Gemini 3 Pro Preview ist Googles benanntes Vorschauprofil von Gemini 3 Pro für multimodales Schlussfolgern und Texterzeugung. Es kann Text, Bilder, Audio, Video und PDF-Dokumente verarbeiten und ein schriftliches Ergebnis liefern. Vorgesehene Anwendungen umfassen komplexe Analysen, anspruchsvolle Programmierung, Algorithmenentwicklung und Aufgaben, die umfangreiches Quellmaterial mit einer konkreten Frage verbinden.
Gemini 3 Pro ist ein transformerbasiertes Sparse-Mixture-of-Experts-Modell mit nativer Unterstützung multimodaler Eingaben. Seine Architektur leitet jedes Token durch eine ausgewählte Teilmenge von Experten. Das ist ein Merkmal des Modelldesigns und kein Nutzerregler zur Auswahl eines bestimmten Experten oder zum Festlegen einer Ausführungskonfiguration.
Richten Sie Eingaben am Informationsbedarf der Aufgabe aus. Ein Dokument, ein Screenshot und eine Audioaufnahme können jeweils andere Belege liefern. Benennen Sie den Inhalt jeder Datei und ihren Beitrag zur Antwort. Die Ausgabe bleibt Text; das Verstehen visuellen oder gesprochenen Materials macht diese Vorschau nicht zu einem Bild-, Sprach- oder Videogenerator.
Verwenden Sie Bilder für Fragen zu sichtbaren Inhalten, Audio für gesprochene oder akustische Informationen und Video für Abläufe, deren Veränderungen über die Zeit zählen. Fügen Sie die tatsächliche Datei der Frage bei, statt sie nur aus der Erinnerung zu beschreiben. Kennzeichnen Sie mehrere verglichene Dateien eindeutig, damit die Antwort auf die richtige Quelle verweisen kann.
Ein Briefing zur Produktanalyse kann beispielsweise eine schriftliche Spezifikation, einen Screenshot der Oberfläche und eine aufgezeichnete Vorführung verbinden. Verlangen Sie einen Vergleich, der Zusagen der Spezifikation von sichtbaren oder hörbaren Beobachtungen im gelieferten Material trennt. Definieren Sie das gewünschte Ergebnis als Befunde, stützende Beobachtungen und offene Fragen.
Liefern Sie bei einer PDF-Aufgabe das Dokument und benennen Sie die zu untersuchenden Abschnitte oder Aussagen. Eine hilfreiche Frage verlangt einen quellbezogenen Vergleich, eine Extraktion oder eine Erklärung, statt nur eine allgemeine Zusammenfassung einer großen Datei anzufordern.
Die genaue Vorschau-Spezifikation nennt ein Eingabelimit von 1.048.576 Tokens und ein Ausgabelimit von 65.536 Tokens. Der Hersteller nennt Januar 2025 als Wissensstand; liefern Sie neuere Belege, wenn die Frage von späteren Ereignissen oder Informationen abhängt. Diese Budgets sind verschieden. Ein großer Quellenbestand kann für eine gezielte Antwort gelesen werden, ohne dass das Modell jeden Teil der Eingabe wiedergeben muss.
Gliedern Sie lange Materialien klar: Dokumenttitel, Abschnittsgrenzen, Codepfade und die Frage, welche die Ausgabe beantworten muss. Halten Sie relevante Ausnahmen und Definitionen nahe bei den Inhalten, die sie einschränken. Benötigt eine Aufgabe einen langen Bericht, legen Sie dessen Abschnitte und die jeweils erwarteten Belege fest.
Ein großes Kontextfenster garantiert weder gleiche Aufmerksamkeit für jedes Detail noch korrekte Schlussfolgerungen. Google nennt außerdem mögliche Verschlechterungen über mehrteilige Gespräche hinweg. Prüfen Sie während eines Austauschs wichtige Quellenfakten und wiederverwendeten Kontext. Gleichen Sie die Antwort mit den konkreten Passagen oder Dateien ab, welche ihre wichtigen Aussagen stützen.
Zu den vorgesehenen Anwendungen des Herstellers gehören anspruchsvolle Programmierung und algorithmische Arbeit. Liefern Sie den relevanten Quellcode, Annahmen zur Umgebung, den beobachteten Fehler und das erwartete Verhalten. Definieren Sie bei einer Algorithmusaufgabe Eingabe, gewünschte Ausgabe und Bedingungen wie Reihenfolge, Duplikate oder ungültige Daten.
