeschlagene Änderungen. Die besondere Vorbereitung für diese Edition besteht aus einem gezielten Diagnoseauftrag, einem klaren Werkzeugrahmen und ausdrücklichen Designbedingungen, gefolgt von der Prüfung des konkreten Ergebnisses.
POST /v1/messagestext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.6-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring|content_block[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldsystem | Typstring|content_block[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits Minimum: 1 Limit gilt für: Genaue Obergrenze des ausgewählten Modells bzw. seiner Modellkarte | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop_sequences | Typstring[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typtool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].name | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Werkzeug bereitgestellt | Standard— |
Feldtools[].description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].input_schema | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldthinking.type | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldthinking.budget_tokens | Typinteger | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldoutput_config.effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmetadata | Typobject | AnforderungOptional | Werte und Limits | Standard— |
Feldcache_control | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
messages[].content oder Block mit type=text
Text + Bild
{type:image,source:{type:base64,media_type,data}} oder Quelle mit type=url
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext, image |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragTatsächlicher UTF-8-Inhalt wird als Text eingefügt; Datei-IDs/URLs müssen separat und exakt unterstützt werden |
Lebenszyklus: exact retained published method
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
POST /v1/messagesAiloot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationOpenAI Chat · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnthropic Messages · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
set -eu\n: "${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-3.6-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-3.6-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-3.6-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-3.6-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-3.6-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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash ist Googles multimodales Textmodell für Programmierung, räumliche Analyse und mehrstufige Agenten. Es betont diagnostische Untersuchung, gezielte Bearbeitungen und weniger unnötige Ausführungsschleifen. Es verarbeitet Text, Bilder, Audio, Video und PDF, bietet Werkzeuge und strukturierte Ausgaben und hat eine Eingabegrenze von 1.048.576 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.6 Flash ist Googles vielseitiges multimodales Profil für Programmierung, Wissensarbeit und agentengestützte Ausführung. Es baut auf Gemini 3.5 Flash auf und konzentriert sich auf verbesserte multimodale Leistung und Tokeneffizienz. Das Modell verarbeitet Text, Bilder, Audio, Video und PDF und gibt Text aus. Ein hilfreicher Auftrag kann Code, einen Screenshot und eine Anforderung verbinden oder ein Diagramm beziehungsweise einen visuellen Plan mit schriftlichen Bedingungen vergleichen, um eine geprüfte Erklärung oder gezielte Überarbeitung zu erstellen.
Der Entwicklerleitfaden betont weniger unnötige Denkschritte, Gesprächsschritte und Werkzeugaufrufe bei mehrstufiger Arbeit sowie gezieltere Bearbeitungen. Stellen Sie für die Diagnose den beobachteten Fehler, den relevanten Quellcode und das unverändert zu erhaltende Verhalten bereit. Bitten Sie bei der Fehlersuche an einem Diagramm das Modell zu untersuchen, warum es die falsche Datenreihe darstellt, die beteiligte Datenumwandlung zu ermitteln und eine Korrektur vorzuschlagen, während das umgebende Layout erhalten bleibt. Das Ergebnis lässt sich anschließend mit den tatsächlichen Eingabedaten und dem verlangten Diagrammverhalten vergleichen.
Eine vorangestellte programmatische Untersuchung ist ein für 3.6 beschriebenes Unterscheidungsmerkmal. Laut Hersteller untersucht das Modell ein Problem häufiger mit Diagnosecode, bevor es Änderungen vornimmt. Dies kann bei einer komplexen Untersuchung helfen; der Leitfaden weist jedoch darauf hin, dass es bei gewöhnlicher Frontendarbeit zusätzliche Erkundungsschritte verursachen kann. Geben Sie an, ob die Aufgabe eine Untersuchung, eine einfache Bearbeitung oder einen Designvergleich erfordert. Stellen Sie die Informationen bereit, die diese Unterscheidung ermöglichen, und bestimmen Sie die erlaubten Aktionen für die Werkzeuge der angebundenen Anwendung.
Hervorgehoben werden außerdem räumliches und multimodales Denken: Diagramminterpretation, Umwandlung visueller Pläne und Weblayouts mit mehreren Elementen. Stellen Sie die betreffende Ansicht oder die Seiten bereit, benennen Sie das zu Interpretierende und verlangen Sie Belege für die Schlussfolgerung. Fügen Sie bei einer Designaufgabe konkrete Layout- und Stilvorgaben hinzu. Der Hersteller nennt einen Schwerpunkt auf funktionalem Code und berichtet, dass Prüfer mitunter die visuelle Gestaltung früherer Modelle bevorzugten; ein ausdrücklicher visueller Auftrag ist deshalb hilfreich. Prüfen Sie das Ergebnis anhand des tatsächlichen Diagramms oder der Designanforderungen.
medium ist die dokumentierte Standarddenkstufe. Googles modellspezifische Tabelle nennt minimal, low, medium und high; der Migrationsleitfaden für 3.6 verwendet medium oder high in seinen Aufwandsbeispielen. Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding, URL-Kontext und strukturierte Ausgaben sowie Computer Use als Vorschaufunktion. Definieren Sie Funktionseingaben und das verlangte Ergebnis klar. Eine vom Modell gewählte Funktion benötigt ein tatsächliches Anwendungsergebnis, bevor sich eine spätere Antwort auf ihren Ausgang stützen kann. Definieren Sie für eine strukturierte Analyse das Schema und die Quellenbelege, die jede Feststellung benötigt.
Der 3.6-Leitfaden ändert die Vorbereitung gegenüber früheren Gemini-Anfragen. Er erklärt die Sampling-Einstellungen temperature, top-p und top-k für veraltet, weist eine vorab ausgefüllte abschließende Nachricht mit Modellrolle zurück und empfiehlt Systemanweisungen oder strukturierte Ausgaben zur Steuerung der Antwort. Seine Regeln für Funktionsantworten ordnen eine Antwort ihrem Aufruf anhand von Identität und Name zu; die Gemini 3-Grundlage erhält Denksignaturen bei der Nutzung über mehrere Gesprächsschritte. Eine praktische Fortsetzung sollte den unveränderten relevanten Verlauf und das Werkzeugergebnis übernehmen, statt den Anfang einer früheren Antwort nachzuahmen.
Die native Modellkarte nennt bis zu 1M Eingabekontext und 64K Textausgabe; die genaue API-Tabelle gibt 1.048.576 Eingabetoken und 65.536 Ausgabetoken an. Rechnen Sie Anweisungen, Verlauf und Medien zum Eingabebudget und verlangen Sie eine zur Aufgabe passende Ausgabelänge. Die Herstellerseite nennt außerdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung. Benennen Sie bei der Verarbeitung unabhängiger Datensätze die Datensatzkennung und das Ergebnisformat ausdrücklich. Die Ausgabe ist ein Textergebnis, auch wenn die Belege Fotos, Audio oder Video enthalten.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Der Wissensstand bis März 2026 umfasst Bereiche, deren Wissen weiterhin auf Januar 2025 begrenzt ist; fügen Sie deshalb neueres Material hinzu oder verwenden Sie einen dokumentierten Grounding-Ablauf, wenn aktuelle Tatsachen wichtig sind. Prüfen Sie Berechnungen, Quellenverweise, visuelle Interpretationen und vorgeschlagene Änderungen. Die besondere Vorbereitung für diese Edition besteht aus einem gezielten Diagnoseauftrag, einem klaren Werkzeugrahmen und ausdrücklichen Designbedingungen, gefolgt von der Prüfung des konkreten Ergebnisses.
POST /v1/chat/completionstext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.6-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Text · UTF8-Text
messages[].content
Text + Bild
{type:image_url,image_url:{url,detail}}
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext, image |
Parameterrequired | Vertragmodel, messages |
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/chat/completionsAiloot 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 | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationOpenAI Chat · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnthropic Messages · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
set -eu\n: "${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-3.6-flash", "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/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${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-3.6-flash", "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_url","image_url":{"url":"data:"+mime+";base64,"+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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="gemini-3.6-flash",\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gemini-3.6-flash",\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(resp);\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='gemini-3.6-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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash ist Googles multimodales Textmodell für Programmierung, räumliche Analyse und mehrstufige Agenten. Es betont diagnostische Untersuchung, gezielte Bearbeitungen und weniger unnötige Ausführungsschleifen. Es verarbeitet Text, Bilder, Audio, Video und PDF, bietet Werkzeuge und strukturierte Ausgaben und hat eine Eingabegrenze von 1.048.576 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.6 Flash ist Googles vielseitiges multimodales Profil für Programmierung, Wissensarbeit und agentengestützte Ausführung. Es baut auf Gemini 3.5 Flash auf und konzentriert sich auf verbesserte multimodale Leistung und Tokeneffizienz. Das Modell verarbeitet Text, Bilder, Audio, Video und PDF und gibt Text aus. Ein hilfreicher Auftrag kann Code, einen Screenshot und eine Anforderung verbinden oder ein Diagramm beziehungsweise einen visuellen Plan mit schriftlichen Bedingungen vergleichen, um eine geprüfte Erklärung oder gezielte Überarbeitung zu erstellen.
Der Entwicklerleitfaden betont weniger unnötige Denkschritte, Gesprächsschritte und Werkzeugaufrufe bei mehrstufiger Arbeit sowie gezieltere Bearbeitungen. Stellen Sie für die Diagnose den beobachteten Fehler, den relevanten Quellcode und das unverändert zu erhaltende Verhalten bereit. Bitten Sie bei der Fehlersuche an einem Diagramm das Modell zu untersuchen, warum es die falsche Datenreihe darstellt, die beteiligte Datenumwandlung zu ermitteln und eine Korrektur vorzuschlagen, während das umgebende Layout erhalten bleibt. Das Ergebnis lässt sich anschließend mit den tatsächlichen Eingabedaten und dem verlangten Diagrammverhalten vergleichen.
Eine vorangestellte programmatische Untersuchung ist ein für 3.6 beschriebenes Unterscheidungsmerkmal. Laut Hersteller untersucht das Modell ein Problem häufiger mit Diagnosecode, bevor es Änderungen vornimmt. Dies kann bei einer komplexen Untersuchung helfen; der Leitfaden weist jedoch darauf hin, dass es bei gewöhnlicher Frontendarbeit zusätzliche Erkundungsschritte verursachen kann. Geben Sie an, ob die Aufgabe eine Untersuchung, eine einfache Bearbeitung oder einen Designvergleich erfordert. Stellen Sie die Informationen bereit, die diese Unterscheidung ermöglichen, und bestimmen Sie die erlaubten Aktionen für die Werkzeuge der angebundenen Anwendung.
