Gemini 3 Pro Preview es el perfil preliminar de Gemini 3 Pro de Google para razonamiento multimodal y generación de texto. Puede trabajar con texto, imágenes, audio, vídeo y documentos PDF y devolver un resultado escrito. Entre los usos previstos están el análisis complejo, la programación avanzada, el desarrollo de algoritmos y las tareas que combinan un conjunto considerable de fuentes con una pregunta concreta.
Gemini 3 Pro es un modelo de mezcla dispersa de expertos basado en transformers, con compatibilidad nativa con entradas multimodales. Su arquitectura dirige cada token a un subconjunto seleccionado de expertos. Esta es una característica del diseño del modelo, no un control del usuario para elegir un experto concreto o fijar una configuración de servicio.
Prepara las entradas según la información que necesita la tarea. Un documento, una captura de pantalla y una grabación de audio pueden aportar pruebas diferentes. Identifica qué contiene cada archivo y cómo debe contribuir a la respuesta. La salida sigue siendo texto; comprender material visual o hablado no convierte este perfil preliminar en un generador de imágenes, voz o vídeo.
Utiliza imágenes para preguntas sobre contenido visible, audio para información hablada o acústica y vídeo para una secuencia cuyos cambios a lo largo del tiempo sean importantes. Adjunta el archivo real a la pregunta en vez de describirlo únicamente de memoria. Al comparar varios archivos, identifícalos claramente para que la respuesta pueda referirse a la fuente correcta.
Por ejemplo, un encargo de análisis de producto puede combinar una especificación escrita, una captura de la interfaz y una demostración grabada. Pide una comparación que separe lo que promete la especificación de lo que se ve o se oye en el material facilitado. Define el resultado deseado como hallazgos, observaciones que los respalden y preguntas sin resolver.
Para una tarea con PDF, proporciona el documento e identifica las secciones o afirmaciones que deben examinarse. Una pregunta útil pide una comparación, extracción o explicación vinculada a la fuente, en lugar de solicitar únicamente un resumen general de un archivo grande.
La especificación exacta del perfil preliminar indica un límite de entrada de 1.048.576 tokens y un límite de salida de 65.536 tokens. El fabricante sitúa la fecha de corte de conocimientos en enero de 2025; aporta pruebas más recientes cuando la pregunta dependa de hechos o información posteriores. Son capacidades distintas. Se puede leer un conjunto amplio de fuentes para dar una respuesta concreta sin que el modelo tenga que reproducir cada parte de la entrada.
Organiza el material extenso para que su estructura quede clara: títulos de documentos, límites entre secciones, rutas de código y la pregunta que debe responder la salida. Mantén las excepciones y definiciones pertinentes cerca del contenido al que se aplican. Si una tarea requiere un informe largo, especifica sus secciones y las pruebas esperadas en cada una.
Una ventana de contexto amplia no garantiza que todos los detalles reciban la misma atención ni que todas las conclusiones sean correctas. Google también señala una posible degradación en conversaciones con varios turnos; revisa los hechos importantes de las fuentes y el contexto reutilizado a medida que avance el intercambio. Contrasta la respuesta con los pasajes o archivos concretos que respaldan sus afirmaciones importantes.
Los usos previstos por el productor incluyen programación avanzada y trabajo con algoritmos. Proporciona el código pertinente, los supuestos del entorno, el fallo observado y el comportamiento esperado. Para una tarea algorítmica, define la entrada, la salida deseada y condiciones como el orden, los duplicados o los datos no válidos.
Un encargo de depuración útil combina la entrada que falla y el error con la porción mínima de código pertinente. Pide un diagnóstico y un cambio concreto, y después comprueba si el cambio propuesto resuelve el comportamiento descrito. El código generado y la afirmación de que debería funcionar son cosas distintas de una implementación ejecutada y verificada.
Para una pregunta sobre un repositorio más grande, utiliza la capacidad de entrada para proporcionar los archivos necesarios con rutas claramente identificadas. Indica si el resultado deseado es una explicación, un parche propuesto o un análisis de alternativas, de modo que tenga una finalidad concreta.
La especificación del productor para este perfil preliminar admite llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas y contexto de URL. Estas funciones cumplen papeles distintos. Una llamada a función describe una operación que debe ejecutar una aplicación; el resultado de una herramienta aporta después pruebas para el siguiente paso del modelo. La ejecución de código es un flujo de herramientas, no una garantía de que cualquier código de aplicación generado ya se haya probado.
