Gemini 4 Argon ist ein Google-Reasoning-Modell für Arbeiten, die umfangreiche Belege mit einem mehrstufigen Ziel verbinden. Die veröffentlichten Eingabetypen umfassen Text, Bilder, Audio, Video und Dateien wie PDFs, während das Ergebnis Text ist. Eine Aufgabe kann so Spezifikation, Diagramm, Screenshot und ergänzendes Material zusammenführen, statt sich auf eine schriftliche Zusammenfassung jeder Quelle zu verlassen.
Beginnen Sie mit einer klaren Frage und dem Material, das Sie am Ende benötigen. Eine Softwareaufgabe kann einen Änderungsplan, betroffene Komponenten und Prüfkriterien verlangen. Eine mathematische Aufgabe kann eine Herleitung mit genannten Annahmen verlangen. Eine Dokumentaufgabe kann einen Vergleich verlangen, der Widersprüche zwischen Text, Tabellen und Abbildungen sichtbar hält.
Das veröffentlichte Kontextfenster beträgt 1.048.576 Token. Nutzen Sie diese Kapazität, um relevantes Material mit Dokumentnamen und Abschnittsgrenzen zusammenzuhalten, die Verweise eindeutig machen. Gruppieren Sie stützendes Material um die Frage, statt unpassende Dateien einzufügen, nur weil Platz verfügbar ist. Bitten Sie darum, dass die Antwort in der Aufgabe gelieferte Belege von während der Analyse eingeführten Annahmen unterscheidet.
Die veröffentlichte Reasoning-Konfiguration des Modells ist verpflichtend, mit den Aufwandsstufen low, medium und high und medium als genanntem Standardwert. Wählen Sie eine Stufe anhand der Problemtiefe und definieren Sie, was eine erfolgreiche Antwort nachweisen muss. Ein kurzer Faktenvergleich benötigt andere Prüfkriterien als eine Codeänderung, die mehrere Komponenten betrifft.
Argon veröffentlicht Fähigkeiten für Werkzeugaufrufe und schemagesteuerte strukturierte Ausgabe. Diese sind hilfreich, wenn eine Anwendung Werkzeuge zum Abruf weiterer Belege bereitstellt oder ein maschinenlesbares Analyseergebnis benötigt. Halten Sie die vom Modell vorgeschlagene Werkzeugaktivität von der ausführenden Anwendung getrennt und bewahren Sie zurückgegebene Beobachtungen auf, bevor Sie um die nächste Entscheidung bitten. Definieren Sie für ein strukturiertes Ergebnis die vorgesehenen Felder rund um die Geschäftsentscheidung: Befunde, Belegreferenzen, ungeklärte Annahmen und die empfohlene Aktion.
Geben Sie für eine Repository-Aufgabe die relevanten Quellen, das zu erhaltende Verhalten und die Prüfungen an, die erfolgreich sein sollten. Bitten Sie um einen gezielten Implementierungsplan oder die Prüfung einer konkreten Änderung und bewerten Sie den entstandenen Vorschlag anschließend anhand dieser Prüfungen. Stellen Sie für einen technischen Bericht die zugrunde liegenden Beobachtungen bereit und verlangen Sie eine Erklärung, die jede Schlussfolgerung mit ihrem stützenden Material verbindet.
Fügen Sie bei gemischten Dokumenten die bedeutungstragenden Tabellen und Bilder hinzu, statt sie durch eine unvollständige Transkription zu ersetzen. Die Modellausgabe kann diese Eingaben zu einem lesbaren Bericht, einem Satz extrahierter Befunde oder einer Aktionsliste zusammenführen. Bild- und Audioeingaben sind Belege für dieses Textergebnis; sie machen diesen Eintrag nicht zu einem Bild- oder Sprachgenerierungsmodell.
Der Standard-Argon-Eintrag und die FAQ seiner Modellseite nennen eine Completion-Grenze von 65.536 Token. Legen Sie vor der Anforderung eines langen Ergebnisses die erwartete Tiefe und Gestaltung der Antwort fest. Bewahren Sie die Standardkennung getrennt vom Eintrag mit Batch-Kennzeichnung auf, da sich ihre veröffentlichten Completion-Kapazitäten unterscheiden. Verwenden Sie beim Aufteilen der Arbeit in Antworten die eigenen Grenzen der ausgewählten Variante.
google/gemini-4-argonGemini 4 Argon ist Googles multimodales Reasoning-Modell für Softwareentwicklung, Mathematik, Wissenschaft und mehrstufige Agenten. Es verbindet Text, Bilder, Audio, Video und Dokumente in 1.048.576 Token Kontext und liefert Text, mit veröffentlichter Unterstützung für Werkzeugaufrufe und strukturierte Ausgabe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 4 Argon ist ein Google-Reasoning-Modell für Arbeiten, die umfangreiche Belege mit einem mehrstufigen Ziel verbinden. Die veröffentlichten Eingabetypen umfassen Text, Bilder, Audio, Video und Dateien wie PDFs, während das Ergebnis Text ist. Eine Aufgabe kann so Spezifikation, Diagramm, Screenshot und ergänzendes Material zusammenführen, statt sich auf eine schriftliche Zusammenfassung jeder Quelle zu verlassen.
Beginnen Sie mit einer klaren Frage und dem Material, das Sie am Ende benötigen. Eine Softwareaufgabe kann einen Änderungsplan, betroffene Komponenten und Prüfkriterien verlangen. Eine mathematische Aufgabe kann eine Herleitung mit genannten Annahmen verlangen. Eine Dokumentaufgabe kann einen Vergleich verlangen, der Widersprüche zwischen Text, Tabellen und Abbildungen sichtbar hält.
Das veröffentlichte Kontextfenster beträgt 1.048.576 Token. Nutzen Sie diese Kapazität, um relevantes Material mit Dokumentnamen und Abschnittsgrenzen zusammenzuhalten, die Verweise eindeutig machen. Gruppieren Sie stützendes Material um die Frage, statt unpassende Dateien einzufügen, nur weil Platz verfügbar ist. Bitten Sie darum, dass die Antwort in der Aufgabe gelieferte Belege von während der Analyse eingeführten Annahmen unterscheidet.
Die veröffentlichte Reasoning-Konfiguration des Modells ist verpflichtend, mit den Aufwandsstufen low, medium und high und medium als genanntem Standardwert. Wählen Sie eine Stufe anhand der Problemtiefe und definieren Sie, was eine erfolgreiche Antwort nachweisen muss. Ein kurzer Faktenvergleich benötigt andere Prüfkriterien als eine Codeänderung, die mehrere Komponenten betrifft.
Argon veröffentlicht Fähigkeiten für Werkzeugaufrufe und schemagesteuerte strukturierte Ausgabe. Diese sind hilfreich, wenn eine Anwendung Werkzeuge zum Abruf weiterer Belege bereitstellt oder ein maschinenlesbares Analyseergebnis benötigt. Halten Sie die vom Modell vorgeschlagene Werkzeugaktivität von der ausführenden Anwendung getrennt und bewahren Sie zurückgegebene Beobachtungen auf, bevor Sie um die nächste Entscheidung bitten. Definieren Sie für ein strukturiertes Ergebnis die vorgesehenen Felder rund um die Geschäftsentscheidung: Befunde, Belegreferenzen, ungeklärte Annahmen und die empfohlene Aktion.
Geben Sie für eine Repository-Aufgabe die relevanten Quellen, das zu erhaltende Verhalten und die Prüfungen an, die erfolgreich sein sollten. Bitten Sie um einen gezielten Implementierungsplan oder die Prüfung einer konkreten Änderung und bewerten Sie den entstandenen Vorschlag anschließend anhand dieser Prüfungen. Stellen Sie für einen technischen Bericht die zugrunde liegenden Beobachtungen bereit und verlangen Sie eine Erklärung, die jede Schlussfolgerung mit ihrem stützenden Material verbindet.
Fügen Sie bei gemischten Dokumenten die bedeutungstragenden Tabellen und Bilder hinzu, statt sie durch eine unvollständige Transkription zu ersetzen. Die Modellausgabe kann diese Eingaben zu einem lesbaren Bericht, einem Satz extrahierter Befunde oder einer Aktionsliste zusammenführen. Bild- und Audioeingaben sind Belege für dieses Textergebnis; sie machen diesen Eintrag nicht zu einem Bild- oder Sprachgenerierungsmodell.
Der Standard-Argon-Eintrag und die FAQ seiner Modellseite nennen eine Completion-Grenze von 65.536 Token. Legen Sie vor der Anforderung eines langen Ergebnisses die erwartete Tiefe und Gestaltung der Antwort fest. Bewahren Sie die Standardkennung getrennt vom Eintrag mit Batch-Kennzeichnung auf, da sich ihre veröffentlichten Completion-Kapazitäten unterscheiden. Verwenden Sie beim Aufteilen der Arbeit in Antworten die eigenen Grenzen der ausgewählten Variante.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-4-argon | 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 $0.008 / 1K Token Ausgabe · Ausgabetoken $0.04 / 1K Token Eingabe · Cache-Lesen $0.0004 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"google/gemini-4-argon","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="google/gemini-4-argon", 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 google/gemini-4-argon
/chat/completions
google/gemini-4-argonGemini 4 Argon ist Googles multimodales Reasoning-Modell für Softwareentwicklung, Mathematik, Wissenschaft und mehrstufige Agenten. Es verbindet Text, Bilder, Audio, Video und Dokumente in 1.048.576 Token Kontext und liefert Text, mit veröffentlichter Unterstützung für Werkzeugaufrufe und strukturierte Ausgabe.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemini 4 Argon ist ein Google-Reasoning-Modell für Arbeiten, die umfangreiche Belege mit einem mehrstufigen Ziel verbinden. Die veröffentlichten Eingabetypen umfassen Text, Bilder, Audio, Video und Dateien wie PDFs, während das Ergebnis Text ist. Eine Aufgabe kann so Spezifikation, Diagramm, Screenshot und ergänzendes Material zusammenführen, statt sich auf eine schriftliche Zusammenfassung jeder Quelle zu verlassen.
