Gemini 3.6 Flash es el perfil multimodal polivalente de Google para programación, trabajo intelectual y ejecución mediante agentes. Se basa en Gemini 3.5 Flash y se centra en mejorar el rendimiento multimodal y la eficiencia en el uso de tokens. El modelo acepta texto, imágenes, audio, vídeo y PDF, y devuelve texto. Un encargo útil puede combinar código, una captura de pantalla y un requisito, o comparar un gráfico o un plano visual con restricciones escritas para producir una explicación comprobada o una revisión dirigida.
La guía para desarrolladores destaca la reducción de pasos de razonamiento, intervenciones y llamadas a herramientas innecesarios en trabajos de varios pasos, junto con modificaciones más centradas. Para un diagnóstico, proporciona el fallo observado, el código fuente pertinente y el comportamiento que debe permanecer sin cambios. Para depurar un gráfico, pide al modelo que investigue por qué representa una serie incorrecta, identifique la transformación de datos implicada y proponga una corrección conservando la disposición visual que lo rodea. El resultado puede compararse después con los datos de entrada reales y el comportamiento requerido del gráfico.
La inspección programática previa es un comportamiento distintivo descrito para 3.6. El fabricante afirma que el modelo inspecciona con mayor frecuencia un problema mediante código de diagnóstico antes de realizar cambios. Esto puede ayudar en una investigación compleja, pero la guía señala que puede añadir pasos exploratorios al trabajo habitual de frontend. Indica si la tarea requiere una investigación, una modificación sencilla o una comparación de diseño. Proporciona la información que permita distinguirlo claramente y especifica las acciones permitidas para las herramientas de la aplicación conectada.
También se destaca el razonamiento espacial y multimodal: interpretación de gráficos, conversión de planos visuales y diseños web con múltiples elementos. Proporciona la vista o las páginas pertinentes, identifica qué debe interpretarse y solicita las pruebas que sustentan la conclusión. Para una tarea de diseño, incluye directrices concretas de disposición y estilo. El fabricante señala un énfasis en el código funcional y que los evaluadores prefirieron en ocasiones el estilo visual de modelos anteriores, por lo que resulta útil proporcionar indicaciones visuales explícitas. Comprueba el resultado con el diagrama real o los requisitos de diseño.
Medio es el nivel de razonamiento predeterminado documentado. La tabla de razonamiento específica del modelo de Google enumera mínimo, bajo, medio y alto; la guía de migración de 3.6 utiliza medio o alto en sus ejemplos de esfuerzo. La página específica enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas, con Computer Use como capacidad en versión preliminar. Define con claridad las entradas de las funciones y el resultado requerido. Una función seleccionada por el modelo necesita un resultado real de la aplicación antes de que una respuesta posterior pueda basarse en su resultado. Para un análisis estructurado, define el esquema y las pruebas de origen necesarias para cada hallazgo.
La guía de 3.6 modifica la preparación respecto a solicitudes anteriores de Gemini. Declara obsoletos los parámetros de muestreo temperature, top-p y top-k, rechaza una intervención final prerrellenada con rol de modelo y recomienda instrucciones de sistema o salidas estructuradas para controlar la respuesta. Sus reglas de respuesta a funciones vinculan una respuesta con su llamada por identidad y nombre, y la base de Gemini 3 conserva las firmas de pensamiento en el uso con varias intervenciones. Una continuación práctica debe incluir el historial pertinente sin modificar y el resultado de la herramienta, en lugar de imitar el prefijo de una respuesta anterior.
La ficha nativa especifica hasta 1M de contexto de entrada y 64K de salida de texto; la tabla específica de la API establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Calcula el presupuesto de entrada incluyendo las instrucciones, el historial y el contenido multimedia, y solicita una salida de una extensión adecuada para la tarea. La página del fabricante también enumera almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority. Al procesar registros independientes, mantén explícitos el identificador del registro y el formato del resultado. La salida es un entregable textual, incluso cuando las pruebas incluyen fotografías, audio o vídeo.
Entre las posibles limitaciones se encuentran las alucinaciones y la lentitud ocasional o los tiempos de espera agotados. Su fecha límite de conocimientos de marzo de 2026 incluye ámbitos cuyo conocimiento sigue limitado a enero de 2025, por lo que debes adjuntar material más reciente o utilizar un flujo documentado de fundamentación cuando importen los hechos actuales. Revisa los cálculos, las referencias a las fuentes, las interpretaciones visuales y las modificaciones propuestas. La preparación distintiva para esta edición consiste en unas indicaciones de diagnóstico centradas, un alcance claro para las herramientas y restricciones de diseño explícitas, seguidos de la inspección del resultado concreto.
