Gemini 3.5 Flash es el perfil de modelo Flash multimodal de Google para programación sostenida y trabajo con agentes. Sus entradas documentadas son texto, imágenes, video, audio y PDF, con salida de texto. El enfoque de sus tareas incluye programación iterativa, exploración de soluciones alternativas y secuencias más largas de instrucciones y uso de herramientas. La edición 3.5 proporciona controles documentados de pensamiento, entradas multimodales y flujos con herramientas.
Una tarea de programación puede combinar un requisito escrito, archivos de código pertinentes y una captura del resultado previsto. Proporciona el comportamiento observado, el comportamiento esperado y las restricciones que deben mantenerse intactas. Un ejemplo de encargo es: “Compara la captura con el texto del componente, identifica la discrepancia en el flujo del formulario y propone una corrección enfocada. Explica qué detalles de la fuente justifican el cambio”. Para una tarea documental, proporciona las páginas pertinentes y solicita una comparación con requisitos explícitos, con referencias de fuente para cada hallazgo.
La edición documenta niveles de pensamiento mínimo, bajo, medio y alto. Medio es el valor predeterminado, que cambia respecto del valor alto predeterminado de Gemini 3 Flash Preview. Mínimo se adapta a respuestas simples y decisiones sencillas de herramientas sin garantizar que el razonamiento esté completamente deshabilitado; bajo se dirige a tareas que requieren menos pasos; alto proporciona un razonamiento más profundo para problemas difíciles de matemáticas, programación y agentes. Google recomienda usar thinking_level para controlar el esfuerzo y conservar los ajustes de muestreo predeterminados, en lugar de intentar forzar el razonamiento cambiando temperature, top-p o top-k.
Un comportamiento definitorio es la conservación del contexto de razonamiento durante una tarea de varios turnos. El flujo Interactions de Google lleva ese contexto automáticamente; su flujo GenerateContent requiere el historial completo de conversación sin modificar, incluidas las firmas de pensamiento. Esto respalda una tarea continua de depuración o refactorización en la que el razonamiento previo orienta el siguiente paso. Conserva la estructura real de la conversación en lugar de convertir cada seguimiento en un prompt sin relación, y mantén claro el entregable final solicitado a medida que avanza el trabajo.
El conjunto documentado de herramientas incluye Google Search, fundamentación con Google Maps, File Search, Code Execution, URL Context y Function Calling estándar; el uso combinado de herramientas y Computer Use se marcan como capacidades preliminares. Structured Outputs puede proporcionar un registro de datos definido. Da a las funciones un propósito claro y una definición de parámetros: el modelo elige una función, mientras que la aplicación conectada realiza la operación y devuelve el resultado. Google exige que los resultados de funciones correspondan a las llamadas previas por identidad, nombre y cantidad; los resultados multimodales pertenecen a la respuesta de la función.
La tabla exacta del modelo de API indica una entrada máxima de 1,048,576 tokens y una salida máxima de 65,536 tokens. El historial de conversación y los medios proporcionados contribuyen al presupuesto de entrada. La caché y el procesamiento por lotes están documentados para este perfil, con opciones adicionales de procesamiento Flex y Priority en la tabla de Google. Estos límites y capacidades describen la edición del productor; no requieren que una respuesta llene toda la ventana de salida ni hacen necesaria cada herramienta para una tarea.
Este perfil genera texto en lugar de imágenes o audio y no utiliza Live API. Su guía para desarrolladores también excluye la segmentación de imágenes. Para una pregunta visual, solicita una descripción, extracción o interpretación del material proporcionado; para una grabación hablada, pide un resultado textual. Cuando la respuesta depende de información más reciente, el flujo documentado de fundamentación mediante búsquedas puede agregar fuentes más allá del conocimiento de entrenamiento. Indica si se necesita información externa y qué evidencia debe conservar la respuesta final.
Para una tarea larga útil, define el resultado final y el criterio de finalización antes del primer paso. Una tarea de análisis de soporte podría solicitar una tabla de problemas observados, pasajes que los respaldan y una respuesta propuesta; una tarea de programación podría requerir el cambio enfocado y el resultado pertinente de validación. Adjunta el contexto de origen que importa, especifica las acciones de herramientas permitidas y solicita una respuesta final explícita que separe el trabajo completado de las preguntas que todavía requieren información. Esto convierte el flujo sostenido del modelo en un entregable concreto de texto, código o estructura definida.