La fundamentación mediante búsquedas y el contexto de URL ofrecen flujos orientados a fuentes, mientras que la búsqueda de archivos trabaja con una colección preparada de archivos. Conserva los resultados de herramientas y sus vínculos con las fuentes junto a la respuesta para poder examinar una conclusión. Según su especificación, el perfil no admite uso del ordenador ni fundamentación con Maps.
La compatibilidad con salidas estructuradas permite expresar un resultado con un esquema definido. Especifica los campos y su significado antes de generar, y revisa tanto el contenido como el formato. Un objeto estructurado válido sigue necesitando comprobaciones de hechos y de adecuación a la tarea.
Este perfil preliminar admite pensamiento. Para trabajos que requieran varios pasos de razonamiento, utiliza una tarea clara, pruebas pertinentes y restricciones explícitas. El resultado debe explicar los supuestos y la conclusión útil; el razonamiento oculto o la existencia de un modo de pensamiento no constituyen por sí mismos una verificación.
El productor también enumera compatibilidad con caché y procesamiento por lotes. Son funciones de procesamiento independientes de las capacidades de contenido del modelo, y su presencia no demuestra que una petición concreta se haya servido desde caché ni que un resultado por lotes sea correcto.
Mantén Gemini 3 Pro Preview diferenciado de Gemini 3.1 Pro Preview, Gemini 3 Pro Image y los perfiles de audio o Live. La salida de este perfil preliminar es texto y su especificación no incluye generación de imágenes, generación de audio ni funcionamiento Live. Evalúa la respuesta, el código o el resultado estructurado devuelto frente al conjunto de fuentes aportado y la tarea prevista.
", "aboutText": "Gemini 3 Pro Preview es el perfil preliminar de Gemini 3 Pro de Google para razonamiento multimodal y generación de texto. Puede trabajar con texto, imágenes, audio, vídeo y documentos PDF y devolver un resultado escrito. Entre los usos previstos están el análisis complejo, la programación avanzada, el desarrollo de algoritmos y las tareas que combinan un conjunto considerable de fuentes con una pregunta concreta.\n\n### Modelo y estructura de entrada\n\nGemini 3 Pro es un modelo de mezcla dispersa de expertos basado en transformers, con compatibilidad nativa con entradas multimodales. Su arquitectura dirige cada token a un subconjunto seleccionado de expertos. Esta es una característica del diseño del modelo, no un control del usuario para elegir un experto concreto o fijar una configuración de servicio.\n\nPrepara las entradas según la información que necesita la tarea. Un documento, una captura de pantalla y una grabación de audio pueden aportar pruebas diferentes. Identifica qué contiene cada archivo y cómo debe contribuir a la respuesta. La salida sigue siendo texto; comprender material visual o hablado no convierte este perfil preliminar en un generador de imágenes, voz o vídeo.\n\n### Análisis multimodal\n\nUtiliza imágenes para preguntas sobre contenido visible, audio para información hablada o acústica y vídeo para una secuencia cuyos cambios a lo largo del tiempo sean importantes. Adjunta el archivo real a la pregunta en vez de describirlo únicamente de memoria. Al comparar varios archivos, identifícalos claramente para que la respuesta pueda referirse a la fuente correcta.\n\nPor ejemplo, un encargo de análisis de producto puede combinar una especificación escrita, una captura de la interfaz y una demostración grabada. Pide una comparación que separe lo que promete la especificación de lo que se ve o se oye en el material facilitado. Define el resultado deseado como hallazgos, observaciones que los respalden y preguntas sin resolver.\n\nPara una tarea con PDF, proporciona el documento e identifica las secciones o afirmaciones que deben examinarse. Una pregunta útil pide una comparación, extracción o explicación vinculada a la fuente, en lugar de solicitar únicamente un resumen general de un archivo grande.\n\n### Contexto largo y capacidad de salida\n\nLa especificación exacta del perfil preliminar indica un límite de entrada de 1.048.576 tokens y un límite de salida de 65.536 tokens. El fabricante sitúa la fecha de corte de conocimientos en enero de 2025; aporta pruebas más recientes cuando la pregunta dependa de hechos o información posteriores. Son capacidades distintas. Se puede leer un conjunto amplio de fuentes para dar una respuesta concreta sin que el modelo tenga que reproducir cada parte de la entrada.\n\nOrganiza el material extenso para que su estructura quede clara: títulos de documentos, límites entre secciones, rutas de código y la pregunta que debe responder la salida. Mantén las excepciones y definiciones pertinentes cerca del contenido al que se aplican. Si una tarea requiere un informe largo, especifica sus secciones y las pruebas esperadas en cada una.\n\nUna ventana de contexto amplia no garantiza que todos los detalles reciban la misma atención ni que todas las conclusiones sean correctas. Google también señala una posible degradación en conversaciones con varios turnos; revisa los hechos importantes de las fuentes y el contexto reutilizado a medida que avance el intercambio. Contrasta la respuesta con los pasajes o archivos concretos que respaldan sus afirmaciones importantes.\n\n### Programación y desarrollo de algoritmos\n\nLos usos previstos por el productor incluyen programación avanzada y trabajo con algoritmos. Proporciona el código pertinente, los supuestos del entorno, el fallo observado y el comportamiento esperado. Para una tarea algorítmica, define la entrada, la salida deseada y condiciones como el orden, los duplicados o los datos no válidos.\n\nUn encargo de depuración útil combina la entrada que falla y el error con la porción mínima de código pertinente. Pide un diagnóstico y un cambio concreto, y después comprueba si el cambio propuesto resuelve el comportamiento descrito. El código generado y la afirmación de que debería funcionar son cosas distintas de una implementación ejecutada y verificada.\n\nPara una pregunta sobre un repositorio más grande, utiliza la capacidad de entrada para proporcionar los archivos necesarios con rutas claramente identificadas. Indica si el resultado deseado es una explicación, un parche propuesto o un análisis de alternativas, de modo que tenga una finalidad concreta.\n\n### Herramientas, fuentes y resultados estructurados\n\nLa especificación del productor para este perfil preliminar admite llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas y contexto de URL. Estas funciones cumplen papeles distintos. Una llamada a función describe una operación que debe ejecutar una aplicación; el resultado de una herramienta aporta después pruebas para el siguiente paso del modelo. La ejecución de código es un flujo de herramientas, no una garantía de que cualquier código de aplicación generado ya se haya probado.\n\nLa fundamentación mediante búsquedas y el contexto de URL ofrecen flujos orientados a fuentes, mientras que la búsqueda de archivos trabaja con una colección preparada de archivos. Conserva los resultados de herramientas y sus vínculos con las fuentes junto a la respuesta para poder examinar una conclusión. Según su especificación, el perfil no admite uso del ordenador ni fundamentación con Maps.\n\nLa compatibilidad con salidas estructuradas permite expresar un resultado con un esquema definido. Especifica los campos y su significado antes de generar, y revisa tanto el contenido como el formato. Un objeto estructurado válido sigue necesitando comprobaciones de hechos y de adecuación a la tarea.\n\n### Razonamiento, reutilización y diferencias entre ediciones\n\nEste perfil preliminar admite pensamiento. Para trabajos que requieran varios pasos de razonamiento, utiliza una tarea clara, pruebas pertinentes y restricciones explícitas. El resultado debe explicar los supuestos y la conclusión útil; el razonamiento oculto o la existencia de un modo de pensamiento no constituyen por sí mismos una verificación.\n\nEl productor también enumera compatibilidad con caché y procesamiento por lotes. Son funciones de procesamiento independientes de las capacidades de contenido del modelo, y su presencia no demuestra que una petición concreta se haya servido desde caché ni que un resultado por lotes sea correcto.\n\nMantén Gemini 3 Pro Preview diferenciado de Gemini 3.1 Pro Preview, Gemini 3 Pro Image y los perfiles de audio o Live. La salida de este perfil preliminar es texto y su especificación no incluye generación de imágenes, generación de audio ni funcionamiento Live. Evalúa la respuesta, el código o el resultado estructurado devuelto frente al conjunto de fuentes aportado y la tarea prevista.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "539de3204dd21373fb5308cc1c348a2e2addc8117d22c85a7f460c106c463198", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "gemini-3-pro-previewGemini 3 Pro Preview es el modelo de razonamiento multimodal de Google para texto, imágenes, audio, vídeo y PDF, con salida de texto. Su amplia capacidad de entrada, sus capacidades de programación y sus flujos compatibles con herramientas se adaptan al análisis detallado, la comparación de documentos y la ejecución de tareas basada en pruebas.
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 Pro Preview es el perfil preliminar de Gemini 3 Pro de Google para razonamiento multimodal y generación de texto. Puede trabajar con texto, imágenes, audio, vídeo y documentos PDF y devolver un resultado escrito. Entre los usos previstos están el análisis complejo, la programación avanzada, el desarrollo de algoritmos y las tareas que combinan un conjunto considerable de fuentes con una pregunta concreta.
Gemini 3 Pro es un modelo de mezcla dispersa de expertos basado en transformers, con compatibilidad nativa con entradas multimodales. Su arquitectura dirige cada token a un subconjunto seleccionado de expertos. Esta es una característica del diseño del modelo, no un control del usuario para elegir un experto concreto o fijar una configuración de servicio.
Prepara las entradas según la información que necesita la tarea. Un documento, una captura de pantalla y una grabación de audio pueden aportar pruebas diferentes. Identifica qué contiene cada archivo y cómo debe contribuir a la respuesta. La salida sigue siendo texto; comprender material visual o hablado no convierte este perfil preliminar en un generador de imágenes, voz o vídeo.
Utiliza imágenes para preguntas sobre contenido visible, audio para información hablada o acústica y vídeo para una secuencia cuyos cambios a lo largo del tiempo sean importantes. Adjunta el archivo real a la pregunta en vez de describirlo únicamente de memoria. Al comparar varios archivos, identifícalos claramente para que la respuesta pueda referirse a la fuente correcta.
Por ejemplo, un encargo de análisis de producto puede combinar una especificación escrita, una captura de la interfaz y una demostración grabada. Pide una comparación que separe lo que promete la especificación de lo que se ve o se oye en el material facilitado. Define el resultado deseado como hallazgos, observaciones que los respalden y preguntas sin resolver.
Para una tarea con PDF, proporciona el documento e identifica las secciones o afirmaciones que deben examinarse. Una pregunta útil pide una comparación, extracción o explicación vinculada a la fuente, en lugar de solicitar únicamente un resumen general de un archivo grande.
La especificación exacta del perfil preliminar indica un límite de entrada de 1.048.576 tokens y un límite de salida de 65.536 tokens. El fabricante sitúa la fecha de corte de conocimientos en enero de 2025; aporta pruebas más recientes cuando la pregunta dependa de hechos o información posteriores. Son capacidades distintas. Se puede leer un conjunto amplio de fuentes para dar una respuesta concreta sin que el modelo tenga que reproducir cada parte de la entrada.
Organiza el material extenso para que su estructura quede clara: títulos de documentos, límites entre secciones, rutas de código y la pregunta que debe responder la salida. Mantén las excepciones y definiciones pertinentes cerca del contenido al que se aplican. Si una tarea requiere un informe largo, especifica sus secciones y las pruebas esperadas en cada una.
Una ventana de contexto amplia no garantiza que todos los detalles reciban la misma atención ni que todas las conclusiones sean correctas. Google también señala una posible degradación en conversaciones con varios turnos; revisa los hechos importantes de las fuentes y el contexto reutilizado a medida que avance el intercambio. Contrasta la respuesta con los pasajes o archivos concretos que respaldan sus afirmaciones importantes.
Los usos previstos por el productor incluyen programación avanzada y trabajo con algoritmos. Proporciona el código pertinente, los supuestos del entorno, el fallo observado y el comportamiento esperado. Para una tarea algorítmica, define la entrada, la salida deseada y condiciones como el orden, los duplicados o los datos no válidos.
Un encargo de depuración útil combina la entrada que falla y el error con la porción mínima de código pertinente. Pide un diagnóstico y un cambio concreto, y después comprueba si el cambio propuesto resuelve el comportamiento descrito. El código generado y la afirmación de que debería funcionar son cosas distintas de una implementación ejecutada y verificada.
Para una pregunta sobre un repositorio más grande, utiliza la capacidad de entrada para proporcionar los archivos necesarios con rutas claramente identificadas. Indica si el resultado deseado es una explicación, un parche propuesto o un análisis de alternativas, de modo que tenga una finalidad concreta.
La especificación del productor para este perfil preliminar admite llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas y contexto de URL. Estas funciones cumplen papeles distintos. Una llamada a función describe una operación que debe ejecutar una aplicación; el resultado de una herramienta aporta después pruebas para el siguiente paso del modelo. La ejecución de código es un flujo de herramientas, no una garantía de que cualquier código de aplicación generado ya se haya probado.
La fundamentación mediante búsquedas y el contexto de URL ofrecen flujos orientados a fuentes, mientras que la búsqueda de archivos trabaja con una colección preparada de archivos. Conserva los resultados de herramientas y sus vínculos con las fuentes junto a la respuesta para poder examinar una conclusión. Según su especificación, el perfil no admite uso del ordenador ni fundamentación con Maps.
La compatibilidad con salidas estructuradas permite expresar un resultado con un esquema definido. Especifica los campos y su significado antes de generar, y revisa tanto el contenido como el formato. Un objeto estructurado válido sigue necesitando comprobaciones de hechos y de adecuación a la tarea.
Este perfil preliminar admite pensamiento. Para trabajos que requieran varios pasos de razonamiento, utiliza una tarea clara, pruebas pertinentes y restricciones explícitas. El resultado debe explicar los supuestos y la conclusión útil; el razonamiento oculto o la existencia de un modo de pensamiento no constituyen por sí mismos una verificación.
El productor también enumera compatibilidad con caché y procesamiento por lotes. Son funciones de procesamiento independientes de las capacidades de contenido del modelo, y su presencia no demuestra que una petición concreta se haya servido desde caché ni que un resultado por lotes sea correcto.
Mantén Gemini 3 Pro Preview diferenciado de Gemini 3.1 Pro Preview, Gemini 3 Pro Image y los perfiles de audio o Live. La salida de este perfil preliminar es texto y su especificación no incluye generación de imágenes, generación de audio ni funcionamiento Live. Evalúa la respuesta, el código o el resultado estructurado devuelto frente al conjunto de fuentes aportado y la tarea prevista.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3-pro-preview | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Conversación textual | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream |
Parámetrocontrol_scope | ContratoConversación textual; stream es un booleano y su valor predeterminado es false. |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Alias de método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3-pro-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3-pro-preview", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions
gemini-3-pro-previewGemini 3 Pro Preview es el modelo de razonamiento multimodal de Google para texto, imágenes, audio, vídeo y PDF, con salida de texto. Su amplia capacidad de entrada, sus capacidades de programación y sus flujos compatibles con herramientas se adaptan al análisis detallado, la comparación de documentos y la ejecución de tareas basada en pruebas.
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 Pro Preview es el perfil preliminar de Gemini 3 Pro de Google para razonamiento multimodal y generación de texto. Puede trabajar con texto, imágenes, audio, vídeo y documentos PDF y devolver un resultado escrito. Entre los usos previstos están el análisis complejo, la programación avanzada, el desarrollo de algoritmos y las tareas que combinan un conjunto considerable de fuentes con una pregunta concreta.
Gemini 3 Pro es un modelo de mezcla dispersa de expertos basado en transformers, con compatibilidad nativa con entradas multimodales. Su arquitectura dirige cada token a un subconjunto seleccionado de expertos. Esta es una característica del diseño del modelo, no un control del usuario para elegir un experto concreto o fijar una configuración de servicio.
Prepara las entradas según la información que necesita la tarea. Un documento, una captura de pantalla y una grabación de audio pueden aportar pruebas diferentes. Identifica qué contiene cada archivo y cómo debe contribuir a la respuesta. La salida sigue siendo texto; comprender material visual o hablado no convierte este perfil preliminar en un generador de imágenes, voz o vídeo.
Utiliza imágenes para preguntas sobre contenido visible, audio para información hablada o acústica y vídeo para una secuencia cuyos cambios a lo largo del tiempo sean importantes. Adjunta el archivo real a la pregunta en vez de describirlo únicamente de memoria. Al comparar varios archivos, identifícalos claramente para que la respuesta pueda referirse a la fuente correcta.
Por ejemplo, un encargo de análisis de producto puede combinar una especificación escrita, una captura de la interfaz y una demostración grabada. Pide una comparación que separe lo que promete la especificación de lo que se ve o se oye en el material facilitado. Define el resultado deseado como hallazgos, observaciones que los respalden y preguntas sin resolver.
Para una tarea con PDF, proporciona el documento e identifica las secciones o afirmaciones que deben examinarse. Una pregunta útil pide una comparación, extracción o explicación vinculada a la fuente, en lugar de solicitar únicamente un resumen general de un archivo grande.
La especificación exacta del perfil preliminar indica un límite de entrada de 1.048.576 tokens y un límite de salida de 65.536 tokens. El fabricante sitúa la fecha de corte de conocimientos en enero de 2025; aporta pruebas más recientes cuando la pregunta dependa de hechos o información posteriores. Son capacidades distintas. Se puede leer un conjunto amplio de fuentes para dar una respuesta concreta sin que el modelo tenga que reproducir cada parte de la entrada.
Organiza el material extenso para que su estructura quede clara: títulos de documentos, límites entre secciones, rutas de código y la pregunta que debe responder la salida. Mantén las excepciones y definiciones pertinentes cerca del contenido al que se aplican. Si una tarea requiere un informe largo, especifica sus secciones y las pruebas esperadas en cada una.
Una ventana de contexto amplia no garantiza que todos los detalles reciban la misma atención ni que todas las conclusiones sean correctas. Google también señala una posible degradación en conversaciones con varios turnos; revisa los hechos importantes de las fuentes y el contexto reutilizado a medida que avance el intercambio. Contrasta la respuesta con los pasajes o archivos concretos que respaldan sus afirmaciones importantes.
Los usos previstos por el productor incluyen programación avanzada y trabajo con algoritmos. Proporciona el código pertinente, los supuestos del entorno, el fallo observado y el comportamiento esperado. Para una tarea algorítmica, define la entrada, la salida deseada y condiciones como el orden, los duplicados o los datos no válidos.
Un encargo de depuración útil combina la entrada que falla y el error con la porción mínima de código pertinente. Pide un diagnóstico y un cambio concreto, y después comprueba si el cambio propuesto resuelve el comportamiento descrito. El código generado y la afirmación de que debería funcionar son cosas distintas de una implementación ejecutada y verificada.
Para una pregunta sobre un repositorio más grande, utiliza la capacidad de entrada para proporcionar los archivos necesarios con rutas claramente identificadas. Indica si el resultado deseado es una explicación, un parche propuesto o un análisis de alternativas, de modo que tenga una finalidad concreta.
La especificación del productor para este perfil preliminar admite llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas y contexto de URL. Estas funciones cumplen papeles distintos. Una llamada a función describe una operación que debe ejecutar una aplicación; el resultado de una herramienta aporta después pruebas para el siguiente paso del modelo. La ejecución de código es un flujo de herramientas, no una garantía de que cualquier código de aplicación generado ya se haya probado.
La fundamentación mediante búsquedas y el contexto de URL ofrecen flujos orientados a fuentes, mientras que la búsqueda de archivos trabaja con una colección preparada de archivos. Conserva los resultados de herramientas y sus vínculos con las fuentes junto a la respuesta para poder examinar una conclusión. Según su especificación, el perfil no admite uso del ordenador ni fundamentación con Maps.
La compatibilidad con salidas estructuradas permite expresar un resultado con un esquema definido. Especifica los campos y su significado antes de generar, y revisa tanto el contenido como el formato. Un objeto estructurado válido sigue necesitando comprobaciones de hechos y de adecuación a la tarea.
Este perfil preliminar admite pensamiento. Para trabajos que requieran varios pasos de razonamiento, utiliza una tarea clara, pruebas pertinentes y restricciones explícitas. El resultado debe explicar los supuestos y la conclusión útil; el razonamiento oculto o la existencia de un modo de pensamiento no constituyen por sí mismos una verificación.
El productor también enumera compatibilidad con caché y procesamiento por lotes. Son funciones de procesamiento independientes de las capacidades de contenido del modelo, y su presencia no demuestra que una petición concreta se haya servido desde caché ni que un resultado por lotes sea correcto.
Mantén Gemini 3 Pro Preview diferenciado de Gemini 3.1 Pro Preview, Gemini 3 Pro Image y los perfiles de audio o Live. La salida de este perfil preliminar es texto y su especificación no incluye generación de imágenes, generación de audio ni funcionamiento Live. Evalúa la respuesta, el código o el resultado estructurado devuelto frente al conjunto de fuentes aportado y la tarea prevista.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3-pro-preview | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
| Configuración | Tabla de tarifas | Cargo |
|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Cargo Entrada · Tokens de entrada $0.004 / 1K tokens Salida · Tokens de salida $0.024 / 1K tokens Entrada · Lectura de caché $0 / 1K tokens Entrada · Escritura en caché $0 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gemini-3-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions