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": { "practical_html": "Ejemplo técnico en inglés
Correct a multi-turn form regression\n\nA form change added a required phone field. Prior accepted behavior: email-only contact was allowed. Current source: if (!email || !phone) return 'Missing contact'; submit({email,phone}). New requirement: at least one contact method. Propose a minimal correction, preserve submission fields and explain tests for email only, phone only, both and neither.A focused condition change and four expected acceptance/rejection cases.Check the correction accepts either contact method independently and rejects only when both are absent.gemini-3.5-flashGemini 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/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.5-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Conversación textual | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream |
Parámetrocontrol_scope | ContratoConversación textual; stream es un booleano y su valor predeterminado es false. |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Alias de método: /chat/completions
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 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 $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.5-flash","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.5-flash", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gemini-3.5-flash, google/gemini-3.5-flash
/chat/completions
gemini-3.5-flashGemini 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/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites gemini-3.5-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 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 $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "gemini-3.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gemini-3.5-flash, google/gemini-3.5-flash
/chat/completions
google/gemini-3.5-flashGemini 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/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-3.5-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites Número mínimo de elementos: 1 | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites Ejemplos: system, user, assistant, tool, function Condiciones: Estos roles están representados explícitamente por los tipos de compatibilidad del código fuente; el conjunto exacto de roles depende del modelo. Depende del modelo | Predeterminado— |
Campomessages[].content | Tipostring|content_part[]|null | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_calls | Tipotool_call[] | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].tool_call_id | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: role=tool; utiliza el ID real devuelto | Predeterminado— |
Campomessages[].name | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campomessages[].reasoning_content | Tipostring | RequisitoOpcional | Valores y límites Se aplica cuando: Devuelve en los turnos siguientes el razonamiento realmente recibido cuando este modelo lo utilice | Predeterminado— |
Campomessages[].reasoning_details | Tipoobject|array | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campomax_completion_tokens | Tipointeger | RequisitoOpcional | Valores y límites Mínimo: 1 Depende del modelo | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Campostream_options.include_usage | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotemperature | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotop_p | Tiponumber | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campostop | Tipostring|string[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools | Tipofunction_tool[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campotools[].type | Tipostring | RequisitoOpcional | Valores y límites function Depende del modelo | Predeterminado— |
Campotools[].function.name | Tipostring | RequisitoObligatorio | Valores y límites Se aplica cuando: herramienta de función proporcionada | Predeterminado— |
Campotools[].function.description | Tipostring | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotools[].function.parameters | TipoJSON_schema | RequisitoOpcional | Valores y límites | Predeterminado— |
Campotool_choice | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoparallel_tool_calls | Tipoboolean | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporesponse_format | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning_effort | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camporeasoning | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Camposervice_tier | Tipostring | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoinstructions | Tipostring | RequisitoOpcional | Valores y límites Campo de compatibilidad | Predeterminado— |
Campofunctions | Tipofunction[] | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campofunction_call | Tipostring|object | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campoprompt_cache_options | Tipoobject | RequisitoOpcional | Valores y límites Depende del modelo | Predeterminado— |
Campomodalities | Tipostring[] | RequisitoOpcional | Valores y límites text | Predeterminado— |
Campoprovider | Tipoobject | RequisitoOpcional | Valores y límites Condiciones: provider.options se rechaza en esta ruta de texto Ultra | Predeterminado— |
Campocache_control.ttl | Tipostring | RequisitoOpcional | Valores y límites Condiciones: 1h se rechaza en los campos reales de caché de instrucciones | Predeterminado— |
Texto · Texto UTF8
messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages |
Parámetromaterial_types | Contratotext |
Parámetromessages | Contratomatriz de mensajes con estructura role/content |
Parámetrofile_material | Contratodocumento real en UTF-8 insertado como texto literal; no se deduce ningún ID de archivo |
Parámetrooptional_controls | Contratostream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Parámetrocontrol_scope | Contratodepende del modelo; las herramientas de funciones del usuario difieren de las herramientas alojadas |
Parámetrooutput_modalities | Contratotext |
Parámetrohosted_operations | Contratofalse |
Parámetromultimodal_input_binding | Contratonull |
Ciclo de vida: synchronous_or_streamed
Envía el ID exacto del modelo junto con messages.
La longitud del contexto no es un límite máximo de salida.
Un archivo de texto puede aportar texto literal; las entradas de imagen, audio u objetos de archivo requieren una vinculación exacta.
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 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 $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.5-flash", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemini-3.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemini-3.5-flash',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva cada alternativa y su contenido, llamadas de herramientas y razonamiento. En SSE, ensambla los fragmentos incrementales por índice de alternativa/herramienta y conserva el motivo final de terminación y el uso.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campochoices[].index | Tipointeger |
Campochoices[].message.content | Tipostring|null |
Campochoices[].message.tool_calls | Tipotool_call[] |
Campochoices[].message.reasoning_content | Tipostring |
Campochoices[].message.reasoning_details | Tipoobject|array |
Campochoices[].finish_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gemini-3.5-flash, google/gemini-3.5-flash
/chat/completions
google/gemini-3.5-flashGemini 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/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemini-3.5-flash | Predeterminado— |
Campomessages | Tipomessage[] | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomessages[].role | Tipostring | RequisitoObligatorio | Valores y límites user, assistant | Predeterminado— |
Campomessages[].content | Tipostring | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campomax_tokens | Tipointeger | RequisitoObligatorio | Valores y límites | Predeterminado— |
Campostream | Tipoboolean | RequisitoOpcional | Valores y límites | Predeterminadofalse |
Texto · Texto UTF-8
cadena messages[].content
| Parámetro | Contrato |
|---|---|
Parámetrocontent_type | Contratoapplication/json |
Parámetrorequired | Contratomodel, messages, max_tokens |
Parámetrooptional_controls | Contratostream |
Parámetromaterial_types | Contratotext |
Parámetrotext_file_material | ContratoLee el documento real en UTF-8 y coloca su texto en el campo input indicado o en la cadena de contenido del mensaje. |
Ciclo de vida: synchronous_or_streamed
Las referencias tarifarias no añaden opciones a la solicitud. Los parámetros admitidos se indican en el método seleccionado.
Relaciona cada cargo con las condiciones mostradas. Usa una tarifa para cada conjunto de configuraciones alternativas.
| Configuración | Tabla de tarifas | Tokens de contexto, más de | Tokens de contexto, hasta inclusive | Cargo |
|---|---|---|---|---|
| ConfiguraciónTarifas base por token | Tabla de tarifasTarifa base | Tokens de contexto, más de— | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 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 $0.003 / 1K tokens Salida · Tokens de salida $0.018 / 1K tokens Entrada · Lectura de caché $0.0003 / 1K tokens Entrada · Escritura en caché $0.0001666666666666666 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "google/gemini-3.5-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemini-3.5-flash', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON o SSE
Conserva todas las respuestas, archivos y partes de contenido completos recibidos.
Conserva todos los bloques de contenido, las firmas de razonamiento y los ID reales de uso de herramientas. Ensambla todos los fragmentos incrementales de los bloques SSE; el primer bloque de texto no constituye la salida completa.
Conserva los ID de solicitud y respuesta y las cabeceras. No se proporciona una URL genérica para recuperar tareas de texto.
| Campo | Tipo |
|---|---|
Campoid | Tipostring |
Campomodel | Tipostring |
Campocontent[] | Tipotext|thinking|tool_use|other content block |
Campostop_reason | Tipostring|null |
Campousage | Tipoobject |
| Respuesta | Condición | Siguiente paso |
|---|---|---|
Respuesta400 · invalid_request_error | CondiciónCampos obligatorios, representación del material o valor del parámetro no válidos | Siguiente pasoCorrige los campos indicados antes de una nueva solicitud de creación. |
Ailoot Ultra gemini-3.5-flash, google/gemini-3.5-flash
/chat/completions
Ejemplo técnico en inglés
Correct a multi-turn form regression\n\nA form change added a required phone field. Prior accepted behavior: email-only contact was allowed. Current source: if (!email || !phone) return 'Missing contact'; submit({email,phone}). New requirement: at least one contact method. Propose a minimal correction, preserve submission fields and explain tests for email only, phone only, both and neither.A focused condition change and four expected acceptance/rejection cases.Check the correction accepts either contact method independently and rejects only when both are absent.