Gemma 3 12B IT ist Googles auf Anweisungen abgestimmtes Bild- und Sprachmodell der Größenklasse 12B. Es gehört zur Gemma 3-Familie, die Textgenerierung mit Bildverständnis und mehrsprachigem Training verbindet. Das Suffix IT wählt den Checkpoint zur Anweisungsbefolgung und nicht das vortrainierte Modell. Das Ergebnis ist Text: eine Erklärung, Zusammenfassung, Antwort, ein Entwurf oder aus dem schriftlichen und visuellen Material einer Anfrage abgeleiteter Code.
Das Modell mit 12B hat den Familienkontext von 128K Token für Eingabe und erzeugte Antwort gemeinsam. Die Ausgabe verwendet den nach der Anfrage verbleibenden Teil. Die Karte gewährt kein zweites unabhängiges Ausgabefenster von 128K. Bildansichten im Basispfad werden auf 896×896 normiert und durch jeweils 256 visuelle Token dargestellt. Erhalten Sie beim Vorbereiten einer Seitensammlung die Seitenkennungen und planen Sie Platz für das Ergebnis ein. Stellen Sie eine konkrete Frage zum relevanten Inhalt, statt von einem großen Fenster die automatische Auswahl des richtigen Problems zu erwarten.
Der Hersteller berichtet für diese Größe von 12 Billionen Vortrainingstoken. Das Trainingsmaterial umfasst mehrsprachige Webdokumente, Code, Mathematik und Bilder mit einer Abdeckung von mehr als 140 Sprachen in der Familie. Der Bericht beschreibt Wissensdestillation und eine verbesserte Methode zur Anweisungsabstimmung mit bestärkendem Lernen. Diese Schritte zielen auf Hilfsbereitschaft, mathematisches und codebezogenes Schlussfolgern, Anweisungsbefolgung und mehrsprachige Interaktion. Ein eigenes Trainingsbudget und eine bestimmte Checkpointidentität belegen für sich allein nicht die Qualität einer einzelnen Antwort. Vergleichen Sie die Ausgabe daher mit der ursprünglichen Aufgabe.
Die Architektur verwendet einen reinen Decoder-Transformer mit Grouped-Query Attention und einem wiederkehrenden Muster von fünf lokalen Aufmerksamkeitsschichten zu einer globalen Schicht. Lokale Schichten verwenden einen Bereich von 1.024 Token, während globale Aufmerksamkeit den längeren Kontext unterstützt. Ein gemeinsamer SigLIP-Bildencoder für die Modelle mit 4B, 12B und 27B wandelt Bilder in Darstellungen für das Sprachmodell um. Der SentencePiece-Tokenizer erhält Leerraum, trennt Ziffern und umfasst Kodierung auf Byteebene. Dies ist wichtig, wenn Codeformatierung, Zahlenschreibweise oder mehrsprachiger Text erhalten bleiben müssen.
Der Bildablauf umfasst außerdem Pan and Scan: Anpassbare, nicht überlappende Ausschnitte helfen, Inhalte aus breiten oder hochauflösenden Quellen zu erhalten, bevor jede Ansicht den Encoder mit fester Auflösung erreicht. Zusätzliche Ansichten verändern das verarbeitete Material. Stellen Sie für ein technisches Dokument eine lesbare Seite und gegebenenfalls eine klare Ansicht der fraglichen Tabelle oder des Diagramms bereit. Erhalten Sie die umgebende Definition einer Einheit, eines Symbols oder einer Spalte, damit eine lokale Bildinterpretation nicht ihre Bedeutung verliert.
Das native IT-Promptformat verwendet user- und model-Nachrichten und hat keine separate Rolle system. Platzieren Sie gewünschte Rolle, Antwortregeln und Aufgabe im anfänglichen user-Prompt. Verwenden Sie dabei den vorgesehenen Formatierer oder Prozessor für das tatsächliche Gespräch. Eine mögliche Dokumentanalyse kann zwei Verfahrensbeschreibungen vergleichen, eine Tabelle übereinstimmender Anforderungen zurückgeben und Konflikte benennen. Kennzeichnen Sie die Quellen, nennen Sie die vorrangige Anforderung und verlangen Sie die Trennung zwischen bereitgestellten Fakten und deren Interpretation.