", "aboutText": "Gemini 3.6 Flash es el perfil multimodal polivalente de Google para programación, trabajo intelectual y ejecución mediante agentes. Se basa en Gemini 3.5 Flash y se centra en mejorar el rendimiento multimodal y la eficiencia en el uso de tokens. El modelo acepta texto, imágenes, audio, vídeo y PDF, y devuelve texto. Un encargo útil puede combinar código, una captura de pantalla y un requisito, o comparar un gráfico o un plano visual con restricciones escritas para producir una explicación comprobada o una revisión dirigida.\n\nLa guía para desarrolladores destaca la reducción de pasos de razonamiento, intervenciones y llamadas a herramientas innecesarios en trabajos de varios pasos, junto con modificaciones más centradas. Para un diagnóstico, proporciona el fallo observado, el código fuente pertinente y el comportamiento que debe permanecer sin cambios. Para depurar un gráfico, pide al modelo que investigue por qué representa una serie incorrecta, identifique la transformación de datos implicada y proponga una corrección conservando la disposición visual que lo rodea. El resultado puede compararse después con los datos de entrada reales y el comportamiento requerido del gráfico.\n\nLa inspección programática previa es un comportamiento distintivo descrito para 3.6. El fabricante afirma que el modelo inspecciona con mayor frecuencia un problema mediante código de diagnóstico antes de realizar cambios. Esto puede ayudar en una investigación compleja, pero la guía señala que puede añadir pasos exploratorios al trabajo habitual de frontend. Indica si la tarea requiere una investigación, una modificación sencilla o una comparación de diseño. Proporciona la información que permita distinguirlo claramente y especifica las acciones permitidas para las herramientas de la aplicación conectada.\n\nTambién se destaca el razonamiento espacial y multimodal: interpretación de gráficos, conversión de planos visuales y diseños web con múltiples elementos. Proporciona la vista o las páginas pertinentes, identifica qué debe interpretarse y solicita las pruebas que sustentan la conclusión. Para una tarea de diseño, incluye directrices concretas de disposición y estilo. El fabricante señala un énfasis en el código funcional y que los evaluadores prefirieron en ocasiones el estilo visual de modelos anteriores, por lo que resulta útil proporcionar indicaciones visuales explícitas. Comprueba el resultado con el diagrama real o los requisitos de diseño.\n\nMedio es el nivel de razonamiento predeterminado documentado. La tabla de razonamiento específica del modelo de Google enumera mínimo, bajo, medio y alto; la guía de migración de 3.6 utiliza medio o alto en sus ejemplos de esfuerzo. La página específica enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas, con Computer Use como capacidad en versión preliminar. Define con claridad las entradas de las funciones y el resultado requerido. Una función seleccionada por el modelo necesita un resultado real de la aplicación antes de que una respuesta posterior pueda basarse en su resultado. Para un análisis estructurado, define el esquema y las pruebas de origen necesarias para cada hallazgo.\n\nLa guía de 3.6 modifica la preparación respecto a solicitudes anteriores de Gemini. Declara obsoletos los parámetros de muestreo temperature, top-p y top-k, rechaza una intervención final prerrellenada con rol de modelo y recomienda instrucciones de sistema o salidas estructuradas para controlar la respuesta. Sus reglas de respuesta a funciones vinculan una respuesta con su llamada por identidad y nombre, y la base de Gemini 3 conserva las firmas de pensamiento en el uso con varias intervenciones. Una continuación práctica debe incluir el historial pertinente sin modificar y el resultado de la herramienta, en lugar de imitar el prefijo de una respuesta anterior.\n\nLa ficha nativa especifica hasta 1M de contexto de entrada y 64K de salida de texto; la tabla específica de la API establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Calcula el presupuesto de entrada incluyendo las instrucciones, el historial y el contenido multimedia, y solicita una salida de una extensión adecuada para la tarea. La página del fabricante también enumera almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority. Al procesar registros independientes, mantén explícitos el identificador del registro y el formato del resultado. La salida es un entregable textual, incluso cuando las pruebas incluyen fotografías, audio o vídeo.\n\nEntre las posibles limitaciones se encuentran las alucinaciones y la lentitud ocasional o los tiempos de espera agotados. Su fecha límite de conocimientos de marzo de 2026 incluye ámbitos cuyo conocimiento sigue limitado a enero de 2025, por lo que debes adjuntar material más reciente o utilizar un flujo documentado de fundamentación cuando importen los hechos actuales. Revisa los cálculos, las referencias a las fuentes, las interpretaciones visuales y las modificaciones propuestas. La preparación distintiva para esta edición consiste en unas indicaciones de diagnóstico centradas, un alcance claro para las herramientas y restricciones de diseño explícitas, seguidos de la inspección del resultado concreto.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Diagnose swapped chart series\n\nA chart receives [{month:'Jan', sales:20, returns:2}, {month:'Feb', sales:30, returns:3}], but its Sales series uses rows.map(r => r.returns). Identify the data-binding error and propose one correction. Keep the existing month labels and Returns series unchanged. Include a small assertion showing the expected Sales data without claiming the chart was rendered.One corrected series expression and a concrete assertion against the supplied data.Only the Sales binding changes, and its values come from sales rather than returns.gemini-3.6-flashGemini 3.6 Flash es el modelo de texto multimodal de Google para programación, análisis espacial y agentes que trabajan en varios pasos. Se centra en la inspección diagnóstica, las modificaciones dirigidas y la reducción de ciclos de ejecución innecesarios. Acepta texto, imágenes, audio, vídeo y PDF, con herramientas, salida estructurada y un límite de entrada de 1 048 576 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.6 Flash es el perfil multimodal polivalente de Google para programación, trabajo intelectual y ejecución mediante agentes. Se basa en Gemini 3.5 Flash y se centra en mejorar el rendimiento multimodal y la eficiencia en el uso de tokens. El modelo acepta texto, imágenes, audio, vídeo y PDF, y devuelve texto. Un encargo útil puede combinar código, una captura de pantalla y un requisito, o comparar un gráfico o un plano visual con restricciones escritas para producir una explicación comprobada o una revisión dirigida.
La guía para desarrolladores destaca la reducción de pasos de razonamiento, intervenciones y llamadas a herramientas innecesarios en trabajos de varios pasos, junto con modificaciones más centradas. Para un diagnóstico, proporciona el fallo observado, el código fuente pertinente y el comportamiento que debe permanecer sin cambios. Para depurar un gráfico, pide al modelo que investigue por qué representa una serie incorrecta, identifique la transformación de datos implicada y proponga una corrección conservando la disposición visual que lo rodea. El resultado puede compararse después con los datos de entrada reales y el comportamiento requerido del gráfico.
La inspección programática previa es un comportamiento distintivo descrito para 3.6. El fabricante afirma que el modelo inspecciona con mayor frecuencia un problema mediante código de diagnóstico antes de realizar cambios. Esto puede ayudar en una investigación compleja, pero la guía señala que puede añadir pasos exploratorios al trabajo habitual de frontend. Indica si la tarea requiere una investigación, una modificación sencilla o una comparación de diseño. Proporciona la información que permita distinguirlo claramente y especifica las acciones permitidas para las herramientas de la aplicación conectada.