", "aboutText": "Gemini 3.5 Flash es el perfil de modelo Flash multimodal de Google para programación sostenida y trabajo con agentes. Sus entradas documentadas son texto, imágenes, video, audio y PDF, con salida de texto. El enfoque de sus tareas incluye programación iterativa, exploración de soluciones alternativas y secuencias más largas de instrucciones y uso de herramientas. La edición 3.5 proporciona controles documentados de pensamiento, entradas multimodales y flujos con herramientas.\n\nUna tarea de programación puede combinar un requisito escrito, archivos de código pertinentes y una captura del resultado previsto. Proporciona el comportamiento observado, el comportamiento esperado y las restricciones que deben mantenerse intactas. Un ejemplo de encargo es: “Compara la captura con el texto del componente, identifica la discrepancia en el flujo del formulario y propone una corrección enfocada. Explica qué detalles de la fuente justifican el cambio”. Para una tarea documental, proporciona las páginas pertinentes y solicita una comparación con requisitos explícitos, con referencias de fuente para cada hallazgo.\n\nLa edición documenta niveles de pensamiento mínimo, bajo, medio y alto. Medio es el valor predeterminado, que cambia respecto del valor alto predeterminado de Gemini 3 Flash Preview. Mínimo se adapta a respuestas simples y decisiones sencillas de herramientas sin garantizar que el razonamiento esté completamente deshabilitado; bajo se dirige a tareas que requieren menos pasos; alto proporciona un razonamiento más profundo para problemas difíciles de matemáticas, programación y agentes. Google recomienda usar thinking_level para controlar el esfuerzo y conservar los ajustes de muestreo predeterminados, en lugar de intentar forzar el razonamiento cambiando temperature, top-p o top-k.\n\nUn comportamiento definitorio es la conservación del contexto de razonamiento durante una tarea de varios turnos. El flujo Interactions de Google lleva ese contexto automáticamente; su flujo GenerateContent requiere el historial completo de conversación sin modificar, incluidas las firmas de pensamiento. Esto respalda una tarea continua de depuración o refactorización en la que el razonamiento previo orienta el siguiente paso. Conserva la estructura real de la conversación en lugar de convertir cada seguimiento en un prompt sin relación, y mantén claro el entregable final solicitado a medida que avanza el trabajo.\n\nEl conjunto documentado de herramientas incluye Google Search, fundamentación con Google Maps, File Search, Code Execution, URL Context y Function Calling estándar; el uso combinado de herramientas y Computer Use se marcan como capacidades preliminares. Structured Outputs puede proporcionar un registro de datos definido. Da a las funciones un propósito claro y una definición de parámetros: el modelo elige una función, mientras que la aplicación conectada realiza la operación y devuelve el resultado. Google exige que los resultados de funciones correspondan a las llamadas previas por identidad, nombre y cantidad; los resultados multimodales pertenecen a la respuesta de la función.\n\nLa tabla exacta del modelo de API indica una entrada máxima de 1,048,576 tokens y una salida máxima de 65,536 tokens. El historial de conversación y los medios proporcionados contribuyen al presupuesto de entrada. La caché y el procesamiento por lotes están documentados para este perfil, con opciones adicionales de procesamiento Flex y Priority en la tabla de Google. Estos límites y capacidades describen la edición del productor; no requieren que una respuesta llene toda la ventana de salida ni hacen necesaria cada herramienta para una tarea.\n\nEste perfil genera texto en lugar de imágenes o audio y no utiliza Live API. Su guía para desarrolladores también excluye la segmentación de imágenes. Para una pregunta visual, solicita una descripción, extracción o interpretación del material proporcionado; para una grabación hablada, pide un resultado textual. Cuando la respuesta depende de información más reciente, el flujo documentado de fundamentación mediante búsquedas puede agregar fuentes más allá del conocimiento de entrenamiento. Indica si se necesita información externa y qué evidencia debe conservar la respuesta final.