Το Gemini 3.1 Pro Preview προορίζεται για επεξεργασία σύνθετου υλικού και εργασίες που απαιτούν πολλές διαδοχικές αποφάσεις. Η Google δίνει έμφαση στη μηχανική λογισμικού, τη χρήση εργαλείων και τη συνέπεια των πραγματολογικών απαντήσεων. Το μοντέλο βοηθά στην ανάλυση μεγάλων συνόλων δεδομένων, ολόκληρων αποθετηρίων λογισμικού και εργασιών όπου το κείμενο συνδυάζεται με οπτικό ή ηχητικό υλικό.
Στα χαρακτηριστικά της Google περιλαμβάνονται κείμενο, εικόνες, βίντεο, ήχος και PDF. Στον τρέχοντα κατάλογο του Ailoot API, για τις μεθόδους κειμένου δηλώνονται κείμενο και εικόνες στην είσοδο και κείμενο στην έξοδο. Βίντεο, ήχος και PDF δεν περιλαμβάνονται σε αυτό το σύνολο εισόδων. Το μεγάλο παράθυρο συμφραζομένων χωρά έως 1 048 576 token εισόδου και η απάντηση κειμένου έως 65 536 token εξόδου. Η κατανόηση εικόνων και ήχου δεν σημαίνει δημιουργία τους: η έξοδος αυτής της έκδοσης παραμένει κείμενο.
Το Thinking επιτρέπει να αφιερώνεται πρόσθετη προσπάθεια στον εσωτερικό συλλογισμό. Στη λειτουργία του βασικού μοντέλου που περιγράφει η Google, το προεπιλεγμένο επίπεδο είναι high· διατίθενται low, medium, high. Αυτές οι τιμές περιγράφουν το βασικό μοντέλο της Google· η λειτουργία και η διαθεσιμότητα ελέγχου μέσω του Ailoot API καθορίζονται από την επιλεγμένη μέθοδο και την παραλλαγή μοντέλου. Τα κύρια σενάρια περιλαμβάνουν σύνθετο προγραμματισμό, ανάπτυξη αλγορίθμων, στρατηγικό σχεδιασμό και σταδιακή βελτίωση λύσης. Αυτό είναι ιδιαίτερα χρήσιμο όταν χρειάζεται συνεκτίμηση πολλών αλληλένδετων απαιτήσεων και επιστροφή σε ενδιάμεσα αποτελέσματα.
Οι δυνατότητες του μοντέλου περιλαμβάνουν κλήσεις συναρτήσεων, εκτέλεση κώδικα και δομημένες απαντήσεις. Υποστηρίζονται προσωρινή αποθήκευση συμφραζομένων, τεκμηρίωση μέσω αναζήτησης, Google Maps και χρήση περιεχομένου διευθύνσεων ιστού· προβλέπεται μαζική επεξεργασία. Αυτό το σύνολο επιτρέπει μια διαδικασία όπου το μοντέλο αναλύει δεδομένα, επιλέγει το επόμενο εργαλείο και διαμορφώνει το τελικό αποτέλεσμα. Η πραγματική διαθεσιμότητα κάθε εργαλείου εξαρτάται από τη μέθοδο εργασίας με το μοντέλο.
Η κάρτα αφορά την προκαταρκτική έκδοση gemini-3.1-pro-preview. Βασίζεται στο Gemini 3 Pro. Ο κατασκευαστής προσδιορίζει χωριστά την παραλλαγή gemini-3.1-pro-preview-customtools, προσανατολισμένη σε διαδικασίες με κέλυφος εντολών και προσαρμοσμένα εργαλεία. Οι προτεραιότητές της στην επιλογή εργαλείων και τα χαρακτηριστικά συμπεριφοράς της δεν αποτελούν ιδιότητες της κανονικής έκδοσης Preview.
Για το μοντέλο παραμένουν οι γενικοί περιορισμοί της βασικής σειράς: οι απαντήσεις μπορεί να περιέχουν επινοημένες πληροφορίες και ορισμένα αιτήματα να εκτελούνται αργά ή να τερματίζονται λόγω λήξης χρονικού ορίου. Ο συλλογισμός πολλών βημάτων, το μεγάλο παράθυρο συμφραζομένων και η πρόσβαση σε δεδομένα βοηθούν στην επεξεργασία σύνθετης εργασίας, αλλά δεν μετατρέπουν κάθε παραγόμενο συμπέρασμα σε επαληθευμένο γεγονός.
", "aboutText": "Το Gemini 3.1 Pro Preview προορίζεται για επεξεργασία σύνθετου υλικού και εργασίες που απαιτούν πολλές διαδοχικές αποφάσεις. Η Google δίνει έμφαση στη μηχανική λογισμικού, τη χρήση εργαλείων και τη συνέπεια των πραγματολογικών απαντήσεων. Το μοντέλο βοηθά στην ανάλυση μεγάλων συνόλων δεδομένων, ολόκληρων αποθετηρίων λογισμικού και εργασιών όπου το κείμενο συνδυάζεται με οπτικό ή ηχητικό υλικό.\n\n### Ποιο υλικό κατανοεί το μοντέλο\n\nΣτα χαρακτηριστικά της Google περιλαμβάνονται **κείμενο, εικόνες, βίντεο, ήχος και PDF**. Στον τρέχοντα κατάλογο του Ailoot API, για τις μεθόδους κειμένου δηλώνονται **κείμενο και εικόνες** στην είσοδο και κείμενο στην έξοδο. Βίντεο, ήχος και PDF δεν περιλαμβάνονται σε αυτό το σύνολο εισόδων. Το μεγάλο παράθυρο συμφραζομένων χωρά έως **1 048 576 token εισόδου** και η απάντηση κειμένου έως **65 536 token εξόδου**. Η κατανόηση εικόνων και ήχου δεν σημαίνει δημιουργία τους: η έξοδος αυτής της έκδοσης παραμένει κείμενο.\n\n### Συλλογισμός και εργασία σε βήματα\n\nΤο Thinking επιτρέπει να αφιερώνεται πρόσθετη προσπάθεια στον εσωτερικό συλλογισμό. Στη λειτουργία του βασικού μοντέλου που περιγράφει η Google, το προεπιλεγμένο επίπεδο είναι `high`· διατίθενται `low`, `medium`, `high`. Αυτές οι τιμές περιγράφουν το βασικό μοντέλο της Google· η λειτουργία και η διαθεσιμότητα ελέγχου μέσω του Ailoot API καθορίζονται από την επιλεγμένη μέθοδο και την παραλλαγή μοντέλου. Τα κύρια σενάρια περιλαμβάνουν σύνθετο προγραμματισμό, ανάπτυξη αλγορίθμων, στρατηγικό σχεδιασμό και σταδιακή βελτίωση λύσης. Αυτό είναι ιδιαίτερα χρήσιμο όταν χρειάζεται συνεκτίμηση πολλών αλληλένδετων απαιτήσεων και επιστροφή σε ενδιάμεσα αποτελέσματα.\n\nΟι δυνατότητες του μοντέλου περιλαμβάνουν κλήσεις συναρτήσεων, εκτέλεση κώδικα και δομημένες απαντήσεις. Υποστηρίζονται προσωρινή αποθήκευση συμφραζομένων, τεκμηρίωση μέσω αναζήτησης, Google Maps και χρήση περιεχομένου διευθύνσεων ιστού· προβλέπεται μαζική επεξεργασία. Αυτό το σύνολο επιτρέπει μια διαδικασία όπου το μοντέλο αναλύει δεδομένα, επιλέγει το επόμενο εργαλείο και διαμορφώνει το τελικό αποτέλεσμα. Η πραγματική διαθεσιμότητα κάθε εργαλείου εξαρτάται από τη μέθοδο εργασίας με το μοντέλο.\n\n### Έκδοση και χαρακτηριστικά\n\nΗ κάρτα αφορά την προκαταρκτική έκδοση `gemini-3.1-pro-preview`. Βασίζεται στο Gemini 3 Pro. Ο κατασκευαστής προσδιορίζει χωριστά την παραλλαγή `gemini-3.1-pro-preview-customtools`, προσανατολισμένη σε διαδικασίες με κέλυφος εντολών και προσαρμοσμένα εργαλεία. Οι προτεραιότητές της στην επιλογή εργαλείων και τα χαρακτηριστικά συμπεριφοράς της δεν αποτελούν ιδιότητες της κανονικής έκδοσης Preview.\n\nΓια το μοντέλο παραμένουν οι γενικοί περιορισμοί της βασικής σειράς: οι απαντήσεις μπορεί να περιέχουν επινοημένες πληροφορίες και ορισμένα αιτήματα να εκτελούνται αργά ή να τερματίζονται λόγω λήξης χρονικού ορίου. Ο συλλογισμός πολλών βημάτων, το μεγάλο παράθυρο συμφραζομένων και η πρόσβαση σε δεδομένα βοηθούν στην επεξεργασία σύνθετης εργασίας, αλλά δεν μετατρέπουν κάθε παραγόμενο συμπέρασμα σε επαληθευμένο γεγονός.", "editorialOverlay": { "copy_fields": { "practical_html": "Τεχνικό παράδειγμα στα αγγλικά
Design a dependency-aware work order\n\nPlan execution for these tasks: A has no dependency; B depends on A; C depends on A; D depends on both B and C. At most two tasks may run together, and each takes one hour. Give the earliest valid schedule, a general scheduling algorithm and a test that catches starting D before C finishes.A time-slot schedule, algorithm pseudocode and a dependency-violation test case.Check that the proposed schedule respects both dependencies and the two-task concurrency limit.gemini-pro-agentΠολυτροπικό μοντέλο της Google για σύνθετες εργασίες προγραμματισμού, ανάλυση εκτενούς υλικού και ακριβή εργασία πολλών βημάτων με εργαλεία.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Gemini 3.1 Pro Preview προορίζεται για επεξεργασία σύνθετου υλικού και εργασίες που απαιτούν πολλές διαδοχικές αποφάσεις. Η Google δίνει έμφαση στη μηχανική λογισμικού, τη χρήση εργαλείων και τη συνέπεια των πραγματολογικών απαντήσεων. Το μοντέλο βοηθά στην ανάλυση μεγάλων συνόλων δεδομένων, ολόκληρων αποθετηρίων λογισμικού και εργασιών όπου το κείμενο συνδυάζεται με οπτικό ή ηχητικό υλικό.
Στα χαρακτηριστικά της Google περιλαμβάνονται κείμενο, εικόνες, βίντεο, ήχος και PDF. Στον τρέχοντα κατάλογο του Ailoot API, για τις μεθόδους κειμένου δηλώνονται κείμενο και εικόνες στην είσοδο και κείμενο στην έξοδο. Βίντεο, ήχος και PDF δεν περιλαμβάνονται σε αυτό το σύνολο εισόδων. Το μεγάλο παράθυρο συμφραζομένων χωρά έως 1 048 576 token εισόδου και η απάντηση κειμένου έως 65 536 token εξόδου. Η κατανόηση εικόνων και ήχου δεν σημαίνει δημιουργία τους: η έξοδος αυτής της έκδοσης παραμένει κείμενο.
Το Thinking επιτρέπει να αφιερώνεται πρόσθετη προσπάθεια στον εσωτερικό συλλογισμό. Στη λειτουργία του βασικού μοντέλου που περιγράφει η Google, το προεπιλεγμένο επίπεδο είναι high· διατίθενται low, medium, high. Αυτές οι τιμές περιγράφουν το βασικό μοντέλο της Google· η λειτουργία και η διαθεσιμότητα ελέγχου μέσω του Ailoot API καθορίζονται από την επιλεγμένη μέθοδο και την παραλλαγή μοντέλου. Τα κύρια σενάρια περιλαμβάνουν σύνθετο προγραμματισμό, ανάπτυξη αλγορίθμων, στρατηγικό σχεδιασμό και σταδιακή βελτίωση λύσης. Αυτό είναι ιδιαίτερα χρήσιμο όταν χρειάζεται συνεκτίμηση πολλών αλληλένδετων απαιτήσεων και επιστροφή σε ενδιάμεσα αποτελέσματα.
Οι δυνατότητες του μοντέλου περιλαμβάνουν κλήσεις συναρτήσεων, εκτέλεση κώδικα και δομημένες απαντήσεις. Υποστηρίζονται προσωρινή αποθήκευση συμφραζομένων, τεκμηρίωση μέσω αναζήτησης, Google Maps και χρήση περιεχομένου διευθύνσεων ιστού· προβλέπεται μαζική επεξεργασία. Αυτό το σύνολο επιτρέπει μια διαδικασία όπου το μοντέλο αναλύει δεδομένα, επιλέγει το επόμενο εργαλείο και διαμορφώνει το τελικό αποτέλεσμα. Η πραγματική διαθεσιμότητα κάθε εργαλείου εξαρτάται από τη μέθοδο εργασίας με το μοντέλο.
Η κάρτα αφορά την προκαταρκτική έκδοση gemini-3.1-pro-preview. Βασίζεται στο Gemini 3 Pro. Ο κατασκευαστής προσδιορίζει χωριστά την παραλλαγή gemini-3.1-pro-preview-customtools, προσανατολισμένη σε διαδικασίες με κέλυφος εντολών και προσαρμοσμένα εργαλεία. Οι προτεραιότητές της στην επιλογή εργαλείων και τα χαρακτηριστικά συμπεριφοράς της δεν αποτελούν ιδιότητες της κανονικής έκδοσης Preview.
Για το μοντέλο παραμένουν οι γενικοί περιορισμοί της βασικής σειράς: οι απαντήσεις μπορεί να περιέχουν επινοημένες πληροφορίες και ορισμένα αιτήματα να εκτελούνται αργά ή να τερματίζονται λόγω λήξης χρονικού ορίου. Ο συλλογισμός πολλών βημάτων, το μεγάλο παράθυρο συμφραζομένων και η πρόσβαση σε δεδομένα βοηθούν στην επεξεργασία σύνθετης εργασίας, αλλά δεν μετατρέπουν κάθε παραγόμενο συμπέρασμα σε επαληθευμένο γεγονός.
POST /v1/messagestext, imagetext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοmodel | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια gemini-pro-agent | Προεπιλογή— |
Πεδίοmessages | Τύποςmessage[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοmessages[].role | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια user, assistant | Προεπιλογή— |
Πεδίοmessages[].content | Τύποςstring|content_block[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοsystem | Τύποςstring|content_block[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοmax_tokens | Τύποςinteger | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο: 1 Το όριο εφαρμόζεται σε: ακριβές ανώτατο όριο του επιλεγμένου μοντέλου/της επιλεγμένης κάρτας | Προεπιλογή— |
Πεδίοstream | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογήfalse |
Πεδίοtemperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtop_p | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοstop_sequences | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools | Τύποςtool[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].name | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εφαρμόζεται όταν: Παρεχόμενο εργαλείο | Προεπιλογή— |
Πεδίοtools[].description | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtools[].input_schema | ΤύποςJSON_schema | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοtool_choice | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοthinking.type | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοthinking.budget_tokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοoutput_config.effort | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοmetadata | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Πεδίοcache_control | Τύποςobject | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
messages[].content ή μπλοκ type=text
Κείμενο + εικόνα
{type:image,source:{type:base64,media_type,data}} ή πηγή με type=url
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext, image |
Παράμετροςrequired | Σύμβασηmodel, messages, max_tokens |
Παράμετροςoptional_controls | Σύμβασηnull |
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςtext_file_material | Σύμβασηπραγματικό περιεχόμενο UTF-8 που εισάγεται ως κείμενο· τα IDs/URLs αρχείων απαιτούν ξεχωριστή, ακριβή υποστήριξη |
Κύκλος ζωής: exact retained published method
Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.
POST /v1/messages| Μέγεθος αιτήματος, token | Είσοδος | Έξοδος | Ανάγνωση από την κρυφή μνήμη | Εγγραφή στην κρυφή μνήμη | Κρυφή μνήμη 5 λεπτών | Κρυφή μνήμη 1 ώρας |
|---|---|---|---|---|---|---|
| Μέγεθος αιτήματος, token(0; 200.000] | Είσοδος0,002 $ | Έξοδος0,012 $ | Ανάγνωση από την κρυφή μνήμη0,0002 $ | Εγγραφή στην κρυφή μνήμηΒασική: — | Κρυφή μνήμη 5 λεπτώνΒασική: — | Κρυφή μνήμη 1 ώραςΒασική: — |
| Μέγεθος αιτήματος, token(200.000; ∞) | Είσοδος0,004 $ | Έξοδος0,018 $ | Ανάγνωση από την κρυφή μνήμη0,0004 $ | Εγγραφή στην κρυφή μνήμηΒασική: — | Κρυφή μνήμη 5 λεπτώνΒασική: — | Κρυφή μνήμη 1 ώραςΒασική: — |
Χρεώσεις σε USD ανά 1K token. Αν δεν ορίζεται χρέωση, κληρονομείται η βασική χρέωση αυτής της μεθόδου· το «—» σημαίνει ότι δεν έχει οριστεί βασική χρέωση.
