Gemini 3.1 Pro Preview es el modelo de texto de Google orientado al razonamiento para tareas complejas que requieren ingeniería de software, desarrollo de algoritmos o síntesis de pruebas multimodales. Se basa en Gemini 3 Pro y hace hincapié en el uso preciso de herramientas, un razonamiento más eficiente y una ejecución fiable de varios pasos. El texto, las imágenes, el audio, el vídeo y los PDF pueden contribuir a una respuesta escrita, un artefacto de código o un resultado estructurado.
Para un encargo de programación exigente, proporcione el objetivo, el material pertinente del repositorio, el comportamiento observado y las restricciones que deben mantenerse. Los repositorios completos de código pueden aportar contexto para el encargo. Para revisar un contrato de código, pida al modelo que compare cómo gestionan dos módulos un contrato de datos compartido, identifique la discrepancia y proponga una corrección concreta con referencias al código que la respalden. La salida útil distingue el análisis, la revisión propuesta y las pruebas de cualquier validación realizada por la aplicación conectada.
El material de lanzamiento muestra explicaciones visuales basadas en código y proyectos interactivos, incluida la generación de SVG animados a partir de un encargo textual. Se trata de artefactos de código, no de generación de imágenes ráster. Un encargo claro puede definir qué debe explicarse, cómo debe comportarse la representación visual y qué datos debe representar. Revise el código resultante y su representación visual con respecto a esos requisitos. Para una tarea de síntesis de datos, proporcione las fuentes reales y solicite una única vista que conserve las relaciones y los matices presentes en ellas.
Los niveles de razonamiento documentados son bajo, medio y alto, con el alto como predeterminado para 3.1 Pro Preview. El razonamiento no puede desactivarse por completo en este perfil Pro. Elija un esfuerzo menor para una respuesta de alcance acotado y más razonamiento para trabajos difíciles de varios pasos, dejando al mismo tiempo un margen de salida suficiente para el artefacto final. Un límite de salida reducido puede interrumpir el razonamiento antes de que aparezca una respuesta final utilizable. La guía de razonamiento distingue un resumen del razonamiento del proceso interno completo y explica por qué es importante el contexto de las firmas de pensamiento de la conversación.
La tabla exacta de Preview enumera llamadas a funciones, ejecución de código, fundamentación con búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Limita File Search a AI Studio. Proporcione los propósitos de las funciones y las definiciones de sus parámetros, y continúe a partir del resultado real devuelto. El perfil independiente Custom Tools Preview está optimizado para dar prioridad a las herramientas personalizadas y a bash; es un endpoint del fabricante con un nombre propio, por lo que esa especialización no debe atribuirse, sin indicarlo, a todas las solicitudes a 3.1 Pro. Seleccione un esquema de resultados estructurados cuando una tarea necesite registros definidos en lugar de texto libre.
Para el análisis multimodal, identifique la página, el elemento visual, el intervalo de grabación o el evento de vídeo pertinente. Para el análisis de documentos, compare un diagrama con su especificación escrita y devuelva cada discrepancia con el pasaje que la respalda. Una fuente oral puede aportar una transcripción o una interpretación en texto. Conserve las referencias a las fuentes para las conclusiones que deban comprobarse y distinga lo que es visible o se afirma de lo que se infiere. La salida de este perfil sigue siendo texto, incluido código; la generación nativa de imágenes o voz no forma parte de su tabla exacta de capacidades.
La ficha nativa de 3.1 Pro especifica hasta 1M de contexto y 64K de salida de texto, y la tabla exacta de la API de Preview establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Incluya las instrucciones, el historial de conversación y el contenido multimedia en el presupuesto de entrada. El almacenamiento en caché y el procesamiento por lotes están documentados, y también se enumeran las opciones Flex y Priority para el perfil del fabricante. Para varios elementos independientes, defina la salida requerida y conserve el identificador de cada fuente en lugar de combinar pruebas sin relación entre sí en una única respuesta sin trazabilidad.
La edición denominada Preview sigue siendo distinta del perfil Custom Tools de Pro y de las versiones posteriores de Flash o Pro. Sus puntos fuertes se centran en el razonamiento complejo, la programación y la síntesis de pruebas; el artefacto final sigue necesitando una comprobación frente a la fuente y los resultados reales de las herramientas. Conserve las ambigüedades sin resolver cuando la información proporcionada no permita llegar a una conclusión definitiva. Una entrega útil es la respuesta, el código o el registro respaldado por pruebas que solicitó la tarea, con pruebas suficientes para evaluar sus límites prácticos.