\n\nPara una tarea larga útil, define el resultado final y el criterio de finalización antes del primer paso. Una tarea de análisis de soporte podría solicitar una tabla de problemas observados, pasajes que los respaldan y una respuesta propuesta; una tarea de programación podría requerir el cambio enfocado y el resultado pertinente de validación. Adjunta el contexto de origen que importa, especifica las acciones de herramientas permitidas y solicita una respuesta final explícita que separe el trabajo completado de las preguntas que todavía requieren información. Esto convierte el flujo sostenido del modelo en un entregable concreto de texto, código o estructura definida.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Correct a multi-turn form regression\n\nA form change added a required phone field. Prior accepted behavior: email-only contact was allowed. Current source: if (!email || !phone) return 'Missing contact'; submit({email,phone}). New requirement: at least one contact method. Propose a minimal correction, preserve submission fields and explain tests for email only, phone only, both and neither.A focused condition change and four expected acceptance/rejection cases.Check the correction accepts either contact method independently and rejects only when both are absent.gemini-3.5-flashGemini 3.5 Flash combina comprensión multimodal con razonamiento para programación y tareas de agentes de varios pasos. Acepta texto, imágenes, video, audio y PDF y produce texto, con salidas estructuradas, herramientas y un límite de entrada de 1,048,576 tokens en su perfil documentado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.5 Flash es el perfil de modelo Flash multimodal de Google para programación sostenida y trabajo con agentes. Sus entradas documentadas son texto, imágenes, video, audio y PDF, con salida de texto. El enfoque de sus tareas incluye programación iterativa, exploración de soluciones alternativas y secuencias más largas de instrucciones y uso de herramientas. La edición 3.5 proporciona controles documentados de pensamiento, entradas multimodales y flujos con herramientas.
Una tarea de programación puede combinar un requisito escrito, archivos de código pertinentes y una captura del resultado previsto. Proporciona el comportamiento observado, el comportamiento esperado y las restricciones que deben mantenerse intactas. Un ejemplo de encargo es: “Compara la captura con el texto del componente, identifica la discrepancia en el flujo del formulario y propone una corrección enfocada. Explica qué detalles de la fuente justifican el cambio”. Para una tarea documental, proporciona las páginas pertinentes y solicita una comparación con requisitos explícitos, con referencias de fuente para cada hallazgo.
La edición documenta niveles de pensamiento mínimo, bajo, medio y alto. Medio es el valor predeterminado, que cambia respecto del valor alto predeterminado de Gemini 3 Flash Preview. Mínimo se adapta a respuestas simples y decisiones sencillas de herramientas sin garantizar que el razonamiento esté completamente deshabilitado; bajo se dirige a tareas que requieren menos pasos; alto proporciona un razonamiento más profundo para problemas difíciles de matemáticas, programación y agentes. Google recomienda usar thinking_level para controlar el esfuerzo y conservar los ajustes de muestreo predeterminados, en lugar de intentar forzar el razonamiento cambiando temperature, top-p o top-k.
Un comportamiento definitorio es la conservación del contexto de razonamiento durante una tarea de varios turnos. El flujo Interactions de Google lleva ese contexto automáticamente; su flujo GenerateContent requiere el historial completo de conversación sin modificar, incluidas las firmas de pensamiento. Esto respalda una tarea continua de depuración o refactorización en la que el razonamiento previo orienta el siguiente paso. Conserva la estructura real de la conversación en lugar de convertir cada seguimiento en un prompt sin relación, y mantén claro el entregable final solicitado a medida que avanza el trabajo.
El conjunto documentado de herramientas incluye Google Search, fundamentación con Google Maps, File Search, Code Execution, URL Context y Function Calling estándar; el uso combinado de herramientas y Computer Use se marcan como capacidades preliminares. Structured Outputs puede proporcionar un registro de datos definido. Da a las funciones un propósito claro y una definición de parámetros: el modelo elige una función, mientras que la aplicación conectada realiza la operación y devuelve el resultado. Google exige que los resultados de funciones correspondan a las llamadas previas por identidad, nombre y cantidad; los resultados multimodales pertenecen a la respuesta de la función.