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-pro-agent", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-pro-agent", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-pro-agent",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-pro-agent",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=anthropic.Anthropic(base_url="https://api.ailoot.ai",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.messages.stream(model='gemini-pro-agent',max_tokens=1024,messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_message()\n save_result(final.to_dict(mode="json"),"stream-result")\njson ή SSE
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλα τα μπλοκ περιεχομένου, τις υπογραφές συλλογιστικής και τα πραγματικά ID χρήσης εργαλείων. Συνθέστε όλες τις διαφορικές ενημερώσεις μπλοκ SSE· το πρώτο μπλοκ κειμένου δεν είναι η πλήρης έξοδος.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
Πεδίοid | Τύποςstring |
Πεδίοmodel | Τύποςstring |
Πεδίοcontent[] | Τύποςtext|thinking|tool_use|other content block |
Πεδίοstop_reason | Τύποςstring|null |
Πεδίοusage | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot gemini-pro-agent
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
gemini-pro-agentΠολυτροπικό μοντέλο της Google για σύνθετες εργασίες προγραμματισμού, ανάλυση εκτενούς υλικού και ακριβή εργασία πολλών βημάτων με εργαλεία.
Αυτή η περιγραφή καλύπτει τις δυνατότητες του μοντέλου. Οι είσοδοι, έξοδοι και επιλογές που διατίθενται στο Ailoot παρατίθενται παρακάτω για την επιλεγμένη μέθοδο.
Το Gemini 3.1 Pro Preview προορίζεται για επεξεργασία σύνθετου υλικού και εργασίες που απαιτούν πολλές διαδοχικές αποφάσεις. Η Google δίνει έμφαση στη μηχανική λογισμικού, τη χρήση εργαλείων και τη συνέπεια των πραγματολογικών απαντήσεων. Το μοντέλο βοηθά στην ανάλυση μεγάλων συνόλων δεδομένων, ολόκληρων αποθετηρίων λογισμικού και εργασιών όπου το κείμενο συνδυάζεται με οπτικό ή ηχητικό υλικό.
Στα χαρακτηριστικά της Google περιλαμβάνονται κείμενο, εικόνες, βίντεο, ήχος και PDF. Στον τρέχοντα κατάλογο του Ailoot API, για τις μεθόδους κειμένου δηλώνονται κείμενο και εικόνες στην είσοδο και κείμενο στην έξοδο. Βίντεο, ήχος και PDF δεν περιλαμβάνονται σε αυτό το σύνολο εισόδων. Το μεγάλο παράθυρο συμφραζομένων χωρά έως 1 048 576 token εισόδου και η απάντηση κειμένου έως 65 536 token εξόδου. Η κατανόηση εικόνων και ήχου δεν σημαίνει δημιουργία τους: η έξοδος αυτής της έκδοσης παραμένει κείμενο.
Το Thinking επιτρέπει να αφιερώνεται πρόσθετη προσπάθεια στον εσωτερικό συλλογισμό. Στη λειτουργία του βασικού μοντέλου που περιγράφει η Google, το προεπιλεγμένο επίπεδο είναι high· διατίθενται low, medium, high. Αυτές οι τιμές περιγράφουν το βασικό μοντέλο της Google· η λειτουργία και η διαθεσιμότητα ελέγχου μέσω του Ailoot API καθορίζονται από την επιλεγμένη μέθοδο και την παραλλαγή μοντέλου. Τα κύρια σενάρια περιλαμβάνουν σύνθετο προγραμματισμό, ανάπτυξη αλγορίθμων, στρατηγικό σχεδιασμό και σταδιακή βελτίωση λύσης. Αυτό είναι ιδιαίτερα χρήσιμο όταν χρειάζεται συνεκτίμηση πολλών αλληλένδετων απαιτήσεων και επιστροφή σε ενδιάμεσα αποτελέσματα.