Ein hilfreiches Debugging-Briefing verbindet die fehlschlagende Eingabe und den Fehler mit dem kleinsten relevanten Quellcodebereich. Verlangen Sie eine Diagnose und eine gezielte Änderung und prüfen Sie anschließend, ob der Vorschlag das berichtete Verhalten behebt. Erzeugter Code samt Aussage, er sollte funktionieren, unterscheidet sich von einer ausgeführten und überprüften Implementierung.
Nutzen Sie bei größeren Repository-Fragen das Eingabebudget für die nötigen Dateien mit klaren Pfadkennzeichnungen. Geben Sie an, ob das gewünschte Ergebnis eine Erklärung, ein Änderungsvorschlag oder eine Analyse von Alternativen ist, damit es einen konkreten Zweck erfüllt.
Die Herstellerspezifikation der Vorschau unterstützt Funktionsaufrufe, Codeausführung, Dateisuche, Suchfundierung und URL-Kontext. Diese Funktionen haben unterschiedliche Aufgaben. Ein Funktionsaufruf beschreibt einen von der Anwendung auszuführenden Vorgang; ein Werkzeugergebnis liefert anschließend Belege für den nächsten Modellschritt. Codeausführung ist ein Werkzeugablauf und garantiert nicht, dass beliebiger erzeugter Anwendungscode bereits getestet wurde.
Suchfundierung und URL-Kontext bieten quellenorientierte Abläufe; Dateisuche arbeitet mit einer vorbereiteten Dateisammlung. Bewahren Sie Werkzeugergebnisse und Quellenzuordnungen zusammen mit der Antwort auf, damit sich eine Schlussfolgerung prüfen lässt. Laut Spezifikation unterstützt das Profil weder Computerbedienung noch Maps-Fundierung.
Die Unterstützung strukturierter Ausgabe kann ein Ergebnis in einem definierten Schema ausdrücken. Legen Sie Felder und ihre Bedeutung vor der Generierung fest und prüfen Sie neben dem Format auch den Inhalt. Auch ein gültiges strukturiertes Objekt erfordert eine sachliche und aufgabenspezifische Prüfung.
Diese Vorschau unterstützt einen Denkmodus. Verwenden Sie für mehrstufige Schlussfolgerungen eine klare Aufgabe, relevante Belege und ausdrückliche Bedingungen. Das Ergebnis sollte Annahmen und die nützliche Schlussfolgerung erläutern; verborgenes Denken oder das Vorhandensein eines Denkmodus sind für sich keine Überprüfung.
Der Hersteller nennt außerdem Caching- und Batch-Unterstützung. Diese Verarbeitungsfunktionen sind von den inhaltlichen Fähigkeiten des Modells getrennt. Ihr Vorhandensein belegt weder, dass eine bestimmte Anfrage gecacht wurde, noch dass ein Batch-Ergebnis korrekt ist.
Halten Sie Gemini 3 Pro Preview von Gemini 3.1 Pro Preview, Gemini 3 Pro Image sowie den Audio- oder Live-Profilen getrennt. Die Ausgabe dieser Vorschau ist Text; ihre Spezifikation enthält weder Bilderzeugung noch Audioerzeugung oder Live-Betrieb. Prüfen Sie die zurückgegebene Antwort, den Code oder das strukturierte Ergebnis anhand der gelieferten Quellen und der beabsichtigten Aufgabe.
", "aboutText": "Gemini 3 Pro Preview ist Googles benanntes Vorschauprofil von Gemini 3 Pro für multimodales Schlussfolgern und Texterzeugung. Es kann Text, Bilder, Audio, Video und PDF-Dokumente verarbeiten und ein schriftliches Ergebnis liefern. Vorgesehene Anwendungen umfassen komplexe Analysen, anspruchsvolle Programmierung, Algorithmenentwicklung und Aufgaben, die umfangreiches Quellmaterial mit einer konkreten Frage verbinden.\n\n### Modell und Eingabestruktur\n\nGemini 3 Pro ist ein transformerbasiertes Sparse-Mixture-of-Experts-Modell mit nativer Unterstützung multimodaler Eingaben. Seine Architektur leitet jedes Token durch eine ausgewählte Teilmenge von Experten. Das ist ein Merkmal des Modelldesigns und kein Nutzerregler zur Auswahl eines bestimmten Experten oder zum Festlegen einer Ausführungskonfiguration.\n\nRichten Sie Eingaben am Informationsbedarf der Aufgabe aus. Ein Dokument, ein Screenshot und eine Audioaufnahme können jeweils andere Belege liefern. Benennen Sie den Inhalt jeder Datei und ihren Beitrag zur Antwort. Die Ausgabe bleibt Text; das Verstehen visuellen oder gesprochenen Materials macht diese Vorschau nicht zu einem Bild-, Sprach- oder Videogenerator.\n\n### Multimodale Analyse\n\nVerwenden Sie Bilder für Fragen zu sichtbaren Inhalten, Audio für gesprochene oder akustische Informationen und Video für Abläufe, deren Veränderungen über die Zeit zählen. Fügen Sie die tatsächliche Datei der Frage bei, statt sie nur aus der Erinnerung zu beschreiben. Kennzeichnen Sie mehrere verglichene Dateien eindeutig, damit die Antwort auf die richtige Quelle verweisen kann.\n\nEin Briefing zur Produktanalyse kann beispielsweise eine schriftliche Spezifikation, einen Screenshot der Oberfläche und eine aufgezeichnete Vorführung verbinden. Verlangen Sie einen Vergleich, der Zusagen der Spezifikation von sichtbaren oder hörbaren Beobachtungen im gelieferten Material trennt. Definieren Sie das gewünschte Ergebnis als Befunde, stützende Beobachtungen und offene Fragen.\n\nLiefern Sie bei einer PDF-Aufgabe das Dokument und benennen Sie die zu untersuchenden Abschnitte oder Aussagen. Eine hilfreiche Frage verlangt einen quellbezogenen Vergleich, eine Extraktion oder eine Erklärung, statt nur eine allgemeine Zusammenfassung einer großen Datei anzufordern.\n\n### Langer Kontext und Ausgabebudget\n\nDie genaue Vorschau-Spezifikation nennt ein Eingabelimit von 1.048.576 Tokens und ein Ausgabelimit von 65.536 Tokens. Der Hersteller nennt Januar 2025 als Wissensstand; liefern Sie neuere Belege, wenn die Frage von späteren Ereignissen oder Informationen abhängt. Diese Budgets sind verschieden. Ein großer Quellenbestand kann für eine gezielte Antwort gelesen werden, ohne dass das Modell jeden Teil der Eingabe wiedergeben muss.\n\nGliedern Sie lange Materialien klar: Dokumenttitel, Abschnittsgrenzen, Codepfade und die Frage, welche die Ausgabe beantworten muss. Halten Sie relevante Ausnahmen und Definitionen nahe bei den Inhalten, die sie einschränken. Benötigt eine Aufgabe einen langen Bericht, legen Sie dessen Abschnitte und die jeweils erwarteten Belege fest.\n\nEin großes Kontextfenster garantiert weder gleiche Aufmerksamkeit für jedes Detail noch korrekte Schlussfolgerungen. Google nennt außerdem mögliche Verschlechterungen über mehrteilige Gespräche hinweg. Prüfen Sie während eines Austauschs wichtige Quellenfakten und wiederverwendeten Kontext. Gleichen Sie die Antwort mit den konkreten Passagen oder Dateien ab, welche ihre wichtigen Aussagen stützen.\n\n### Programmierung und Algorithmenentwicklung\n\nZu den vorgesehenen Anwendungen des Herstellers gehören anspruchsvolle Programmierung und algorithmische Arbeit. Liefern Sie den relevanten Quellcode, Annahmen zur Umgebung, den beobachteten Fehler und das erwartete Verhalten. Definieren Sie bei einer Algorithmusaufgabe Eingabe, gewünschte Ausgabe und Bedingungen wie Reihenfolge, Duplikate oder ungültige Daten.\n\nEin hilfreiches Debugging-Briefing verbindet die fehlschlagende Eingabe und den Fehler mit dem kleinsten relevanten Quellcodebereich. Verlangen Sie eine Diagnose und eine gezielte Änderung und prüfen Sie anschließend, ob der Vorschlag das berichtete Verhalten behebt. Erzeugter Code samt Aussage, er sollte funktionieren, unterscheidet sich von einer ausgeführten und überprüften Implementierung.\n\nNutzen Sie bei größeren Repository-Fragen das Eingabebudget für die nötigen Dateien mit klaren Pfadkennzeichnungen. Geben Sie an, ob das gewünschte Ergebnis eine Erklärung, ein Änderungsvorschlag oder eine Analyse von Alternativen ist, damit es einen konkreten Zweck erfüllt.\n\n### Werkzeuge, Quellen und strukturierte Ergebnisse\n\nDie Herstellerspezifikation der Vorschau unterstützt Funktionsaufrufe, Codeausführung, Dateisuche, Suchfundierung und URL-Kontext. Diese Funktionen haben unterschiedliche Aufgaben. Ein Funktionsaufruf beschreibt einen von der Anwendung auszuführenden Vorgang; ein Werkzeugergebnis liefert anschließend Belege für den nächsten Modellschritt. Codeausführung ist ein Werkzeugablauf und garantiert nicht, dass beliebiger erzeugter Anwendungscode bereits getestet wurde.\n\nSuchfundierung und URL-Kontext bieten quellenorientierte Abläufe; Dateisuche arbeitet mit einer vorbereiteten Dateisammlung. Bewahren Sie Werkzeugergebnisse und Quellenzuordnungen zusammen mit der Antwort auf, damit sich eine Schlussfolgerung prüfen lässt. Laut Spezifikation unterstützt das Profil weder Computerbedienung noch Maps-Fundierung.\n\nDie Unterstützung strukturierter Ausgabe kann ein Ergebnis in einem definierten Schema ausdrücken. Legen Sie Felder und ihre Bedeutung vor der Generierung fest und prüfen Sie neben dem Format auch den Inhalt. Auch ein gültiges strukturiertes Objekt erfordert eine sachliche und aufgabenspezifische Prüfung.\n\n### Schlussfolgern, Wiederverwendung und Editionsgrenzen\n\nDiese Vorschau unterstützt einen Denkmodus. Verwenden Sie für mehrstufige Schlussfolgerungen eine klare Aufgabe, relevante Belege und ausdrückliche Bedingungen. Das Ergebnis sollte Annahmen und die nützliche Schlussfolgerung erläutern; verborgenes Denken oder das Vorhandensein eines Denkmodus sind für sich keine Überprüfung.\n\nDer Hersteller nennt außerdem Caching- und Batch-Unterstützung. Diese Verarbeitungsfunktionen sind von den inhaltlichen Fähigkeiten des Modells getrennt. Ihr Vorhandensein belegt weder, dass eine bestimmte Anfrage gecacht wurde, noch dass ein Batch-Ergebnis korrekt ist.\n\nHalten Sie Gemini 3 Pro Preview von Gemini 3.1 Pro Preview, Gemini 3 Pro Image sowie den Audio- oder Live-Profilen getrennt. Die Ausgabe dieser Vorschau ist Text; ihre Spezifikation enthält weder Bilderzeugung noch Audioerzeugung oder Live-Betrieb. Prüfen Sie die zurückgegebene Antwort, den Code oder das strukturierte Ergebnis anhand der gelieferten Quellen und der beabsichtigten Aufgabe.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "631181bdc2cf0322cd9ef00d0a74bba1373c46cf01f1597c6406de0103f10f93", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "de", "methods": [ { "html": "gemini-3-pro-previewGemini 3 Pro Preview ist Googles multimodales Schlussfolgerungsmodell für Text, Bilder, Audio, Video und PDFs mit Textausgabe. Sein großes Eingabebudget, seine Programmierfähigkeiten und die unterstützten Werkzeugabläufe eignen sich für detaillierte Analysen, Dokumentvergleiche und beleggestützte Aufgabenausführung.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3 Pro Preview ist Googles benanntes Vorschauprofil von Gemini 3 Pro für multimodales Schlussfolgern und Texterzeugung. Es kann Text, Bilder, Audio, Video und PDF-Dokumente verarbeiten und ein schriftliches Ergebnis liefern. Vorgesehene Anwendungen umfassen komplexe Analysen, anspruchsvolle Programmierung, Algorithmenentwicklung und Aufgaben, die umfangreiches Quellmaterial mit einer konkreten Frage verbinden.
Gemini 3 Pro ist ein transformerbasiertes Sparse-Mixture-of-Experts-Modell mit nativer Unterstützung multimodaler Eingaben. Seine Architektur leitet jedes Token durch eine ausgewählte Teilmenge von Experten. Das ist ein Merkmal des Modelldesigns und kein Nutzerregler zur Auswahl eines bestimmten Experten oder zum Festlegen einer Ausführungskonfiguration.
Richten Sie Eingaben am Informationsbedarf der Aufgabe aus. Ein Dokument, ein Screenshot und eine Audioaufnahme können jeweils andere Belege liefern. Benennen Sie den Inhalt jeder Datei und ihren Beitrag zur Antwort. Die Ausgabe bleibt Text; das Verstehen visuellen oder gesprochenen Materials macht diese Vorschau nicht zu einem Bild-, Sprach- oder Videogenerator.
Verwenden Sie Bilder für Fragen zu sichtbaren Inhalten, Audio für gesprochene oder akustische Informationen und Video für Abläufe, deren Veränderungen über die Zeit zählen. Fügen Sie die tatsächliche Datei der Frage bei, statt sie nur aus der Erinnerung zu beschreiben. Kennzeichnen Sie mehrere verglichene Dateien eindeutig, damit die Antwort auf die richtige Quelle verweisen kann.
Ein Briefing zur Produktanalyse kann beispielsweise eine schriftliche Spezifikation, einen Screenshot der Oberfläche und eine aufgezeichnete Vorführung verbinden. Verlangen Sie einen Vergleich, der Zusagen der Spezifikation von sichtbaren oder hörbaren Beobachtungen im gelieferten Material trennt. Definieren Sie das gewünschte Ergebnis als Befunde, stützende Beobachtungen und offene Fragen.
Liefern Sie bei einer PDF-Aufgabe das Dokument und benennen Sie die zu untersuchenden Abschnitte oder Aussagen. Eine hilfreiche Frage verlangt einen quellbezogenen Vergleich, eine Extraktion oder eine Erklärung, statt nur eine allgemeine Zusammenfassung einer großen Datei anzufordern.
Die genaue Vorschau-Spezifikation nennt ein Eingabelimit von 1.048.576 Tokens und ein Ausgabelimit von 65.536 Tokens. Der Hersteller nennt Januar 2025 als Wissensstand; liefern Sie neuere Belege, wenn die Frage von späteren Ereignissen oder Informationen abhängt. Diese Budgets sind verschieden. Ein großer Quellenbestand kann für eine gezielte Antwort gelesen werden, ohne dass das Modell jeden Teil der Eingabe wiedergeben muss.
Gliedern Sie lange Materialien klar: Dokumenttitel, Abschnittsgrenzen, Codepfade und die Frage, welche die Ausgabe beantworten muss. Halten Sie relevante Ausnahmen und Definitionen nahe bei den Inhalten, die sie einschränken. Benötigt eine Aufgabe einen langen Bericht, legen Sie dessen Abschnitte und die jeweils erwarteten Belege fest.
Ein großes Kontextfenster garantiert weder gleiche Aufmerksamkeit für jedes Detail noch korrekte Schlussfolgerungen. Google nennt außerdem mögliche Verschlechterungen über mehrteilige Gespräche hinweg. Prüfen Sie während eines Austauschs wichtige Quellenfakten und wiederverwendeten Kontext. Gleichen Sie die Antwort mit den konkreten Passagen oder Dateien ab, welche ihre wichtigen Aussagen stützen.
Zu den vorgesehenen Anwendungen des Herstellers gehören anspruchsvolle Programmierung und algorithmische Arbeit. Liefern Sie den relevanten Quellcode, Annahmen zur Umgebung, den beobachteten Fehler und das erwartete Verhalten. Definieren Sie bei einer Algorithmusaufgabe Eingabe, gewünschte Ausgabe und Bedingungen wie Reihenfolge, Duplikate oder ungültige Daten.
Ein hilfreiches Debugging-Briefing verbindet die fehlschlagende Eingabe und den Fehler mit dem kleinsten relevanten Quellcodebereich. Verlangen Sie eine Diagnose und eine gezielte Änderung und prüfen Sie anschließend, ob der Vorschlag das berichtete Verhalten behebt. Erzeugter Code samt Aussage, er sollte funktionieren, unterscheidet sich von einer ausgeführten und überprüften Implementierung.
Nutzen Sie bei größeren Repository-Fragen das Eingabebudget für die nötigen Dateien mit klaren Pfadkennzeichnungen. Geben Sie an, ob das gewünschte Ergebnis eine Erklärung, ein Änderungsvorschlag oder eine Analyse von Alternativen ist, damit es einen konkreten Zweck erfüllt.
Die Herstellerspezifikation der Vorschau unterstützt Funktionsaufrufe, Codeausführung, Dateisuche, Suchfundierung und URL-Kontext. Diese Funktionen haben unterschiedliche Aufgaben. Ein Funktionsaufruf beschreibt einen von der Anwendung auszuführenden Vorgang; ein Werkzeugergebnis liefert anschließend Belege für den nächsten Modellschritt. Codeausführung ist ein Werkzeugablauf und garantiert nicht, dass beliebiger erzeugter Anwendungscode bereits getestet wurde.
Suchfundierung und URL-Kontext bieten quellenorientierte Abläufe; Dateisuche arbeitet mit einer vorbereiteten Dateisammlung. Bewahren Sie Werkzeugergebnisse und Quellenzuordnungen zusammen mit der Antwort auf, damit sich eine Schlussfolgerung prüfen lässt. Laut Spezifikation unterstützt das Profil weder Computerbedienung noch Maps-Fundierung.
Die Unterstützung strukturierter Ausgabe kann ein Ergebnis in einem definierten Schema ausdrücken. Legen Sie Felder und ihre Bedeutung vor der Generierung fest und prüfen Sie neben dem Format auch den Inhalt. Auch ein gültiges strukturiertes Objekt erfordert eine sachliche und aufgabenspezifische Prüfung.
Diese Vorschau unterstützt einen Denkmodus. Verwenden Sie für mehrstufige Schlussfolgerungen eine klare Aufgabe, relevante Belege und ausdrückliche Bedingungen. Das Ergebnis sollte Annahmen und die nützliche Schlussfolgerung erläutern; verborgenes Denken oder das Vorhandensein eines Denkmodus sind für sich keine Überprüfung.
Der Hersteller nennt außerdem Caching- und Batch-Unterstützung. Diese Verarbeitungsfunktionen sind von den inhaltlichen Fähigkeiten des Modells getrennt. Ihr Vorhandensein belegt weder, dass eine bestimmte Anfrage gecacht wurde, noch dass ein Batch-Ergebnis korrekt ist.
Halten Sie Gemini 3 Pro Preview von Gemini 3.1 Pro Preview, Gemini 3 Pro Image sowie den Audio- oder Live-Profilen getrennt. Die Ausgabe dieser Vorschau ist Text; ihre Spezifikation enthält weder Bilderzeugung noch Audioerzeugung oder Live-Betrieb. Prüfen Sie die zurückgegebene Antwort, den Code oder das strukturierte Ergebnis anhand der gelieferten Quellen und der beabsichtigten Aufgabe.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3-pro-preview | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits Mindestanzahl Elemente: 1 | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits Modellabhängig | Standard— |
Feldmessages[].content | Typstring | AnforderungOptional | Werte und Limits Gilt, wenn: Textgespräch | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF8-Text
messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages |
Parametermaterial_types | Vertragtext |
Parametermessages | VertragNachrichtenarray mit role/content-Struktur |
Parameterfile_material | VertragTatsächliches UTF-8-Dokument als wörtlicher Text eingefügt; keine Datei-ID abgeleitet |
Parameteroptional_controls | Vertragstream |
Parametercontrol_scope | VertragTextgespräch; stream ist ein boolescher Wert und standardmäßig false. |
Parameteroutput_modalities | Vertragtext |
Parameterhosted_operations | Vertragfalse |
Parametermultimodal_input_binding | Vertragnull |
Methodenaliasnamen: /chat/completions
Lebenszyklus: synchronous_or_streamed
Die genaue Modell-ID zusammen mit messages senden.
Die Kontextlänge ist keine Ausgabeobergrenze.
Eine Textdatei kann wörtlichen Text liefern; Bild-, Audio- und Dateiobjekteingaben benötigen eine exakte Zuordnung.
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.004 / 1K Token Ausgabe · Ausgabetoken $0.024 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3-pro-preview","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-pro-preview", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Antwortvarianten mit ihren Inhalten, Werkzeugaufrufen und Reasoning-Daten beibehalten. In SSE die Deltas nach Varianten- und Werkzeugindex zusammensetzen; endgültigen Beendigungsgrund und Verbrauchsdaten beibehalten.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldchoices[].index | Typinteger |
Feldchoices[].message.content | Typstring|null |
Feldchoices[].message.tool_calls | Typtool_call[] |
Feldchoices[].message.reasoning_content | Typstring |
Feldchoices[].message.reasoning_details | Typobject|array |
Feldchoices[].finish_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions
gemini-3-pro-previewGemini 3 Pro Preview ist Googles multimodales Schlussfolgerungsmodell für Text, Bilder, Audio, Video und PDFs mit Textausgabe. Sein großes Eingabebudget, seine Programmierfähigkeiten und die unterstützten Werkzeugabläufe eignen sich für detaillierte Analysen, Dokumentvergleiche und beleggestützte Aufgabenausführung.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 3 Pro Preview ist Googles benanntes Vorschauprofil von Gemini 3 Pro für multimodales Schlussfolgern und Texterzeugung. Es kann Text, Bilder, Audio, Video und PDF-Dokumente verarbeiten und ein schriftliches Ergebnis liefern. Vorgesehene Anwendungen umfassen komplexe Analysen, anspruchsvolle Programmierung, Algorithmenentwicklung und Aufgaben, die umfangreiches Quellmaterial mit einer konkreten Frage verbinden.
Gemini 3 Pro ist ein transformerbasiertes Sparse-Mixture-of-Experts-Modell mit nativer Unterstützung multimodaler Eingaben. Seine Architektur leitet jedes Token durch eine ausgewählte Teilmenge von Experten. Das ist ein Merkmal des Modelldesigns und kein Nutzerregler zur Auswahl eines bestimmten Experten oder zum Festlegen einer Ausführungskonfiguration.
Richten Sie Eingaben am Informationsbedarf der Aufgabe aus. Ein Dokument, ein Screenshot und eine Audioaufnahme können jeweils andere Belege liefern. Benennen Sie den Inhalt jeder Datei und ihren Beitrag zur Antwort. Die Ausgabe bleibt Text; das Verstehen visuellen oder gesprochenen Materials macht diese Vorschau nicht zu einem Bild-, Sprach- oder Videogenerator.
Verwenden Sie Bilder für Fragen zu sichtbaren Inhalten, Audio für gesprochene oder akustische Informationen und Video für Abläufe, deren Veränderungen über die Zeit zählen. Fügen Sie die tatsächliche Datei der Frage bei, statt sie nur aus der Erinnerung zu beschreiben. Kennzeichnen Sie mehrere verglichene Dateien eindeutig, damit die Antwort auf die richtige Quelle verweisen kann.
Ein Briefing zur Produktanalyse kann beispielsweise eine schriftliche Spezifikation, einen Screenshot der Oberfläche und eine aufgezeichnete Vorführung verbinden. Verlangen Sie einen Vergleich, der Zusagen der Spezifikation von sichtbaren oder hörbaren Beobachtungen im gelieferten Material trennt. Definieren Sie das gewünschte Ergebnis als Befunde, stützende Beobachtungen und offene Fragen.
Liefern Sie bei einer PDF-Aufgabe das Dokument und benennen Sie die zu untersuchenden Abschnitte oder Aussagen. Eine hilfreiche Frage verlangt einen quellbezogenen Vergleich, eine Extraktion oder eine Erklärung, statt nur eine allgemeine Zusammenfassung einer großen Datei anzufordern.
Die genaue Vorschau-Spezifikation nennt ein Eingabelimit von 1.048.576 Tokens und ein Ausgabelimit von 65.536 Tokens. Der Hersteller nennt Januar 2025 als Wissensstand; liefern Sie neuere Belege, wenn die Frage von späteren Ereignissen oder Informationen abhängt. Diese Budgets sind verschieden. Ein großer Quellenbestand kann für eine gezielte Antwort gelesen werden, ohne dass das Modell jeden Teil der Eingabe wiedergeben muss.
Gliedern Sie lange Materialien klar: Dokumenttitel, Abschnittsgrenzen, Codepfade und die Frage, welche die Ausgabe beantworten muss. Halten Sie relevante Ausnahmen und Definitionen nahe bei den Inhalten, die sie einschränken. Benötigt eine Aufgabe einen langen Bericht, legen Sie dessen Abschnitte und die jeweils erwarteten Belege fest.
Ein großes Kontextfenster garantiert weder gleiche Aufmerksamkeit für jedes Detail noch korrekte Schlussfolgerungen. Google nennt außerdem mögliche Verschlechterungen über mehrteilige Gespräche hinweg. Prüfen Sie während eines Austauschs wichtige Quellenfakten und wiederverwendeten Kontext. Gleichen Sie die Antwort mit den konkreten Passagen oder Dateien ab, welche ihre wichtigen Aussagen stützen.
Zu den vorgesehenen Anwendungen des Herstellers gehören anspruchsvolle Programmierung und algorithmische Arbeit. Liefern Sie den relevanten Quellcode, Annahmen zur Umgebung, den beobachteten Fehler und das erwartete Verhalten. Definieren Sie bei einer Algorithmusaufgabe Eingabe, gewünschte Ausgabe und Bedingungen wie Reihenfolge, Duplikate oder ungültige Daten.
Ein hilfreiches Debugging-Briefing verbindet die fehlschlagende Eingabe und den Fehler mit dem kleinsten relevanten Quellcodebereich. Verlangen Sie eine Diagnose und eine gezielte Änderung und prüfen Sie anschließend, ob der Vorschlag das berichtete Verhalten behebt. Erzeugter Code samt Aussage, er sollte funktionieren, unterscheidet sich von einer ausgeführten und überprüften Implementierung.
Nutzen Sie bei größeren Repository-Fragen das Eingabebudget für die nötigen Dateien mit klaren Pfadkennzeichnungen. Geben Sie an, ob das gewünschte Ergebnis eine Erklärung, ein Änderungsvorschlag oder eine Analyse von Alternativen ist, damit es einen konkreten Zweck erfüllt.
Die Herstellerspezifikation der Vorschau unterstützt Funktionsaufrufe, Codeausführung, Dateisuche, Suchfundierung und URL-Kontext. Diese Funktionen haben unterschiedliche Aufgaben. Ein Funktionsaufruf beschreibt einen von der Anwendung auszuführenden Vorgang; ein Werkzeugergebnis liefert anschließend Belege für den nächsten Modellschritt. Codeausführung ist ein Werkzeugablauf und garantiert nicht, dass beliebiger erzeugter Anwendungscode bereits getestet wurde.