La tabla exacta del modelo de API indica una entrada máxima de 1,048,576 tokens y una salida máxima de 65,536 tokens. El historial de conversación y los medios proporcionados contribuyen al presupuesto de entrada. La caché y el procesamiento por lotes están documentados para este perfil, con opciones adicionales de procesamiento Flex y Priority en la tabla de Google. Estos límites y capacidades describen la edición del productor; no requieren que una respuesta llene toda la ventana de salida ni hacen necesaria cada herramienta para una tarea.
Este perfil genera texto en lugar de imágenes o audio y no utiliza Live API. Su guía para desarrolladores también excluye la segmentación de imágenes. Para una pregunta visual, solicita una descripción, extracción o interpretación del material proporcionado; para una grabación hablada, pide un resultado textual. Cuando la respuesta depende de información más reciente, el flujo documentado de fundamentación mediante búsquedas puede agregar fuentes más allá del conocimiento de entrenamiento. Indica si se necesita información externa y qué evidencia debe conservar la respuesta final.
Para una tarea larga útil, define el resultado final y el criterio de finalización antes del primer paso. Una tarea de análisis de soporte podría solicitar una tabla de problemas observados, pasajes que los respaldan y una respuesta propuesta; una tarea de programación podría requerir el cambio enfocado y el resultado pertinente de validación. Adjunta el contexto de origen que importa, especifica las acciones de herramientas permitidas y solicita una respuesta final explícita que separe el trabajo completado de las preguntas que todavía requieren información. Esto convierte el flujo sostenido del modelo en un entregable concreto de texto, código o estructura definida.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.5-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Conversación textual | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream |
Parámetrocontrol_scope | ContratoConversación textual; stream es un booleano y su valor predeterminado es false. |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Alias de método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.5-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.5-flash", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gemini-3.5-flash, google/gemini-3.5-flash
/chat/completions
gemini-3.5-flashGemini 3.5 Flash combina comprensión multimodal con razonamiento para programación y tareas de agentes de varios pasos. Acepta texto, imágenes, video, audio y PDF y produce texto, con salidas estructuradas, herramientas y un límite de entrada de 1,048,576 tokens en su perfil documentado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.5 Flash es el perfil de modelo Flash multimodal de Google para programación sostenida y trabajo con agentes. Sus entradas documentadas son texto, imágenes, video, audio y PDF, con salida de texto. El enfoque de sus tareas incluye programación iterativa, exploración de soluciones alternativas y secuencias más largas de instrucciones y uso de herramientas. La edición 3.5 proporciona controles documentados de pensamiento, entradas multimodales y flujos con herramientas.
Una tarea de programación puede combinar un requisito escrito, archivos de código pertinentes y una captura del resultado previsto. Proporciona el comportamiento observado, el comportamiento esperado y las restricciones que deben mantenerse intactas. Un ejemplo de encargo es: “Compara la captura con el texto del componente, identifica la discrepancia en el flujo del formulario y propone una corrección enfocada. Explica qué detalles de la fuente justifican el cambio”. Para una tarea documental, proporciona las páginas pertinentes y solicita una comparación con requisitos explícitos, con referencias de fuente para cada hallazgo.
La edición documenta niveles de pensamiento mínimo, bajo, medio y alto. Medio es el valor predeterminado, que cambia respecto del valor alto predeterminado de Gemini 3 Flash Preview. Mínimo se adapta a respuestas simples y decisiones sencillas de herramientas sin garantizar que el razonamiento esté completamente deshabilitado; bajo se dirige a tareas que requieren menos pasos; alto proporciona un razonamiento más profundo para problemas difíciles de matemáticas, programación y agentes. Google recomienda usar thinking_level para controlar el esfuerzo y conservar los ajustes de muestreo predeterminados, en lugar de intentar forzar el razonamiento cambiando temperature, top-p o top-k.
Un comportamiento definitorio es la conservación del contexto de razonamiento durante una tarea de varios turnos. El flujo Interactions de Google lleva ese contexto automáticamente; su flujo GenerateContent requiere el historial completo de conversación sin modificar, incluidas las firmas de pensamiento. Esto respalda una tarea continua de depuración o refactorización en la que el razonamiento previo orienta el siguiente paso. Conserva la estructura real de la conversación en lugar de convertir cada seguimiento en un prompt sin relación, y mantén claro el entregable final solicitado a medida que avanza el trabajo.
El conjunto documentado de herramientas incluye Google Search, fundamentación con Google Maps, File Search, Code Execution, URL Context y Function Calling estándar; el uso combinado de herramientas y Computer Use se marcan como capacidades preliminares. Structured Outputs puede proporcionar un registro de datos definido. Da a las funciones un propósito claro y una definición de parámetros: el modelo elige una función, mientras que la aplicación conectada realiza la operación y devuelve el resultado. Google exige que los resultados de funciones correspondan a las llamadas previas por identidad, nombre y cantidad; los resultados multimodales pertenecen a la respuesta de la función.
La tabla exacta del modelo de API indica una entrada máxima de 1,048,576 tokens y una salida máxima de 65,536 tokens. El historial de conversación y los medios proporcionados contribuyen al presupuesto de entrada. La caché y el procesamiento por lotes están documentados para este perfil, con opciones adicionales de procesamiento Flex y Priority en la tabla de Google. Estos límites y capacidades describen la edición del productor; no requieren que una respuesta llene toda la ventana de salida ni hacen necesaria cada herramienta para una tarea.
Este perfil genera texto en lugar de imágenes o audio y no utiliza Live API. Su guía para desarrolladores también excluye la segmentación de imágenes. Para una pregunta visual, solicita una descripción, extracción o interpretación del material proporcionado; para una grabación hablada, pide un resultado textual. Cuando la respuesta depende de información más reciente, el flujo documentado de fundamentación mediante búsquedas puede agregar fuentes más allá del conocimiento de entrenamiento. Indica si se necesita información externa y qué evidencia debe conservar la respuesta final.
Para una tarea larga útil, define el resultado final y el criterio de finalización antes del primer paso. Una tarea de análisis de soporte podría solicitar una tabla de problemas observados, pasajes que los respaldan y una respuesta propuesta; una tarea de programación podría requerir el cambio enfocado y el resultado pertinente de validación. Adjunta el contexto de origen que importa, especifica las acciones de herramientas permitidas y solicita una respuesta final explícita que separe el trabajo completado de las preguntas que todavía requieren información. Esto convierte el flujo sostenido del modelo en un entregable concreto de texto, código o estructura definida.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.5-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gemini-3.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gemini-3.5-flash, google/gemini-3.5-flash
/chat/completions
google/gemini-3.5-flashGemini 3.5 Flash combina comprensión multimodal con razonamiento para programación y tareas de agentes de varios pasos. Acepta texto, imágenes, video, audio y PDF y produce texto, con salidas estructuradas, herramientas y un límite de entrada de 1,048,576 tokens en su perfil documentado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.5 Flash es el perfil de modelo Flash multimodal de Google para programación sostenida y trabajo con agentes. Sus entradas documentadas son texto, imágenes, video, audio y PDF, con salida de texto. El enfoque de sus tareas incluye programación iterativa, exploración de soluciones alternativas y secuencias más largas de instrucciones y uso de herramientas. La edición 3.5 proporciona controles documentados de pensamiento, entradas multimodales y flujos con herramientas.
Una tarea de programación puede combinar un requisito escrito, archivos de código pertinentes y una captura del resultado previsto. Proporciona el comportamiento observado, el comportamiento esperado y las restricciones que deben mantenerse intactas. Un ejemplo de encargo es: “Compara la captura con el texto del componente, identifica la discrepancia en el flujo del formulario y propone una corrección enfocada. Explica qué detalles de la fuente justifican el cambio”. Para una tarea documental, proporciona las páginas pertinentes y solicita una comparación con requisitos explícitos, con referencias de fuente para cada hallazgo.
La edición documenta niveles de pensamiento mínimo, bajo, medio y alto. Medio es el valor predeterminado, que cambia respecto del valor alto predeterminado de Gemini 3 Flash Preview. Mínimo se adapta a respuestas simples y decisiones sencillas de herramientas sin garantizar que el razonamiento esté completamente deshabilitado; bajo se dirige a tareas que requieren menos pasos; alto proporciona un razonamiento más profundo para problemas difíciles de matemáticas, programación y agentes. Google recomienda usar thinking_level para controlar el esfuerzo y conservar los ajustes de muestreo predeterminados, en lugar de intentar forzar el razonamiento cambiando temperature, top-p o top-k.
Un comportamiento definitorio es la conservación del contexto de razonamiento durante una tarea de varios turnos. El flujo Interactions de Google lleva ese contexto automáticamente; su flujo GenerateContent requiere el historial completo de conversación sin modificar, incluidas las firmas de pensamiento. Esto respalda una tarea continua de depuración o refactorización en la que el razonamiento previo orienta el siguiente paso. Conserva la estructura real de la conversación en lugar de convertir cada seguimiento en un prompt sin relación, y mantén claro el entregable final solicitado a medida que avanza el trabajo.
El conjunto documentado de herramientas incluye Google Search, fundamentación con Google Maps, File Search, Code Execution, URL Context y Function Calling estándar; el uso combinado de herramientas y Computer Use se marcan como capacidades preliminares. Structured Outputs puede proporcionar un registro de datos definido. Da a las funciones un propósito claro y una definición de parámetros: el modelo elige una función, mientras que la aplicación conectada realiza la operación y devuelve el resultado. Google exige que los resultados de funciones correspondan a las llamadas previas por identidad, nombre y cantidad; los resultados multimodales pertenecen a la respuesta de la función.
La tabla exacta del modelo de API indica una entrada máxima de 1,048,576 tokens y una salida máxima de 65,536 tokens. El historial de conversación y los medios proporcionados contribuyen al presupuesto de entrada. La caché y el procesamiento por lotes están documentados para este perfil, con opciones adicionales de procesamiento Flex y Priority en la tabla de Google. Estos límites y capacidades describen la edición del productor; no requieren que una respuesta llene toda la ventana de salida ni hacen necesaria cada herramienta para una tarea.
Este perfil genera texto en lugar de imágenes o audio y no utiliza Live API. Su guía para desarrolladores también excluye la segmentación de imágenes. Para una pregunta visual, solicita una descripción, extracción o interpretación del material proporcionado; para una grabación hablada, pide un resultado textual. Cuando la respuesta depende de información más reciente, el flujo documentado de fundamentación mediante búsquedas puede agregar fuentes más allá del conocimiento de entrenamiento. Indica si se necesita información externa y qué evidencia debe conservar la respuesta final.
Para una tarea larga útil, define el resultado final y el criterio de finalización antes del primer paso. Una tarea de análisis de soporte podría solicitar una tabla de problemas observados, pasajes que los respaldan y una respuesta propuesta; una tarea de programación podría requerir el cambio enfocado y el resultado pertinente de validación. Adjunta el contexto de origen que importa, especifica las acciones de herramientas permitidas y solicita una respuesta final explícita que separe el trabajo completado de las preguntas que todavía requieren información. Esto convierte el flujo sostenido del modelo en un entregable concreto de texto, código o estructura definida.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-3.5-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.5-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-3.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-3.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gemini-3.5-flash, google/gemini-3.5-flash
/chat/completions
google/gemini-3.5-flashGemini 3.5 Flash combina comprensión multimodal con razonamiento para programación y tareas de agentes de varios pasos. Acepta texto, imágenes, video, audio y PDF y produce texto, con salidas estructuradas, herramientas y un límite de entrada de 1,048,576 tokens en su perfil documentado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.5 Flash es el perfil de modelo Flash multimodal de Google para programación sostenida y trabajo con agentes. Sus entradas documentadas son texto, imágenes, video, audio y PDF, con salida de texto. El enfoque de sus tareas incluye programación iterativa, exploración de soluciones alternativas y secuencias más largas de instrucciones y uso de herramientas. La edición 3.5 proporciona controles documentados de pensamiento, entradas multimodales y flujos con herramientas.
Una tarea de programación puede combinar un requisito escrito, archivos de código pertinentes y una captura del resultado previsto. Proporciona el comportamiento observado, el comportamiento esperado y las restricciones que deben mantenerse intactas. Un ejemplo de encargo es: “Compara la captura con el texto del componente, identifica la discrepancia en el flujo del formulario y propone una corrección enfocada. Explica qué detalles de la fuente justifican el cambio”. Para una tarea documental, proporciona las páginas pertinentes y solicita una comparación con requisitos explícitos, con referencias de fuente para cada hallazgo.
La edición documenta niveles de pensamiento mínimo, bajo, medio y alto. Medio es el valor predeterminado, que cambia respecto del valor alto predeterminado de Gemini 3 Flash Preview. Mínimo se adapta a respuestas simples y decisiones sencillas de herramientas sin garantizar que el razonamiento esté completamente deshabilitado; bajo se dirige a tareas que requieren menos pasos; alto proporciona un razonamiento más profundo para problemas difíciles de matemáticas, programación y agentes. Google recomienda usar thinking_level para controlar el esfuerzo y conservar los ajustes de muestreo predeterminados, en lugar de intentar forzar el razonamiento cambiando temperature, top-p o top-k.
Un comportamiento definitorio es la conservación del contexto de razonamiento durante una tarea de varios turnos. El flujo Interactions de Google lleva ese contexto automáticamente; su flujo GenerateContent requiere el historial completo de conversación sin modificar, incluidas las firmas de pensamiento. Esto respalda una tarea continua de depuración o refactorización en la que el razonamiento previo orienta el siguiente paso. Conserva la estructura real de la conversación en lugar de convertir cada seguimiento en un prompt sin relación, y mantén claro el entregable final solicitado a medida que avanza el trabajo.
El conjunto documentado de herramientas incluye Google Search, fundamentación con Google Maps, File Search, Code Execution, URL Context y Function Calling estándar; el uso combinado de herramientas y Computer Use se marcan como capacidades preliminares. Structured Outputs puede proporcionar un registro de datos definido. Da a las funciones un propósito claro y una definición de parámetros: el modelo elige una función, mientras que la aplicación conectada realiza la operación y devuelve el resultado. Google exige que los resultados de funciones correspondan a las llamadas previas por identidad, nombre y cantidad; los resultados multimodales pertenecen a la respuesta de la función.
La tabla exacta del modelo de API indica una entrada máxima de 1,048,576 tokens y una salida máxima de 65,536 tokens. El historial de conversación y los medios proporcionados contribuyen al presupuesto de entrada. La caché y el procesamiento por lotes están documentados para este perfil, con opciones adicionales de procesamiento Flex y Priority en la tabla de Google. Estos límites y capacidades describen la edición del productor; no requieren que una respuesta llene toda la ventana de salida ni hacen necesaria cada herramienta para una tarea.
Este perfil genera texto en lugar de imágenes o audio y no utiliza Live API. Su guía para desarrolladores también excluye la segmentación de imágenes. Para una pregunta visual, solicita una descripción, extracción o interpretación del material proporcionado; para una grabación hablada, pide un resultado textual. Cuando la respuesta depende de información más reciente, el flujo documentado de fundamentación mediante búsquedas puede agregar fuentes más allá del conocimiento de entrenamiento. Indica si se necesita información externa y qué evidencia debe conservar la respuesta final.
Para una tarea larga útil, define el resultado final y el criterio de finalización antes del primer paso. Una tarea de análisis de soporte podría solicitar una tabla de problemas observados, pasajes que los respaldan y una respuesta propuesta; una tarea de programación podría requerir el cambio enfocado y el resultado pertinente de validación. Adjunta el contexto de origen que importa, especifica las acciones de herramientas permitidas y solicita una respuesta final explícita que separe el trabajo completado de las preguntas que todavía requieren información. Esto convierte el flujo sostenido del modelo en un entregable concreto de texto, código o estructura definida.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-3.5-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónNivel 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un monto estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "google/gemini-3.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y los encabezados. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gemini-3.5-flash, google/gemini-3.5-flash
/chat/completions
Ejemplo técnico en inglés
Correct a multi-turn form regression\n\nA form change added a required phone field. Prior accepted behavior: email-only contact was allowed. Current source: if (!email || !phone) return 'Missing contact'; submit({email,phone}). New requirement: at least one contact method. Propose a minimal correction, preserve submission fields and explain tests for email only, phone only, both and neither.A focused condition change and four expected acceptance/rejection cases.Check the correction accepts either contact method independently and rejects only when both are absent.