", "aboutText": "Gemini 3.1 Pro Preview es el modelo de texto de Google orientado al razonamiento para tareas complejas que requieren ingeniería de software, desarrollo de algoritmos o síntesis de pruebas multimodales. Se basa en Gemini 3 Pro y hace hincapié en el uso preciso de herramientas, un razonamiento más eficiente y una ejecución fiable de varios pasos. El texto, las imágenes, el audio, el vídeo y los PDF pueden contribuir a una respuesta escrita, un artefacto de código o un resultado estructurado.\n\nPara un encargo de programación exigente, proporcione el objetivo, el material pertinente del repositorio, el comportamiento observado y las restricciones que deben mantenerse. Los repositorios completos de código pueden aportar contexto para el encargo. Para revisar un contrato de código, pida al modelo que compare cómo gestionan dos módulos un contrato de datos compartido, identifique la discrepancia y proponga una corrección concreta con referencias al código que la respalden. La salida útil distingue el análisis, la revisión propuesta y las pruebas de cualquier validación realizada por la aplicación conectada.\n\nEl material de lanzamiento muestra explicaciones visuales basadas en código y proyectos interactivos, incluida la generación de SVG animados a partir de un encargo textual. Se trata de artefactos de código, no de generación de imágenes ráster. Un encargo claro puede definir qué debe explicarse, cómo debe comportarse la representación visual y qué datos debe representar. Revise el código resultante y su representación visual con respecto a esos requisitos. Para una tarea de síntesis de datos, proporcione las fuentes reales y solicite una única vista que conserve las relaciones y los matices presentes en ellas.\n\nLos niveles de razonamiento documentados son bajo, medio y alto, con el alto como predeterminado para 3.1 Pro Preview. El razonamiento no puede desactivarse por completo en este perfil Pro. Elija un esfuerzo menor para una respuesta de alcance acotado y más razonamiento para trabajos difíciles de varios pasos, dejando al mismo tiempo un margen de salida suficiente para el artefacto final. Un límite de salida reducido puede interrumpir el razonamiento antes de que aparezca una respuesta final utilizable. La guía de razonamiento distingue un resumen del razonamiento del proceso interno completo y explica por qué es importante el contexto de las firmas de pensamiento de la conversación.\n\nLa tabla exacta de Preview enumera llamadas a funciones, ejecución de código, fundamentación con búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Limita File Search a AI Studio. Proporcione los propósitos de las funciones y las definiciones de sus parámetros, y continúe a partir del resultado real devuelto. El perfil independiente Custom Tools Preview está optimizado para dar prioridad a las herramientas personalizadas y a bash; es un endpoint del fabricante con un nombre propio, por lo que esa especialización no debe atribuirse, sin indicarlo, a todas las solicitudes a 3.1 Pro. Seleccione un esquema de resultados estructurados cuando una tarea necesite registros definidos en lugar de texto libre.\n\nPara el análisis multimodal, identifique la página, el elemento visual, el intervalo de grabación o el evento de vídeo pertinente. Para el análisis de documentos, compare un diagrama con su especificación escrita y devuelva cada discrepancia con el pasaje que la respalda. Una fuente oral puede aportar una transcripción o una interpretación en texto. Conserve las referencias a las fuentes para las conclusiones que deban comprobarse y distinga lo que es visible o se afirma de lo que se infiere. La salida de este perfil sigue siendo texto, incluido código; la generación nativa de imágenes o voz no forma parte de su tabla exacta de capacidades.\n\nLa ficha nativa de 3.1 Pro especifica hasta 1M de contexto y 64K de salida de texto, y la tabla exacta de la API de Preview establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Incluya las instrucciones, el historial de conversación y el contenido multimedia en el presupuesto de entrada. El almacenamiento en caché y el procesamiento por lotes están documentados, y también se enumeran las opciones Flex y Priority para el perfil del fabricante. Para varios elementos independientes, defina la salida requerida y conserve el identificador de cada fuente en lugar de combinar pruebas sin relación entre sí en una única respuesta sin trazabilidad.\n\nLa edición denominada Preview sigue siendo distinta del perfil Custom Tools de Pro y de las versiones posteriores de Flash o Pro. Sus puntos fuertes se centran en el razonamiento complejo, la programación y la síntesis de pruebas; el artefacto final sigue necesitando una comprobación frente a la fuente y los resultados reales de las herramientas. Conserve las ambigüedades sin resolver cuando la información proporcionada no permita llegar a una conclusión definitiva. Una entrega útil es la respuesta, el código o el registro respaldado por pruebas que solicitó la tarea, con pruebas suficientes para evaluar sus límites prácticos.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Review a cross-module date contract\n\nReview this contract mismatch. Producer emits {due_date: "2026-11-03"}; consumer reads record.dueDate and displays "No date" when missing. Existing stored records use due_date. Propose the smallest compatible correction and tests for both present and absent dates. Preserve the producer field and do not add a second stored field.A short mismatch analysis, a focused consumer patch and tests covering the stored field and missing-value behavior.Check that the patch reads due_date without changing persisted records or treating an absent date as a valid one.gemini-3.1-pro-previewGemini 3.1 Pro Preview es el modelo de razonamiento multimodal de Google para tareas complejas de software, algoritmos y conocimiento. Acepta texto, imágenes, audio, vídeo y PDF y devuelve texto o código, con herramientas y salida estructurada. Los niveles de razonamiento low, medium y high orientan el esfuerzo; high es el valor predeterminado 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 3.1 Pro Preview es el modelo de texto de Google orientado al razonamiento para tareas complejas que requieren ingeniería de software, desarrollo de algoritmos o síntesis de pruebas multimodales. Se basa en Gemini 3 Pro y hace hincapié en el uso preciso de herramientas, un razonamiento más eficiente y una ejecución fiable de varios pasos. El texto, las imágenes, el audio, el vídeo y los PDF pueden contribuir a una respuesta escrita, un artefacto de código o un resultado estructurado.
Para un encargo de programación exigente, proporcione el objetivo, el material pertinente del repositorio, el comportamiento observado y las restricciones que deben mantenerse. Los repositorios completos de código pueden aportar contexto para el encargo. Para revisar un contrato de código, pida al modelo que compare cómo gestionan dos módulos un contrato de datos compartido, identifique la discrepancia y proponga una corrección concreta con referencias al código que la respalden. La salida útil distingue el análisis, la revisión propuesta y las pruebas de cualquier validación realizada por la aplicación conectada.
El material de lanzamiento muestra explicaciones visuales basadas en código y proyectos interactivos, incluida la generación de SVG animados a partir de un encargo textual. Se trata de artefactos de código, no de generación de imágenes ráster. Un encargo claro puede definir qué debe explicarse, cómo debe comportarse la representación visual y qué datos debe representar. Revise el código resultante y su representación visual con respecto a esos requisitos. Para una tarea de síntesis de datos, proporcione las fuentes reales y solicite una única vista que conserve las relaciones y los matices presentes en ellas.
Los niveles de razonamiento documentados son bajo, medio y alto, con el alto como predeterminado para 3.1 Pro Preview. El razonamiento no puede desactivarse por completo en este perfil Pro. Elija un esfuerzo menor para una respuesta de alcance acotado y más razonamiento para trabajos difíciles de varios pasos, dejando al mismo tiempo un margen de salida suficiente para el artefacto final. Un límite de salida reducido puede interrumpir el razonamiento antes de que aparezca una respuesta final utilizable. La guía de razonamiento distingue un resumen del razonamiento del proceso interno completo y explica por qué es importante el contexto de las firmas de pensamiento de la conversación.
La tabla exacta de Preview enumera llamadas a funciones, ejecución de código, fundamentación con búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Limita File Search a AI Studio. Proporcione los propósitos de las funciones y las definiciones de sus parámetros, y continúe a partir del resultado real devuelto. El perfil independiente Custom Tools Preview está optimizado para dar prioridad a las herramientas personalizadas y a bash; es un endpoint del fabricante con un nombre propio, por lo que esa especialización no debe atribuirse, sin indicarlo, a todas las solicitudes a 3.1 Pro. Seleccione un esquema de resultados estructurados cuando una tarea necesite registros definidos en lugar de texto libre.
Para el análisis multimodal, identifique la página, el elemento visual, el intervalo de grabación o el evento de vídeo pertinente. Para el análisis de documentos, compare un diagrama con su especificación escrita y devuelva cada discrepancia con el pasaje que la respalda. Una fuente oral puede aportar una transcripción o una interpretación en texto. Conserve las referencias a las fuentes para las conclusiones que deban comprobarse y distinga lo que es visible o se afirma de lo que se infiere. La salida de este perfil sigue siendo texto, incluido código; la generación nativa de imágenes o voz no forma parte de su tabla exacta de capacidades.
La ficha nativa de 3.1 Pro especifica hasta 1M de contexto y 64K de salida de texto, y la tabla exacta de la API de Preview establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Incluya las instrucciones, el historial de conversación y el contenido multimedia en el presupuesto de entrada. El almacenamiento en caché y el procesamiento por lotes están documentados, y también se enumeran las opciones Flex y Priority para el perfil del fabricante. Para varios elementos independientes, defina la salida requerida y conserve el identificador de cada fuente en lugar de combinar pruebas sin relación entre sí en una única respuesta sin trazabilidad.
La edición denominada Preview sigue siendo distinta del perfil Custom Tools de Pro y de las versiones posteriores de Flash o Pro. Sus puntos fuertes se centran en el razonamiento complejo, la programación y la síntesis de pruebas; el artefacto final sigue necesitando una comprobación frente a la fuente y los resultados reales de las herramientas. Conserve las ambigüedades sin resolver cuando la información proporcionada no permita llegar a una conclusión definitiva. Una entrega útil es la respuesta, el código o el registro respaldado por pruebas que solicitó la tarea, con pruebas suficientes para evaluar sus límites prácticos.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.1-pro-preview | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring|content_block[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Camposystem | Tipostring|content_block[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites Mínimo: 1 El límite se aplica a: límite máximo exacto de la ficha del modelo seleccionado | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop_sequences | Tipostring[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipotool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].name | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: herramienta proporcionada | Predeterminado— |
Campotools[].description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].input_schema | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campothinking.type | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campothinking.budget_tokens | Tipointeger | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campooutput_config.effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campometadata | Tipoobject | RequisitoOpcional | Valores y límites | Predeterminado— |
Campocache_control | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Texto · Texto UTF8
messages[].content o bloque type=text
Texto + imagen
{type:image,source:{type:base64,media_type,data}} o una fuente con type=url
| Parámetro | Contrato |
|---|---|
Parámetromaterial_types | Contratotext, image |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratonull |
Parámetrocontent_type | Contratoapplication/json |
Parámetrotext_file_material | Contratocontenido real en UTF-8 insertado como texto; los ID de archivo y las URLs requieren compatibilidad específica e independiente |
Ciclo de vida: exact retained published method
Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos.
POST /v1/messages| Tamaño de la solicitud, en tokens | Entrada | Salida | Lectura de caché | Escritura en caché | Caché de 5 min | Caché de 1 hora |
|---|---|---|---|---|---|---|
| Tamaño de la solicitud, en tokens(0; 200.000] | Entrada0,002 US$ | Salida0,012 US$ | Lectura de caché0,0002 US$ | Escritura en cachéBase: — | Caché de 5 minBase: — | Caché de 1 horaBase: — |
| Tamaño de la solicitud, en tokens(200.000; ∞) | Entrada0,004 US$ | Salida0,018 US$ | Lectura de caché0,0004 US$ | Escritura en cachéBase: — | Caché de 5 minBase: — | Caché de 1 horaBase: — |
Tarifas en USD por 1K tokens. Si no se define ninguna tarifa, se hereda la tarifa base de este método; «—» indica que no hay tarifa base definida.
Ailoot reserva un importe 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 →
Las tablas de referencia del modelo no cambian la selección del método, las estimaciones de coste ni los cargos. Los cargos aplicados usan las tarifas del método Ailoot 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 |
|---|---|---|---|---|
| ConfiguraciónOpenAI Chat · Tarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens Salida · Tokens de salida de razonamiento $0.024 / 1K tokens |
| ConfiguraciónOpenAI Chat · Nivel 1 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive200.000 | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónOpenAI Chat · Nivel 2 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de200.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.008 / 1K tokens Salida · Tokens de salida $0.036 / 1K tokens Entrada · Lectura de caché $0.0008 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónAnthropic Messages · Tarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens Salida · Tokens de salida de razonamiento $0.024 / 1K tokens |
| ConfiguraciónAnthropic Messages · Nivel 1 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive200.000 | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónAnthropic Messages · Nivel 2 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de200.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.008 / 1K tokens Salida · Tokens de salida $0.036 / 1K tokens Entrada · Lectura de caché $0.0008 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
set -eu\n: "${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-3.1-pro-preview", "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-3.1-pro-preview", "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-3.1-pro-preview",\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-3.1-pro-preview",\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-3.1-pro-preview',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 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 las cabeceras. 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 gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview es el modelo de razonamiento multimodal de Google para tareas complejas de software, algoritmos y conocimiento. Acepta texto, imágenes, audio, vídeo y PDF y devuelve texto o código, con herramientas y salida estructurada. Los niveles de razonamiento low, medium y high orientan el esfuerzo; high es el valor predeterminado 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 3.1 Pro Preview es el modelo de texto de Google orientado al razonamiento para tareas complejas que requieren ingeniería de software, desarrollo de algoritmos o síntesis de pruebas multimodales. Se basa en Gemini 3 Pro y hace hincapié en el uso preciso de herramientas, un razonamiento más eficiente y una ejecución fiable de varios pasos. El texto, las imágenes, el audio, el vídeo y los PDF pueden contribuir a una respuesta escrita, un artefacto de código o un resultado estructurado.