Hervorgehoben werden außerdem räumliches und multimodales Denken: Diagramminterpretation, Umwandlung visueller Pläne und Weblayouts mit mehreren Elementen. Stellen Sie die betreffende Ansicht oder die Seiten bereit, benennen Sie das zu Interpretierende und verlangen Sie Belege für die Schlussfolgerung. Fügen Sie bei einer Designaufgabe konkrete Layout- und Stilvorgaben hinzu. Der Hersteller nennt einen Schwerpunkt auf funktionalem Code und berichtet, dass Prüfer mitunter die visuelle Gestaltung früherer Modelle bevorzugten; ein ausdrücklicher visueller Auftrag ist deshalb hilfreich. Prüfen Sie das Ergebnis anhand des tatsächlichen Diagramms oder der Designanforderungen.
medium ist die dokumentierte Standarddenkstufe. Googles modellspezifische Tabelle nennt minimal, low, medium und high; der Migrationsleitfaden für 3.6 verwendet medium oder high in seinen Aufwandsbeispielen. Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding, URL-Kontext und strukturierte Ausgaben sowie Computer Use als Vorschaufunktion. Definieren Sie Funktionseingaben und das verlangte Ergebnis klar. Eine vom Modell gewählte Funktion benötigt ein tatsächliches Anwendungsergebnis, bevor sich eine spätere Antwort auf ihren Ausgang stützen kann. Definieren Sie für eine strukturierte Analyse das Schema und die Quellenbelege, die jede Feststellung benötigt.
Der 3.6-Leitfaden ändert die Vorbereitung gegenüber früheren Gemini-Anfragen. Er erklärt die Sampling-Einstellungen temperature, top-p und top-k für veraltet, weist eine vorab ausgefüllte abschließende Nachricht mit Modellrolle zurück und empfiehlt Systemanweisungen oder strukturierte Ausgaben zur Steuerung der Antwort. Seine Regeln für Funktionsantworten ordnen eine Antwort ihrem Aufruf anhand von Identität und Name zu; die Gemini 3-Grundlage erhält Denksignaturen bei der Nutzung über mehrere Gesprächsschritte. Eine praktische Fortsetzung sollte den unveränderten relevanten Verlauf und das Werkzeugergebnis übernehmen, statt den Anfang einer früheren Antwort nachzuahmen.
Die native Modellkarte nennt bis zu 1M Eingabekontext und 64K Textausgabe; die genaue API-Tabelle gibt 1.048.576 Eingabetoken und 65.536 Ausgabetoken an. Rechnen Sie Anweisungen, Verlauf und Medien zum Eingabebudget und verlangen Sie eine zur Aufgabe passende Ausgabelänge. Die Herstellerseite nennt außerdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung. Benennen Sie bei der Verarbeitung unabhängiger Datensätze die Datensatzkennung und das Ergebnisformat ausdrücklich. Die Ausgabe ist ein Textergebnis, auch wenn die Belege Fotos, Audio oder Video enthalten.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Der Wissensstand bis März 2026 umfasst Bereiche, deren Wissen weiterhin auf Januar 2025 begrenzt ist; fügen Sie deshalb neueres Material hinzu oder verwenden Sie einen dokumentierten Grounding-Ablauf, wenn aktuelle Tatsachen wichtig sind. Prüfen Sie Berechnungen, Quellenverweise, visuelle Interpretationen und vorgeschlagene Änderungen. Die besondere Vorbereitung für diese Edition besteht aus einem gezielten Diagnoseauftrag, einem klaren Werkzeugrahmen und ausdrücklichen Designbedingungen, gefolgt von der Prüfung des konkreten Ergebnisses.
POST /v1beta/models/{model}:generateContenttext, imagetext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldpath.model | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.6-flash | Standard— |
Feldcontents | Typcontent[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldcontents[].role | Typstring | AnforderungOptional | Werte und Limits user, model | Standard— |
Feldcontents[].parts | Typpart[] | AnforderungErforderlich | Werte und Limits | Standard— |
FeldsystemInstruction | Typcontent | AnforderungOptional | Werte und Limits | Standard— |
FeldgenerationConfig.maxOutputTokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
FeldgenerationConfig.temperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldgenerationConfig.topP | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldgenerationConfig.topK | Typinteger | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldgenerationConfig.stopSequences | Typstring[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldgenerationConfig.thinkingConfig.includeThoughts | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldgenerationConfig.thinkingConfig.thinkingBudget | Typinteger | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].functionDeclarations | Typfunction_declaration[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldtoolConfig.functionCallingConfig.mode | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldsafetySettings | Typobject[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
FeldsessionId | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Text · UTF8-Text
contents[].parts[].text
Text + Bild
parts[].inlineData={mimeType,data}
| Parameter | Vertrag |
|---|---|
Parametermaterial_types | Vertragtext, image |
Parameterrequired | Vertragcontents |
Parameteroptional_controls | Vertragnull |
Parametercontent_type | Vertragapplication/json |
Parametertext_file_material | VertragTatsächlicher UTF-8-Inhalt wird als Text eingefügt; Datei-IDs/URLs müssen separat und exakt unterstützt werden |
Lebenszyklus: exact retained published method
Methodenstrukturen und IDs sind exakt; die Fähigkeiten des Anbieters sind von der Zulassung einer Anfrage zu unterscheiden.
POST /v1beta/models/{model}:generateContentAiloot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
Referenztarifstaffeln auf Modellebene ändern weder Methodenauswahl noch Kostenvoranschläge oder Gebühren. Für die aktive Abrechnung gelten die Tarife der ausgewählten Ailoot-Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationOpenAI Chat · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationOpenAI Chat · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnthropic Messages · Token-Basispreise | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnthropic Messages · Stufe 1 nach Anfragelänge | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
set -eu\n: "${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-3.6-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-3.6-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-3.6-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-3.6-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-3.6-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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash ist Googles multimodales Textmodell für Programmierung, räumliche Analyse und mehrstufige Agenten. Es betont diagnostische Untersuchung, gezielte Bearbeitungen und weniger unnötige Ausführungsschleifen. Es verarbeitet Text, Bilder, Audio, Video und PDF, bietet Werkzeuge und strukturierte Ausgaben und hat eine Eingabegrenze von 1.048.576 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.6 Flash ist Googles vielseitiges multimodales Profil für Programmierung, Wissensarbeit und agentengestützte Ausführung. Es baut auf Gemini 3.5 Flash auf und konzentriert sich auf verbesserte multimodale Leistung und Tokeneffizienz. Das Modell verarbeitet Text, Bilder, Audio, Video und PDF und gibt Text aus. Ein hilfreicher Auftrag kann Code, einen Screenshot und eine Anforderung verbinden oder ein Diagramm beziehungsweise einen visuellen Plan mit schriftlichen Bedingungen vergleichen, um eine geprüfte Erklärung oder gezielte Überarbeitung zu erstellen.