Beginnen Sie mit einer klaren Frage und dem Material, das Sie am Ende benötigen. Eine Softwareaufgabe kann einen Änderungsplan, betroffene Komponenten und Prüfkriterien verlangen. Eine mathematische Aufgabe kann eine Herleitung mit genannten Annahmen verlangen. Eine Dokumentaufgabe kann einen Vergleich verlangen, der Widersprüche zwischen Text, Tabellen und Abbildungen sichtbar hält.
Das veröffentlichte Kontextfenster beträgt 1.048.576 Token. Nutzen Sie diese Kapazität, um relevantes Material mit Dokumentnamen und Abschnittsgrenzen zusammenzuhalten, die Verweise eindeutig machen. Gruppieren Sie stützendes Material um die Frage, statt unpassende Dateien einzufügen, nur weil Platz verfügbar ist. Bitten Sie darum, dass die Antwort in der Aufgabe gelieferte Belege von während der Analyse eingeführten Annahmen unterscheidet.
Die veröffentlichte Reasoning-Konfiguration des Modells ist verpflichtend, mit den Aufwandsstufen low, medium und high und medium als genanntem Standardwert. Wählen Sie eine Stufe anhand der Problemtiefe und definieren Sie, was eine erfolgreiche Antwort nachweisen muss. Ein kurzer Faktenvergleich benötigt andere Prüfkriterien als eine Codeänderung, die mehrere Komponenten betrifft.
Argon veröffentlicht Fähigkeiten für Werkzeugaufrufe und schemagesteuerte strukturierte Ausgabe. Diese sind hilfreich, wenn eine Anwendung Werkzeuge zum Abruf weiterer Belege bereitstellt oder ein maschinenlesbares Analyseergebnis benötigt. Halten Sie die vom Modell vorgeschlagene Werkzeugaktivität von der ausführenden Anwendung getrennt und bewahren Sie zurückgegebene Beobachtungen auf, bevor Sie um die nächste Entscheidung bitten. Definieren Sie für ein strukturiertes Ergebnis die vorgesehenen Felder rund um die Geschäftsentscheidung: Befunde, Belegreferenzen, ungeklärte Annahmen und die empfohlene Aktion.
Geben Sie für eine Repository-Aufgabe die relevanten Quellen, das zu erhaltende Verhalten und die Prüfungen an, die erfolgreich sein sollten. Bitten Sie um einen gezielten Implementierungsplan oder die Prüfung einer konkreten Änderung und bewerten Sie den entstandenen Vorschlag anschließend anhand dieser Prüfungen. Stellen Sie für einen technischen Bericht die zugrunde liegenden Beobachtungen bereit und verlangen Sie eine Erklärung, die jede Schlussfolgerung mit ihrem stützenden Material verbindet.
Fügen Sie bei gemischten Dokumenten die bedeutungstragenden Tabellen und Bilder hinzu, statt sie durch eine unvollständige Transkription zu ersetzen. Die Modellausgabe kann diese Eingaben zu einem lesbaren Bericht, einem Satz extrahierter Befunde oder einer Aktionsliste zusammenführen. Bild- und Audioeingaben sind Belege für dieses Textergebnis; sie machen diesen Eintrag nicht zu einem Bild- oder Sprachgenerierungsmodell.
Der Standard-Argon-Eintrag und die FAQ seiner Modellseite nennen eine Completion-Grenze von 65.536 Token. Legen Sie vor der Anforderung eines langen Ergebnisses die erwartete Tiefe und Gestaltung der Antwort fest. Bewahren Sie die Standardkennung getrennt vom Eintrag mit Batch-Kennzeichnung auf, da sich ihre veröffentlichten Completion-Kapazitäten unterscheiden. Verwenden Sie beim Aufteilen der Arbeit in Antworten die eigenen Grenzen der ausgewählten Variante.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemini-4-argon | 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 $0.008 / 1K Token Ausgabe · Ausgabetoken $0.04 / 1K Token Eingabe · Cache-Lesen $0.0004 / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "google/gemini-4-argon",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-argon', '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-4-argon', '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 google/gemini-4-argon
/chat/completions