Οι δυνατότητες του μοντέλου περιλαμβάνουν κλήσεις συναρτήσεων, εκτέλεση κώδικα και δομημένες απαντήσεις. Υποστηρίζονται προσωρινή αποθήκευση συμφραζομένων, τεκμηρίωση μέσω αναζήτησης, Google Maps και χρήση περιεχομένου διευθύνσεων ιστού· προβλέπεται μαζική επεξεργασία. Αυτό το σύνολο επιτρέπει μια διαδικασία όπου το μοντέλο αναλύει δεδομένα, επιλέγει το επόμενο εργαλείο και διαμορφώνει το τελικό αποτέλεσμα. Η πραγματική διαθεσιμότητα κάθε εργαλείου εξαρτάται από τη μέθοδο εργασίας με το μοντέλο.
Η κάρτα αφορά την προκαταρκτική έκδοση gemini-3.1-pro-preview. Βασίζεται στο Gemini 3 Pro. Ο κατασκευαστής προσδιορίζει χωριστά την παραλλαγή gemini-3.1-pro-preview-customtools, προσανατολισμένη σε διαδικασίες με κέλυφος εντολών και προσαρμοσμένα εργαλεία. Οι προτεραιότητές της στην επιλογή εργαλείων και τα χαρακτηριστικά συμπεριφοράς της δεν αποτελούν ιδιότητες της κανονικής έκδοσης Preview.
Για το μοντέλο παραμένουν οι γενικοί περιορισμοί της βασικής σειράς: οι απαντήσεις μπορεί να περιέχουν επινοημένες πληροφορίες και ορισμένα αιτήματα να εκτελούνται αργά ή να τερματίζονται λόγω λήξης χρονικού ορίου. Ο συλλογισμός πολλών βημάτων, το μεγάλο παράθυρο συμφραζομένων και η πρόσβαση σε δεδομένα βοηθούν στην επεξεργασία σύνθετης εργασίας, αλλά δεν μετατρέπουν κάθε παραγόμενο συμπέρασμα σε επαληθευμένο γεγονός.
POST /v1beta/models/{model}:generateContenttext, imagetext| Πεδίο | Τύπος | Απαίτηση | Τιμές και όρια | Προεπιλογή |
|---|---|---|---|---|
Πεδίοpath.model | Τύποςstring | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια gemini-pro-agent | Προεπιλογή— |
Πεδίοcontents | Τύποςcontent[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια Ελάχιστο πλήθος στοιχείων: 1 | Προεπιλογή— |
Πεδίοcontents[].role | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια user, model | Προεπιλογή— |
Πεδίοcontents[].parts | Τύποςpart[] | ΑπαίτησηΥποχρεωτικό | Τιμές και όρια | Προεπιλογή— |
ΠεδίοsystemInstruction | Τύποςcontent | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
ΠεδίοgenerationConfig.maxOutputTokens | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Ελάχιστο: 1 Εξαρτάται από το μοντέλο | Προεπιλογή— |
ΠεδίοgenerationConfig.temperature | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
ΠεδίοgenerationConfig.topP | Τύποςnumber | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
ΠεδίοgenerationConfig.topK | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
ΠεδίοgenerationConfig.stopSequences | Τύποςstring[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
ΠεδίοgenerationConfig.thinkingConfig.includeThoughts | Τύποςboolean | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
ΠεδίοgenerationConfig.thinkingConfig.thinkingBudget | Τύποςinteger | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
Πεδίοtools[].functionDeclarations | Τύποςfunction_declaration[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
ΠεδίοtoolConfig.functionCallingConfig.mode | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
ΠεδίοsafetySettings | Τύποςobject[] | ΑπαίτησηΠροαιρετικό | Τιμές και όρια Εξαρτάται από το μοντέλο | Προεπιλογή— |
ΠεδίοsessionId | Τύποςstring | ΑπαίτησηΠροαιρετικό | Τιμές και όρια | Προεπιλογή— |
Κείμενο · Κείμενο UTF8
contents[].parts[].text
Κείμενο + εικόνα
parts[].inlineData={mimeType,data}
| Παράμετρος | Σύμβαση |
|---|---|
Παράμετροςmaterial_types | Σύμβασηtext, image |
Παράμετροςrequired | Σύμβασηcontents |
Παράμετροςoptional_controls | Σύμβασηnull |
Παράμετροςcontent_type | Σύμβασηapplication/json |
Παράμετροςtext_file_material | Σύμβασηπραγματικό περιεχόμενο UTF-8 που εισάγεται ως κείμενο· τα IDs/URLs αρχείων απαιτούν ξεχωριστή, ακριβή υποστήριξη |
Κύκλος ζωής: exact retained published method
Οι δομές και τα ID των μεθόδων είναι ακριβή· η δυνατότητα του προμηθευτή είναι ξεχωριστή από την αποδοχή αιτημάτων.
POST /v1beta/models/{model}:generateContent| Μέγεθος αιτήματος, token | Είσοδος | Έξοδος | Ανάγνωση από την κρυφή μνήμη | Εγγραφή στην κρυφή μνήμη | Κρυφή μνήμη 5 λεπτών | Κρυφή μνήμη 1 ώρας |
|---|---|---|---|---|---|---|
| Μέγεθος αιτήματος, token(0; 200.000] | Είσοδος0,002 $ | Έξοδος0,012 $ | Ανάγνωση από την κρυφή μνήμη0,0002 $ | Εγγραφή στην κρυφή μνήμηΒασική: — | Κρυφή μνήμη 5 λεπτώνΒασική: — | Κρυφή μνήμη 1 ώραςΒασική: — |
| Μέγεθος αιτήματος, token(200.000; ∞) | Είσοδος0,004 $ | Έξοδος0,018 $ | Ανάγνωση από την κρυφή μνήμη0,0004 $ | Εγγραφή στην κρυφή μνήμηΒασική: — | Κρυφή μνήμη 5 λεπτώνΒασική: — | Κρυφή μνήμη 1 ώραςΒασική: — |
Χρεώσεις σε USD ανά 1K token. Αν δεν ορίζεται χρέωση, κληρονομείται η βασική χρέωση αυτής της μεθόδου· το «—» σημαίνει ότι δεν έχει οριστεί βασική χρέωση.
Το Ailoot δεσμεύει ένα εκτιμώμενο ποσό πριν από το αίτημα. Μετά το αποτέλεσμα, εκκαθαρίζει την τελική χρέωση βάσει της μετρημένης χρήσης. Η εκκαθάριση ροής χρησιμοποιεί την τελική καταγραφή χρήσης. Πώς λειτουργούν η δέσμευση και η εκκαθάριση →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-pro-agent:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-pro-agent:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-pro-agent", contents="Explain the difference between an observation and a hypothesis in three sentences.")\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-pro-agent", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-pro-agent',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson ή υποστηριζόμενη μετάδοση σε ροή
Διατηρήστε κάθε πλήρη απάντηση, αρχείο και τμήμα περιεχομένου που επιστρέφεται.
Διατηρήστε όλες τις υποψήφιες απαντήσεις και τα τμήματα, συμπεριλαμβανομένων των κλήσεων συναρτήσεων, των υπογραφών συλλογιστικής και των στοιχείων χρήσης· συνθέστε τα τμήματα της ροής με τη σειρά τους.
Διατηρήστε τα ID αιτήματος/απάντησης και τις κεφαλίδες. Δεν παρέχεται γενικό URL ανάκτησης εργασιών κειμένου.
| Πεδίο | Τύπος |
|---|---|
ΠεδίοresponseId | Τύποςstring |
ΠεδίοmodelVersion | Τύποςstring |
Πεδίοcandidates[].content.parts[] | Τύποςtext|inlineData|functionCall|other part |
Πεδίοcandidates[].finishReason | Τύποςstring |
ΠεδίοusageMetadata | Τύποςobject |
| Απάντηση | Συνθήκη | Επόμενο βήμα |
|---|---|---|
Απάντηση400 · invalid_request_error | ΣυνθήκηΜη έγκυρα υποχρεωτικά πεδία, μη έγκυρη αναπαράσταση υλικού ή μη έγκυρη τιμή παραμέτρου | Επόμενο βήμαΔιορθώστε τα υποδεικνυόμενα πεδία πριν από νέο αίτημα δημιουργίας. |
Ailoot gemini-pro-agent
Χρησιμοποιήστε τις διαδρομές μεθόδων που εμφανίζονται παραπάνω.
Τεχνικό παράδειγμα στα αγγλικά
Design a dependency-aware work order\n\nPlan execution for these tasks: A has no dependency; B depends on A; C depends on A; D depends on both B and C. At most two tasks may run together, and each takes one hour. Give the earliest valid schedule, a general scheduling algorithm and a test that catches starting D before C finishes.A time-slot schedule, algorithm pseudocode and a dependency-violation test case.Check that the proposed schedule respects both dependencies and the two-task concurrency limit.