Gemini 3.5 Flash es el perfil de modelo multimodal Flash de Google para trabajos sostenidos de programación y de agentes. Sus entradas documentadas son texto, imágenes, vídeo, audio y PDF, con salida de texto. Las tareas en las que se centra el modelo incluyen la programación iterativa, la exploración de soluciones alternativas y las secuencias más largas de instrucciones y uso de herramientas. La edición 3.5 ofrece controles de razonamiento, entradas multimodales y flujos de trabajo con herramientas documentados.
Una tarea de programación puede combinar un requisito escrito, los archivos de código fuente pertinentes y una captura de pantalla del resultado previsto. Proporcione el comportamiento observado, el comportamiento esperado y las restricciones que deben mantenerse. Un ejemplo de encargo sería: «Compare la captura de pantalla con el texto del componente, identifique la discrepancia en el flujo de trabajo del formulario y proponga una corrección concreta. Explique qué detalles del código fuente justifican el cambio». Para una tarea documental, proporcione las páginas pertinentes y solicite una comparación con requisitos explícitos, con referencias a las fuentes para cada hallazgo.
La edición documenta niveles de razonamiento mínimo, bajo, medio y alto. El nivel medio es el predeterminado, en sustitución del nivel alto predeterminado de Gemini 3 Flash Preview. El nivel mínimo resulta adecuado para respuestas sencillas y decisiones directas sobre herramientas, sin garantizar que el razonamiento quede completamente desactivado; el nivel bajo está orientado a tareas que requieren menos pasos; el nivel alto proporciona un razonamiento más profundo para problemas difíciles de matemáticas, programación y agentes. Google recomienda utilizar thinking_level para controlar el esfuerzo y mantener los ajustes de muestreo predeterminados, en lugar de intentar forzar el razonamiento modificando la temperatura, top-p o top-k.
Un comportamiento característico es la conservación del contexto de razonamiento a lo largo de una tarea con varios turnos. El flujo de trabajo Interactions de Google conserva ese contexto automáticamente; su flujo de trabajo GenerateContent requiere el historial completo y sin modificar de la conversación, incluidas las firmas de pensamiento. Esto permite continuar un encargo de depuración o refactorización en el que el razonamiento anterior orienta el siguiente paso. Conserve la estructura real de la conversación en lugar de convertir cada continuación en una instrucción independiente, y mantenga claro el resultado final solicitado a medida que avanza el trabajo.
El conjunto de herramientas documentado incluye Google Search, fundamentación con Google Maps, File Search, Code Execution, URL Context y Function Calling estándar, con el uso combinado de herramientas y Computer Use señalados como capacidades en vista previa. Structured Outputs puede proporcionar un registro de datos definido. Asigne a las funciones un propósito claro y una definición de parámetros: el modelo elige una función, mientras que la aplicación conectada ejecuta la operación y devuelve el resultado. Google exige que los resultados de las funciones coincidan con las llamadas anteriores en identidad, nombre y cantidad; los resultados multimodales deben incluirse dentro de la respuesta de la función.
La tabla exacta del modelo en la API establece un máximo de entrada de 1 048 576 tokens y un máximo de salida de 65 536 tokens. El historial de conversación y el contenido multimedia proporcionado cuentan para el presupuesto de entrada. El almacenamiento en caché y el procesamiento por lotes están documentados para este perfil, y la tabla de Google incluye opciones adicionales de procesamiento Flex y Priority. Estos límites y capacidades describen la edición del fabricante; no obligan a que una respuesta ocupe toda la ventana de salida ni hacen que todas las herramientas sean necesarias para una tarea.
Este perfil genera texto en lugar de imágenes o audio y no utiliza Live API. Su guía para desarrolladores también excluye la segmentación de imágenes. Para una pregunta visual, solicite una descripción, una extracción o una interpretación del material proporcionado; para una grabación de voz, solicite un resultado en texto. Cuando la respuesta dependa de información más reciente, el flujo de trabajo documentado de fundamentación con búsquedas puede añadir fuentes que vayan más allá del conocimiento adquirido durante el entrenamiento. Indique si se necesita información externa y qué pruebas debe conservar la respuesta final.
Para que un encargo más largo resulte útil, defina el resultado final y el criterio de finalización antes del primer paso. Una tarea de análisis de soporte podría solicitar una tabla de incidencias observadas, pasajes que las respalden y una propuesta de respuesta; una tarea de programación podría exigir el cambio concreto y el resultado de la validación pertinente. Adjunte el contexto de origen relevante, especifique las acciones permitidas con herramientas y solicite una respuesta final explícita que distinga el trabajo completado de las cuestiones para las que todavía falta información. Esto convierte el flujo de trabajo sostenido del modelo en un texto, código o resultado estructurado concreto.
", "aboutText": "Gemini 3.5 Flash es el perfil de modelo multimodal Flash de Google para trabajos sostenidos de programación y de agentes. Sus entradas documentadas son texto, imágenes, vídeo, audio y PDF, con salida de texto. Las tareas en las que se centra el modelo incluyen la programación iterativa, la exploración de soluciones alternativas y las secuencias más largas de instrucciones y uso de herramientas. La edición 3.5 ofrece controles de razonamiento, entradas multimodales y flujos de trabajo con herramientas documentados.\n\nUna tarea de programación puede combinar un requisito escrito, los archivos de código fuente pertinentes y una captura de pantalla del resultado previsto. Proporcione el comportamiento observado, el comportamiento esperado y las restricciones que deben mantenerse. Un ejemplo de encargo sería: «Compare la captura de pantalla con el texto del componente, identifique la discrepancia en el flujo de trabajo del formulario y proponga una corrección concreta. Explique qué detalles del código fuente justifican el cambio». Para una tarea documental, proporcione las páginas pertinentes y solicite una comparación con requisitos explícitos, con referencias a las fuentes para cada hallazgo.\n\nLa edición documenta niveles de razonamiento mínimo, bajo, medio y alto. El nivel medio es el predeterminado, en sustitución del nivel alto predeterminado de Gemini 3 Flash Preview. El nivel mínimo resulta adecuado para respuestas sencillas y decisiones directas sobre herramientas, sin garantizar que el razonamiento quede completamente desactivado; el nivel bajo está orientado a tareas que requieren menos pasos; el nivel alto proporciona un razonamiento más profundo para problemas difíciles de matemáticas, programación y agentes. Google recomienda utilizar thinking_level para controlar el esfuerzo y mantener los ajustes de muestreo predeterminados, en lugar de intentar forzar el razonamiento modificando la temperatura, top-p o top-k.\n\nUn comportamiento característico es la conservación del contexto de razonamiento a lo largo de una tarea con varios turnos. El flujo de trabajo Interactions de Google conserva ese contexto automáticamente; su flujo de trabajo GenerateContent requiere el historial completo y sin modificar de la conversación, incluidas las firmas de pensamiento. Esto permite continuar un encargo de depuración o refactorización en el que el razonamiento anterior orienta el siguiente paso. Conserve la estructura real de la conversación en lugar de convertir cada continuación en una instrucción independiente, y mantenga claro el resultado final solicitado a medida que avanza el trabajo.\n\nEl conjunto de herramientas documentado incluye Google Search, fundamentación con Google Maps, File Search, Code Execution, URL Context y Function Calling estándar, con el uso combinado de herramientas y Computer Use señalados como capacidades en vista previa. Structured Outputs puede proporcionar un registro de datos definido. Asigne a las funciones un propósito claro y una definición de parámetros: el modelo elige una función, mientras que la aplicación conectada ejecuta la operación y devuelve el resultado. Google exige que los resultados de las funciones coincidan con las llamadas anteriores en identidad, nombre y cantidad; los resultados multimodales deben incluirse dentro de la respuesta de la función.\n\nLa tabla exacta del modelo en la API establece un máximo de entrada de 1 048 576 tokens y un máximo de salida de 65 536 tokens. El historial de conversación y el contenido multimedia proporcionado cuentan para el presupuesto de entrada. El almacenamiento en caché y el procesamiento por lotes están documentados para este perfil, y la tabla de Google incluye opciones adicionales de procesamiento Flex y Priority. Estos límites y capacidades describen la edición del fabricante; no obligan a que una respuesta ocupe toda la ventana de salida ni hacen que todas las herramientas sean necesarias para una tarea.\n\nEste perfil genera texto en lugar de imágenes o audio y no utiliza Live API. Su guía para desarrolladores también excluye la segmentación de imágenes. Para una pregunta visual, solicite una descripción, una extracción o una interpretación del material proporcionado; para una grabación de voz, solicite un resultado en texto. Cuando la respuesta dependa de información más reciente, el flujo de trabajo documentado de fundamentación con búsquedas puede añadir fuentes que vayan más allá del conocimiento adquirido durante el entrenamiento. Indique si se necesita información externa y qué pruebas debe conservar la respuesta final.\n\nPara que un encargo más largo resulte útil, defina el resultado final y el criterio de finalización antes del primer paso. Una tarea de análisis de soporte podría solicitar una tabla de incidencias observadas, pasajes que las respalden y una propuesta de respuesta; una tarea de programación podría exigir el cambio concreto y el resultado de la validación pertinente. Adjunte el contexto de origen relevante, especifique las acciones permitidas con herramientas y solicite una respuesta final explícita que distinga el trabajo completado de las cuestiones para las que todavía falta información. Esto convierte el flujo de trabajo sostenido del modelo en un texto, código o resultado estructurado concreto.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "8a1ed2bb430a8ee212e20add5fcb3eeda29a2fbdbfd187ef0fff555a44c7e2ec", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "google/gemini-3.5-flash:batchGemini 3.5 Flash combina la comprensión multimodal con el razonamiento para tareas de programación y de agentes de varios pasos. Acepta texto, imágenes, vídeo, audio y PDF, y produce texto, con salidas estructuradas, herramientas y un límite de entrada de 1 048 576 tokens en su perfil documentado.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.5 Flash es el perfil de modelo multimodal Flash de Google para trabajos sostenidos de programación y de agentes. Sus entradas documentadas son texto, imágenes, vídeo, audio y PDF, con salida de texto. Las tareas en las que se centra el modelo incluyen la programación iterativa, la exploración de soluciones alternativas y las secuencias más largas de instrucciones y uso de herramientas. La edición 3.5 ofrece controles de razonamiento, entradas multimodales y flujos de trabajo con herramientas documentados.
Una tarea de programación puede combinar un requisito escrito, los archivos de código fuente pertinentes y una captura de pantalla del resultado previsto. Proporcione el comportamiento observado, el comportamiento esperado y las restricciones que deben mantenerse. Un ejemplo de encargo sería: «Compare la captura de pantalla con el texto del componente, identifique la discrepancia en el flujo de trabajo del formulario y proponga una corrección concreta. Explique qué detalles del código fuente justifican el cambio». Para una tarea documental, proporcione las páginas pertinentes y solicite una comparación con requisitos explícitos, con referencias a las fuentes para cada hallazgo.
La edición documenta niveles de razonamiento mínimo, bajo, medio y alto. El nivel medio es el predeterminado, en sustitución del nivel alto predeterminado de Gemini 3 Flash Preview. El nivel mínimo resulta adecuado para respuestas sencillas y decisiones directas sobre herramientas, sin garantizar que el razonamiento quede completamente desactivado; el nivel bajo está orientado a tareas que requieren menos pasos; el nivel alto proporciona un razonamiento más profundo para problemas difíciles de matemáticas, programación y agentes. Google recomienda utilizar thinking_level para controlar el esfuerzo y mantener los ajustes de muestreo predeterminados, en lugar de intentar forzar el razonamiento modificando la temperatura, top-p o top-k.
Un comportamiento característico es la conservación del contexto de razonamiento a lo largo de una tarea con varios turnos. El flujo de trabajo Interactions de Google conserva ese contexto automáticamente; su flujo de trabajo GenerateContent requiere el historial completo y sin modificar de la conversación, incluidas las firmas de pensamiento. Esto permite continuar un encargo de depuración o refactorización en el que el razonamiento anterior orienta el siguiente paso. Conserve la estructura real de la conversación en lugar de convertir cada continuación en una instrucción independiente, y mantenga claro el resultado final solicitado a medida que avanza el trabajo.
El conjunto de herramientas documentado incluye Google Search, fundamentación con Google Maps, File Search, Code Execution, URL Context y Function Calling estándar, con el uso combinado de herramientas y Computer Use señalados como capacidades en vista previa. Structured Outputs puede proporcionar un registro de datos definido. Asigne a las funciones un propósito claro y una definición de parámetros: el modelo elige una función, mientras que la aplicación conectada ejecuta la operación y devuelve el resultado. Google exige que los resultados de las funciones coincidan con las llamadas anteriores en identidad, nombre y cantidad; los resultados multimodales deben incluirse dentro de la respuesta de la función.
La tabla exacta del modelo en la API establece un máximo de entrada de 1 048 576 tokens y un máximo de salida de 65 536 tokens. El historial de conversación y el contenido multimedia proporcionado cuentan para el presupuesto de entrada. El almacenamiento en caché y el procesamiento por lotes están documentados para este perfil, y la tabla de Google incluye opciones adicionales de procesamiento Flex y Priority. Estos límites y capacidades describen la edición del fabricante; no obligan a que una respuesta ocupe toda la ventana de salida ni hacen que todas las herramientas sean necesarias para una tarea.
Este perfil genera texto en lugar de imágenes o audio y no utiliza Live API. Su guía para desarrolladores también excluye la segmentación de imágenes. Para una pregunta visual, solicite una descripción, una extracción o una interpretación del material proporcionado; para una grabación de voz, solicite un resultado en texto. Cuando la respuesta dependa de información más reciente, el flujo de trabajo documentado de fundamentación con búsquedas puede añadir fuentes que vayan más allá del conocimiento adquirido durante el entrenamiento. Indique si se necesita información externa y qué pruebas debe conservar la respuesta final.
Para que un encargo más largo resulte útil, defina el resultado final y el criterio de finalización antes del primer paso. Una tarea de análisis de soporte podría solicitar una tabla de incidencias observadas, pasajes que las respalden y una propuesta de respuesta; una tarea de programación podría exigir el cambio concreto y el resultado de la validación pertinente. Adjunte el contexto de origen relevante, especifique las acciones permitidas con herramientas y solicite una respuesta final explícita que distinga el trabajo completado de las cuestiones para las que todavía falta información. Esto convierte el flujo de trabajo sostenido del modelo en un texto, código o resultado estructurado concreto.
POST /v1/batchestexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campoendpoint | Tipostring | RequisitoObligatorio | Valores y límites /v1/chat/completions | Predeterminado— |
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-3.5-flash:batch | Predeterminado— |
Camporequests | Tipobatch_item[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Camporequests[].custom_id | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Camporequests[].body.messages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campocompletion_window | Tipostring | RequisitoOpcional | Valores y límites 24h | Predeterminado— |
Campoprovider | Tipoobject|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Camporequests[].body.model | Tipostring | RequisitoOpcional | Valores y límites google/gemini-3.5-flash:batch, google/gemini-3.5-flash | Predeterminado— |
Campoprovider.only | Tipostring[] | RequisitoOpcional | Valores y límites google-vertex/global | Predeterminado— |
Campoprovider.allow_fallbacks | Tipoboolean|null | RequisitoOpcional | Valores y límites false, null | Predeterminado— |
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratoendpoint, model, requests |
Parámetromaterial_types | Contratotext |
Parámetrorepresentation | Contratorequests[] en la propia solicitud; cada elemento tiene custom_id y body |
Parámetrorequest_endpoint_profile | Contrato/v1/chat/completions |
Parámetrofile_material | ContratoEl cliente puede leer localmente el JSONL real en UTF-8 e incorporarlo a requests[]. No se utiliza purpose de carga, input_file_id ni ninguna referencia a archivos. Si falta el material del cliente o está vacío, la preparación se detiene antes del POST. |
Parámetroserialization_order | Contratoendpoint, model, provider (si se proporciona), completion_window (si se proporciona), requests al final |
Parámetrooptional_controls | Contratoprovider.only, provider.allow_fallbacks, completion_window |
Parámetroschema_scope | ContratoCuerpos de Chat Completions de texto incluidos directamente en el contenedor Batch documentado. |
Ciclo de vida: asynchronous
GET /v1/batches/{operation_id} · response.id real de la respuesta de creación original; mismo usuario, clave y grupo
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.009 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0015 / 1K tokens Salida · Tokens de salida $0.009 / 1K tokens Entrada · Lectura de caché $0.00015 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"google/gemini-3.5-flash:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['google/gemini-3.5-flash:batch', 'google/gemini-3.5-flash']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.5-flash:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\nJSON de results[].response.body incluido directamente
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nConserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva el JSON completo del estado original, cada resultado y su custom_id, y el cuerpo completo de la respuesta o del error. Guarda los results[] completados como JSONL sin filtrarlos.
Conserva el ID de la operación original. 503 result_pending_check incluye X-Should-Retry:false; nunca vuelvas a enviar un lote original cuyo resultado se desconoce.
| Campo | Tipo |
|---|---|
Camporesults[].custom_id | Tipostring |
Camporesults[].response.body.choices[].message.content | Tipostring|null |
Camporesults[].error | Tipoobject|null |
Campousage | Tipoobject|null |
Campoid | Tipostring |
Campomodel | Tipostring |
Campoendpoint | Tipostring |
Campostatus | Tipostring |
Camporequest_counts | Tipoobject |
Camporesults[].id | Tipostring |
Camporesults[].response.status_code | Tipointeger |
Camporesults[].response.request_id | Tipostring |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónEl contenedor documentado con contenido incluido directamente no es válido, hay claves duplicadas, la identidad de un elemento no es válida o existe un conflicto con las capacidades configuradas del modelo. | Siguiente pasoCorrige los campos indicados antes de cualquier nuevo envío. |
Respuesta401 · authentication_error | CondiciónClave API no válida. | Siguiente pasoUsa la clave Ailoot autorizada. |
Respuesta403 · permission_error | CondiciónGrupo de Batch no disponible. | Siguiente pasoComprueba los permisos de la clave y del grupo. |
Respuesta422 · invalid_request_error | CondiciónBatch se factura con cargo al saldo; se rechaza su creación con una suscripción. | Siguiente pasoUsa el grupo autorizado que se factura con cargo al saldo. |
Respuesta422 · price_unavailable | CondiciónNo se puede calcular el presupuesto de la entrada de Batch. | Siguiente pasoConserva la respuesta; usa la entrada documentada para la familia. |
Respuesta402 · billing_error | CondiciónReserva de Batch no disponible. | Siguiente pasoResuelve la admisión antes de enviar una nueva solicitud. |
Respuesta503 · price_unavailable | CondiciónPrecio del método Batch o tarifas nativas no disponibles. | Siguiente pasoConserva la respuesta; no sustituyas los precios. |
Respuesta503 · api_error | CondiciónLa ruta exacta del proveedor no está disponible. | Siguiente pasoConserva la respuesta para reparar la ruta. |
Respuesta503 · result_pending_check | CondiciónEl resultado original requiere comprobación; X-Should-Retry:false. | Siguiente pasoConserva el operation_id/id original y consulta su estado; nunca repitas el POST original. |
Respuesta404 · not_found | CondiciónLa operación de consulta de estado de Batch no existe o pertenece a otra identidad. | Siguiente pasoUsa el id original exacto y el mismo usuario, clave y grupo. |
Ailoot Ultra google/gemini-3.5-flash:batch
Usa las rutas de método indicadas arriba.