Der Entwicklerleitfaden betont weniger unnötige Denkschritte, Gesprächsschritte und Werkzeugaufrufe bei mehrstufiger Arbeit sowie gezieltere Bearbeitungen. Stellen Sie für die Diagnose den beobachteten Fehler, den relevanten Quellcode und das unverändert zu erhaltende Verhalten bereit. Bitten Sie bei der Fehlersuche an einem Diagramm das Modell zu untersuchen, warum es die falsche Datenreihe darstellt, die beteiligte Datenumwandlung zu ermitteln und eine Korrektur vorzuschlagen, während das umgebende Layout erhalten bleibt. Das Ergebnis lässt sich anschließend mit den tatsächlichen Eingabedaten und dem verlangten Diagrammverhalten vergleichen.
Eine vorangestellte programmatische Untersuchung ist ein für 3.6 beschriebenes Unterscheidungsmerkmal. Laut Hersteller untersucht das Modell ein Problem häufiger mit Diagnosecode, bevor es Änderungen vornimmt. Dies kann bei einer komplexen Untersuchung helfen; der Leitfaden weist jedoch darauf hin, dass es bei gewöhnlicher Frontendarbeit zusätzliche Erkundungsschritte verursachen kann. Geben Sie an, ob die Aufgabe eine Untersuchung, eine einfache Bearbeitung oder einen Designvergleich erfordert. Stellen Sie die Informationen bereit, die diese Unterscheidung ermöglichen, und bestimmen Sie die erlaubten Aktionen für die Werkzeuge der angebundenen Anwendung.
Hervorgehoben werden außerdem räumliches und multimodales Denken: Diagramminterpretation, Umwandlung visueller Pläne und Weblayouts mit mehreren Elementen. Stellen Sie die betreffende Ansicht oder die Seiten bereit, benennen Sie das zu Interpretierende und verlangen Sie Belege für die Schlussfolgerung. Fügen Sie bei einer Designaufgabe konkrete Layout- und Stilvorgaben hinzu. Der Hersteller nennt einen Schwerpunkt auf funktionalem Code und berichtet, dass Prüfer mitunter die visuelle Gestaltung früherer Modelle bevorzugten; ein ausdrücklicher visueller Auftrag ist deshalb hilfreich. Prüfen Sie das Ergebnis anhand des tatsächlichen Diagramms oder der Designanforderungen.
medium ist die dokumentierte Standarddenkstufe. Googles modellspezifische Tabelle nennt minimal, low, medium und high; der Migrationsleitfaden für 3.6 verwendet medium oder high in seinen Aufwandsbeispielen. Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding, URL-Kontext und strukturierte Ausgaben sowie Computer Use als Vorschaufunktion. Definieren Sie Funktionseingaben und das verlangte Ergebnis klar. Eine vom Modell gewählte Funktion benötigt ein tatsächliches Anwendungsergebnis, bevor sich eine spätere Antwort auf ihren Ausgang stützen kann. Definieren Sie für eine strukturierte Analyse das Schema und die Quellenbelege, die jede Feststellung benötigt.
Der 3.6-Leitfaden ändert die Vorbereitung gegenüber früheren Gemini-Anfragen. Er erklärt die Sampling-Einstellungen temperature, top-p und top-k für veraltet, weist eine vorab ausgefüllte abschließende Nachricht mit Modellrolle zurück und empfiehlt Systemanweisungen oder strukturierte Ausgaben zur Steuerung der Antwort. Seine Regeln für Funktionsantworten ordnen eine Antwort ihrem Aufruf anhand von Identität und Name zu; die Gemini 3-Grundlage erhält Denksignaturen bei der Nutzung über mehrere Gesprächsschritte. Eine praktische Fortsetzung sollte den unveränderten relevanten Verlauf und das Werkzeugergebnis übernehmen, statt den Anfang einer früheren Antwort nachzuahmen.
Die native Modellkarte nennt bis zu 1M Eingabekontext und 64K Textausgabe; die genaue API-Tabelle gibt 1.048.576 Eingabetoken und 65.536 Ausgabetoken an. Rechnen Sie Anweisungen, Verlauf und Medien zum Eingabebudget und verlangen Sie eine zur Aufgabe passende Ausgabelänge. Die Herstellerseite nennt außerdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung. Benennen Sie bei der Verarbeitung unabhängiger Datensätze die Datensatzkennung und das Ergebnisformat ausdrücklich. Die Ausgabe ist ein Textergebnis, auch wenn die Belege Fotos, Audio oder Video enthalten.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Der Wissensstand bis März 2026 umfasst Bereiche, deren Wissen weiterhin auf Januar 2025 begrenzt ist; fügen Sie deshalb neueres Material hinzu oder verwenden Sie einen dokumentierten Grounding-Ablauf, wenn aktuelle Tatsachen wichtig sind. Prüfen Sie Berechnungen, Quellenverweise, visuelle Interpretationen und vorgeschlagene Änderungen. Die besondere Vorbereitung für diese Edition besteht aus einem gezielten Diagnoseauftrag, einem klaren Werkzeugrahmen und ausdrücklichen Designbedingungen, gefolgt von der Prüfung des konkreten Ergebnisses.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.6-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.6-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-3.6-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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash ist Googles multimodales Textmodell für Programmierung, räumliche Analyse und mehrstufige Agenten. Es betont diagnostische Untersuchung, gezielte Bearbeitungen und weniger unnötige Ausführungsschleifen. Es verarbeitet Text, Bilder, Audio, Video und PDF, bietet Werkzeuge und strukturierte Ausgaben und hat eine Eingabegrenze von 1.048.576 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.6 Flash ist Googles vielseitiges multimodales Profil für Programmierung, Wissensarbeit und agentengestützte Ausführung. Es baut auf Gemini 3.5 Flash auf und konzentriert sich auf verbesserte multimodale Leistung und Tokeneffizienz. Das Modell verarbeitet Text, Bilder, Audio, Video und PDF und gibt Text aus. Ein hilfreicher Auftrag kann Code, einen Screenshot und eine Anforderung verbinden oder ein Diagramm beziehungsweise einen visuellen Plan mit schriftlichen Bedingungen vergleichen, um eine geprüfte Erklärung oder gezielte Überarbeitung zu erstellen.
Der Entwicklerleitfaden betont weniger unnötige Denkschritte, Gesprächsschritte und Werkzeugaufrufe bei mehrstufiger Arbeit sowie gezieltere Bearbeitungen. Stellen Sie für die Diagnose den beobachteten Fehler, den relevanten Quellcode und das unverändert zu erhaltende Verhalten bereit. Bitten Sie bei der Fehlersuche an einem Diagramm das Modell zu untersuchen, warum es die falsche Datenreihe darstellt, die beteiligte Datenumwandlung zu ermitteln und eine Korrektur vorzuschlagen, während das umgebende Layout erhalten bleibt. Das Ergebnis lässt sich anschließend mit den tatsächlichen Eingabedaten und dem verlangten Diagrammverhalten vergleichen.
Eine vorangestellte programmatische Untersuchung ist ein für 3.6 beschriebenes Unterscheidungsmerkmal. Laut Hersteller untersucht das Modell ein Problem häufiger mit Diagnosecode, bevor es Änderungen vornimmt. Dies kann bei einer komplexen Untersuchung helfen; der Leitfaden weist jedoch darauf hin, dass es bei gewöhnlicher Frontendarbeit zusätzliche Erkundungsschritte verursachen kann. Geben Sie an, ob die Aufgabe eine Untersuchung, eine einfache Bearbeitung oder einen Designvergleich erfordert. Stellen Sie die Informationen bereit, die diese Unterscheidung ermöglichen, und bestimmen Sie die erlaubten Aktionen für die Werkzeuge der angebundenen Anwendung.
Hervorgehoben werden außerdem räumliches und multimodales Denken: Diagramminterpretation, Umwandlung visueller Pläne und Weblayouts mit mehreren Elementen. Stellen Sie die betreffende Ansicht oder die Seiten bereit, benennen Sie das zu Interpretierende und verlangen Sie Belege für die Schlussfolgerung. Fügen Sie bei einer Designaufgabe konkrete Layout- und Stilvorgaben hinzu. Der Hersteller nennt einen Schwerpunkt auf funktionalem Code und berichtet, dass Prüfer mitunter die visuelle Gestaltung früherer Modelle bevorzugten; ein ausdrücklicher visueller Auftrag ist deshalb hilfreich. Prüfen Sie das Ergebnis anhand des tatsächlichen Diagramms oder der Designanforderungen.
medium ist die dokumentierte Standarddenkstufe. Googles modellspezifische Tabelle nennt minimal, low, medium und high; der Migrationsleitfaden für 3.6 verwendet medium oder high in seinen Aufwandsbeispielen. Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding, URL-Kontext und strukturierte Ausgaben sowie Computer Use als Vorschaufunktion. Definieren Sie Funktionseingaben und das verlangte Ergebnis klar. Eine vom Modell gewählte Funktion benötigt ein tatsächliches Anwendungsergebnis, bevor sich eine spätere Antwort auf ihren Ausgang stützen kann. Definieren Sie für eine strukturierte Analyse das Schema und die Quellenbelege, die jede Feststellung benötigt.
Der 3.6-Leitfaden ändert die Vorbereitung gegenüber früheren Gemini-Anfragen. Er erklärt die Sampling-Einstellungen temperature, top-p und top-k für veraltet, weist eine vorab ausgefüllte abschließende Nachricht mit Modellrolle zurück und empfiehlt Systemanweisungen oder strukturierte Ausgaben zur Steuerung der Antwort. Seine Regeln für Funktionsantworten ordnen eine Antwort ihrem Aufruf anhand von Identität und Name zu; die Gemini 3-Grundlage erhält Denksignaturen bei der Nutzung über mehrere Gesprächsschritte. Eine praktische Fortsetzung sollte den unveränderten relevanten Verlauf und das Werkzeugergebnis übernehmen, statt den Anfang einer früheren Antwort nachzuahmen.
Die native Modellkarte nennt bis zu 1M Eingabekontext und 64K Textausgabe; die genaue API-Tabelle gibt 1.048.576 Eingabetoken und 65.536 Ausgabetoken an. Rechnen Sie Anweisungen, Verlauf und Medien zum Eingabebudget und verlangen Sie eine zur Aufgabe passende Ausgabelänge. Die Herstellerseite nennt außerdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung. Benennen Sie bei der Verarbeitung unabhängiger Datensätze die Datensatzkennung und das Ergebnisformat ausdrücklich. Die Ausgabe ist ein Textergebnis, auch wenn die Belege Fotos, Audio oder Video enthalten.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Der Wissensstand bis März 2026 umfasst Bereiche, deren Wissen weiterhin auf Januar 2025 begrenzt ist; fügen Sie deshalb neueres Material hinzu oder verwenden Sie einen dokumentierten Grounding-Ablauf, wenn aktuelle Tatsachen wichtig sind. Prüfen Sie Berechnungen, Quellenverweise, visuelle Interpretationen und vorgeschlagene Änderungen. Die besondere Vorbereitung für diese Edition besteht aus einem gezielten Diagnoseauftrag, einem klaren Werkzeugrahmen und ausdrücklichen Designbedingungen, gefolgt von der Prüfung des konkreten Ergebnisses.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3.6-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.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gemini-3.6-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.6-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-3.6-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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
google/gemini-3.6-flashGemini 3.6 Flash ist Googles multimodales Textmodell für Programmierung, räumliche Analyse und mehrstufige Agenten. Es betont diagnostische Untersuchung, gezielte Bearbeitungen und weniger unnötige Ausführungsschleifen. Es verarbeitet Text, Bilder, Audio, Video und PDF, bietet Werkzeuge und strukturierte Ausgaben und hat eine Eingabegrenze von 1.048.576 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.6 Flash ist Googles vielseitiges multimodales Profil für Programmierung, Wissensarbeit und agentengestützte Ausführung. Es baut auf Gemini 3.5 Flash auf und konzentriert sich auf verbesserte multimodale Leistung und Tokeneffizienz. Das Modell verarbeitet Text, Bilder, Audio, Video und PDF und gibt Text aus. Ein hilfreicher Auftrag kann Code, einen Screenshot und eine Anforderung verbinden oder ein Diagramm beziehungsweise einen visuellen Plan mit schriftlichen Bedingungen vergleichen, um eine geprüfte Erklärung oder gezielte Überarbeitung zu erstellen.
Der Entwicklerleitfaden betont weniger unnötige Denkschritte, Gesprächsschritte und Werkzeugaufrufe bei mehrstufiger Arbeit sowie gezieltere Bearbeitungen. Stellen Sie für die Diagnose den beobachteten Fehler, den relevanten Quellcode und das unverändert zu erhaltende Verhalten bereit. Bitten Sie bei der Fehlersuche an einem Diagramm das Modell zu untersuchen, warum es die falsche Datenreihe darstellt, die beteiligte Datenumwandlung zu ermitteln und eine Korrektur vorzuschlagen, während das umgebende Layout erhalten bleibt. Das Ergebnis lässt sich anschließend mit den tatsächlichen Eingabedaten und dem verlangten Diagrammverhalten vergleichen.
Eine vorangestellte programmatische Untersuchung ist ein für 3.6 beschriebenes Unterscheidungsmerkmal. Laut Hersteller untersucht das Modell ein Problem häufiger mit Diagnosecode, bevor es Änderungen vornimmt. Dies kann bei einer komplexen Untersuchung helfen; der Leitfaden weist jedoch darauf hin, dass es bei gewöhnlicher Frontendarbeit zusätzliche Erkundungsschritte verursachen kann. Geben Sie an, ob die Aufgabe eine Untersuchung, eine einfache Bearbeitung oder einen Designvergleich erfordert. Stellen Sie die Informationen bereit, die diese Unterscheidung ermöglichen, und bestimmen Sie die erlaubten Aktionen für die Werkzeuge der angebundenen Anwendung.
Hervorgehoben werden außerdem räumliches und multimodales Denken: Diagramminterpretation, Umwandlung visueller Pläne und Weblayouts mit mehreren Elementen. Stellen Sie die betreffende Ansicht oder die Seiten bereit, benennen Sie das zu Interpretierende und verlangen Sie Belege für die Schlussfolgerung. Fügen Sie bei einer Designaufgabe konkrete Layout- und Stilvorgaben hinzu. Der Hersteller nennt einen Schwerpunkt auf funktionalem Code und berichtet, dass Prüfer mitunter die visuelle Gestaltung früherer Modelle bevorzugten; ein ausdrücklicher visueller Auftrag ist deshalb hilfreich. Prüfen Sie das Ergebnis anhand des tatsächlichen Diagramms oder der Designanforderungen.
medium ist die dokumentierte Standarddenkstufe. Googles modellspezifische Tabelle nennt minimal, low, medium und high; der Migrationsleitfaden für 3.6 verwendet medium oder high in seinen Aufwandsbeispielen. Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding, URL-Kontext und strukturierte Ausgaben sowie Computer Use als Vorschaufunktion. Definieren Sie Funktionseingaben und das verlangte Ergebnis klar. Eine vom Modell gewählte Funktion benötigt ein tatsächliches Anwendungsergebnis, bevor sich eine spätere Antwort auf ihren Ausgang stützen kann. Definieren Sie für eine strukturierte Analyse das Schema und die Quellenbelege, die jede Feststellung benötigt.
Der 3.6-Leitfaden ändert die Vorbereitung gegenüber früheren Gemini-Anfragen. Er erklärt die Sampling-Einstellungen temperature, top-p und top-k für veraltet, weist eine vorab ausgefüllte abschließende Nachricht mit Modellrolle zurück und empfiehlt Systemanweisungen oder strukturierte Ausgaben zur Steuerung der Antwort. Seine Regeln für Funktionsantworten ordnen eine Antwort ihrem Aufruf anhand von Identität und Name zu; die Gemini 3-Grundlage erhält Denksignaturen bei der Nutzung über mehrere Gesprächsschritte. Eine praktische Fortsetzung sollte den unveränderten relevanten Verlauf und das Werkzeugergebnis übernehmen, statt den Anfang einer früheren Antwort nachzuahmen.
Die native Modellkarte nennt bis zu 1M Eingabekontext und 64K Textausgabe; die genaue API-Tabelle gibt 1.048.576 Eingabetoken und 65.536 Ausgabetoken an. Rechnen Sie Anweisungen, Verlauf und Medien zum Eingabebudget und verlangen Sie eine zur Aufgabe passende Ausgabelänge. Die Herstellerseite nennt außerdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung. Benennen Sie bei der Verarbeitung unabhängiger Datensätze die Datensatzkennung und das Ergebnisformat ausdrücklich. Die Ausgabe ist ein Textergebnis, auch wenn die Belege Fotos, Audio oder Video enthalten.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Der Wissensstand bis März 2026 umfasst Bereiche, deren Wissen weiterhin auf Januar 2025 begrenzt ist; fügen Sie deshalb neueres Material hinzu oder verwenden Sie einen dokumentierten Grounding-Ablauf, wenn aktuelle Tatsachen wichtig sind. Prüfen Sie Berechnungen, Quellenverweise, visuelle Interpretationen und vorgeschlagene Änderungen. Die besondere Vorbereitung für diese Edition besteht aus einem gezielten Diagnoseauftrag, einem klaren Werkzeugrahmen und ausdrücklichen Designbedingungen, gefolgt von der Prüfung des konkreten Ergebnisses.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-3.6-flash | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Beispiele: system, user, assistant, tool, function Bedingungen: Diese Rollen sind in den Kompatibilitätstypen des Quellcodes ausdrücklich dargestellt; der genaue Rollenumfang bleibt modellspezifisch. Modellabhängig | Standard— |
Feldmessages[].content | Typstring|content_part[]|null | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_calls | Typtool_call[] | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].tool_call_id | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: role=tool; die tatsächlich zurückgegebene ID verwenden | Standard— |
Feldmessages[].name | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldmessages[].reasoning_content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Tatsächlich zurückgegebene Reasoning-Daten erneut übermitteln, sofern dieses Modell sie verwendet | Standard— |
Feldmessages[].reasoning_details | Typobject|array | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmax_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldmax_completion_tokens | Typinteger | AnforderungOptional | Werte und Limits Minimum: 1 Modellabhängig | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Feldstream_options.include_usage | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtemperature | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtop_p | Typnumber | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldstop | Typstring|string[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools | Typfunction_tool[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldtools[].type | Typstring | AnforderungOptional | Werte und Limits function Modellabhängig | Standard— |
Feldtools[].function.name | Typstring | AnforderungErforderlich | Werte und Limits Gilt, wenn: Funktionswerkzeug bereitgestellt | Standard— |
Feldtools[].function.description | Typstring | AnforderungOptional | Werte und Limits | Standard— |
Feldtools[].function.parameters | TypJSON_schema | AnforderungOptional | Werte und Limits | Standard— |
Feldtool_choice | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldparallel_tool_calls | Typboolean | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldresponse_format | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning_effort | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldreasoning | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldservice_tier | Typstring | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldinstructions | Typstring | AnforderungOptional | Werte und Limits Kompatibilitätsfeld | Standard— |
Feldfunctions | Typfunction[] | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldfunction_call | Typstring|object | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldprompt_cache_options | Typobject | AnforderungOptional | Werte und Limits Modellabhängig | Standard— |
Feldmodalities | Typstring[] | AnforderungOptional | Werte und Limits text | Standard— |
Feldprovider | Typobject | AnforderungOptional | Werte und Limits Bedingungen: provider.options wird auf dieser Ultra-Textroute abgelehnt | Standard— |
Feldcache_control.ttl | Typstring | AnforderungOptional | Werte und Limits Bedingungen: 1h wird in den tatsächlichen Prompt-Cache-Feldern abgelehnt | Standard— |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parametercontrol_scope | VertragModellspezifisch; benutzerseitige Funktionswerkzeuge unterscheiden sich von gehosteten Werkzeugen |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.6-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-3.6-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-3.6-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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
google/gemini-3.6-flashGemini 3.6 Flash ist Googles multimodales Textmodell für Programmierung, räumliche Analyse und mehrstufige Agenten. Es betont diagnostische Untersuchung, gezielte Bearbeitungen und weniger unnötige Ausführungsschleifen. Es verarbeitet Text, Bilder, Audio, Video und PDF, bietet Werkzeuge und strukturierte Ausgaben und hat eine Eingabegrenze von 1.048.576 Token.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3.6 Flash ist Googles vielseitiges multimodales Profil für Programmierung, Wissensarbeit und agentengestützte Ausführung. Es baut auf Gemini 3.5 Flash auf und konzentriert sich auf verbesserte multimodale Leistung und Tokeneffizienz. Das Modell verarbeitet Text, Bilder, Audio, Video und PDF und gibt Text aus. Ein hilfreicher Auftrag kann Code, einen Screenshot und eine Anforderung verbinden oder ein Diagramm beziehungsweise einen visuellen Plan mit schriftlichen Bedingungen vergleichen, um eine geprüfte Erklärung oder gezielte Überarbeitung zu erstellen.
Der Entwicklerleitfaden betont weniger unnötige Denkschritte, Gesprächsschritte und Werkzeugaufrufe bei mehrstufiger Arbeit sowie gezieltere Bearbeitungen. Stellen Sie für die Diagnose den beobachteten Fehler, den relevanten Quellcode und das unverändert zu erhaltende Verhalten bereit. Bitten Sie bei der Fehlersuche an einem Diagramm das Modell zu untersuchen, warum es die falsche Datenreihe darstellt, die beteiligte Datenumwandlung zu ermitteln und eine Korrektur vorzuschlagen, während das umgebende Layout erhalten bleibt. Das Ergebnis lässt sich anschließend mit den tatsächlichen Eingabedaten und dem verlangten Diagrammverhalten vergleichen.
Eine vorangestellte programmatische Untersuchung ist ein für 3.6 beschriebenes Unterscheidungsmerkmal. Laut Hersteller untersucht das Modell ein Problem häufiger mit Diagnosecode, bevor es Änderungen vornimmt. Dies kann bei einer komplexen Untersuchung helfen; der Leitfaden weist jedoch darauf hin, dass es bei gewöhnlicher Frontendarbeit zusätzliche Erkundungsschritte verursachen kann. Geben Sie an, ob die Aufgabe eine Untersuchung, eine einfache Bearbeitung oder einen Designvergleich erfordert. Stellen Sie die Informationen bereit, die diese Unterscheidung ermöglichen, und bestimmen Sie die erlaubten Aktionen für die Werkzeuge der angebundenen Anwendung.
Hervorgehoben werden außerdem räumliches und multimodales Denken: Diagramminterpretation, Umwandlung visueller Pläne und Weblayouts mit mehreren Elementen. Stellen Sie die betreffende Ansicht oder die Seiten bereit, benennen Sie das zu Interpretierende und verlangen Sie Belege für die Schlussfolgerung. Fügen Sie bei einer Designaufgabe konkrete Layout- und Stilvorgaben hinzu. Der Hersteller nennt einen Schwerpunkt auf funktionalem Code und berichtet, dass Prüfer mitunter die visuelle Gestaltung früherer Modelle bevorzugten; ein ausdrücklicher visueller Auftrag ist deshalb hilfreich. Prüfen Sie das Ergebnis anhand des tatsächlichen Diagramms oder der Designanforderungen.
medium ist die dokumentierte Standarddenkstufe. Googles modellspezifische Tabelle nennt minimal, low, medium und high; der Migrationsleitfaden für 3.6 verwendet medium oder high in seinen Aufwandsbeispielen. Die Seite für genau dieses Modell nennt Funktionsaufrufe, Codeausführung, Dateisuche, Such-Grounding, Maps Grounding, URL-Kontext und strukturierte Ausgaben sowie Computer Use als Vorschaufunktion. Definieren Sie Funktionseingaben und das verlangte Ergebnis klar. Eine vom Modell gewählte Funktion benötigt ein tatsächliches Anwendungsergebnis, bevor sich eine spätere Antwort auf ihren Ausgang stützen kann. Definieren Sie für eine strukturierte Analyse das Schema und die Quellenbelege, die jede Feststellung benötigt.
Der 3.6-Leitfaden ändert die Vorbereitung gegenüber früheren Gemini-Anfragen. Er erklärt die Sampling-Einstellungen temperature, top-p und top-k für veraltet, weist eine vorab ausgefüllte abschließende Nachricht mit Modellrolle zurück und empfiehlt Systemanweisungen oder strukturierte Ausgaben zur Steuerung der Antwort. Seine Regeln für Funktionsantworten ordnen eine Antwort ihrem Aufruf anhand von Identität und Name zu; die Gemini 3-Grundlage erhält Denksignaturen bei der Nutzung über mehrere Gesprächsschritte. Eine praktische Fortsetzung sollte den unveränderten relevanten Verlauf und das Werkzeugergebnis übernehmen, statt den Anfang einer früheren Antwort nachzuahmen.
Die native Modellkarte nennt bis zu 1M Eingabekontext und 64K Textausgabe; die genaue API-Tabelle gibt 1.048.576 Eingabetoken und 65.536 Ausgabetoken an. Rechnen Sie Anweisungen, Verlauf und Medien zum Eingabebudget und verlangen Sie eine zur Aufgabe passende Ausgabelänge. Die Herstellerseite nennt außerdem Caching, Stapelverarbeitung sowie Flex- und Priority-Verarbeitung. Benennen Sie bei der Verarbeitung unabhängiger Datensätze die Datensatzkennung und das Ergebnisformat ausdrücklich. Die Ausgabe ist ein Textergebnis, auch wenn die Belege Fotos, Audio oder Video enthalten.
Zu möglichen Einschränkungen gehören Halluzinationen und gelegentliche Verzögerungen oder Zeitüberschreitungen. Der Wissensstand bis März 2026 umfasst Bereiche, deren Wissen weiterhin auf Januar 2025 begrenzt ist; fügen Sie deshalb neueres Material hinzu oder verwenden Sie einen dokumentierten Grounding-Ablauf, wenn aktuelle Tatsachen wichtig sind. Prüfen Sie Berechnungen, Quellenverweise, visuelle Interpretationen und vorgeschlagene Änderungen. Die besondere Vorbereitung für diese Edition besteht aus einem gezielten Diagnoseauftrag, einem klaren Werkzeugrahmen und ausdrücklichen Designbedingungen, gefolgt von der Prüfung des konkreten Ergebnisses.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-3.6-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.
Ordnen Sie jede Gebühr den angezeigten Bedingungen zu. Verwenden Sie für jede Gruppe alternativer Konfigurationen einen Tarif.
| Konfiguration | Tarifstaffel | Kontexttoken, mehr als | Kontexttoken, bis einschließlich | Gebühr |
|---|---|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Kontexttoken, mehr als— | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0015 / 1K Token Ausgabe · Ausgabetoken $0.0075 / 1K Token Eingabe · Cache-Lesen $0.00015 / 1K Token Eingabe · Cache-Schreiben $0.0000833333333333334 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "google/gemini-3.6-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.6-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-3.6-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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
Technisches Beispiel auf Englisch
Diagnose swapped chart series\n\nA chart receives [{month:'Jan', sales:20, returns:2}, {month:'Feb', sales:30, returns:3}], but its Sales series uses rows.map(r => r.returns). Identify the data-binding error and propose one correction. Keep the existing month labels and Returns series unchanged. Include a small assertion showing the expected Sales data without claiming the chart was rendered.One corrected series expression and a concrete assertion against the supplied data.Only the Sales binding changes, and its values come from sales rather than returns.