También se destaca el razonamiento espacial y multimodal: interpretación de gráficos, conversión de planos visuales y diseños web con múltiples elementos. Proporciona la vista o las páginas pertinentes, identifica qué debe interpretarse y solicita las pruebas que sustentan la conclusión. Para una tarea de diseño, incluye directrices concretas de disposición y estilo. El fabricante señala un énfasis en el código funcional y que los evaluadores prefirieron en ocasiones el estilo visual de modelos anteriores, por lo que resulta útil proporcionar indicaciones visuales explícitas. Comprueba el resultado con el diagrama real o los requisitos de diseño.
Medio es el nivel de razonamiento predeterminado documentado. La tabla de razonamiento específica del modelo de Google enumera mínimo, bajo, medio y alto; la guía de migración de 3.6 utiliza medio o alto en sus ejemplos de esfuerzo. La página específica enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas, con Computer Use como capacidad en versión preliminar. Define con claridad las entradas de las funciones y el resultado requerido. Una función seleccionada por el modelo necesita un resultado real de la aplicación antes de que una respuesta posterior pueda basarse en su resultado. Para un análisis estructurado, define el esquema y las pruebas de origen necesarias para cada hallazgo.
La guía de 3.6 modifica la preparación respecto a solicitudes anteriores de Gemini. Declara obsoletos los parámetros de muestreo temperature, top-p y top-k, rechaza una intervención final prerrellenada con rol de modelo y recomienda instrucciones de sistema o salidas estructuradas para controlar la respuesta. Sus reglas de respuesta a funciones vinculan una respuesta con su llamada por identidad y nombre, y la base de Gemini 3 conserva las firmas de pensamiento en el uso con varias intervenciones. Una continuación práctica debe incluir el historial pertinente sin modificar y el resultado de la herramienta, en lugar de imitar el prefijo de una respuesta anterior.
La ficha nativa especifica hasta 1M de contexto de entrada y 64K de salida de texto; la tabla específica de la API establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Calcula el presupuesto de entrada incluyendo las instrucciones, el historial y el contenido multimedia, y solicita una salida de una extensión adecuada para la tarea. La página del fabricante también enumera almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority. Al procesar registros independientes, mantén explícitos el identificador del registro y el formato del resultado. La salida es un entregable textual, incluso cuando las pruebas incluyen fotografías, audio o vídeo.
Entre las posibles limitaciones se encuentran las alucinaciones y la lentitud ocasional o los tiempos de espera agotados. Su fecha límite de conocimientos de marzo de 2026 incluye ámbitos cuyo conocimiento sigue limitado a enero de 2025, por lo que debes adjuntar material más reciente o utilizar un flujo documentado de fundamentación cuando importen los hechos actuales. Revisa los cálculos, las referencias a las fuentes, las interpretaciones visuales y las modificaciones propuestas. La preparación distintiva para esta edición consiste en unas indicaciones de diagnóstico centradas, un alcance claro para las herramientas y restricciones de diseño explícitas, seguidos de la inspección del resultado concreto.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.6-flash | 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/messagesAiloot 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 $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónOpenAI Chat · Nivel 1 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 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 $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónAnthropic Messages · Nivel 1 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
set -eu\n: "${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-3.6-flash", "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-3.6-flash", "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-3.6-flash",\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-3.6-flash",\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-3.6-flash',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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash es el modelo de texto multimodal de Google para programación, análisis espacial y agentes que trabajan en varios pasos. Se centra en la inspección diagnóstica, las modificaciones dirigidas y la reducción de ciclos de ejecución innecesarios. Acepta texto, imágenes, audio, vídeo y PDF, con herramientas, salida estructurada y un límite de entrada de 1 048 576 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.6 Flash es el perfil multimodal polivalente de Google para programación, trabajo intelectual y ejecución mediante agentes. Se basa en Gemini 3.5 Flash y se centra en mejorar el rendimiento multimodal y la eficiencia en el uso de tokens. El modelo acepta texto, imágenes, audio, vídeo y PDF, y devuelve texto. Un encargo útil puede combinar código, una captura de pantalla y un requisito, o comparar un gráfico o un plano visual con restricciones escritas para producir una explicación comprobada o una revisión dirigida.
La guía para desarrolladores destaca la reducción de pasos de razonamiento, intervenciones y llamadas a herramientas innecesarios en trabajos de varios pasos, junto con modificaciones más centradas. Para un diagnóstico, proporciona el fallo observado, el código fuente pertinente y el comportamiento que debe permanecer sin cambios. Para depurar un gráfico, pide al modelo que investigue por qué representa una serie incorrecta, identifique la transformación de datos implicada y proponga una corrección conservando la disposición visual que lo rodea. El resultado puede compararse después con los datos de entrada reales y el comportamiento requerido del gráfico.
La inspección programática previa es un comportamiento distintivo descrito para 3.6. El fabricante afirma que el modelo inspecciona con mayor frecuencia un problema mediante código de diagnóstico antes de realizar cambios. Esto puede ayudar en una investigación compleja, pero la guía señala que puede añadir pasos exploratorios al trabajo habitual de frontend. Indica si la tarea requiere una investigación, una modificación sencilla o una comparación de diseño. Proporciona la información que permita distinguirlo claramente y especifica las acciones permitidas para las herramientas de la aplicación conectada.
También se destaca el razonamiento espacial y multimodal: interpretación de gráficos, conversión de planos visuales y diseños web con múltiples elementos. Proporciona la vista o las páginas pertinentes, identifica qué debe interpretarse y solicita las pruebas que sustentan la conclusión. Para una tarea de diseño, incluye directrices concretas de disposición y estilo. El fabricante señala un énfasis en el código funcional y que los evaluadores prefirieron en ocasiones el estilo visual de modelos anteriores, por lo que resulta útil proporcionar indicaciones visuales explícitas. Comprueba el resultado con el diagrama real o los requisitos de diseño.
Medio es el nivel de razonamiento predeterminado documentado. La tabla de razonamiento específica del modelo de Google enumera mínimo, bajo, medio y alto; la guía de migración de 3.6 utiliza medio o alto en sus ejemplos de esfuerzo. La página específica enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas, con Computer Use como capacidad en versión preliminar. Define con claridad las entradas de las funciones y el resultado requerido. Una función seleccionada por el modelo necesita un resultado real de la aplicación antes de que una respuesta posterior pueda basarse en su resultado. Para un análisis estructurado, define el esquema y las pruebas de origen necesarias para cada hallazgo.
La guía de 3.6 modifica la preparación respecto a solicitudes anteriores de Gemini. Declara obsoletos los parámetros de muestreo temperature, top-p y top-k, rechaza una intervención final prerrellenada con rol de modelo y recomienda instrucciones de sistema o salidas estructuradas para controlar la respuesta. Sus reglas de respuesta a funciones vinculan una respuesta con su llamada por identidad y nombre, y la base de Gemini 3 conserva las firmas de pensamiento en el uso con varias intervenciones. Una continuación práctica debe incluir el historial pertinente sin modificar y el resultado de la herramienta, en lugar de imitar el prefijo de una respuesta anterior.
La ficha nativa especifica hasta 1M de contexto de entrada y 64K de salida de texto; la tabla específica de la API establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Calcula el presupuesto de entrada incluyendo las instrucciones, el historial y el contenido multimedia, y solicita una salida de una extensión adecuada para la tarea. La página del fabricante también enumera almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority. Al procesar registros independientes, mantén explícitos el identificador del registro y el formato del resultado. La salida es un entregable textual, incluso cuando las pruebas incluyen fotografías, audio o vídeo.
Entre las posibles limitaciones se encuentran las alucinaciones y la lentitud ocasional o los tiempos de espera agotados. Su fecha límite de conocimientos de marzo de 2026 incluye ámbitos cuyo conocimiento sigue limitado a enero de 2025, por lo que debes adjuntar material más reciente o utilizar un flujo documentado de fundamentación cuando importen los hechos actuales. Revisa los cálculos, las referencias a las fuentes, las interpretaciones visuales y las modificaciones propuestas. La preparación distintiva para esta edición consiste en unas indicaciones de diagnóstico centradas, un alcance claro para las herramientas y restricciones de diseño explícitas, seguidos de la inspección del resultado concreto.
POST /v1/chat/completionstext, imagetext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.6-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites 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— |
Texto · Texto UTF8
messages[].content
Texto + imagen
{type:image_url,image_url:{url,detail}}
| Parámetro | Contrato |
|---|---|
Parámetromaterial_types | Contratotext, image |
Parámetrorequired | Contratomodel, messages |
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/chat/completionsAiloot 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 $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónOpenAI Chat · Nivel 1 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 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 $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónAnthropic Messages · Nivel 1 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
set -eu\n: "${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-3.6-flash", "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/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${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-3.6-flash", "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_url","image_url":{"url":"data:"+mime+";base64,"+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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="gemini-3.6-flash",\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gemini-3.6-flash",\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(resp);\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='gemini-3.6-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y 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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash es el modelo de texto multimodal de Google para programación, análisis espacial y agentes que trabajan en varios pasos. Se centra en la inspección diagnóstica, las modificaciones dirigidas y la reducción de ciclos de ejecución innecesarios. Acepta texto, imágenes, audio, vídeo y PDF, con herramientas, salida estructurada y un límite de entrada de 1 048 576 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.6 Flash es el perfil multimodal polivalente de Google para programación, trabajo intelectual y ejecución mediante agentes. Se basa en Gemini 3.5 Flash y se centra en mejorar el rendimiento multimodal y la eficiencia en el uso de tokens. El modelo acepta texto, imágenes, audio, vídeo y PDF, y devuelve texto. Un encargo útil puede combinar código, una captura de pantalla y un requisito, o comparar un gráfico o un plano visual con restricciones escritas para producir una explicación comprobada o una revisión dirigida.
La guía para desarrolladores destaca la reducción de pasos de razonamiento, intervenciones y llamadas a herramientas innecesarios en trabajos de varios pasos, junto con modificaciones más centradas. Para un diagnóstico, proporciona el fallo observado, el código fuente pertinente y el comportamiento que debe permanecer sin cambios. Para depurar un gráfico, pide al modelo que investigue por qué representa una serie incorrecta, identifique la transformación de datos implicada y proponga una corrección conservando la disposición visual que lo rodea. El resultado puede compararse después con los datos de entrada reales y el comportamiento requerido del gráfico.
La inspección programática previa es un comportamiento distintivo descrito para 3.6. El fabricante afirma que el modelo inspecciona con mayor frecuencia un problema mediante código de diagnóstico antes de realizar cambios. Esto puede ayudar en una investigación compleja, pero la guía señala que puede añadir pasos exploratorios al trabajo habitual de frontend. Indica si la tarea requiere una investigación, una modificación sencilla o una comparación de diseño. Proporciona la información que permita distinguirlo claramente y especifica las acciones permitidas para las herramientas de la aplicación conectada.
También se destaca el razonamiento espacial y multimodal: interpretación de gráficos, conversión de planos visuales y diseños web con múltiples elementos. Proporciona la vista o las páginas pertinentes, identifica qué debe interpretarse y solicita las pruebas que sustentan la conclusión. Para una tarea de diseño, incluye directrices concretas de disposición y estilo. El fabricante señala un énfasis en el código funcional y que los evaluadores prefirieron en ocasiones el estilo visual de modelos anteriores, por lo que resulta útil proporcionar indicaciones visuales explícitas. Comprueba el resultado con el diagrama real o los requisitos de diseño.