Die Herstellerkarte nennt Zusammenfassen, Gesprächsassistenz, Bilddatenextraktion, Schreiben und Lernen als Anwendungen. Geben Sie für eine mehrsprachige Erklärung die Zielgruppe, Terminologie und den Detailgrad vor. Benennen Sie bei einer Bildfrage die zu besprechenden Objekte oder Beziehungen und verlangen Sie Beobachtungen zur Stützung der abschließenden Antwort. Fügen Sie für Code die tatsächliche Funktion und das erwartete Verhalten hinzu. Das Ergebnis kann eine Implementierung vorschlagen, während eine separate Anwendung sie ausführen und prüfen muss. Der Bericht veröffentlicht quantisierte Familienvarianten separat. Diese Identität 12B IT sollte deshalb beim Aufzeichnen von Ergebnissen nicht stillschweigend durch einen anderen quantisierten Checkpoint ersetzt werden.
Der Hersteller nennt Grenzen durch Trainingsabdeckung, sachliche Ungenauigkeiten, sprachliche Nuancen und komplexe offene Aufgaben. Google warnt außerdem, dass ein plausibles Sprachmuster eine Antwort erzeugen kann, die eine alltägliche reale Einschränkung übersieht. Kleine Bilddetails können verloren gehen oder falsch gelesen werden; auch lange Eingaben brauchen klare Prioritäten. Bewahren Sie die Originalseiten auf, prüfen Sie extrahierte Beschriftungen und Mengenangaben und validieren Sie verlangten strukturiert wirkenden Text vor der Datennutzung. Bewerten Sie das konkrete Modell 12B IT anhand typischer Fragen und Sprachen. Ein brauchbares fertiges Ergebnis nennt die quellenbasierte Antwort, die zu ihrem Verständnis benötigten Schlussfolgerungen und verbleibende Unsicherheiten. Es behandelt eine erzeugte Erklärung nicht als abgeschlossene Werkzeugaktion oder aktuelle Wissensabfrage.
", "aboutText": "Gemma 3 12B IT ist Googles auf Anweisungen abgestimmtes Bild- und Sprachmodell der Größenklasse 12B. Es gehört zur Gemma 3-Familie, die Textgenerierung mit Bildverständnis und mehrsprachigem Training verbindet. Das Suffix IT wählt den Checkpoint zur Anweisungsbefolgung und nicht das vortrainierte Modell. Das Ergebnis ist Text: eine Erklärung, Zusammenfassung, Antwort, ein Entwurf oder aus dem schriftlichen und visuellen Material einer Anfrage abgeleiteter Code.\n\nDas Modell mit 12B hat den Familienkontext von 128K Token für Eingabe und erzeugte Antwort gemeinsam. Die Ausgabe verwendet den nach der Anfrage verbleibenden Teil. Die Karte gewährt kein zweites unabhängiges Ausgabefenster von 128K. Bildansichten im Basispfad werden auf 896×896 normiert und durch jeweils 256 visuelle Token dargestellt. Erhalten Sie beim Vorbereiten einer Seitensammlung die Seitenkennungen und planen Sie Platz für das Ergebnis ein. Stellen Sie eine konkrete Frage zum relevanten Inhalt, statt von einem großen Fenster die automatische Auswahl des richtigen Problems zu erwarten.\n\nDer Hersteller berichtet für diese Größe von 12 Billionen Vortrainingstoken. Das Trainingsmaterial umfasst mehrsprachige Webdokumente, Code, Mathematik und Bilder mit einer Abdeckung von mehr als 140 Sprachen in der Familie. Der Bericht beschreibt Wissensdestillation und eine verbesserte Methode zur Anweisungsabstimmung mit bestärkendem Lernen. Diese Schritte zielen auf Hilfsbereitschaft, mathematisches und codebezogenes Schlussfolgern, Anweisungsbefolgung und mehrsprachige Interaktion. Ein eigenes Trainingsbudget und eine bestimmte Checkpointidentität belegen für sich allein nicht die Qualität einer einzelnen Antwort. Vergleichen Sie die Ausgabe daher mit der ursprünglichen Aufgabe.