Gemini 3.8 Flash es el modelo de Google con salida de texto para trabajos continuados de ingeniería de software, agentes de varios pasos y flujos de trabajo complejos basados en conocimiento. Se basa en Gemini 3.7 Flash, con mejoras en ingeniería de software y trabajo de conocimiento mediante agentes. Acepta texto, imágenes, audio, vídeo y PDF, por lo que una tarea puede combinar un objetivo escrito con el material real necesario para resolverla. El resultado útil es un cambio de código, un análisis explicado, una respuesta escrita o un registro estructurado.
Para una tarea de programación, proporciona el requisito, los archivos pertinentes, el comportamiento observado y las restricciones que deben conservarse. Una captura de pantalla puede mostrar la interfaz deseada, mientras que los registros o un ejemplo reproducible muestran el fallo. Para una tarea de depuración, pide al modelo que rastree una discrepancia entre el estado visible de un formulario y su valor almacenado, identifique la ruta de código responsable y proponga una corrección acotada. Mantén claro el entregable final previsto para que una secuencia más larga de investigación y uso de herramientas siga teniendo una condición de finalización concreta.
Para trabajos de mayor duración, utiliza pasos de razonamiento más pequeños, llamadas iterativas a herramientas y comprobaciones de los resultados intermedios. Los niveles de razonamiento bajo, medio y alto controlan la cantidad de razonamiento; medio es la opción predeterminada documentada. El nivel bajo es adecuado para un borrador rápido o un análisis acotado, mientras que el alto está destinado a tareas difíciles de matemáticas, programación o varios pasos. Gemini 3.8 Flash no admite el nivel de razonamiento mínimo. Por tanto, una tarea prolongada de depuración y una extracción sencilla de campos necesitan distintas opciones de razonamiento, en lugar del mismo ajuste para todas las solicitudes.
Las herramientas documentadas incluyen llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Google Maps y contexto de URL, mientras que Computer Use figura como una capacidad en versión preliminar. Las salidas estructuradas definen un resultado legible por máquina. Las funciones deben tener una finalidad y una definición de parámetros claras: el modelo puede solicitar una función, mientras que la aplicación conectada realiza la operación y devuelve su resultado. Conserva las identidades de las funciones y el material realmente devuelto entre turnos. Una respuesta final útil explica qué pruebas respaldan la corrección propuesta o el valor extraído.
La guía de migración a 3.8 utiliza controles de nivel de razonamiento en lugar de la configuración heredada del presupuesto de razonamiento y aconseja eliminar los parámetros de muestreo obsoletos y los turnos de modelo prerrellenados. También exige conservar las firmas de razonamiento en el flujo de trabajo sin estado correspondiente y vincular las respuestas de las funciones con sus llamadas por identidad y nombre. Estos detalles importan al continuar una tarea de varios pasos: el siguiente turno necesita el contexto anterior real, en lugar de una versión reescrita que pierda el resultado de la herramienta o la firma. Mantén explícitos la pregunta y el resultado solicitado en el nuevo turno del usuario.
Para trabajar con conocimiento multimodal, identifica las páginas pertinentes del documento, el gráfico, el intervalo de audio o el evento del vídeo e indica cómo deben contribuir a la respuesta. Una comparación de documentos puede solicitar una tabla de diferencias con pasajes de las fuentes; una pregunta sobre un gráfico puede pedir los valores visibles y la conclusión que respaldan. Un análisis de vídeo puede solicitar una descripción de los acontecimientos que justifican un hallazgo. El modelo devuelve texto a partir de estas entradas. Las imágenes generadas, la voz y la interacción de audio Live corresponden a perfiles de modelo independientes.
Sus límites en Gemini API son de 1 048 576 tokens de entrada y 65 536 tokens de salida, que corresponden al contexto de hasta 1M y a la salida de texto de 64K del modelo nativo. Las instrucciones, el historial de conversación y los medios proporcionados consumen contexto de entrada, y el razonamiento o un entregable final extenso deben caber en el límite de salida documentado. Google también incluye almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority para este perfil del desarrollador. Para elementos independientes, conserva un identificador estable de cada elemento y un formato de salida explícito, de modo que cada resultado siga vinculado a su fuente.
Las posibles limitaciones incluyen alucinaciones, lentitud ocasional o tiempos de espera agotados y un mayor consumo de tokens con niveles de esfuerzo más altos. Su fecha de corte de conocimiento es marzo de 2026, aunque algunos ámbitos siguen limitados a enero de 2025. Proporciona pruebas actuales o utiliza las herramientas de fundamentación documentadas cuando la tarea dependa de información posterior. Contrasta las citas de fuentes, los cálculos y el código propuesto con las entradas reales y los resultados de ejecución. El entregable final útil debe distinguir un hallazgo respaldado de una cuestión sin resolver, sin dar por supuesto que una respuesta fluida acredita el resultado solicitado.
", "aboutText": "Gemini 3.8 Flash es el modelo de Google con salida de texto para trabajos continuados de ingeniería de software, agentes de varios pasos y flujos de trabajo complejos basados en conocimiento. Se basa en Gemini 3.7 Flash, con mejoras en ingeniería de software y trabajo de conocimiento mediante agentes. Acepta texto, imágenes, audio, vídeo y PDF, por lo que una tarea puede combinar un objetivo escrito con el material real necesario para resolverla. El resultado útil es un cambio de código, un análisis explicado, una respuesta escrita o un registro estructurado.\n\nPara una tarea de programación, proporciona el requisito, los archivos pertinentes, el comportamiento observado y las restricciones que deben conservarse. Una captura de pantalla puede mostrar la interfaz deseada, mientras que los registros o un ejemplo reproducible muestran el fallo. Para una tarea de depuración, pide al modelo que rastree una discrepancia entre el estado visible de un formulario y su valor almacenado, identifique la ruta de código responsable y proponga una corrección acotada. Mantén claro el entregable final previsto para que una secuencia más larga de investigación y uso de herramientas siga teniendo una condición de finalización concreta.\n\nPara trabajos de mayor duración, utiliza pasos de razonamiento más pequeños, llamadas iterativas a herramientas y comprobaciones de los resultados intermedios. Los niveles de razonamiento bajo, medio y alto controlan la cantidad de razonamiento; medio es la opción predeterminada documentada. El nivel bajo es adecuado para un borrador rápido o un análisis acotado, mientras que el alto está destinado a tareas difíciles de matemáticas, programación o varios pasos. Gemini 3.8 Flash no admite el nivel de razonamiento mínimo. Por tanto, una tarea prolongada de depuración y una extracción sencilla de campos necesitan distintas opciones de razonamiento, en lugar del mismo ajuste para todas las solicitudes.\n\nLas herramientas documentadas incluyen llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Google Maps y contexto de URL, mientras que Computer Use figura como una capacidad en versión preliminar. Las salidas estructuradas definen un resultado legible por máquina. Las funciones deben tener una finalidad y una definición de parámetros claras: el modelo puede solicitar una función, mientras que la aplicación conectada realiza la operación y devuelve su resultado. Conserva las identidades de las funciones y el material realmente devuelto entre turnos. Una respuesta final útil explica qué pruebas respaldan la corrección propuesta o el valor extraído.\n\nLa guía de migración a 3.8 utiliza controles de nivel de razonamiento en lugar de la configuración heredada del presupuesto de razonamiento y aconseja eliminar los parámetros de muestreo obsoletos y los turnos de modelo prerrellenados. También exige conservar las firmas de razonamiento en el flujo de trabajo sin estado correspondiente y vincular las respuestas de las funciones con sus llamadas por identidad y nombre. Estos detalles importan al continuar una tarea de varios pasos: el siguiente turno necesita el contexto anterior real, en lugar de una versión reescrita que pierda el resultado de la herramienta o la firma. Mantén explícitos la pregunta y el resultado solicitado en el nuevo turno del usuario.\n\nPara trabajar con conocimiento multimodal, identifica las páginas pertinentes del documento, el gráfico, el intervalo de audio o el evento del vídeo e indica cómo deben contribuir a la respuesta. Una comparación de documentos puede solicitar una tabla de diferencias con pasajes de las fuentes; una pregunta sobre un gráfico puede pedir los valores visibles y la conclusión que respaldan. Un análisis de vídeo puede solicitar una descripción de los acontecimientos que justifican un hallazgo. El modelo devuelve texto a partir de estas entradas. Las imágenes generadas, la voz y la interacción de audio Live corresponden a perfiles de modelo independientes.\n\nSus límites en Gemini API son de 1 048 576 tokens de entrada y 65 536 tokens de salida, que corresponden al contexto de hasta 1M y a la salida de texto de 64K del modelo nativo. Las instrucciones, el historial de conversación y los medios proporcionados consumen contexto de entrada, y el razonamiento o un entregable final extenso deben caber en el límite de salida documentado. Google también incluye almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority para este perfil del desarrollador. Para elementos independientes, conserva un identificador estable de cada elemento y un formato de salida explícito, de modo que cada resultado siga vinculado a su fuente.\n\nLas posibles limitaciones incluyen alucinaciones, lentitud ocasional o tiempos de espera agotados y un mayor consumo de tokens con niveles de esfuerzo más altos. Su fecha de corte de conocimiento es marzo de 2026, aunque algunos ámbitos siguen limitados a enero de 2025. Proporciona pruebas actuales o utiliza las herramientas de fundamentación documentadas cuando la tarea dependa de información posterior. Contrasta las citas de fuentes, los cálculos y el código propuesto con las entradas reales y los resultados de ejecución. El entregable final útil debe distinguir un hallazgo respaldado de una cuestión sin resolver, sin dar por supuesto que una respuesta fluida acredita el resultado solicitado.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Diagnose an unsaved form value\n\nReview this form flow: the input displays draft.name; typing updates draft.name; Save sends original.name; after reload the old name reappears. Explain the mismatch and propose a minimal correction in framework-neutral pseudocode. Include a regression scenario that types a new name, saves, reloads, and checks the stored value. Do not claim any browser action occurred.A cause explanation, corrected Save pseudocode and an end-to-end regression scenario.The submitted value comes from the edited draft, and the reload check verifies persistence rather than just the visible input.gemini-3.8-flashGemini 3.8 Flash es el modelo multimodal de uso general de Google para trabajos continuados de ingeniería de software, agentes y tareas complejas de conocimiento. Acepta texto, imágenes, audio, vídeo y PDF, devuelve texto y ofrece niveles de razonamiento bajo, medio o alto, con herramientas y salida estructurada. Sus límites documentados de entrada/salida son de 1 048 576/65 536 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 3.8 Flash es el modelo de Google con salida de texto para trabajos continuados de ingeniería de software, agentes de varios pasos y flujos de trabajo complejos basados en conocimiento. Se basa en Gemini 3.7 Flash, con mejoras en ingeniería de software y trabajo de conocimiento mediante agentes. Acepta texto, imágenes, audio, vídeo y PDF, por lo que una tarea puede combinar un objetivo escrito con el material real necesario para resolverla. El resultado útil es un cambio de código, un análisis explicado, una respuesta escrita o un registro estructurado.
Para una tarea de programación, proporciona el requisito, los archivos pertinentes, el comportamiento observado y las restricciones que deben conservarse. Una captura de pantalla puede mostrar la interfaz deseada, mientras que los registros o un ejemplo reproducible muestran el fallo. Para una tarea de depuración, pide al modelo que rastree una discrepancia entre el estado visible de un formulario y su valor almacenado, identifique la ruta de código responsable y proponga una corrección acotada. Mantén claro el entregable final previsto para que una secuencia más larga de investigación y uso de herramientas siga teniendo una condición de finalización concreta.
Para trabajos de mayor duración, utiliza pasos de razonamiento más pequeños, llamadas iterativas a herramientas y comprobaciones de los resultados intermedios. Los niveles de razonamiento bajo, medio y alto controlan la cantidad de razonamiento; medio es la opción predeterminada documentada. El nivel bajo es adecuado para un borrador rápido o un análisis acotado, mientras que el alto está destinado a tareas difíciles de matemáticas, programación o varios pasos. Gemini 3.8 Flash no admite el nivel de razonamiento mínimo. Por tanto, una tarea prolongada de depuración y una extracción sencilla de campos necesitan distintas opciones de razonamiento, en lugar del mismo ajuste para todas las solicitudes.
Las herramientas documentadas incluyen llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Google Maps y contexto de URL, mientras que Computer Use figura como una capacidad en versión preliminar. Las salidas estructuradas definen un resultado legible por máquina. Las funciones deben tener una finalidad y una definición de parámetros claras: el modelo puede solicitar una función, mientras que la aplicación conectada realiza la operación y devuelve su resultado. Conserva las identidades de las funciones y el material realmente devuelto entre turnos. Una respuesta final útil explica qué pruebas respaldan la corrección propuesta o el valor extraído.
La guía de migración a 3.8 utiliza controles de nivel de razonamiento en lugar de la configuración heredada del presupuesto de razonamiento y aconseja eliminar los parámetros de muestreo obsoletos y los turnos de modelo prerrellenados. También exige conservar las firmas de razonamiento en el flujo de trabajo sin estado correspondiente y vincular las respuestas de las funciones con sus llamadas por identidad y nombre. Estos detalles importan al continuar una tarea de varios pasos: el siguiente turno necesita el contexto anterior real, en lugar de una versión reescrita que pierda el resultado de la herramienta o la firma. Mantén explícitos la pregunta y el resultado solicitado en el nuevo turno del usuario.
Para trabajar con conocimiento multimodal, identifica las páginas pertinentes del documento, el gráfico, el intervalo de audio o el evento del vídeo e indica cómo deben contribuir a la respuesta. Una comparación de documentos puede solicitar una tabla de diferencias con pasajes de las fuentes; una pregunta sobre un gráfico puede pedir los valores visibles y la conclusión que respaldan. Un análisis de vídeo puede solicitar una descripción de los acontecimientos que justifican un hallazgo. El modelo devuelve texto a partir de estas entradas. Las imágenes generadas, la voz y la interacción de audio Live corresponden a perfiles de modelo independientes.
Sus límites en Gemini API son de 1 048 576 tokens de entrada y 65 536 tokens de salida, que corresponden al contexto de hasta 1M y a la salida de texto de 64K del modelo nativo. Las instrucciones, el historial de conversación y los medios proporcionados consumen contexto de entrada, y el razonamiento o un entregable final extenso deben caber en el límite de salida documentado. Google también incluye almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority para este perfil del desarrollador. Para elementos independientes, conserva un identificador estable de cada elemento y un formato de salida explícito, de modo que cada resultado siga vinculado a su fuente.
Las posibles limitaciones incluyen alucinaciones, lentitud ocasional o tiempos de espera agotados y un mayor consumo de tokens con niveles de esfuerzo más altos. Su fecha de corte de conocimiento es marzo de 2026, aunque algunos ámbitos siguen limitados a enero de 2025. Proporciona pruebas actuales o utiliza las herramientas de fundamentación documentadas cuando la tarea dependa de información posterior. Contrasta las citas de fuentes, los cálculos y el código propuesto con las entradas reales y los resultados de ejecución. El entregable final útil debe distinguir un hallazgo respaldado de una cuestión sin resolver, sin dar por supuesto que una respuesta fluida acredita el resultado solicitado.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.8-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 Model-specific | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campostop_sequences | Tipostring[] | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campotools | Tipotool[] | RequisitoOpcional | Valores y límites Model-specific | 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 Model-specific | Predeterminado— |
Campothinking.type | Tipostring | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campothinking.budget_tokens | Tipointeger | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campooutput_config.effort | Tipostring | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campometadata | Tipoobject | RequisitoOpcional | Valores y límites | Predeterminado— |
Campocache_control | Tipoobject | RequisitoOpcional | Valores y límites Model-specific | 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 | Cargo |
|---|---|---|
| ConfiguraciónOpenAI Chat · Tarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónAnthropic Messages · Tarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
set -eu\n: "${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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash es el modelo multimodal de uso general de Google para trabajos continuados de ingeniería de software, agentes y tareas complejas de conocimiento. Acepta texto, imágenes, audio, vídeo y PDF, devuelve texto y ofrece niveles de razonamiento bajo, medio o alto, con herramientas y salida estructurada. Sus límites documentados de entrada/salida son de 1 048 576/65 536 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 3.8 Flash es el modelo de Google con salida de texto para trabajos continuados de ingeniería de software, agentes de varios pasos y flujos de trabajo complejos basados en conocimiento. Se basa en Gemini 3.7 Flash, con mejoras en ingeniería de software y trabajo de conocimiento mediante agentes. Acepta texto, imágenes, audio, vídeo y PDF, por lo que una tarea puede combinar un objetivo escrito con el material real necesario para resolverla. El resultado útil es un cambio de código, un análisis explicado, una respuesta escrita o un registro estructurado.
Para una tarea de programación, proporciona el requisito, los archivos pertinentes, el comportamiento observado y las restricciones que deben conservarse. Una captura de pantalla puede mostrar la interfaz deseada, mientras que los registros o un ejemplo reproducible muestran el fallo. Para una tarea de depuración, pide al modelo que rastree una discrepancia entre el estado visible de un formulario y su valor almacenado, identifique la ruta de código responsable y proponga una corrección acotada. Mantén claro el entregable final previsto para que una secuencia más larga de investigación y uso de herramientas siga teniendo una condición de finalización concreta.
Para trabajos de mayor duración, utiliza pasos de razonamiento más pequeños, llamadas iterativas a herramientas y comprobaciones de los resultados intermedios. Los niveles de razonamiento bajo, medio y alto controlan la cantidad de razonamiento; medio es la opción predeterminada documentada. El nivel bajo es adecuado para un borrador rápido o un análisis acotado, mientras que el alto está destinado a tareas difíciles de matemáticas, programación o varios pasos. Gemini 3.8 Flash no admite el nivel de razonamiento mínimo. Por tanto, una tarea prolongada de depuración y una extracción sencilla de campos necesitan distintas opciones de razonamiento, en lugar del mismo ajuste para todas las solicitudes.
Las herramientas documentadas incluyen llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Google Maps y contexto de URL, mientras que Computer Use figura como una capacidad en versión preliminar. Las salidas estructuradas definen un resultado legible por máquina. Las funciones deben tener una finalidad y una definición de parámetros claras: el modelo puede solicitar una función, mientras que la aplicación conectada realiza la operación y devuelve su resultado. Conserva las identidades de las funciones y el material realmente devuelto entre turnos. Una respuesta final útil explica qué pruebas respaldan la corrección propuesta o el valor extraído.
La guía de migración a 3.8 utiliza controles de nivel de razonamiento en lugar de la configuración heredada del presupuesto de razonamiento y aconseja eliminar los parámetros de muestreo obsoletos y los turnos de modelo prerrellenados. También exige conservar las firmas de razonamiento en el flujo de trabajo sin estado correspondiente y vincular las respuestas de las funciones con sus llamadas por identidad y nombre. Estos detalles importan al continuar una tarea de varios pasos: el siguiente turno necesita el contexto anterior real, en lugar de una versión reescrita que pierda el resultado de la herramienta o la firma. Mantén explícitos la pregunta y el resultado solicitado en el nuevo turno del usuario.
Para trabajar con conocimiento multimodal, identifica las páginas pertinentes del documento, el gráfico, el intervalo de audio o el evento del vídeo e indica cómo deben contribuir a la respuesta. Una comparación de documentos puede solicitar una tabla de diferencias con pasajes de las fuentes; una pregunta sobre un gráfico puede pedir los valores visibles y la conclusión que respaldan. Un análisis de vídeo puede solicitar una descripción de los acontecimientos que justifican un hallazgo. El modelo devuelve texto a partir de estas entradas. Las imágenes generadas, la voz y la interacción de audio Live corresponden a perfiles de modelo independientes.
Sus límites en Gemini API son de 1 048 576 tokens de entrada y 65 536 tokens de salida, que corresponden al contexto de hasta 1M y a la salida de texto de 64K del modelo nativo. Las instrucciones, el historial de conversación y los medios proporcionados consumen contexto de entrada, y el razonamiento o un entregable final extenso deben caber en el límite de salida documentado. Google también incluye almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority para este perfil del desarrollador. Para elementos independientes, conserva un identificador estable de cada elemento y un formato de salida explícito, de modo que cada resultado siga vinculado a su fuente.
Las posibles limitaciones incluyen alucinaciones, lentitud ocasional o tiempos de espera agotados y un mayor consumo de tokens con niveles de esfuerzo más altos. Su fecha de corte de conocimiento es marzo de 2026, aunque algunos ámbitos siguen limitados a enero de 2025. Proporciona pruebas actuales o utiliza las herramientas de fundamentación documentadas cuando la tarea dependa de información posterior. Contrasta las citas de fuentes, los cálculos y el código propuesto con las entradas reales y los resultados de ejecución. El entregable final útil debe distinguir un hallazgo respaldado de una cuestión sin resolver, sin dar por supuesto que una respuesta fluida acredita el resultado solicitado.
POST /v1beta/models/{model}:generateContenttext, imagetext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campopath.model | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.8-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 Model-specific | Predeterminado— |
CampogenerationConfig.temperature | Tiponumber | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
CampogenerationConfig.topP | Tiponumber | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
CampogenerationConfig.topK | Tipointeger | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
CampogenerationConfig.stopSequences | Tipostring[] | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
CampogenerationConfig.thinkingConfig.includeThoughts | Tipoboolean | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
CampogenerationConfig.thinkingConfig.thinkingBudget | Tipointeger | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campotools[].functionDeclarations | Tipofunction_declaration[] | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
CampotoolConfig.functionCallingConfig.mode | Tipostring | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
CamposafetySettings | Tipoobject[] | RequisitoOpcional | Valores y límites Model-specific | 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 | Cargo |
|---|---|---|
| ConfiguraciónOpenAI Chat · Tarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónAnthropic Messages · Tarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
set -eu\n: "${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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash es el modelo multimodal de uso general de Google para trabajos continuados de ingeniería de software, agentes y tareas complejas de conocimiento. Acepta texto, imágenes, audio, vídeo y PDF, devuelve texto y ofrece niveles de razonamiento bajo, medio o alto, con herramientas y salida estructurada. Sus límites documentados de entrada/salida son de 1 048 576/65 536 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 3.8 Flash es el modelo de Google con salida de texto para trabajos continuados de ingeniería de software, agentes de varios pasos y flujos de trabajo complejos basados en conocimiento. Se basa en Gemini 3.7 Flash, con mejoras en ingeniería de software y trabajo de conocimiento mediante agentes. Acepta texto, imágenes, audio, vídeo y PDF, por lo que una tarea puede combinar un objetivo escrito con el material real necesario para resolverla. El resultado útil es un cambio de código, un análisis explicado, una respuesta escrita o un registro estructurado.
Para una tarea de programación, proporciona el requisito, los archivos pertinentes, el comportamiento observado y las restricciones que deben conservarse. Una captura de pantalla puede mostrar la interfaz deseada, mientras que los registros o un ejemplo reproducible muestran el fallo. Para una tarea de depuración, pide al modelo que rastree una discrepancia entre el estado visible de un formulario y su valor almacenado, identifique la ruta de código responsable y proponga una corrección acotada. Mantén claro el entregable final previsto para que una secuencia más larga de investigación y uso de herramientas siga teniendo una condición de finalización concreta.
Para trabajos de mayor duración, utiliza pasos de razonamiento más pequeños, llamadas iterativas a herramientas y comprobaciones de los resultados intermedios. Los niveles de razonamiento bajo, medio y alto controlan la cantidad de razonamiento; medio es la opción predeterminada documentada. El nivel bajo es adecuado para un borrador rápido o un análisis acotado, mientras que el alto está destinado a tareas difíciles de matemáticas, programación o varios pasos. Gemini 3.8 Flash no admite el nivel de razonamiento mínimo. Por tanto, una tarea prolongada de depuración y una extracción sencilla de campos necesitan distintas opciones de razonamiento, en lugar del mismo ajuste para todas las solicitudes.
Las herramientas documentadas incluyen llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Google Maps y contexto de URL, mientras que Computer Use figura como una capacidad en versión preliminar. Las salidas estructuradas definen un resultado legible por máquina. Las funciones deben tener una finalidad y una definición de parámetros claras: el modelo puede solicitar una función, mientras que la aplicación conectada realiza la operación y devuelve su resultado. Conserva las identidades de las funciones y el material realmente devuelto entre turnos. Una respuesta final útil explica qué pruebas respaldan la corrección propuesta o el valor extraído.
La guía de migración a 3.8 utiliza controles de nivel de razonamiento en lugar de la configuración heredada del presupuesto de razonamiento y aconseja eliminar los parámetros de muestreo obsoletos y los turnos de modelo prerrellenados. También exige conservar las firmas de razonamiento en el flujo de trabajo sin estado correspondiente y vincular las respuestas de las funciones con sus llamadas por identidad y nombre. Estos detalles importan al continuar una tarea de varios pasos: el siguiente turno necesita el contexto anterior real, en lugar de una versión reescrita que pierda el resultado de la herramienta o la firma. Mantén explícitos la pregunta y el resultado solicitado en el nuevo turno del usuario.
Para trabajar con conocimiento multimodal, identifica las páginas pertinentes del documento, el gráfico, el intervalo de audio o el evento del vídeo e indica cómo deben contribuir a la respuesta. Una comparación de documentos puede solicitar una tabla de diferencias con pasajes de las fuentes; una pregunta sobre un gráfico puede pedir los valores visibles y la conclusión que respaldan. Un análisis de vídeo puede solicitar una descripción de los acontecimientos que justifican un hallazgo. El modelo devuelve texto a partir de estas entradas. Las imágenes generadas, la voz y la interacción de audio Live corresponden a perfiles de modelo independientes.
Sus límites en Gemini API son de 1 048 576 tokens de entrada y 65 536 tokens de salida, que corresponden al contexto de hasta 1M y a la salida de texto de 64K del modelo nativo. Las instrucciones, el historial de conversación y los medios proporcionados consumen contexto de entrada, y el razonamiento o un entregable final extenso deben caber en el límite de salida documentado. Google también incluye almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority para este perfil del desarrollador. Para elementos independientes, conserva un identificador estable de cada elemento y un formato de salida explícito, de modo que cada resultado siga vinculado a su fuente.
Las posibles limitaciones incluyen alucinaciones, lentitud ocasional o tiempos de espera agotados y un mayor consumo de tokens con niveles de esfuerzo más altos. Su fecha de corte de conocimiento es marzo de 2026, aunque algunos ámbitos siguen limitados a enero de 2025. Proporciona pruebas actuales o utiliza las herramientas de fundamentación documentadas cuando la tarea dependa de información posterior. Contrasta las citas de fuentes, los cálculos y el código propuesto con las entradas reales y los resultados de ejecución. El entregable final útil debe distinguir un hallazgo respaldado de una cuestión sin resolver, sin dar por supuesto que una respuesta fluida acredita el resultado solicitado.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.8-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Model-specific | 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.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
gemini-3.8-flashGemini 3.8 Flash es el modelo multimodal de uso general de Google para trabajos continuados de ingeniería de software, agentes y tareas complejas de conocimiento. Acepta texto, imágenes, audio, vídeo y PDF, devuelve texto y ofrece niveles de razonamiento bajo, medio o alto, con herramientas y salida estructurada. Sus límites documentados de entrada/salida son de 1 048 576/65 536 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 3.8 Flash es el modelo de Google con salida de texto para trabajos continuados de ingeniería de software, agentes de varios pasos y flujos de trabajo complejos basados en conocimiento. Se basa en Gemini 3.7 Flash, con mejoras en ingeniería de software y trabajo de conocimiento mediante agentes. Acepta texto, imágenes, audio, vídeo y PDF, por lo que una tarea puede combinar un objetivo escrito con el material real necesario para resolverla. El resultado útil es un cambio de código, un análisis explicado, una respuesta escrita o un registro estructurado.
Para una tarea de programación, proporciona el requisito, los archivos pertinentes, el comportamiento observado y las restricciones que deben conservarse. Una captura de pantalla puede mostrar la interfaz deseada, mientras que los registros o un ejemplo reproducible muestran el fallo. Para una tarea de depuración, pide al modelo que rastree una discrepancia entre el estado visible de un formulario y su valor almacenado, identifique la ruta de código responsable y proponga una corrección acotada. Mantén claro el entregable final previsto para que una secuencia más larga de investigación y uso de herramientas siga teniendo una condición de finalización concreta.
Para trabajos de mayor duración, utiliza pasos de razonamiento más pequeños, llamadas iterativas a herramientas y comprobaciones de los resultados intermedios. Los niveles de razonamiento bajo, medio y alto controlan la cantidad de razonamiento; medio es la opción predeterminada documentada. El nivel bajo es adecuado para un borrador rápido o un análisis acotado, mientras que el alto está destinado a tareas difíciles de matemáticas, programación o varios pasos. Gemini 3.8 Flash no admite el nivel de razonamiento mínimo. Por tanto, una tarea prolongada de depuración y una extracción sencilla de campos necesitan distintas opciones de razonamiento, en lugar del mismo ajuste para todas las solicitudes.
Las herramientas documentadas incluyen llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Google Maps y contexto de URL, mientras que Computer Use figura como una capacidad en versión preliminar. Las salidas estructuradas definen un resultado legible por máquina. Las funciones deben tener una finalidad y una definición de parámetros claras: el modelo puede solicitar una función, mientras que la aplicación conectada realiza la operación y devuelve su resultado. Conserva las identidades de las funciones y el material realmente devuelto entre turnos. Una respuesta final útil explica qué pruebas respaldan la corrección propuesta o el valor extraído.
La guía de migración a 3.8 utiliza controles de nivel de razonamiento en lugar de la configuración heredada del presupuesto de razonamiento y aconseja eliminar los parámetros de muestreo obsoletos y los turnos de modelo prerrellenados. También exige conservar las firmas de razonamiento en el flujo de trabajo sin estado correspondiente y vincular las respuestas de las funciones con sus llamadas por identidad y nombre. Estos detalles importan al continuar una tarea de varios pasos: el siguiente turno necesita el contexto anterior real, en lugar de una versión reescrita que pierda el resultado de la herramienta o la firma. Mantén explícitos la pregunta y el resultado solicitado en el nuevo turno del usuario.
Para trabajar con conocimiento multimodal, identifica las páginas pertinentes del documento, el gráfico, el intervalo de audio o el evento del vídeo e indica cómo deben contribuir a la respuesta. Una comparación de documentos puede solicitar una tabla de diferencias con pasajes de las fuentes; una pregunta sobre un gráfico puede pedir los valores visibles y la conclusión que respaldan. Un análisis de vídeo puede solicitar una descripción de los acontecimientos que justifican un hallazgo. El modelo devuelve texto a partir de estas entradas. Las imágenes generadas, la voz y la interacción de audio Live corresponden a perfiles de modelo independientes.
Sus límites en Gemini API son de 1 048 576 tokens de entrada y 65 536 tokens de salida, que corresponden al contexto de hasta 1M y a la salida de texto de 64K del modelo nativo. Las instrucciones, el historial de conversación y los medios proporcionados consumen contexto de entrada, y el razonamiento o un entregable final extenso deben caber en el límite de salida documentado. Google también incluye almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority para este perfil del desarrollador. Para elementos independientes, conserva un identificador estable de cada elemento y un formato de salida explícito, de modo que cada resultado siga vinculado a su fuente.
Las posibles limitaciones incluyen alucinaciones, lentitud ocasional o tiempos de espera agotados y un mayor consumo de tokens con niveles de esfuerzo más altos. Su fecha de corte de conocimiento es marzo de 2026, aunque algunos ámbitos siguen limitados a enero de 2025. Proporciona pruebas actuales o utiliza las herramientas de fundamentación documentadas cuando la tarea dependa de información posterior. Contrasta las citas de fuentes, los cálculos y el código propuesto con las entradas reales y los resultados de ejecución. El entregable final útil debe distinguir un hallazgo respaldado de una cuestión sin resolver, sin dar por supuesto que una respuesta fluida acredita el resultado solicitado.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.8-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.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gemini-3.8-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
google/gemini-3.8-flashGemini 3.8 Flash es el modelo multimodal de uso general de Google para trabajos continuados de ingeniería de software, agentes y tareas complejas de conocimiento. Acepta texto, imágenes, audio, vídeo y PDF, devuelve texto y ofrece niveles de razonamiento bajo, medio o alto, con herramientas y salida estructurada. Sus límites documentados de entrada/salida son de 1 048 576/65 536 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 3.8 Flash es el modelo de Google con salida de texto para trabajos continuados de ingeniería de software, agentes de varios pasos y flujos de trabajo complejos basados en conocimiento. Se basa en Gemini 3.7 Flash, con mejoras en ingeniería de software y trabajo de conocimiento mediante agentes. Acepta texto, imágenes, audio, vídeo y PDF, por lo que una tarea puede combinar un objetivo escrito con el material real necesario para resolverla. El resultado útil es un cambio de código, un análisis explicado, una respuesta escrita o un registro estructurado.
Para una tarea de programación, proporciona el requisito, los archivos pertinentes, el comportamiento observado y las restricciones que deben conservarse. Una captura de pantalla puede mostrar la interfaz deseada, mientras que los registros o un ejemplo reproducible muestran el fallo. Para una tarea de depuración, pide al modelo que rastree una discrepancia entre el estado visible de un formulario y su valor almacenado, identifique la ruta de código responsable y proponga una corrección acotada. Mantén claro el entregable final previsto para que una secuencia más larga de investigación y uso de herramientas siga teniendo una condición de finalización concreta.
Para trabajos de mayor duración, utiliza pasos de razonamiento más pequeños, llamadas iterativas a herramientas y comprobaciones de los resultados intermedios. Los niveles de razonamiento bajo, medio y alto controlan la cantidad de razonamiento; medio es la opción predeterminada documentada. El nivel bajo es adecuado para un borrador rápido o un análisis acotado, mientras que el alto está destinado a tareas difíciles de matemáticas, programación o varios pasos. Gemini 3.8 Flash no admite el nivel de razonamiento mínimo. Por tanto, una tarea prolongada de depuración y una extracción sencilla de campos necesitan distintas opciones de razonamiento, en lugar del mismo ajuste para todas las solicitudes.
Las herramientas documentadas incluyen llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Google Maps y contexto de URL, mientras que Computer Use figura como una capacidad en versión preliminar. Las salidas estructuradas definen un resultado legible por máquina. Las funciones deben tener una finalidad y una definición de parámetros claras: el modelo puede solicitar una función, mientras que la aplicación conectada realiza la operación y devuelve su resultado. Conserva las identidades de las funciones y el material realmente devuelto entre turnos. Una respuesta final útil explica qué pruebas respaldan la corrección propuesta o el valor extraído.
La guía de migración a 3.8 utiliza controles de nivel de razonamiento en lugar de la configuración heredada del presupuesto de razonamiento y aconseja eliminar los parámetros de muestreo obsoletos y los turnos de modelo prerrellenados. También exige conservar las firmas de razonamiento en el flujo de trabajo sin estado correspondiente y vincular las respuestas de las funciones con sus llamadas por identidad y nombre. Estos detalles importan al continuar una tarea de varios pasos: el siguiente turno necesita el contexto anterior real, en lugar de una versión reescrita que pierda el resultado de la herramienta o la firma. Mantén explícitos la pregunta y el resultado solicitado en el nuevo turno del usuario.
Para trabajar con conocimiento multimodal, identifica las páginas pertinentes del documento, el gráfico, el intervalo de audio o el evento del vídeo e indica cómo deben contribuir a la respuesta. Una comparación de documentos puede solicitar una tabla de diferencias con pasajes de las fuentes; una pregunta sobre un gráfico puede pedir los valores visibles y la conclusión que respaldan. Un análisis de vídeo puede solicitar una descripción de los acontecimientos que justifican un hallazgo. El modelo devuelve texto a partir de estas entradas. Las imágenes generadas, la voz y la interacción de audio Live corresponden a perfiles de modelo independientes.
Sus límites en Gemini API son de 1 048 576 tokens de entrada y 65 536 tokens de salida, que corresponden al contexto de hasta 1M y a la salida de texto de 64K del modelo nativo. Las instrucciones, el historial de conversación y los medios proporcionados consumen contexto de entrada, y el razonamiento o un entregable final extenso deben caber en el límite de salida documentado. Google también incluye almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority para este perfil del desarrollador. Para elementos independientes, conserva un identificador estable de cada elemento y un formato de salida explícito, de modo que cada resultado siga vinculado a su fuente.
Las posibles limitaciones incluyen alucinaciones, lentitud ocasional o tiempos de espera agotados y un mayor consumo de tokens con niveles de esfuerzo más altos. Su fecha de corte de conocimiento es marzo de 2026, aunque algunos ámbitos siguen limitados a enero de 2025. Proporciona pruebas actuales o utiliza las herramientas de fundamentación documentadas cuando la tarea dependa de información posterior. Contrasta las citas de fuentes, los cálculos y el código propuesto con las entradas reales y los resultados de ejecución. El entregable final útil debe distinguir un hallazgo respaldado de una cuestión sin resolver, sin dar por supuesto que una respuesta fluida acredita el resultado solicitado.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-3.8-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. Model-specific | 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 Model-specific | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Model-specific | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Model-specific | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Model-specific | 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 Model-specific | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Model-specific | 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.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.8-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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
google/gemini-3.8-flashGemini 3.8 Flash es el modelo multimodal de uso general de Google para trabajos continuados de ingeniería de software, agentes y tareas complejas de conocimiento. Acepta texto, imágenes, audio, vídeo y PDF, devuelve texto y ofrece niveles de razonamiento bajo, medio o alto, con herramientas y salida estructurada. Sus límites documentados de entrada/salida son de 1 048 576/65 536 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 3.8 Flash es el modelo de Google con salida de texto para trabajos continuados de ingeniería de software, agentes de varios pasos y flujos de trabajo complejos basados en conocimiento. Se basa en Gemini 3.7 Flash, con mejoras en ingeniería de software y trabajo de conocimiento mediante agentes. Acepta texto, imágenes, audio, vídeo y PDF, por lo que una tarea puede combinar un objetivo escrito con el material real necesario para resolverla. El resultado útil es un cambio de código, un análisis explicado, una respuesta escrita o un registro estructurado.
Para una tarea de programación, proporciona el requisito, los archivos pertinentes, el comportamiento observado y las restricciones que deben conservarse. Una captura de pantalla puede mostrar la interfaz deseada, mientras que los registros o un ejemplo reproducible muestran el fallo. Para una tarea de depuración, pide al modelo que rastree una discrepancia entre el estado visible de un formulario y su valor almacenado, identifique la ruta de código responsable y proponga una corrección acotada. Mantén claro el entregable final previsto para que una secuencia más larga de investigación y uso de herramientas siga teniendo una condición de finalización concreta.
Para trabajos de mayor duración, utiliza pasos de razonamiento más pequeños, llamadas iterativas a herramientas y comprobaciones de los resultados intermedios. Los niveles de razonamiento bajo, medio y alto controlan la cantidad de razonamiento; medio es la opción predeterminada documentada. El nivel bajo es adecuado para un borrador rápido o un análisis acotado, mientras que el alto está destinado a tareas difíciles de matemáticas, programación o varios pasos. Gemini 3.8 Flash no admite el nivel de razonamiento mínimo. Por tanto, una tarea prolongada de depuración y una extracción sencilla de campos necesitan distintas opciones de razonamiento, en lugar del mismo ajuste para todas las solicitudes.
Las herramientas documentadas incluyen llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Google Maps y contexto de URL, mientras que Computer Use figura como una capacidad en versión preliminar. Las salidas estructuradas definen un resultado legible por máquina. Las funciones deben tener una finalidad y una definición de parámetros claras: el modelo puede solicitar una función, mientras que la aplicación conectada realiza la operación y devuelve su resultado. Conserva las identidades de las funciones y el material realmente devuelto entre turnos. Una respuesta final útil explica qué pruebas respaldan la corrección propuesta o el valor extraído.
La guía de migración a 3.8 utiliza controles de nivel de razonamiento en lugar de la configuración heredada del presupuesto de razonamiento y aconseja eliminar los parámetros de muestreo obsoletos y los turnos de modelo prerrellenados. También exige conservar las firmas de razonamiento en el flujo de trabajo sin estado correspondiente y vincular las respuestas de las funciones con sus llamadas por identidad y nombre. Estos detalles importan al continuar una tarea de varios pasos: el siguiente turno necesita el contexto anterior real, en lugar de una versión reescrita que pierda el resultado de la herramienta o la firma. Mantén explícitos la pregunta y el resultado solicitado en el nuevo turno del usuario.
Para trabajar con conocimiento multimodal, identifica las páginas pertinentes del documento, el gráfico, el intervalo de audio o el evento del vídeo e indica cómo deben contribuir a la respuesta. Una comparación de documentos puede solicitar una tabla de diferencias con pasajes de las fuentes; una pregunta sobre un gráfico puede pedir los valores visibles y la conclusión que respaldan. Un análisis de vídeo puede solicitar una descripción de los acontecimientos que justifican un hallazgo. El modelo devuelve texto a partir de estas entradas. Las imágenes generadas, la voz y la interacción de audio Live corresponden a perfiles de modelo independientes.
Sus límites en Gemini API son de 1 048 576 tokens de entrada y 65 536 tokens de salida, que corresponden al contexto de hasta 1M y a la salida de texto de 64K del modelo nativo. Las instrucciones, el historial de conversación y los medios proporcionados consumen contexto de entrada, y el razonamiento o un entregable final extenso deben caber en el límite de salida documentado. Google también incluye almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority para este perfil del desarrollador. Para elementos independientes, conserva un identificador estable de cada elemento y un formato de salida explícito, de modo que cada resultado siga vinculado a su fuente.
Las posibles limitaciones incluyen alucinaciones, lentitud ocasional o tiempos de espera agotados y un mayor consumo de tokens con niveles de esfuerzo más altos. Su fecha de corte de conocimiento es marzo de 2026, aunque algunos ámbitos siguen limitados a enero de 2025. Proporciona pruebas actuales o utiliza las herramientas de fundamentación documentadas cuando la tarea dependa de información posterior. Contrasta las citas de fuentes, los cálculos y el código propuesto con las entradas reales y los resultados de ejecución. El entregable final útil debe distinguir un hallazgo respaldado de una cuestión sin resolver, sin dar por supuesto que una respuesta fluida acredita el resultado solicitado.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-3.8-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.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "google/gemini-3.8-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.8-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-3.8-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-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
~google/gemini-flash-latestGemini 3.8 Flash es el modelo multimodal de uso general de Google para trabajos continuados de ingeniería de software, agentes y tareas complejas de conocimiento. Acepta texto, imágenes, audio, vídeo y PDF, devuelve texto y ofrece niveles de razonamiento bajo, medio o alto, con herramientas y salida estructurada. Sus límites documentados de entrada/salida son de 1 048 576/65 536 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 3.8 Flash es el modelo de Google con salida de texto para trabajos continuados de ingeniería de software, agentes de varios pasos y flujos de trabajo complejos basados en conocimiento. Se basa en Gemini 3.7 Flash, con mejoras en ingeniería de software y trabajo de conocimiento mediante agentes. Acepta texto, imágenes, audio, vídeo y PDF, por lo que una tarea puede combinar un objetivo escrito con el material real necesario para resolverla. El resultado útil es un cambio de código, un análisis explicado, una respuesta escrita o un registro estructurado.
Para una tarea de programación, proporciona el requisito, los archivos pertinentes, el comportamiento observado y las restricciones que deben conservarse. Una captura de pantalla puede mostrar la interfaz deseada, mientras que los registros o un ejemplo reproducible muestran el fallo. Para una tarea de depuración, pide al modelo que rastree una discrepancia entre el estado visible de un formulario y su valor almacenado, identifique la ruta de código responsable y proponga una corrección acotada. Mantén claro el entregable final previsto para que una secuencia más larga de investigación y uso de herramientas siga teniendo una condición de finalización concreta.
Para trabajos de mayor duración, utiliza pasos de razonamiento más pequeños, llamadas iterativas a herramientas y comprobaciones de los resultados intermedios. Los niveles de razonamiento bajo, medio y alto controlan la cantidad de razonamiento; medio es la opción predeterminada documentada. El nivel bajo es adecuado para un borrador rápido o un análisis acotado, mientras que el alto está destinado a tareas difíciles de matemáticas, programación o varios pasos. Gemini 3.8 Flash no admite el nivel de razonamiento mínimo. Por tanto, una tarea prolongada de depuración y una extracción sencilla de campos necesitan distintas opciones de razonamiento, en lugar del mismo ajuste para todas las solicitudes.
Las herramientas documentadas incluyen llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Google Maps y contexto de URL, mientras que Computer Use figura como una capacidad en versión preliminar. Las salidas estructuradas definen un resultado legible por máquina. Las funciones deben tener una finalidad y una definición de parámetros claras: el modelo puede solicitar una función, mientras que la aplicación conectada realiza la operación y devuelve su resultado. Conserva las identidades de las funciones y el material realmente devuelto entre turnos. Una respuesta final útil explica qué pruebas respaldan la corrección propuesta o el valor extraído.
La guía de migración a 3.8 utiliza controles de nivel de razonamiento en lugar de la configuración heredada del presupuesto de razonamiento y aconseja eliminar los parámetros de muestreo obsoletos y los turnos de modelo prerrellenados. También exige conservar las firmas de razonamiento en el flujo de trabajo sin estado correspondiente y vincular las respuestas de las funciones con sus llamadas por identidad y nombre. Estos detalles importan al continuar una tarea de varios pasos: el siguiente turno necesita el contexto anterior real, en lugar de una versión reescrita que pierda el resultado de la herramienta o la firma. Mantén explícitos la pregunta y el resultado solicitado en el nuevo turno del usuario.
Para trabajar con conocimiento multimodal, identifica las páginas pertinentes del documento, el gráfico, el intervalo de audio o el evento del vídeo e indica cómo deben contribuir a la respuesta. Una comparación de documentos puede solicitar una tabla de diferencias con pasajes de las fuentes; una pregunta sobre un gráfico puede pedir los valores visibles y la conclusión que respaldan. Un análisis de vídeo puede solicitar una descripción de los acontecimientos que justifican un hallazgo. El modelo devuelve texto a partir de estas entradas. Las imágenes generadas, la voz y la interacción de audio Live corresponden a perfiles de modelo independientes.
Sus límites en Gemini API son de 1 048 576 tokens de entrada y 65 536 tokens de salida, que corresponden al contexto de hasta 1M y a la salida de texto de 64K del modelo nativo. Las instrucciones, el historial de conversación y los medios proporcionados consumen contexto de entrada, y el razonamiento o un entregable final extenso deben caber en el límite de salida documentado. Google también incluye almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority para este perfil del desarrollador. Para elementos independientes, conserva un identificador estable de cada elemento y un formato de salida explícito, de modo que cada resultado siga vinculado a su fuente.
Las posibles limitaciones incluyen alucinaciones, lentitud ocasional o tiempos de espera agotados y un mayor consumo de tokens con niveles de esfuerzo más altos. Su fecha de corte de conocimiento es marzo de 2026, aunque algunos ámbitos siguen limitados a enero de 2025. Proporciona pruebas actuales o utiliza las herramientas de fundamentación documentadas cuando la tarea dependa de información posterior. Contrasta las citas de fuentes, los cálculos y el código propuesto con las entradas reales y los resultados de ejecución. El entregable final útil debe distinguir un hallazgo respaldado de una cuestión sin resolver, sin dar por supuesto que una respuesta fluida acredita el resultado solicitado.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites ~google/gemini-flash-latest | 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: These roles are explicitly represented by Source compatibility types; the exact model role set remains model-specific. Model-specific | 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; use actual returned ID | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Round-trip actual returned reasoning where this model uses it | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Model-specific | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Model-specific | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Model-specific | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: function tool supplied | 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 Model-specific | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Model-specific | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options is rejected on this Ultra text route | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h is rejected in actual prompt-cache locations | Predeterminado— |
Texto · UTF8 text
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomessage array with role/content shape |
Parámetrofile_material | Contratoactual UTF-8 document inserted as literal text; no file ID inferred |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratomodel-specific; user function tools differ from hosted tools |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Send exact model ID with messages.
Context length is not an output cap.
A text file may supply literal text; image/audio/file-object inputs need exact binding.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "~google/gemini-flash-latest", "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-flash-latest',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-flash-latest',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 or SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Keep every choice and its content/tool calls/reasoning. In SSE assemble deltas by choice/tool index, retain the final finish reason and usage.
Keep request/response IDs and headers. No generic text job retrieval URL is supplied.
| 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 | CondiciónInvalid required fields, material representation or parameter value | Siguiente pasoCorrect the indicated fields before a new creation request. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
~google/gemini-flash-latestGemini 3.8 Flash es el modelo multimodal de uso general de Google para trabajos continuados de ingeniería de software, agentes y tareas complejas de conocimiento. Acepta texto, imágenes, audio, vídeo y PDF, devuelve texto y ofrece niveles de razonamiento bajo, medio o alto, con herramientas y salida estructurada. Sus límites documentados de entrada/salida son de 1 048 576/65 536 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 3.8 Flash es el modelo de Google con salida de texto para trabajos continuados de ingeniería de software, agentes de varios pasos y flujos de trabajo complejos basados en conocimiento. Se basa en Gemini 3.7 Flash, con mejoras en ingeniería de software y trabajo de conocimiento mediante agentes. Acepta texto, imágenes, audio, vídeo y PDF, por lo que una tarea puede combinar un objetivo escrito con el material real necesario para resolverla. El resultado útil es un cambio de código, un análisis explicado, una respuesta escrita o un registro estructurado.
Para una tarea de programación, proporciona el requisito, los archivos pertinentes, el comportamiento observado y las restricciones que deben conservarse. Una captura de pantalla puede mostrar la interfaz deseada, mientras que los registros o un ejemplo reproducible muestran el fallo. Para una tarea de depuración, pide al modelo que rastree una discrepancia entre el estado visible de un formulario y su valor almacenado, identifique la ruta de código responsable y proponga una corrección acotada. Mantén claro el entregable final previsto para que una secuencia más larga de investigación y uso de herramientas siga teniendo una condición de finalización concreta.
Para trabajos de mayor duración, utiliza pasos de razonamiento más pequeños, llamadas iterativas a herramientas y comprobaciones de los resultados intermedios. Los niveles de razonamiento bajo, medio y alto controlan la cantidad de razonamiento; medio es la opción predeterminada documentada. El nivel bajo es adecuado para un borrador rápido o un análisis acotado, mientras que el alto está destinado a tareas difíciles de matemáticas, programación o varios pasos. Gemini 3.8 Flash no admite el nivel de razonamiento mínimo. Por tanto, una tarea prolongada de depuración y una extracción sencilla de campos necesitan distintas opciones de razonamiento, en lugar del mismo ajuste para todas las solicitudes.
Las herramientas documentadas incluyen llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Google Maps y contexto de URL, mientras que Computer Use figura como una capacidad en versión preliminar. Las salidas estructuradas definen un resultado legible por máquina. Las funciones deben tener una finalidad y una definición de parámetros claras: el modelo puede solicitar una función, mientras que la aplicación conectada realiza la operación y devuelve su resultado. Conserva las identidades de las funciones y el material realmente devuelto entre turnos. Una respuesta final útil explica qué pruebas respaldan la corrección propuesta o el valor extraído.
La guía de migración a 3.8 utiliza controles de nivel de razonamiento en lugar de la configuración heredada del presupuesto de razonamiento y aconseja eliminar los parámetros de muestreo obsoletos y los turnos de modelo prerrellenados. También exige conservar las firmas de razonamiento en el flujo de trabajo sin estado correspondiente y vincular las respuestas de las funciones con sus llamadas por identidad y nombre. Estos detalles importan al continuar una tarea de varios pasos: el siguiente turno necesita el contexto anterior real, en lugar de una versión reescrita que pierda el resultado de la herramienta o la firma. Mantén explícitos la pregunta y el resultado solicitado en el nuevo turno del usuario.
Para trabajar con conocimiento multimodal, identifica las páginas pertinentes del documento, el gráfico, el intervalo de audio o el evento del vídeo e indica cómo deben contribuir a la respuesta. Una comparación de documentos puede solicitar una tabla de diferencias con pasajes de las fuentes; una pregunta sobre un gráfico puede pedir los valores visibles y la conclusión que respaldan. Un análisis de vídeo puede solicitar una descripción de los acontecimientos que justifican un hallazgo. El modelo devuelve texto a partir de estas entradas. Las imágenes generadas, la voz y la interacción de audio Live corresponden a perfiles de modelo independientes.
Sus límites en Gemini API son de 1 048 576 tokens de entrada y 65 536 tokens de salida, que corresponden al contexto de hasta 1M y a la salida de texto de 64K del modelo nativo. Las instrucciones, el historial de conversación y los medios proporcionados consumen contexto de entrada, y el razonamiento o un entregable final extenso deben caber en el límite de salida documentado. Google también incluye almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority para este perfil del desarrollador. Para elementos independientes, conserva un identificador estable de cada elemento y un formato de salida explícito, de modo que cada resultado siga vinculado a su fuente.
Las posibles limitaciones incluyen alucinaciones, lentitud ocasional o tiempos de espera agotados y un mayor consumo de tokens con niveles de esfuerzo más altos. Su fecha de corte de conocimiento es marzo de 2026, aunque algunos ámbitos siguen limitados a enero de 2025. Proporciona pruebas actuales o utiliza las herramientas de fundamentación documentadas cuando la tarea dependa de información posterior. Contrasta las citas de fuentes, los cálculos y el código propuesto con las entradas reales y los resultados de ejecución. El entregable final útil debe distinguir un hallazgo respaldado de una cuestión sin resolver, sin dar por supuesto que una respuesta fluida acredita el resultado solicitado.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites ~google/gemini-flash-latest | 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 · UTF-8 text
messages[].content string
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoRead the actual UTF-8 document and put its text in the indicated input or message content string. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.015 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "~google/gemini-flash-latest",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-flash-latest', '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-flash-latest', '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 or SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Keep all content blocks, thinking signatures and actual tool-use IDs. Assemble all SSE block deltas; a first text block is not the complete output.
Keep request/response IDs and headers. No generic text job retrieval URL is supplied.
| 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 | CondiciónInvalid required fields, material representation or parameter value | Siguiente pasoCorrect the indicated fields before a new creation request. |
Ailoot gemini-3.8-flash
Ailoot Ultra gemini-3.8-flash, google/gemini-3.8-flash, ~google/gemini-flash-latest
/chat/completions
google/gemini-3.8-flash, ~google/gemini-flash-latest, gemini-3.8-flash, gemini-3.8-flash
Ejemplo técnico en inglés
Diagnose an unsaved form value\n\nReview this form flow: the input displays draft.name; typing updates draft.name; Save sends original.name; after reload the old name reappears. Explain the mismatch and propose a minimal correction in framework-neutral pseudocode. Include a regression scenario that types a new name, saves, reloads, and checks the stored value. Do not claim any browser action occurred.A cause explanation, corrected Save pseudocode and an end-to-end regression scenario.The submitted value comes from the edited draft, and the reload check verifies persistence rather than just the visible input.