Medio es el nivel de razonamiento predeterminado documentado. La tabla de razonamiento específica del modelo de Google enumera mínimo, bajo, medio y alto; la guía de migración de 3.6 utiliza medio o alto en sus ejemplos de esfuerzo. La página específica enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas, con Computer Use como capacidad en versión preliminar. Define con claridad las entradas de las funciones y el resultado requerido. Una función seleccionada por el modelo necesita un resultado real de la aplicación antes de que una respuesta posterior pueda basarse en su resultado. Para un análisis estructurado, define el esquema y las pruebas de origen necesarias para cada hallazgo.
La guía de 3.6 modifica la preparación respecto a solicitudes anteriores de Gemini. Declara obsoletos los parámetros de muestreo temperature, top-p y top-k, rechaza una intervención final prerrellenada con rol de modelo y recomienda instrucciones de sistema o salidas estructuradas para controlar la respuesta. Sus reglas de respuesta a funciones vinculan una respuesta con su llamada por identidad y nombre, y la base de Gemini 3 conserva las firmas de pensamiento en el uso con varias intervenciones. Una continuación práctica debe incluir el historial pertinente sin modificar y el resultado de la herramienta, en lugar de imitar el prefijo de una respuesta anterior.
La ficha nativa especifica hasta 1M de contexto de entrada y 64K de salida de texto; la tabla específica de la API establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Calcula el presupuesto de entrada incluyendo las instrucciones, el historial y el contenido multimedia, y solicita una salida de una extensión adecuada para la tarea. La página del fabricante también enumera almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority. Al procesar registros independientes, mantén explícitos el identificador del registro y el formato del resultado. La salida es un entregable textual, incluso cuando las pruebas incluyen fotografías, audio o vídeo.
Entre las posibles limitaciones se encuentran las alucinaciones y la lentitud ocasional o los tiempos de espera agotados. Su fecha límite de conocimientos de marzo de 2026 incluye ámbitos cuyo conocimiento sigue limitado a enero de 2025, por lo que debes adjuntar material más reciente o utilizar un flujo documentado de fundamentación cuando importen los hechos actuales. Revisa los cálculos, las referencias a las fuentes, las interpretaciones visuales y las modificaciones propuestas. La preparación distintiva para esta edición consiste en unas indicaciones de diagnóstico centradas, un alcance claro para las herramientas y restricciones de diseño explícitas, seguidos de la inspección del resultado concreto.
POST /v1beta/models/{model}:generateContenttext, imagetext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campopath.model | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.6-flash | 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}:generateContentAiloot 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 $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónOpenAI Chat · Nivel 1 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 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 $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónAnthropic Messages · Nivel 1 según la longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
set -eu\n: "${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-3.6-flash: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-3.6-flash: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-3.6-flash", 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-3.6-flash", 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-3.6-flash',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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash es el modelo de texto multimodal de Google para programación, análisis espacial y agentes que trabajan en varios pasos. Se centra en la inspección diagnóstica, las modificaciones dirigidas y la reducción de ciclos de ejecución innecesarios. Acepta texto, imágenes, audio, vídeo y PDF, con herramientas, salida estructurada y un límite de entrada de 1 048 576 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.6 Flash es el perfil multimodal polivalente de Google para programación, trabajo intelectual y ejecución mediante agentes. Se basa en Gemini 3.5 Flash y se centra en mejorar el rendimiento multimodal y la eficiencia en el uso de tokens. El modelo acepta texto, imágenes, audio, vídeo y PDF, y devuelve texto. Un encargo útil puede combinar código, una captura de pantalla y un requisito, o comparar un gráfico o un plano visual con restricciones escritas para producir una explicación comprobada o una revisión dirigida.
La guía para desarrolladores destaca la reducción de pasos de razonamiento, intervenciones y llamadas a herramientas innecesarios en trabajos de varios pasos, junto con modificaciones más centradas. Para un diagnóstico, proporciona el fallo observado, el código fuente pertinente y el comportamiento que debe permanecer sin cambios. Para depurar un gráfico, pide al modelo que investigue por qué representa una serie incorrecta, identifique la transformación de datos implicada y proponga una corrección conservando la disposición visual que lo rodea. El resultado puede compararse después con los datos de entrada reales y el comportamiento requerido del gráfico.
La inspección programática previa es un comportamiento distintivo descrito para 3.6. El fabricante afirma que el modelo inspecciona con mayor frecuencia un problema mediante código de diagnóstico antes de realizar cambios. Esto puede ayudar en una investigación compleja, pero la guía señala que puede añadir pasos exploratorios al trabajo habitual de frontend. Indica si la tarea requiere una investigación, una modificación sencilla o una comparación de diseño. Proporciona la información que permita distinguirlo claramente y especifica las acciones permitidas para las herramientas de la aplicación conectada.
También se destaca el razonamiento espacial y multimodal: interpretación de gráficos, conversión de planos visuales y diseños web con múltiples elementos. Proporciona la vista o las páginas pertinentes, identifica qué debe interpretarse y solicita las pruebas que sustentan la conclusión. Para una tarea de diseño, incluye directrices concretas de disposición y estilo. El fabricante señala un énfasis en el código funcional y que los evaluadores prefirieron en ocasiones el estilo visual de modelos anteriores, por lo que resulta útil proporcionar indicaciones visuales explícitas. Comprueba el resultado con el diagrama real o los requisitos de diseño.
Medio es el nivel de razonamiento predeterminado documentado. La tabla de razonamiento específica del modelo de Google enumera mínimo, bajo, medio y alto; la guía de migración de 3.6 utiliza medio o alto en sus ejemplos de esfuerzo. La página específica enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas, con Computer Use como capacidad en versión preliminar. Define con claridad las entradas de las funciones y el resultado requerido. Una función seleccionada por el modelo necesita un resultado real de la aplicación antes de que una respuesta posterior pueda basarse en su resultado. Para un análisis estructurado, define el esquema y las pruebas de origen necesarias para cada hallazgo.
La guía de 3.6 modifica la preparación respecto a solicitudes anteriores de Gemini. Declara obsoletos los parámetros de muestreo temperature, top-p y top-k, rechaza una intervención final prerrellenada con rol de modelo y recomienda instrucciones de sistema o salidas estructuradas para controlar la respuesta. Sus reglas de respuesta a funciones vinculan una respuesta con su llamada por identidad y nombre, y la base de Gemini 3 conserva las firmas de pensamiento en el uso con varias intervenciones. Una continuación práctica debe incluir el historial pertinente sin modificar y el resultado de la herramienta, en lugar de imitar el prefijo de una respuesta anterior.
La ficha nativa especifica hasta 1M de contexto de entrada y 64K de salida de texto; la tabla específica de la API establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Calcula el presupuesto de entrada incluyendo las instrucciones, el historial y el contenido multimedia, y solicita una salida de una extensión adecuada para la tarea. La página del fabricante también enumera almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority. Al procesar registros independientes, mantén explícitos el identificador del registro y el formato del resultado. La salida es un entregable textual, incluso cuando las pruebas incluyen fotografías, audio o vídeo.
Entre las posibles limitaciones se encuentran las alucinaciones y la lentitud ocasional o los tiempos de espera agotados. Su fecha límite de conocimientos de marzo de 2026 incluye ámbitos cuyo conocimiento sigue limitado a enero de 2025, por lo que debes adjuntar material más reciente o utilizar un flujo documentado de fundamentación cuando importen los hechos actuales. Revisa los cálculos, las referencias a las fuentes, las interpretaciones visuales y las modificaciones propuestas. La preparación distintiva para esta edición consiste en unas indicaciones de diagnóstico centradas, un alcance claro para las herramientas y restricciones de diseño explícitas, seguidos de la inspección del resultado concreto.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.6-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Conversación textual | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream |
Parámetrocontrol_scope | ContratoConversación textual; stream es un booleano y su valor predeterminado es false. |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Alias de método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.6-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.6-flash", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y 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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash es el modelo de texto multimodal de Google para programación, análisis espacial y agentes que trabajan en varios pasos. Se centra en la inspección diagnóstica, las modificaciones dirigidas y la reducción de ciclos de ejecución innecesarios. Acepta texto, imágenes, audio, vídeo y PDF, con herramientas, salida estructurada y un límite de entrada de 1 048 576 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.6 Flash es el perfil multimodal polivalente de Google para programación, trabajo intelectual y ejecución mediante agentes. Se basa en Gemini 3.5 Flash y se centra en mejorar el rendimiento multimodal y la eficiencia en el uso de tokens. El modelo acepta texto, imágenes, audio, vídeo y PDF, y devuelve texto. Un encargo útil puede combinar código, una captura de pantalla y un requisito, o comparar un gráfico o un plano visual con restricciones escritas para producir una explicación comprobada o una revisión dirigida.
La guía para desarrolladores destaca la reducción de pasos de razonamiento, intervenciones y llamadas a herramientas innecesarios en trabajos de varios pasos, junto con modificaciones más centradas. Para un diagnóstico, proporciona el fallo observado, el código fuente pertinente y el comportamiento que debe permanecer sin cambios. Para depurar un gráfico, pide al modelo que investigue por qué representa una serie incorrecta, identifique la transformación de datos implicada y proponga una corrección conservando la disposición visual que lo rodea. El resultado puede compararse después con los datos de entrada reales y el comportamiento requerido del gráfico.
La inspección programática previa es un comportamiento distintivo descrito para 3.6. El fabricante afirma que el modelo inspecciona con mayor frecuencia un problema mediante código de diagnóstico antes de realizar cambios. Esto puede ayudar en una investigación compleja, pero la guía señala que puede añadir pasos exploratorios al trabajo habitual de frontend. Indica si la tarea requiere una investigación, una modificación sencilla o una comparación de diseño. Proporciona la información que permita distinguirlo claramente y especifica las acciones permitidas para las herramientas de la aplicación conectada.
También se destaca el razonamiento espacial y multimodal: interpretación de gráficos, conversión de planos visuales y diseños web con múltiples elementos. Proporciona la vista o las páginas pertinentes, identifica qué debe interpretarse y solicita las pruebas que sustentan la conclusión. Para una tarea de diseño, incluye directrices concretas de disposición y estilo. El fabricante señala un énfasis en el código funcional y que los evaluadores prefirieron en ocasiones el estilo visual de modelos anteriores, por lo que resulta útil proporcionar indicaciones visuales explícitas. Comprueba el resultado con el diagrama real o los requisitos de diseño.
Medio es el nivel de razonamiento predeterminado documentado. La tabla de razonamiento específica del modelo de Google enumera mínimo, bajo, medio y alto; la guía de migración de 3.6 utiliza medio o alto en sus ejemplos de esfuerzo. La página específica enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas, con Computer Use como capacidad en versión preliminar. Define con claridad las entradas de las funciones y el resultado requerido. Una función seleccionada por el modelo necesita un resultado real de la aplicación antes de que una respuesta posterior pueda basarse en su resultado. Para un análisis estructurado, define el esquema y las pruebas de origen necesarias para cada hallazgo.
La guía de 3.6 modifica la preparación respecto a solicitudes anteriores de Gemini. Declara obsoletos los parámetros de muestreo temperature, top-p y top-k, rechaza una intervención final prerrellenada con rol de modelo y recomienda instrucciones de sistema o salidas estructuradas para controlar la respuesta. Sus reglas de respuesta a funciones vinculan una respuesta con su llamada por identidad y nombre, y la base de Gemini 3 conserva las firmas de pensamiento en el uso con varias intervenciones. Una continuación práctica debe incluir el historial pertinente sin modificar y el resultado de la herramienta, en lugar de imitar el prefijo de una respuesta anterior.
La ficha nativa especifica hasta 1M de contexto de entrada y 64K de salida de texto; la tabla específica de la API establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Calcula el presupuesto de entrada incluyendo las instrucciones, el historial y el contenido multimedia, y solicita una salida de una extensión adecuada para la tarea. La página del fabricante también enumera almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority. Al procesar registros independientes, mantén explícitos el identificador del registro y el formato del resultado. La salida es un entregable textual, incluso cuando las pruebas incluyen fotografías, audio o vídeo.
Entre las posibles limitaciones se encuentran las alucinaciones y la lentitud ocasional o los tiempos de espera agotados. Su fecha límite de conocimientos de marzo de 2026 incluye ámbitos cuyo conocimiento sigue limitado a enero de 2025, por lo que debes adjuntar material más reciente o utilizar un flujo documentado de fundamentación cuando importen los hechos actuales. Revisa los cálculos, las referencias a las fuentes, las interpretaciones visuales y las modificaciones propuestas. La preparación distintiva para esta edición consiste en unas indicaciones de diagnóstico centradas, un alcance claro para las herramientas y restricciones de diseño explícitas, seguidos de la inspección del resultado concreto.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.6-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gemini-3.6-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.6-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.6-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y 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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
google/gemini-3.6-flashGemini 3.6 Flash es el modelo de texto multimodal de Google para programación, análisis espacial y agentes que trabajan en varios pasos. Se centra en la inspección diagnóstica, las modificaciones dirigidas y la reducción de ciclos de ejecución innecesarios. Acepta texto, imágenes, audio, vídeo y PDF, con herramientas, salida estructurada y un límite de entrada de 1 048 576 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.6 Flash es el perfil multimodal polivalente de Google para programación, trabajo intelectual y ejecución mediante agentes. Se basa en Gemini 3.5 Flash y se centra en mejorar el rendimiento multimodal y la eficiencia en el uso de tokens. El modelo acepta texto, imágenes, audio, vídeo y PDF, y devuelve texto. Un encargo útil puede combinar código, una captura de pantalla y un requisito, o comparar un gráfico o un plano visual con restricciones escritas para producir una explicación comprobada o una revisión dirigida.
La guía para desarrolladores destaca la reducción de pasos de razonamiento, intervenciones y llamadas a herramientas innecesarios en trabajos de varios pasos, junto con modificaciones más centradas. Para un diagnóstico, proporciona el fallo observado, el código fuente pertinente y el comportamiento que debe permanecer sin cambios. Para depurar un gráfico, pide al modelo que investigue por qué representa una serie incorrecta, identifique la transformación de datos implicada y proponga una corrección conservando la disposición visual que lo rodea. El resultado puede compararse después con los datos de entrada reales y el comportamiento requerido del gráfico.
La inspección programática previa es un comportamiento distintivo descrito para 3.6. El fabricante afirma que el modelo inspecciona con mayor frecuencia un problema mediante código de diagnóstico antes de realizar cambios. Esto puede ayudar en una investigación compleja, pero la guía señala que puede añadir pasos exploratorios al trabajo habitual de frontend. Indica si la tarea requiere una investigación, una modificación sencilla o una comparación de diseño. Proporciona la información que permita distinguirlo claramente y especifica las acciones permitidas para las herramientas de la aplicación conectada.
También se destaca el razonamiento espacial y multimodal: interpretación de gráficos, conversión de planos visuales y diseños web con múltiples elementos. Proporciona la vista o las páginas pertinentes, identifica qué debe interpretarse y solicita las pruebas que sustentan la conclusión. Para una tarea de diseño, incluye directrices concretas de disposición y estilo. El fabricante señala un énfasis en el código funcional y que los evaluadores prefirieron en ocasiones el estilo visual de modelos anteriores, por lo que resulta útil proporcionar indicaciones visuales explícitas. Comprueba el resultado con el diagrama real o los requisitos de diseño.
Medio es el nivel de razonamiento predeterminado documentado. La tabla de razonamiento específica del modelo de Google enumera mínimo, bajo, medio y alto; la guía de migración de 3.6 utiliza medio o alto en sus ejemplos de esfuerzo. La página específica enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas, con Computer Use como capacidad en versión preliminar. Define con claridad las entradas de las funciones y el resultado requerido. Una función seleccionada por el modelo necesita un resultado real de la aplicación antes de que una respuesta posterior pueda basarse en su resultado. Para un análisis estructurado, define el esquema y las pruebas de origen necesarias para cada hallazgo.
La guía de 3.6 modifica la preparación respecto a solicitudes anteriores de Gemini. Declara obsoletos los parámetros de muestreo temperature, top-p y top-k, rechaza una intervención final prerrellenada con rol de modelo y recomienda instrucciones de sistema o salidas estructuradas para controlar la respuesta. Sus reglas de respuesta a funciones vinculan una respuesta con su llamada por identidad y nombre, y la base de Gemini 3 conserva las firmas de pensamiento en el uso con varias intervenciones. Una continuación práctica debe incluir el historial pertinente sin modificar y el resultado de la herramienta, en lugar de imitar el prefijo de una respuesta anterior.
La ficha nativa especifica hasta 1M de contexto de entrada y 64K de salida de texto; la tabla específica de la API establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Calcula el presupuesto de entrada incluyendo las instrucciones, el historial y el contenido multimedia, y solicita una salida de una extensión adecuada para la tarea. La página del fabricante también enumera almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority. Al procesar registros independientes, mantén explícitos el identificador del registro y el formato del resultado. La salida es un entregable textual, incluso cuando las pruebas incluyen fotografías, audio o vídeo.
Entre las posibles limitaciones se encuentran las alucinaciones y la lentitud ocasional o los tiempos de espera agotados. Su fecha límite de conocimientos de marzo de 2026 incluye ámbitos cuyo conocimiento sigue limitado a enero de 2025, por lo que debes adjuntar material más reciente o utilizar un flujo documentado de fundamentación cuando importen los hechos actuales. Revisa los cálculos, las referencias a las fuentes, las interpretaciones visuales y las modificaciones propuestas. La preparación distintiva para esta edición consiste en unas indicaciones de diagnóstico centradas, un alcance claro para las herramientas y restricciones de diseño explícitas, seguidos de la inspección del resultado concreto.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-3.6-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.6-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-3.6-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-3.6-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y 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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
google/gemini-3.6-flashGemini 3.6 Flash es el modelo de texto multimodal de Google para programación, análisis espacial y agentes que trabajan en varios pasos. Se centra en la inspección diagnóstica, las modificaciones dirigidas y la reducción de ciclos de ejecución innecesarios. Acepta texto, imágenes, audio, vídeo y PDF, con herramientas, salida estructurada y un límite de entrada de 1 048 576 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.6 Flash es el perfil multimodal polivalente de Google para programación, trabajo intelectual y ejecución mediante agentes. Se basa en Gemini 3.5 Flash y se centra en mejorar el rendimiento multimodal y la eficiencia en el uso de tokens. El modelo acepta texto, imágenes, audio, vídeo y PDF, y devuelve texto. Un encargo útil puede combinar código, una captura de pantalla y un requisito, o comparar un gráfico o un plano visual con restricciones escritas para producir una explicación comprobada o una revisión dirigida.
La guía para desarrolladores destaca la reducción de pasos de razonamiento, intervenciones y llamadas a herramientas innecesarios en trabajos de varios pasos, junto con modificaciones más centradas. Para un diagnóstico, proporciona el fallo observado, el código fuente pertinente y el comportamiento que debe permanecer sin cambios. Para depurar un gráfico, pide al modelo que investigue por qué representa una serie incorrecta, identifique la transformación de datos implicada y proponga una corrección conservando la disposición visual que lo rodea. El resultado puede compararse después con los datos de entrada reales y el comportamiento requerido del gráfico.
La inspección programática previa es un comportamiento distintivo descrito para 3.6. El fabricante afirma que el modelo inspecciona con mayor frecuencia un problema mediante código de diagnóstico antes de realizar cambios. Esto puede ayudar en una investigación compleja, pero la guía señala que puede añadir pasos exploratorios al trabajo habitual de frontend. Indica si la tarea requiere una investigación, una modificación sencilla o una comparación de diseño. Proporciona la información que permita distinguirlo claramente y especifica las acciones permitidas para las herramientas de la aplicación conectada.
También se destaca el razonamiento espacial y multimodal: interpretación de gráficos, conversión de planos visuales y diseños web con múltiples elementos. Proporciona la vista o las páginas pertinentes, identifica qué debe interpretarse y solicita las pruebas que sustentan la conclusión. Para una tarea de diseño, incluye directrices concretas de disposición y estilo. El fabricante señala un énfasis en el código funcional y que los evaluadores prefirieron en ocasiones el estilo visual de modelos anteriores, por lo que resulta útil proporcionar indicaciones visuales explícitas. Comprueba el resultado con el diagrama real o los requisitos de diseño.
Medio es el nivel de razonamiento predeterminado documentado. La tabla de razonamiento específica del modelo de Google enumera mínimo, bajo, medio y alto; la guía de migración de 3.6 utiliza medio o alto en sus ejemplos de esfuerzo. La página específica enumera llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Maps, contexto de URL y salidas estructuradas, con Computer Use como capacidad en versión preliminar. Define con claridad las entradas de las funciones y el resultado requerido. Una función seleccionada por el modelo necesita un resultado real de la aplicación antes de que una respuesta posterior pueda basarse en su resultado. Para un análisis estructurado, define el esquema y las pruebas de origen necesarias para cada hallazgo.
La guía de 3.6 modifica la preparación respecto a solicitudes anteriores de Gemini. Declara obsoletos los parámetros de muestreo temperature, top-p y top-k, rechaza una intervención final prerrellenada con rol de modelo y recomienda instrucciones de sistema o salidas estructuradas para controlar la respuesta. Sus reglas de respuesta a funciones vinculan una respuesta con su llamada por identidad y nombre, y la base de Gemini 3 conserva las firmas de pensamiento en el uso con varias intervenciones. Una continuación práctica debe incluir el historial pertinente sin modificar y el resultado de la herramienta, en lugar de imitar el prefijo de una respuesta anterior.
La ficha nativa especifica hasta 1M de contexto de entrada y 64K de salida de texto; la tabla específica de la API establece 1 048 576 tokens de entrada y 65 536 tokens de salida. Calcula el presupuesto de entrada incluyendo las instrucciones, el historial y el contenido multimedia, y solicita una salida de una extensión adecuada para la tarea. La página del fabricante también enumera almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority. Al procesar registros independientes, mantén explícitos el identificador del registro y el formato del resultado. La salida es un entregable textual, incluso cuando las pruebas incluyen fotografías, audio o vídeo.
Entre las posibles limitaciones se encuentran las alucinaciones y la lentitud ocasional o los tiempos de espera agotados. Su fecha límite de conocimientos de marzo de 2026 incluye ámbitos cuyo conocimiento sigue limitado a enero de 2025, por lo que debes adjuntar material más reciente o utilizar un flujo documentado de fundamentación cuando importen los hechos actuales. Revisa los cálculos, las referencias a las fuentes, las interpretaciones visuales y las modificaciones propuestas. La preparación distintiva para esta edición consiste en unas indicaciones de diagnóstico centradas, un alcance claro para las herramientas y restricciones de diseño explícitas, seguidos de la inspección del resultado concreto.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-3.6-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.0075 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "google/gemini-3.6-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.6-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.6-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y 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-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
Ejemplo técnico en inglés
Diagnose swapped chart series\n\nA chart receives [{month:'Jan', sales:20, returns:2}, {month:'Feb', sales:30, returns:3}], but its Sales series uses rows.map(r => r.returns). Identify the data-binding error and propose one correction. Keep the existing month labels and Returns series unchanged. Include a small assertion showing the expected Sales data without claiming the chart was rendered.One corrected series expression and a concrete assertion against the supplied data.Only the Sales binding changes, and its values come from sales rather than returns.