\n\nDie Architektur verwendet einen reinen Decoder-Transformer mit Grouped-Query Attention und einem wiederkehrenden Muster von fünf lokalen Aufmerksamkeitsschichten zu einer globalen Schicht. Lokale Schichten verwenden einen Bereich von 1.024 Token, während globale Aufmerksamkeit den längeren Kontext unterstützt. Ein gemeinsamer SigLIP-Bildencoder für die Modelle mit 4B, 12B und 27B wandelt Bilder in Darstellungen für das Sprachmodell um. Der SentencePiece-Tokenizer erhält Leerraum, trennt Ziffern und umfasst Kodierung auf Byteebene. Dies ist wichtig, wenn Codeformatierung, Zahlenschreibweise oder mehrsprachiger Text erhalten bleiben müssen.\n\nDer Bildablauf umfasst außerdem Pan and Scan: Anpassbare, nicht überlappende Ausschnitte helfen, Inhalte aus breiten oder hochauflösenden Quellen zu erhalten, bevor jede Ansicht den Encoder mit fester Auflösung erreicht. Zusätzliche Ansichten verändern das verarbeitete Material. Stellen Sie für ein technisches Dokument eine lesbare Seite und gegebenenfalls eine klare Ansicht der fraglichen Tabelle oder des Diagramms bereit. Erhalten Sie die umgebende Definition einer Einheit, eines Symbols oder einer Spalte, damit eine lokale Bildinterpretation nicht ihre Bedeutung verliert.\n\nDas native IT-Promptformat verwendet user- und model-Nachrichten und hat keine separate Rolle system. Platzieren Sie gewünschte Rolle, Antwortregeln und Aufgabe im anfänglichen user-Prompt. Verwenden Sie dabei den vorgesehenen Formatierer oder Prozessor für das tatsächliche Gespräch. Eine mögliche Dokumentanalyse kann zwei Verfahrensbeschreibungen vergleichen, eine Tabelle übereinstimmender Anforderungen zurückgeben und Konflikte benennen. Kennzeichnen Sie die Quellen, nennen Sie die vorrangige Anforderung und verlangen Sie die Trennung zwischen bereitgestellten Fakten und deren Interpretation.\n\nDie Herstellerkarte nennt Zusammenfassen, Gesprächsassistenz, Bilddatenextraktion, Schreiben und Lernen als Anwendungen. Geben Sie für eine mehrsprachige Erklärung die Zielgruppe, Terminologie und den Detailgrad vor. Benennen Sie bei einer Bildfrage die zu besprechenden Objekte oder Beziehungen und verlangen Sie Beobachtungen zur Stützung der abschließenden Antwort. Fügen Sie für Code die tatsächliche Funktion und das erwartete Verhalten hinzu. Das Ergebnis kann eine Implementierung vorschlagen, während eine separate Anwendung sie ausführen und prüfen muss. Der Bericht veröffentlicht quantisierte Familienvarianten separat. Diese Identität 12B IT sollte deshalb beim Aufzeichnen von Ergebnissen nicht stillschweigend durch einen anderen quantisierten Checkpoint ersetzt werden.\n\nDer Hersteller nennt Grenzen durch Trainingsabdeckung, sachliche Ungenauigkeiten, sprachliche Nuancen und komplexe offene Aufgaben. Google warnt außerdem, dass ein plausibles Sprachmuster eine Antwort erzeugen kann, die eine alltägliche reale Einschränkung übersieht. Kleine Bilddetails können verloren gehen oder falsch gelesen werden; auch lange Eingaben brauchen klare Prioritäten. Bewahren Sie die Originalseiten auf, prüfen Sie extrahierte Beschriftungen und Mengenangaben und validieren Sie verlangten strukturiert wirkenden Text vor der Datennutzung. Bewerten Sie das konkrete Modell 12B IT anhand typischer Fragen und Sprachen. Ein brauchbares fertiges Ergebnis nennt die quellenbasierte Antwort, die zu ihrem Verständnis benötigten Schlussfolgerungen und verbleibende Unsicherheiten. Es behandelt eine erzeugte Erklärung nicht als abgeschlossene Werkzeugaktion oder aktuelle Wissensabfrage.", "editorialOverlay": { "copy_fields": { "practical_html": "Technisches Beispiel auf Englisch
Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.google/gemma-3-12b-itGemma 3 12B IT ist eine eigenständige, auf Anweisungen abgestimmte Gemma 3-Edition für Textgenerierung und Bildverständnis. Nutzen Sie sie für Dokumentfragen, Erklärungen und mehrsprachiges Schreiben mit einem gemeinsamen Kontext von 128K. Halten Sie den Checkpoint mit 12B und sein natives Gesprächsformat ausdrücklich fest.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemma 3 12B IT ist Googles auf Anweisungen abgestimmtes Bild- und Sprachmodell der Größenklasse 12B. Es gehört zur Gemma 3-Familie, die Textgenerierung mit Bildverständnis und mehrsprachigem Training verbindet. Das Suffix IT wählt den Checkpoint zur Anweisungsbefolgung und nicht das vortrainierte Modell. Das Ergebnis ist Text: eine Erklärung, Zusammenfassung, Antwort, ein Entwurf oder aus dem schriftlichen und visuellen Material einer Anfrage abgeleiteter Code.
Das Modell mit 12B hat den Familienkontext von 128K Token für Eingabe und erzeugte Antwort gemeinsam. Die Ausgabe verwendet den nach der Anfrage verbleibenden Teil. Die Karte gewährt kein zweites unabhängiges Ausgabefenster von 128K. Bildansichten im Basispfad werden auf 896×896 normiert und durch jeweils 256 visuelle Token dargestellt. Erhalten Sie beim Vorbereiten einer Seitensammlung die Seitenkennungen und planen Sie Platz für das Ergebnis ein. Stellen Sie eine konkrete Frage zum relevanten Inhalt, statt von einem großen Fenster die automatische Auswahl des richtigen Problems zu erwarten.
Der Hersteller berichtet für diese Größe von 12 Billionen Vortrainingstoken. Das Trainingsmaterial umfasst mehrsprachige Webdokumente, Code, Mathematik und Bilder mit einer Abdeckung von mehr als 140 Sprachen in der Familie. Der Bericht beschreibt Wissensdestillation und eine verbesserte Methode zur Anweisungsabstimmung mit bestärkendem Lernen. Diese Schritte zielen auf Hilfsbereitschaft, mathematisches und codebezogenes Schlussfolgern, Anweisungsbefolgung und mehrsprachige Interaktion. Ein eigenes Trainingsbudget und eine bestimmte Checkpointidentität belegen für sich allein nicht die Qualität einer einzelnen Antwort. Vergleichen Sie die Ausgabe daher mit der ursprünglichen Aufgabe.
Die Architektur verwendet einen reinen Decoder-Transformer mit Grouped-Query Attention und einem wiederkehrenden Muster von fünf lokalen Aufmerksamkeitsschichten zu einer globalen Schicht. Lokale Schichten verwenden einen Bereich von 1.024 Token, während globale Aufmerksamkeit den längeren Kontext unterstützt. Ein gemeinsamer SigLIP-Bildencoder für die Modelle mit 4B, 12B und 27B wandelt Bilder in Darstellungen für das Sprachmodell um. Der SentencePiece-Tokenizer erhält Leerraum, trennt Ziffern und umfasst Kodierung auf Byteebene. Dies ist wichtig, wenn Codeformatierung, Zahlenschreibweise oder mehrsprachiger Text erhalten bleiben müssen.
Der Bildablauf umfasst außerdem Pan and Scan: Anpassbare, nicht überlappende Ausschnitte helfen, Inhalte aus breiten oder hochauflösenden Quellen zu erhalten, bevor jede Ansicht den Encoder mit fester Auflösung erreicht. Zusätzliche Ansichten verändern das verarbeitete Material. Stellen Sie für ein technisches Dokument eine lesbare Seite und gegebenenfalls eine klare Ansicht der fraglichen Tabelle oder des Diagramms bereit. Erhalten Sie die umgebende Definition einer Einheit, eines Symbols oder einer Spalte, damit eine lokale Bildinterpretation nicht ihre Bedeutung verliert.
Das native IT-Promptformat verwendet user- und model-Nachrichten und hat keine separate Rolle system. Platzieren Sie gewünschte Rolle, Antwortregeln und Aufgabe im anfänglichen user-Prompt. Verwenden Sie dabei den vorgesehenen Formatierer oder Prozessor für das tatsächliche Gespräch. Eine mögliche Dokumentanalyse kann zwei Verfahrensbeschreibungen vergleichen, eine Tabelle übereinstimmender Anforderungen zurückgeben und Konflikte benennen. Kennzeichnen Sie die Quellen, nennen Sie die vorrangige Anforderung und verlangen Sie die Trennung zwischen bereitgestellten Fakten und deren Interpretation.
Die Herstellerkarte nennt Zusammenfassen, Gesprächsassistenz, Bilddatenextraktion, Schreiben und Lernen als Anwendungen. Geben Sie für eine mehrsprachige Erklärung die Zielgruppe, Terminologie und den Detailgrad vor. Benennen Sie bei einer Bildfrage die zu besprechenden Objekte oder Beziehungen und verlangen Sie Beobachtungen zur Stützung der abschließenden Antwort. Fügen Sie für Code die tatsächliche Funktion und das erwartete Verhalten hinzu. Das Ergebnis kann eine Implementierung vorschlagen, während eine separate Anwendung sie ausführen und prüfen muss. Der Bericht veröffentlicht quantisierte Familienvarianten separat. Diese Identität 12B IT sollte deshalb beim Aufzeichnen von Ergebnissen nicht stillschweigend durch einen anderen quantisierten Checkpoint ersetzt werden.
Der Hersteller nennt Grenzen durch Trainingsabdeckung, sachliche Ungenauigkeiten, sprachliche Nuancen und komplexe offene Aufgaben. Google warnt außerdem, dass ein plausibles Sprachmuster eine Antwort erzeugen kann, die eine alltägliche reale Einschränkung übersieht. Kleine Bilddetails können verloren gehen oder falsch gelesen werden; auch lange Eingaben brauchen klare Prioritäten. Bewahren Sie die Originalseiten auf, prüfen Sie extrahierte Beschriftungen und Mengenangaben und validieren Sie verlangten strukturiert wirkenden Text vor der Datennutzung. Bewerten Sie das konkrete Modell 12B IT anhand typischer Fragen und Sprachen. Ein brauchbares fertiges Ergebnis nennt die quellenbasierte Antwort, die zu ihrem Verständnis benötigten Schlussfolgerungen und verbleibende Unsicherheiten. Es behandelt eine erzeugte Erklärung nicht als abgeschlossene Werkzeugaktion oder aktuelle Wissensabfrage.
POST /v1/chat/completionstexttext| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemma-3-12b-it | 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 $0.0001 / 1K Token Ausgabe · Ausgabetoken $0.0003 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0001 / 1K Token Ausgabe · Ausgabetoken $0.0003 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-12b-it", "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/gemma-3-12b-it',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/gemma-3-12b-it',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 Ultra google/gemma-3-12b-it
Verwenden Sie die oben angezeigten Methodenpfade.
google/gemma-3-12b-itGemma 3 12B IT ist eine eigenständige, auf Anweisungen abgestimmte Gemma 3-Edition für Textgenerierung und Bildverständnis. Nutzen Sie sie für Dokumentfragen, Erklärungen und mehrsprachiges Schreiben mit einem gemeinsamen Kontext von 128K. Halten Sie den Checkpoint mit 12B und sein natives Gesprächsformat ausdrücklich fest.
Diese Beschreibung erläutert die Fähigkeiten des Modells. Die über Ailoot verfügbaren Eingaben, Ausgaben und Optionen sind unten für die ausgewählte Methode aufgeführt.
Gemma 3 12B IT ist Googles auf Anweisungen abgestimmtes Bild- und Sprachmodell der Größenklasse 12B. Es gehört zur Gemma 3-Familie, die Textgenerierung mit Bildverständnis und mehrsprachigem Training verbindet. Das Suffix IT wählt den Checkpoint zur Anweisungsbefolgung und nicht das vortrainierte Modell. Das Ergebnis ist Text: eine Erklärung, Zusammenfassung, Antwort, ein Entwurf oder aus dem schriftlichen und visuellen Material einer Anfrage abgeleiteter Code.
Das Modell mit 12B hat den Familienkontext von 128K Token für Eingabe und erzeugte Antwort gemeinsam. Die Ausgabe verwendet den nach der Anfrage verbleibenden Teil. Die Karte gewährt kein zweites unabhängiges Ausgabefenster von 128K. Bildansichten im Basispfad werden auf 896×896 normiert und durch jeweils 256 visuelle Token dargestellt. Erhalten Sie beim Vorbereiten einer Seitensammlung die Seitenkennungen und planen Sie Platz für das Ergebnis ein. Stellen Sie eine konkrete Frage zum relevanten Inhalt, statt von einem großen Fenster die automatische Auswahl des richtigen Problems zu erwarten.
Der Hersteller berichtet für diese Größe von 12 Billionen Vortrainingstoken. Das Trainingsmaterial umfasst mehrsprachige Webdokumente, Code, Mathematik und Bilder mit einer Abdeckung von mehr als 140 Sprachen in der Familie. Der Bericht beschreibt Wissensdestillation und eine verbesserte Methode zur Anweisungsabstimmung mit bestärkendem Lernen. Diese Schritte zielen auf Hilfsbereitschaft, mathematisches und codebezogenes Schlussfolgern, Anweisungsbefolgung und mehrsprachige Interaktion. Ein eigenes Trainingsbudget und eine bestimmte Checkpointidentität belegen für sich allein nicht die Qualität einer einzelnen Antwort. Vergleichen Sie die Ausgabe daher mit der ursprünglichen Aufgabe.
Die Architektur verwendet einen reinen Decoder-Transformer mit Grouped-Query Attention und einem wiederkehrenden Muster von fünf lokalen Aufmerksamkeitsschichten zu einer globalen Schicht. Lokale Schichten verwenden einen Bereich von 1.024 Token, während globale Aufmerksamkeit den längeren Kontext unterstützt. Ein gemeinsamer SigLIP-Bildencoder für die Modelle mit 4B, 12B und 27B wandelt Bilder in Darstellungen für das Sprachmodell um. Der SentencePiece-Tokenizer erhält Leerraum, trennt Ziffern und umfasst Kodierung auf Byteebene. Dies ist wichtig, wenn Codeformatierung, Zahlenschreibweise oder mehrsprachiger Text erhalten bleiben müssen.
Der Bildablauf umfasst außerdem Pan and Scan: Anpassbare, nicht überlappende Ausschnitte helfen, Inhalte aus breiten oder hochauflösenden Quellen zu erhalten, bevor jede Ansicht den Encoder mit fester Auflösung erreicht. Zusätzliche Ansichten verändern das verarbeitete Material. Stellen Sie für ein technisches Dokument eine lesbare Seite und gegebenenfalls eine klare Ansicht der fraglichen Tabelle oder des Diagramms bereit. Erhalten Sie die umgebende Definition einer Einheit, eines Symbols oder einer Spalte, damit eine lokale Bildinterpretation nicht ihre Bedeutung verliert.
Das native IT-Promptformat verwendet user- und model-Nachrichten und hat keine separate Rolle system. Platzieren Sie gewünschte Rolle, Antwortregeln und Aufgabe im anfänglichen user-Prompt. Verwenden Sie dabei den vorgesehenen Formatierer oder Prozessor für das tatsächliche Gespräch. Eine mögliche Dokumentanalyse kann zwei Verfahrensbeschreibungen vergleichen, eine Tabelle übereinstimmender Anforderungen zurückgeben und Konflikte benennen. Kennzeichnen Sie die Quellen, nennen Sie die vorrangige Anforderung und verlangen Sie die Trennung zwischen bereitgestellten Fakten und deren Interpretation.
Die Herstellerkarte nennt Zusammenfassen, Gesprächsassistenz, Bilddatenextraktion, Schreiben und Lernen als Anwendungen. Geben Sie für eine mehrsprachige Erklärung die Zielgruppe, Terminologie und den Detailgrad vor. Benennen Sie bei einer Bildfrage die zu besprechenden Objekte oder Beziehungen und verlangen Sie Beobachtungen zur Stützung der abschließenden Antwort. Fügen Sie für Code die tatsächliche Funktion und das erwartete Verhalten hinzu. Das Ergebnis kann eine Implementierung vorschlagen, während eine separate Anwendung sie ausführen und prüfen muss. Der Bericht veröffentlicht quantisierte Familienvarianten separat. Diese Identität 12B IT sollte deshalb beim Aufzeichnen von Ergebnissen nicht stillschweigend durch einen anderen quantisierten Checkpoint ersetzt werden.
Der Hersteller nennt Grenzen durch Trainingsabdeckung, sachliche Ungenauigkeiten, sprachliche Nuancen und komplexe offene Aufgaben. Google warnt außerdem, dass ein plausibles Sprachmuster eine Antwort erzeugen kann, die eine alltägliche reale Einschränkung übersieht. Kleine Bilddetails können verloren gehen oder falsch gelesen werden; auch lange Eingaben brauchen klare Prioritäten. Bewahren Sie die Originalseiten auf, prüfen Sie extrahierte Beschriftungen und Mengenangaben und validieren Sie verlangten strukturiert wirkenden Text vor der Datennutzung. Bewerten Sie das konkrete Modell 12B IT anhand typischer Fragen und Sprachen. Ein brauchbares fertiges Ergebnis nennt die quellenbasierte Antwort, die zu ihrem Verständnis benötigten Schlussfolgerungen und verbleibende Unsicherheiten. Es behandelt eine erzeugte Erklärung nicht als abgeschlossene Werkzeugaktion oder aktuelle Wissensabfrage.
POST /v1/messagestextjson, sse| Feld | Typ | Anforderung | Werte und Limits | Standard |
|---|---|---|---|---|
Feldmodel | Typstring | AnforderungErforderlich | Werte und Limits google/gemma-3-12b-it | 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 $0.0001 / 1K Token Ausgabe · Ausgabetoken $0.0003 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
| KonfigurationAnfragelängenstufe 1 | Tarifstaffel— | Kontexttoken, mehr als0 | Kontexttoken, bis einschließlichKeine Obergrenze | Gebühr Eingabe · Eingabetoken $0.0001 / 1K Token Ausgabe · Ausgabetoken $0.0003 / 1K Token Eingabe · Cache-Lesen — / 1K Token Eingabe · Cache-Schreiben — / 1K Token Eingabe · Cache-Schreiben, 1 Stunde — / 1K Token |
Ailoot reserviert vor einer Anfrage einen geschätzten Betrag. Nach dem Ergebnis rechnet Ailoot die endgültige Gebühr anhand des gemessenen Verbrauchs ab. Bei Streaming erfolgt die Abrechnung anhand des abschließenden Verbrauchsdatensatzes. So funktionieren Reservierung und Abrechnung →
{\n "model": "google/gemma-3-12b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/gemma-3-12b-it', '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/gemma-3-12b-it', '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/gemma-3-12b-it
Verwenden Sie die oben angezeigten Methodenpfade.
Technisches Beispiel auf Englisch
Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.