Gemini 3.1 Pro Preview está orientado a materiales complejos y tareas que requieren varias decisiones sucesivas. Google destaca ingeniería de software, herramientas y coherencia factual de las respuestas. Ayuda a analizar conjuntos de datos amplios, repositorios completos y tareas que combinan texto con material visual o sonoro.
Las características de Google incluyen texto, imágenes, vídeo, audio y PDF. En el catálogo actual de Ailoot API, los métodos de texto indican entrada de texto e imágenes y salida de texto. Vídeo, audio y PDF no están incluidos en esas entradas. El contexto amplio admite hasta 1 048 576 tokens de entrada y la respuesta, hasta 65 536 tokens de salida. Comprender imágenes y audio no implica generarlos: la salida de esta versión sigue siendo texto.
Thinking permite dedicar esfuerzo adicional al razonamiento interno. En el modo del modelo base descrito por Google, el nivel estándar es high y se admiten low, medium y high. Estos valores describen el modelo base de Google; el modo y la disponibilidad de controles mediante Ailoot API dependen del método y la variante elegidos. Los principales usos incluyen programación compleja, desarrollo de algoritmos, planificación estratégica y mejora de soluciones paso a paso. Es útil cuando hay que considerar requisitos relacionados y volver a resultados intermedios.
Las capacidades incluyen llamadas a funciones, ejecución de código y respuestas estructuradas. Se admiten caché de contexto, fundamentación mediante búsqueda, Google Maps y contenido de direcciones web; hay procesamiento por lotes. Permite construir un flujo en el que el modelo analiza datos, elige la siguiente herramienta y prepara el resultado final. La disponibilidad real de cada herramienta depende del método.
La ficha corresponde a la versión preliminar gemini-3.1-pro-preview. Se basa en Gemini 3 Pro. El fabricante distingue la variante gemini-3.1-pro-preview-customtools, orientada a flujos con una shell y herramientas personalizadas. Sus prioridades al elegir herramientas y su comportamiento no son características de la versión Preview normal.
Se mantienen las limitaciones generales de la línea base: las respuestas pueden contener información inventada y algunas solicitudes pueden ser lentas o agotar el tiempo de espera. Razonamiento de varios pasos, contexto amplio y acceso a datos ayudan con tareas complejas, pero no convierten cada conclusión generada en un hecho comprobado.
", "aboutText": "Gemini 3.1 Pro Preview está orientado a materiales complejos y tareas que requieren varias decisiones sucesivas. Google destaca ingeniería de software, herramientas y coherencia factual de las respuestas. Ayuda a analizar conjuntos de datos amplios, repositorios completos y tareas que combinan texto con material visual o sonoro.\n\n### Qué materiales comprende\n\nLas características de Google incluyen **texto, imágenes, vídeo, audio y PDF**. En el catálogo actual de Ailoot API, los métodos de texto indican entrada de **texto e imágenes** y salida de texto. Vídeo, audio y PDF no están incluidos en esas entradas. El contexto amplio admite hasta **1 048 576 tokens de entrada** y la respuesta, hasta **65 536 tokens de salida**. Comprender imágenes y audio no implica generarlos: la salida de esta versión sigue siendo texto.\n\n### Razonamiento y trabajo por pasos\n\nThinking permite dedicar esfuerzo adicional al razonamiento interno. En el modo del modelo base descrito por Google, el nivel estándar es `high` y se admiten `low`, `medium` y `high`. Estos valores describen el modelo base de Google; el modo y la disponibilidad de controles mediante Ailoot API dependen del método y la variante elegidos. Los principales usos incluyen programación compleja, desarrollo de algoritmos, planificación estratégica y mejora de soluciones paso a paso. Es útil cuando hay que considerar requisitos relacionados y volver a resultados intermedios.\n\nLas capacidades incluyen llamadas a funciones, ejecución de código y respuestas estructuradas. Se admiten caché de contexto, fundamentación mediante búsqueda, Google Maps y contenido de direcciones web; hay procesamiento por lotes. Permite construir un flujo en el que el modelo analiza datos, elige la siguiente herramienta y prepara el resultado final. La disponibilidad real de cada herramienta depende del método.\n\n### Versión y particularidades\n\nLa ficha corresponde a la versión preliminar `gemini-3.1-pro-preview`. Se basa en Gemini 3 Pro. El fabricante distingue la variante `gemini-3.1-pro-preview-customtools`, orientada a flujos con una shell y herramientas personalizadas. Sus prioridades al elegir herramientas y su comportamiento no son características de la versión Preview normal.\n\nSe mantienen las limitaciones generales de la línea base: las respuestas pueden contener información inventada y algunas solicitudes pueden ser lentas o agotar el tiempo de espera. Razonamiento de varios pasos, contexto amplio y acceso a datos ayudan con tareas complejas, pero no convierten cada conclusión generada en un hecho comprobado.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Design a dependency-aware work order\n\nPlan execution for these tasks: A has no dependency; B depends on A; C depends on A; D depends on both B and C. At most two tasks may run together, and each takes one hour. Give the earliest valid schedule, a general scheduling algorithm and a test that catches starting D before C finishes.A time-slot schedule, algorithm pseudocode and a dependency-violation test case.Check that the proposed schedule respects both dependencies and the two-task concurrency limit.gemini-pro-agentModelo multimodal de Google para programación compleja, análisis de materiales amplios y trabajo preciso con herramientas en varios pasos.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.1 Pro Preview está orientado a materiales complejos y tareas que requieren varias decisiones sucesivas. Google destaca ingeniería de software, herramientas y coherencia factual de las respuestas. Ayuda a analizar conjuntos de datos amplios, repositorios completos y tareas que combinan texto con material visual o sonoro.
Las características de Google incluyen texto, imágenes, vídeo, audio y PDF. En el catálogo actual de Ailoot API, los métodos de texto indican entrada de texto e imágenes y salida de texto. Vídeo, audio y PDF no están incluidos en esas entradas. El contexto amplio admite hasta 1 048 576 tokens de entrada y la respuesta, hasta 65 536 tokens de salida. Comprender imágenes y audio no implica generarlos: la salida de esta versión sigue siendo texto.
Thinking permite dedicar esfuerzo adicional al razonamiento interno. En el modo del modelo base descrito por Google, el nivel estándar es high y se admiten low, medium y high. Estos valores describen el modelo base de Google; el modo y la disponibilidad de controles mediante Ailoot API dependen del método y la variante elegidos. Los principales usos incluyen programación compleja, desarrollo de algoritmos, planificación estratégica y mejora de soluciones paso a paso. Es útil cuando hay que considerar requisitos relacionados y volver a resultados intermedios.
Las capacidades incluyen llamadas a funciones, ejecución de código y respuestas estructuradas. Se admiten caché de contexto, fundamentación mediante búsqueda, Google Maps y contenido de direcciones web; hay procesamiento por lotes. Permite construir un flujo en el que el modelo analiza datos, elige la siguiente herramienta y prepara el resultado final. La disponibilidad real de cada herramienta depende del método.
La ficha corresponde a la versión preliminar gemini-3.1-pro-preview. Se basa en Gemini 3 Pro. El fabricante distingue la variante gemini-3.1-pro-preview-customtools, orientada a flujos con una shell y herramientas personalizadas. Sus prioridades al elegir herramientas y su comportamiento no son características de la versión Preview normal.
Se mantienen las limitaciones generales de la línea base: las respuestas pueden contener información inventada y algunas solicitudes pueden ser lentas o agotar el tiempo de espera. Razonamiento de varios pasos, contexto amplio y acceso a datos ayudan con tareas complejas, pero no convierten cada conclusión generada en un hecho comprobado.
POST /v1/messagestext, imagetext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-pro-agent | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring|content_block[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Camposystem | Tipostring|content_block[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites Mínimo: 1 El límite se aplica a: límite máximo exacto de la ficha del modelo seleccionado | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop_sequences | Tipostring[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipotool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].name | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: herramienta proporcionada | Predeterminado— |
Campotools[].description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].input_schema | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campothinking.type | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campothinking.budget_tokens | Tipointeger | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campooutput_config.effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campometadata | Tipoobject | RequisitoOpcional | Valores y límites | Predeterminado— |
Campocache_control | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Texto · Texto UTF8
messages[].content o bloque type=text
Texto + imagen
{type:image,source:{type:base64,media_type,data}} o una fuente con type=url
| Parámetro | Contrato |
|---|---|
Parámetromaterial_types | Contratotext, image |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratonull |
Parámetrocontent_type | Contratoapplication/json |
Parámetrotext_file_material | Contratocontenido real en UTF-8 insertado como texto; los ID de archivo y las URLs requieren compatibilidad específica e independiente |
Ciclo de vida: exact retained published method
Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos.
POST /v1/messages| Tamaño de la solicitud, en tokens | Entrada | Salida | Lectura de caché | Escritura en caché | Caché de 5 min | Caché de 1 hora |
|---|---|---|---|---|---|---|
| Tamaño de la solicitud, en tokens(0; 200.000] | Entrada0,002 US$ | Salida0,012 US$ | Lectura de caché0,0002 US$ | Escritura en cachéBase: — | Caché de 5 minBase: — | Caché de 1 horaBase: — |
| Tamaño de la solicitud, en tokens(200.000; ∞) | Entrada0,004 US$ | Salida0,018 US$ | Lectura de caché0,0004 US$ | Escritura en cachéBase: — | Caché de 5 minBase: — | Caché de 1 horaBase: — |
Tarifas en USD por 1K tokens. Si no se define ninguna tarifa, se hereda la tarifa base de este método; «—» indica que no hay tarifa base definida.
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
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-pro-agent", "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-pro-agent", "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-pro-agent",\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-pro-agent",\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-pro-agent',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-pro-agent
Usa las rutas de método indicadas arriba.
gemini-pro-agentModelo multimodal de Google para programación compleja, análisis de materiales amplios y trabajo preciso con herramientas en varios pasos.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.1 Pro Preview está orientado a materiales complejos y tareas que requieren varias decisiones sucesivas. Google destaca ingeniería de software, herramientas y coherencia factual de las respuestas. Ayuda a analizar conjuntos de datos amplios, repositorios completos y tareas que combinan texto con material visual o sonoro.
Las características de Google incluyen texto, imágenes, vídeo, audio y PDF. En el catálogo actual de Ailoot API, los métodos de texto indican entrada de texto e imágenes y salida de texto. Vídeo, audio y PDF no están incluidos en esas entradas. El contexto amplio admite hasta 1 048 576 tokens de entrada y la respuesta, hasta 65 536 tokens de salida. Comprender imágenes y audio no implica generarlos: la salida de esta versión sigue siendo texto.
Thinking permite dedicar esfuerzo adicional al razonamiento interno. En el modo del modelo base descrito por Google, el nivel estándar es high y se admiten low, medium y high. Estos valores describen el modelo base de Google; el modo y la disponibilidad de controles mediante Ailoot API dependen del método y la variante elegidos. Los principales usos incluyen programación compleja, desarrollo de algoritmos, planificación estratégica y mejora de soluciones paso a paso. Es útil cuando hay que considerar requisitos relacionados y volver a resultados intermedios.
Las capacidades incluyen llamadas a funciones, ejecución de código y respuestas estructuradas. Se admiten caché de contexto, fundamentación mediante búsqueda, Google Maps y contenido de direcciones web; hay procesamiento por lotes. Permite construir un flujo en el que el modelo analiza datos, elige la siguiente herramienta y prepara el resultado final. La disponibilidad real de cada herramienta depende del método.
La ficha corresponde a la versión preliminar gemini-3.1-pro-preview. Se basa en Gemini 3 Pro. El fabricante distingue la variante gemini-3.1-pro-preview-customtools, orientada a flujos con una shell y herramientas personalizadas. Sus prioridades al elegir herramientas y su comportamiento no son características de la versión Preview normal.
Se mantienen las limitaciones generales de la línea base: las respuestas pueden contener información inventada y algunas solicitudes pueden ser lentas o agotar el tiempo de espera. Razonamiento de varios pasos, contexto amplio y acceso a datos ayudan con tareas complejas, pero no convierten cada conclusión generada en un hecho comprobado.
POST /v1beta/models/{model}:generateContenttext, imagetext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campopath.model | Tipostring | RequisitoObligatorio | Valores y límites gemini-pro-agent | Predeterminado— |
Campocontents | Tipocontent[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campocontents[].role | Tipostring | RequisitoOpcional | Valores y límites user, model | Predeterminado— |
Campocontents[].parts | Tipopart[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
CamposystemInstruction | Tipocontent | RequisitoOpcional | Valores y límites | Predeterminado— |
CampogenerationConfig.maxOutputTokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
CampogenerationConfig.temperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.topP | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.topK | Tipointeger | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.stopSequences | Tipostring[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.thinkingConfig.includeThoughts | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampogenerationConfig.thinkingConfig.thinkingBudget | Tipointeger | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].functionDeclarations | Tipofunction_declaration[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CampotoolConfig.functionCallingConfig.mode | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CamposafetySettings | Tipoobject[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
CamposessionId | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Texto · Texto UTF8
contents[].parts[].text
Texto + imagen
parts[].inlineData={mimeType,data}
| Parámetro | Contrato |
|---|---|
Parámetromaterial_types | Contratotext, image |
Parámetrorequired | Contratocontents |
Parámetrooptional_controls | Contratonull |
Parámetrocontent_type | Contratoapplication/json |
Parámetrotext_file_material | Contratocontenido real en UTF-8 insertado como texto; los ID de archivo y las URLs requieren compatibilidad específica e independiente |
Ciclo de vida: exact retained published method
Las estructuras e ID de los métodos son exactos; la capacidad del proveedor y la admisión son conceptos distintos.
POST /v1beta/models/{model}:generateContent| Tamaño de la solicitud, en tokens | Entrada | Salida | Lectura de caché | Escritura en caché | Caché de 5 min | Caché de 1 hora |
|---|---|---|---|---|---|---|
| Tamaño de la solicitud, en tokens(0; 200.000] | Entrada0,002 US$ | Salida0,012 US$ | Lectura de caché0,0002 US$ | Escritura en cachéBase: — | Caché de 5 minBase: — | Caché de 1 horaBase: — |
| Tamaño de la solicitud, en tokens(200.000; ∞) | Entrada0,004 US$ | Salida0,018 US$ | Lectura de caché0,0004 US$ | Escritura en cachéBase: — | Caché de 5 minBase: — | Caché de 1 horaBase: — |
Tarifas en USD por 1K tokens. Si no se define ninguna tarifa, se hereda la tarifa base de este método; «—» indica que no hay tarifa base definida.
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
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-pro-agent: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-pro-agent: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-pro-agent", 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-pro-agent", 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-pro-agent',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-pro-agent
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Design a dependency-aware work order\n\nPlan execution for these tasks: A has no dependency; B depends on A; C depends on A; D depends on both B and C. At most two tasks may run together, and each takes one hour. Give the earliest valid schedule, a general scheduling algorithm and a test that catches starting D before C finishes.A time-slot schedule, algorithm pseudocode and a dependency-violation test case.Check that the proposed schedule respects both dependencies and the two-task concurrency limit.