Para un encargo de programación exigente, proporcione el objetivo, el material pertinente del repositorio, el comportamiento observado y las restricciones que deben mantenerse. Los repositorios completos de código pueden aportar contexto para el encargo. Para revisar un contrato de código, pida al modelo que compare cómo gestionan dos módulos un contrato de datos compartido, identifique la discrepancia y proponga una corrección concreta con referencias al código que la respalden. La salida útil distingue el análisis, la revisión propuesta y las pruebas de cualquier validación realizada por la aplicación conectada.
El material de lanzamiento muestra explicaciones visuales basadas en código y proyectos interactivos, incluida la generación de SVG animados a partir de un encargo textual. Se trata de artefactos de código, no de generación de imágenes ráster. Un encargo claro puede definir qué debe explicarse, cómo debe comportarse la representación visual y qué datos debe representar. Revise el código resultante y su representación visual con respecto a esos requisitos. Para una tarea de síntesis de datos, proporcione las fuentes reales y solicite una única vista que conserve las relaciones y los matices presentes en ellas.
Los niveles de razonamiento documentados son bajo, medio y alto, con el alto como predeterminado para 3.1 Pro Preview. El razonamiento no puede desactivarse por completo en este perfil Pro. Elija un esfuerzo menor para una respuesta de alcance acotado y más razonamiento para trabajos difíciles de varios pasos, dejando al mismo tiempo un margen de salida suficiente para el artefacto final. Un límite de salida reducido puede interrumpir el razonamiento antes de que aparezca una respuesta final utilizable. La guía de razonamiento distingue un resumen del razonamiento del proceso interno completo y explica por qué es importante el contexto de las firmas de pensamiento de la conversación.
La tabla exacta de Preview enumera llamadas a funciones, ejecución de código, fundamentación con búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Limita File Search a AI Studio. Proporcione los propósitos de las funciones y las definiciones de sus parámetros, y continúe a partir del resultado real devuelto. El perfil independiente Custom Tools Preview está optimizado para dar prioridad a las herramientas personalizadas y a bash; es un endpoint del fabricante con un nombre propio, por lo que esa especialización no debe atribuirse, sin indicarlo, a todas las solicitudes a 3.1 Pro. Seleccione un esquema de resultados estructurados cuando una tarea necesite registros definidos en lugar de texto libre.
Para el análisis multimodal, identifique la página, el elemento visual, el intervalo de grabación o el evento de vídeo pertinente. Para el análisis de documentos, compare un diagrama con su especificación escrita y devuelva cada discrepancia con el pasaje que la respalda. Una fuente oral puede aportar una transcripción o una interpretación en texto. Conserve las referencias a las fuentes para las conclusiones que deban comprobarse y distinga lo que es visible o se afirma de lo que se infiere. La salida de este perfil sigue siendo texto, incluido código; la generación nativa de imágenes o voz no forma parte de su tabla exacta de capacidades.
La ficha nativa de 3.1 Pro especifica hasta 1M de contexto y 64K de salida de texto, y la tabla exacta de la API de Preview establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Incluya las instrucciones, el historial de conversación y el contenido multimedia en el presupuesto de entrada. El almacenamiento en caché y el procesamiento por lotes están documentados, y también se enumeran las opciones Flex y Priority para el perfil del fabricante. Para varios elementos independientes, defina la salida requerida y conserve el identificador de cada fuente en lugar de combinar pruebas sin relación entre sí en una única respuesta sin trazabilidad.
La edición denominada Preview sigue siendo distinta del perfil Custom Tools de Pro y de las versiones posteriores de Flash o Pro. Sus puntos fuertes se centran en el razonamiento complejo, la programación y la síntesis de pruebas; el artefacto final sigue necesitando una comprobación frente a la fuente y los resultados reales de las herramientas. Conserve las ambigüedades sin resolver cuando la información proporcionada no permita llegar a una conclusión definitiva. Una entrega útil es la respuesta, el código o el registro respaldado por pruebas que solicitó la tarea, con pruebas suficientes para evaluar sus límites prácticos.
POST /v1beta/models/{model}:generateContenttext, imagetext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campopath.model | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.1-pro-preview | Predeterminado— |
Campocontents | Tipocontent[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campocontents[].role | Tipostring | RequisitoOpcional | Valores y límites user, model | Predeterminado— |
Campocontents[].parts | Tipopart[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
CamposystemInstruction | Tipocontent | RequisitoOpcional | Valores y límites | Predeterminado— |
CampogenerationConfig.maxOutputTokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
CampogenerationConfig.temperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.topP | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.topK | Tipointeger | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.stopSequences | Tipostring[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.thinkingConfig.includeThoughts | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.thinkingConfig.thinkingBudget | Tipointeger | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].functionDeclarations | Tipofunction_declaration[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampotoolConfig.functionCallingConfig.mode | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CamposafetySettings | Tipoobject[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CamposessionId | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Texto · Texto UTF8
contents[].parts[].text
Texto + imagen
parts[].inlineData={mimeType,data}
| Parámetro | Contrato |
|---|---|
Parámetromaterial_types | Contratotext, image |
Parámetrorequired | Contratocontents |
Parámetrooptional_controls | Contratonull |
Parámetrocontent_type | Contratoapplication/json |
Parámetrotext_file_material | Contratocontenido real en UTF-8 insertado como texto; los ID de archivo y las URLs requieren compatibilidad específica e independiente |
Ciclo de vida: exact retained published method
Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos.
POST /v1beta/models/{model}:generateContent| Tamaño de la solicitud, en tokens | Entrada | Salida | Lectura de caché | Escritura en caché | Caché de 5 min | Caché de 1 hora |
|---|---|---|---|---|---|---|
| Tamaño de la solicitud, en tokens(0; 200.000] | Entrada0,002 US$ | Salida0,012 US$ | Lectura de caché0,0002 US$ | Escritura en cachéBase: — | Caché de 5 minBase: — | Caché de 1 horaBase: — |
| Tamaño de la solicitud, en tokens(200.000; ∞) | Entrada0,004 US$ | Salida0,018 US$ | Lectura de caché0,0004 US$ | Escritura en cachéBase: — | Caché de 5 minBase: — | Caché de 1 horaBase: — |
Tarifas en USD por 1K tokens. Si no se define ninguna tarifa, se hereda la tarifa base de este método; «—» indica que no hay tarifa base definida.
Ailoot reserva un importe 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 →
Las tablas de referencia del modelo no cambian la selección del método, las estimaciones de coste ni los cargos. Los cargos aplicados usan las tarifas del método Ailoot 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 |
|---|---|---|---|---|
| ConfiguraciónOpenAI Chat · Tarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens Salida · Tokens de salida de razonamiento $0.024 / 1K tokens |
| ConfiguraciónOpenAI Chat · Nivel 1 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive200.000 | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónOpenAI Chat · Nivel 2 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de200.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.008 / 1K tokens Salida · Tokens de salida $0.036 / 1K tokens Entrada · Lectura de caché $0.0008 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónAnthropic Messages · Tarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens Salida · Tokens de salida de razonamiento $0.024 / 1K tokens |
| ConfiguraciónAnthropic Messages · Nivel 1 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive200.000 | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónAnthropic Messages · Nivel 2 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de200.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.008 / 1K tokens Salida · Tokens de salida $0.036 / 1K tokens Entrada · Lectura de caché $0.0008 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
set -eu\n: "${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-3.1-pro-preview: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-3.1-pro-preview: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-3.1-pro-preview", 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-3.1-pro-preview", 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-3.1-pro-preview',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 o transmisión en flujo compatible
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los candidatos y sus partes, incluidas las llamadas de función, las firmas de razonamiento y el uso; ensambla los fragmentos de la transmisión en flujo en orden.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
CamporesponseId | Tipostring |
CampomodelVersion | Tipostring |
Campocandidates[].content.parts[] | Tipotext|inlineData|functionCall|other part |
Campocandidates[].finishReason | Tipostring |
CampousageMetadata | 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 gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview es el modelo de razonamiento multimodal de Google para tareas complejas de software, algoritmos y conocimiento. Acepta texto, imágenes, audio, vídeo y PDF y devuelve texto o código, con herramientas y salida estructurada. Los niveles de razonamiento low, medium y high orientan el esfuerzo; high es el valor predeterminado 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 3.1 Pro Preview es el modelo de texto de Google orientado al razonamiento para tareas complejas que requieren ingeniería de software, desarrollo de algoritmos o síntesis de pruebas multimodales. Se basa en Gemini 3 Pro y hace hincapié en el uso preciso de herramientas, un razonamiento más eficiente y una ejecución fiable de varios pasos. El texto, las imágenes, el audio, el vídeo y los PDF pueden contribuir a una respuesta escrita, un artefacto de código o un resultado estructurado.
Para un encargo de programación exigente, proporcione el objetivo, el material pertinente del repositorio, el comportamiento observado y las restricciones que deben mantenerse. Los repositorios completos de código pueden aportar contexto para el encargo. Para revisar un contrato de código, pida al modelo que compare cómo gestionan dos módulos un contrato de datos compartido, identifique la discrepancia y proponga una corrección concreta con referencias al código que la respalden. La salida útil distingue el análisis, la revisión propuesta y las pruebas de cualquier validación realizada por la aplicación conectada.
El material de lanzamiento muestra explicaciones visuales basadas en código y proyectos interactivos, incluida la generación de SVG animados a partir de un encargo textual. Se trata de artefactos de código, no de generación de imágenes ráster. Un encargo claro puede definir qué debe explicarse, cómo debe comportarse la representación visual y qué datos debe representar. Revise el código resultante y su representación visual con respecto a esos requisitos. Para una tarea de síntesis de datos, proporcione las fuentes reales y solicite una única vista que conserve las relaciones y los matices presentes en ellas.
Los niveles de razonamiento documentados son bajo, medio y alto, con el alto como predeterminado para 3.1 Pro Preview. El razonamiento no puede desactivarse por completo en este perfil Pro. Elija un esfuerzo menor para una respuesta de alcance acotado y más razonamiento para trabajos difíciles de varios pasos, dejando al mismo tiempo un margen de salida suficiente para el artefacto final. Un límite de salida reducido puede interrumpir el razonamiento antes de que aparezca una respuesta final utilizable. La guía de razonamiento distingue un resumen del razonamiento del proceso interno completo y explica por qué es importante el contexto de las firmas de pensamiento de la conversación.
La tabla exacta de Preview enumera llamadas a funciones, ejecución de código, fundamentación con búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Limita File Search a AI Studio. Proporcione los propósitos de las funciones y las definiciones de sus parámetros, y continúe a partir del resultado real devuelto. El perfil independiente Custom Tools Preview está optimizado para dar prioridad a las herramientas personalizadas y a bash; es un endpoint del fabricante con un nombre propio, por lo que esa especialización no debe atribuirse, sin indicarlo, a todas las solicitudes a 3.1 Pro. Seleccione un esquema de resultados estructurados cuando una tarea necesite registros definidos en lugar de texto libre.
Para el análisis multimodal, identifique la página, el elemento visual, el intervalo de grabación o el evento de vídeo pertinente. Para el análisis de documentos, compare un diagrama con su especificación escrita y devuelva cada discrepancia con el pasaje que la respalda. Una fuente oral puede aportar una transcripción o una interpretación en texto. Conserve las referencias a las fuentes para las conclusiones que deban comprobarse y distinga lo que es visible o se afirma de lo que se infiere. La salida de este perfil sigue siendo texto, incluido código; la generación nativa de imágenes o voz no forma parte de su tabla exacta de capacidades.
La ficha nativa de 3.1 Pro especifica hasta 1M de contexto y 64K de salida de texto, y la tabla exacta de la API de Preview establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Incluya las instrucciones, el historial de conversación y el contenido multimedia en el presupuesto de entrada. El almacenamiento en caché y el procesamiento por lotes están documentados, y también se enumeran las opciones Flex y Priority para el perfil del fabricante. Para varios elementos independientes, defina la salida requerida y conserve el identificador de cada fuente en lugar de combinar pruebas sin relación entre sí en una única respuesta sin trazabilidad.
La edición denominada Preview sigue siendo distinta del perfil Custom Tools de Pro y de las versiones posteriores de Flash o Pro. Sus puntos fuertes se centran en el razonamiento complejo, la programación y la síntesis de pruebas; el artefacto final sigue necesitando una comprobación frente a la fuente y los resultados reales de las herramientas. Conserve las ambigüedades sin resolver cuando la información proporcionada no permita llegar a una conclusión definitiva. Una entrega útil es la respuesta, el código o el registro respaldado por pruebas que solicitó la tarea, con pruebas suficientes para evaluar sus límites prácticos.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.1-pro-preview | 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 $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens Salida · Tokens de salida de razonamiento $0.024 / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive200.000 | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de200.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.008 / 1K tokens Salida · Tokens de salida $0.036 / 1K tokens Entrada · Lectura de caché $0.0008 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.1-pro-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.1-pro-preview", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson 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 las cabeceras. 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 gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
gemini-3.1-pro-previewGemini 3.1 Pro Preview es el modelo de razonamiento multimodal de Google para tareas complejas de software, algoritmos y conocimiento. Acepta texto, imágenes, audio, vídeo y PDF y devuelve texto o código, con herramientas y salida estructurada. Los niveles de razonamiento low, medium y high orientan el esfuerzo; high es el valor predeterminado 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 3.1 Pro Preview es el modelo de texto de Google orientado al razonamiento para tareas complejas que requieren ingeniería de software, desarrollo de algoritmos o síntesis de pruebas multimodales. Se basa en Gemini 3 Pro y hace hincapié en el uso preciso de herramientas, un razonamiento más eficiente y una ejecución fiable de varios pasos. El texto, las imágenes, el audio, el vídeo y los PDF pueden contribuir a una respuesta escrita, un artefacto de código o un resultado estructurado.
Para un encargo de programación exigente, proporcione el objetivo, el material pertinente del repositorio, el comportamiento observado y las restricciones que deben mantenerse. Los repositorios completos de código pueden aportar contexto para el encargo. Para revisar un contrato de código, pida al modelo que compare cómo gestionan dos módulos un contrato de datos compartido, identifique la discrepancia y proponga una corrección concreta con referencias al código que la respalden. La salida útil distingue el análisis, la revisión propuesta y las pruebas de cualquier validación realizada por la aplicación conectada.
El material de lanzamiento muestra explicaciones visuales basadas en código y proyectos interactivos, incluida la generación de SVG animados a partir de un encargo textual. Se trata de artefactos de código, no de generación de imágenes ráster. Un encargo claro puede definir qué debe explicarse, cómo debe comportarse la representación visual y qué datos debe representar. Revise el código resultante y su representación visual con respecto a esos requisitos. Para una tarea de síntesis de datos, proporcione las fuentes reales y solicite una única vista que conserve las relaciones y los matices presentes en ellas.
Los niveles de razonamiento documentados son bajo, medio y alto, con el alto como predeterminado para 3.1 Pro Preview. El razonamiento no puede desactivarse por completo en este perfil Pro. Elija un esfuerzo menor para una respuesta de alcance acotado y más razonamiento para trabajos difíciles de varios pasos, dejando al mismo tiempo un margen de salida suficiente para el artefacto final. Un límite de salida reducido puede interrumpir el razonamiento antes de que aparezca una respuesta final utilizable. La guía de razonamiento distingue un resumen del razonamiento del proceso interno completo y explica por qué es importante el contexto de las firmas de pensamiento de la conversación.
La tabla exacta de Preview enumera llamadas a funciones, ejecución de código, fundamentación con búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Limita File Search a AI Studio. Proporcione los propósitos de las funciones y las definiciones de sus parámetros, y continúe a partir del resultado real devuelto. El perfil independiente Custom Tools Preview está optimizado para dar prioridad a las herramientas personalizadas y a bash; es un endpoint del fabricante con un nombre propio, por lo que esa especialización no debe atribuirse, sin indicarlo, a todas las solicitudes a 3.1 Pro. Seleccione un esquema de resultados estructurados cuando una tarea necesite registros definidos en lugar de texto libre.
Para el análisis multimodal, identifique la página, el elemento visual, el intervalo de grabación o el evento de vídeo pertinente. Para el análisis de documentos, compare un diagrama con su especificación escrita y devuelva cada discrepancia con el pasaje que la respalda. Una fuente oral puede aportar una transcripción o una interpretación en texto. Conserve las referencias a las fuentes para las conclusiones que deban comprobarse y distinga lo que es visible o se afirma de lo que se infiere. La salida de este perfil sigue siendo texto, incluido código; la generación nativa de imágenes o voz no forma parte de su tabla exacta de capacidades.
La ficha nativa de 3.1 Pro especifica hasta 1M de contexto y 64K de salida de texto, y la tabla exacta de la API de Preview establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Incluya las instrucciones, el historial de conversación y el contenido multimedia en el presupuesto de entrada. El almacenamiento en caché y el procesamiento por lotes están documentados, y también se enumeran las opciones Flex y Priority para el perfil del fabricante. Para varios elementos independientes, defina la salida requerida y conserve el identificador de cada fuente en lugar de combinar pruebas sin relación entre sí en una única respuesta sin trazabilidad.
La edición denominada Preview sigue siendo distinta del perfil Custom Tools de Pro y de las versiones posteriores de Flash o Pro. Sus puntos fuertes se centran en el razonamiento complejo, la programación y la síntesis de pruebas; el artefacto final sigue necesitando una comprobación frente a la fuente y los resultados reales de las herramientas. Conserve las ambigüedades sin resolver cuando la información proporcionada no permita llegar a una conclusión definitiva. Una entrega útil es la respuesta, el código o el registro respaldado por pruebas que solicitó la tarea, con pruebas suficientes para evaluar sus límites prácticos.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.1-pro-preview | 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 $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens Salida · Tokens de salida de razonamiento $0.024 / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive200.000 | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de200.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.008 / 1K tokens Salida · Tokens de salida $0.036 / 1K tokens Entrada · Lectura de caché $0.0008 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gemini-3.1-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 las cabeceras. 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 gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
google/gemini-3.1-pro-previewGemini 3.1 Pro Preview es el modelo de razonamiento multimodal de Google para tareas complejas de software, algoritmos y conocimiento. Acepta texto, imágenes, audio, vídeo y PDF y devuelve texto o código, con herramientas y salida estructurada. Los niveles de razonamiento low, medium y high orientan el esfuerzo; high es el valor predeterminado 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 3.1 Pro Preview es el modelo de texto de Google orientado al razonamiento para tareas complejas que requieren ingeniería de software, desarrollo de algoritmos o síntesis de pruebas multimodales. Se basa en Gemini 3 Pro y hace hincapié en el uso preciso de herramientas, un razonamiento más eficiente y una ejecución fiable de varios pasos. El texto, las imágenes, el audio, el vídeo y los PDF pueden contribuir a una respuesta escrita, un artefacto de código o un resultado estructurado.
Para un encargo de programación exigente, proporcione el objetivo, el material pertinente del repositorio, el comportamiento observado y las restricciones que deben mantenerse. Los repositorios completos de código pueden aportar contexto para el encargo. Para revisar un contrato de código, pida al modelo que compare cómo gestionan dos módulos un contrato de datos compartido, identifique la discrepancia y proponga una corrección concreta con referencias al código que la respalden. La salida útil distingue el análisis, la revisión propuesta y las pruebas de cualquier validación realizada por la aplicación conectada.
El material de lanzamiento muestra explicaciones visuales basadas en código y proyectos interactivos, incluida la generación de SVG animados a partir de un encargo textual. Se trata de artefactos de código, no de generación de imágenes ráster. Un encargo claro puede definir qué debe explicarse, cómo debe comportarse la representación visual y qué datos debe representar. Revise el código resultante y su representación visual con respecto a esos requisitos. Para una tarea de síntesis de datos, proporcione las fuentes reales y solicite una única vista que conserve las relaciones y los matices presentes en ellas.
Los niveles de razonamiento documentados son bajo, medio y alto, con el alto como predeterminado para 3.1 Pro Preview. El razonamiento no puede desactivarse por completo en este perfil Pro. Elija un esfuerzo menor para una respuesta de alcance acotado y más razonamiento para trabajos difíciles de varios pasos, dejando al mismo tiempo un margen de salida suficiente para el artefacto final. Un límite de salida reducido puede interrumpir el razonamiento antes de que aparezca una respuesta final utilizable. La guía de razonamiento distingue un resumen del razonamiento del proceso interno completo y explica por qué es importante el contexto de las firmas de pensamiento de la conversación.
La tabla exacta de Preview enumera llamadas a funciones, ejecución de código, fundamentación con búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Limita File Search a AI Studio. Proporcione los propósitos de las funciones y las definiciones de sus parámetros, y continúe a partir del resultado real devuelto. El perfil independiente Custom Tools Preview está optimizado para dar prioridad a las herramientas personalizadas y a bash; es un endpoint del fabricante con un nombre propio, por lo que esa especialización no debe atribuirse, sin indicarlo, a todas las solicitudes a 3.1 Pro. Seleccione un esquema de resultados estructurados cuando una tarea necesite registros definidos en lugar de texto libre.
Para el análisis multimodal, identifique la página, el elemento visual, el intervalo de grabación o el evento de vídeo pertinente. Para el análisis de documentos, compare un diagrama con su especificación escrita y devuelva cada discrepancia con el pasaje que la respalda. Una fuente oral puede aportar una transcripción o una interpretación en texto. Conserve las referencias a las fuentes para las conclusiones que deban comprobarse y distinga lo que es visible o se afirma de lo que se infiere. La salida de este perfil sigue siendo texto, incluido código; la generación nativa de imágenes o voz no forma parte de su tabla exacta de capacidades.
La ficha nativa de 3.1 Pro especifica hasta 1M de contexto y 64K de salida de texto, y la tabla exacta de la API de Preview establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Incluya las instrucciones, el historial de conversación y el contenido multimedia en el presupuesto de entrada. El almacenamiento en caché y el procesamiento por lotes están documentados, y también se enumeran las opciones Flex y Priority para el perfil del fabricante. Para varios elementos independientes, defina la salida requerida y conserve el identificador de cada fuente en lugar de combinar pruebas sin relación entre sí en una única respuesta sin trazabilidad.
La edición denominada Preview sigue siendo distinta del perfil Custom Tools de Pro y de las versiones posteriores de Flash o Pro. Sus puntos fuertes se centran en el razonamiento complejo, la programación y la síntesis de pruebas; el artefacto final sigue necesitando una comprobación frente a la fuente y los resultados reales de las herramientas. Conserve las ambigüedades sin resolver cuando la información proporcionada no permita llegar a una conclusión definitiva. Una entrega útil es la respuesta, el código o el registro respaldado por pruebas que solicitó la tarea, con pruebas suficientes para evaluar sus límites prácticos.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-3.1-pro-preview | 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 $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens Salida · Tokens de salida de razonamiento $0.024 / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive200.000 | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de200.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.008 / 1K tokens Salida · Tokens de salida $0.036 / 1K tokens Entrada · Lectura de caché $0.0008 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.1-pro-preview", "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-3.1-pro-preview',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-3.1-pro-preview',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 las cabeceras. 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 gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
google/gemini-3.1-pro-previewGemini 3.1 Pro Preview es el modelo de razonamiento multimodal de Google para tareas complejas de software, algoritmos y conocimiento. Acepta texto, imágenes, audio, vídeo y PDF y devuelve texto o código, con herramientas y salida estructurada. Los niveles de razonamiento low, medium y high orientan el esfuerzo; high es el valor predeterminado 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 3.1 Pro Preview es el modelo de texto de Google orientado al razonamiento para tareas complejas que requieren ingeniería de software, desarrollo de algoritmos o síntesis de pruebas multimodales. Se basa en Gemini 3 Pro y hace hincapié en el uso preciso de herramientas, un razonamiento más eficiente y una ejecución fiable de varios pasos. El texto, las imágenes, el audio, el vídeo y los PDF pueden contribuir a una respuesta escrita, un artefacto de código o un resultado estructurado.
Para un encargo de programación exigente, proporcione el objetivo, el material pertinente del repositorio, el comportamiento observado y las restricciones que deben mantenerse. Los repositorios completos de código pueden aportar contexto para el encargo. Para revisar un contrato de código, pida al modelo que compare cómo gestionan dos módulos un contrato de datos compartido, identifique la discrepancia y proponga una corrección concreta con referencias al código que la respalden. La salida útil distingue el análisis, la revisión propuesta y las pruebas de cualquier validación realizada por la aplicación conectada.
El material de lanzamiento muestra explicaciones visuales basadas en código y proyectos interactivos, incluida la generación de SVG animados a partir de un encargo textual. Se trata de artefactos de código, no de generación de imágenes ráster. Un encargo claro puede definir qué debe explicarse, cómo debe comportarse la representación visual y qué datos debe representar. Revise el código resultante y su representación visual con respecto a esos requisitos. Para una tarea de síntesis de datos, proporcione las fuentes reales y solicite una única vista que conserve las relaciones y los matices presentes en ellas.
Los niveles de razonamiento documentados son bajo, medio y alto, con el alto como predeterminado para 3.1 Pro Preview. El razonamiento no puede desactivarse por completo en este perfil Pro. Elija un esfuerzo menor para una respuesta de alcance acotado y más razonamiento para trabajos difíciles de varios pasos, dejando al mismo tiempo un margen de salida suficiente para el artefacto final. Un límite de salida reducido puede interrumpir el razonamiento antes de que aparezca una respuesta final utilizable. La guía de razonamiento distingue un resumen del razonamiento del proceso interno completo y explica por qué es importante el contexto de las firmas de pensamiento de la conversación.
La tabla exacta de Preview enumera llamadas a funciones, ejecución de código, fundamentación con búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas. Limita File Search a AI Studio. Proporcione los propósitos de las funciones y las definiciones de sus parámetros, y continúe a partir del resultado real devuelto. El perfil independiente Custom Tools Preview está optimizado para dar prioridad a las herramientas personalizadas y a bash; es un endpoint del fabricante con un nombre propio, por lo que esa especialización no debe atribuirse, sin indicarlo, a todas las solicitudes a 3.1 Pro. Seleccione un esquema de resultados estructurados cuando una tarea necesite registros definidos en lugar de texto libre.
Para el análisis multimodal, identifique la página, el elemento visual, el intervalo de grabación o el evento de vídeo pertinente. Para el análisis de documentos, compare un diagrama con su especificación escrita y devuelva cada discrepancia con el pasaje que la respalda. Una fuente oral puede aportar una transcripción o una interpretación en texto. Conserve las referencias a las fuentes para las conclusiones que deban comprobarse y distinga lo que es visible o se afirma de lo que se infiere. La salida de este perfil sigue siendo texto, incluido código; la generación nativa de imágenes o voz no forma parte de su tabla exacta de capacidades.
La ficha nativa de 3.1 Pro especifica hasta 1M de contexto y 64K de salida de texto, y la tabla exacta de la API de Preview establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Incluya las instrucciones, el historial de conversación y el contenido multimedia en el presupuesto de entrada. El almacenamiento en caché y el procesamiento por lotes están documentados, y también se enumeran las opciones Flex y Priority para el perfil del fabricante. Para varios elementos independientes, defina la salida requerida y conserve el identificador de cada fuente en lugar de combinar pruebas sin relación entre sí en una única respuesta sin trazabilidad.
La edición denominada Preview sigue siendo distinta del perfil Custom Tools de Pro y de las versiones posteriores de Flash o Pro. Sus puntos fuertes se centran en el razonamiento complejo, la programación y la síntesis de pruebas; el artefacto final sigue necesitando una comprobación frente a la fuente y los resultados reales de las herramientas. Conserve las ambigüedades sin resolver cuando la información proporcionada no permita llegar a una conclusión definitiva. Una entrega útil es la respuesta, el código o el registro respaldado por pruebas que solicitó la tarea, con pruebas suficientes para evaluar sus límites prácticos.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-3.1-pro-preview | 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 $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens Salida · Tokens de salida de razonamiento $0.024 / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusive200.000 | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0.0004 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 2 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de200.000 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.008 / 1K tokens Salida · Tokens de salida $0.036 / 1K tokens Entrada · Lectura de caché $0.0008 / 1K tokens Entrada · Escritura en caché $0.00075 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "google/gemini-3.1-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.1-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 las cabeceras. 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 gemini-3.1-pro-preview
Ailoot Ultra gemini-3.1-pro-preview, google/gemini-3.1-pro-preview~google/gemini-pro-latest
/chat/completions
google/gemini-3.1-pro-preview, ~google/gemini-pro-latest, gemini-3.1-pro-preview, gemini-3.1-pro-preview
Ejemplo técnico en inglés
Review a cross-module date contract\n\nReview this contract mismatch. Producer emits {due_date: "2026-11-03"}; consumer reads record.dueDate and displays "No date" when missing. Existing stored records use due_date. Propose the smallest compatible correction and tests for both present and absent dates. Preserve the producer field and do not add a second stored field.A short mismatch analysis, a focused consumer patch and tests covering the stored field and missing-value behavior.Check that the patch reads due_date without changing persisted records or treating an absent date as a valid one.