Suchfundierung und URL-Kontext bieten quellenorientierte Abläufe; Dateisuche arbeitet mit einer vorbereiteten Dateisammlung. Bewahren Sie Werkzeugergebnisse und Quellenzuordnungen zusammen mit der Antwort auf, damit sich eine Schlussfolgerung prüfen lässt. Laut Spezifikation unterstützt das Profil weder Computerbedienung noch Maps-Fundierung.
Die Unterstützung strukturierter Ausgabe kann ein Ergebnis in einem definierten Schema ausdrücken. Legen Sie Felder und ihre Bedeutung vor der Generierung fest und prüfen Sie neben dem Format auch den Inhalt. Auch ein gültiges strukturiertes Objekt erfordert eine sachliche und aufgabenspezifische Prüfung.
Diese Vorschau unterstützt einen Denkmodus. Verwenden Sie für mehrstufige Schlussfolgerungen eine klare Aufgabe, relevante Belege und ausdrückliche Bedingungen. Das Ergebnis sollte Annahmen und die nützliche Schlussfolgerung erläutern; verborgenes Denken oder das Vorhandensein eines Denkmodus sind für sich keine Überprüfung.
Der Hersteller nennt außerdem Caching- und Batch-Unterstützung. Diese Verarbeitungsfunktionen sind von den inhaltlichen Fähigkeiten des Modells getrennt. Ihr Vorhandensein belegt weder, dass eine bestimmte Anfrage gecacht wurde, noch dass ein Batch-Ergebnis korrekt ist.
Halten Sie Gemini 3 Pro Preview von Gemini 3.1 Pro Preview, Gemini 3 Pro Image sowie den Audio- oder Live-Profilen getrennt. Die Ausgabe dieser Vorschau ist Text; ihre Spezifikation enthält weder Bilderzeugung noch Audioerzeugung oder Live-Betrieb. Prüfen Sie die zurückgegebene Antwort, den Code oder das strukturierte Ergebnis anhand der gelieferten Quellen und der beabsichtigten Aufgabe.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits gemini-3-pro-preview | Standard— |
Feldmessages | Typmessage[] | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmessages[].role | Typstring | AnforderungErforderlich | Werte und Limits user, assistant | Standard— |
Feldmessages[].content | Typstring | AnforderungErforderlich | Werte und Limits | Standard— |
Feldmax_tokens | Typinteger | AnforderungErforderlich | Werte und Limits | Standard— |
Feldstream | Typboolean | AnforderungOptional | Werte und Limits | Standardfalse |
Text · UTF-8-Text
Zeichenfolge messages[].content
| Parameter | Vertrag |
|---|---|
Parametercontent_type | Vertragapplication/json |
Parameterrequired | Vertragmodel, messages, max_tokens |
Parameteroptional_controls | Vertragstream |
Parametermaterial_types | Vertragtext |
Parametertext_file_material | VertragDas tatsächliche UTF-8-Dokument lesen und seinen Text in die angegebene Zeichenfolge für Eingabe oder Nachrichteninhalt einfügen. |
Lebenszyklus: synchronous_or_streamed
Tarifangaben erweitern die Anfrageoptionen nicht. Unterstützte Parameter stehen bei der ausgewählten Methode.
| Konfiguration | Tarifstaffel | Gebühr |
|---|---|---|
| KonfigurationBasistarife für Token | TarifstaffelGrundtarif | Gebühr Eingabe · Eingabetoken $0.004 / 1K Token Ausgabe · Ausgabetoken $0.024 / 1K Token Eingabe · Cache-Lesen $0 / 1K Token Eingabe · Cache-Schreiben $0 / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "gemini-3-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-pro-preview', '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-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON oder SSE
Bewahren Sie jede vollständig zurückgegebene Antwort, Datei und jeden Inhaltsteil auf.
Alle Inhaltsblöcke, Thinking-Signaturen und tatsächlichen Werkzeugaufruf-IDs beibehalten. Alle SSE-Blockdeltas zusammensetzen; der erste Textblock ist nicht die vollständige Ausgabe.
Anfrage- und Antwort-IDs sowie Header beibehalten. Eine allgemeine URL zum Abrufen von Textaufträgen wird nicht angegeben.
| Feld | Typ |
|---|---|
Feldid | Typstring |
Feldmodel | Typstring |
Feldcontent[] | Typtext|thinking|tool_use|other content block |
Feldstop_reason | Typstring|null |
Feldusage | Typobject |
| Antwort | Bedingung | Nächster Schritt |
|---|---|---|
Antwort400 · invalid_request_error | BedingungPflichtfelder, Darstellung des Eingabematerials oder Parameterwert ungültig | Nächster SchrittDie angegebenen Felder vor einer neuen Erstellungsanfrage korrigieren. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions