Gemini 3.8 Flash es el modelo de Google con salida de texto para trabajos continuados de ingeniería de software, agentes de varios pasos y flujos de trabajo complejos basados en conocimiento. Se basa en Gemini 3.7 Flash, con mejoras en ingeniería de software y trabajo de conocimiento mediante agentes. Acepta texto, imágenes, audio, vídeo y PDF, por lo que una tarea puede combinar un objetivo escrito con el material real necesario para resolverla. El resultado útil es un cambio de código, un análisis explicado, una respuesta escrita o un registro estructurado.
Para una tarea de programación, proporciona el requisito, los archivos pertinentes, el comportamiento observado y las restricciones que deben conservarse. Una captura de pantalla puede mostrar la interfaz deseada, mientras que los registros o un ejemplo reproducible muestran el fallo. Para una tarea de depuración, pide al modelo que rastree una discrepancia entre el estado visible de un formulario y su valor almacenado, identifique la ruta de código responsable y proponga una corrección acotada. Mantén claro el entregable final previsto para que una secuencia más larga de investigación y uso de herramientas siga teniendo una condición de finalización concreta.
Para trabajos de mayor duración, utiliza pasos de razonamiento más pequeños, llamadas iterativas a herramientas y comprobaciones de los resultados intermedios. Los niveles de razonamiento bajo, medio y alto controlan la cantidad de razonamiento; medio es la opción predeterminada documentada. El nivel bajo es adecuado para un borrador rápido o un análisis acotado, mientras que el alto está destinado a tareas difíciles de matemáticas, programación o varios pasos. Gemini 3.8 Flash no admite el nivel de razonamiento mínimo. Por tanto, una tarea prolongada de depuración y una extracción sencilla de campos necesitan distintas opciones de razonamiento, en lugar del mismo ajuste para todas las solicitudes.
Las herramientas documentadas incluyen llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Google Maps y contexto de URL, mientras que Computer Use figura como una capacidad en versión preliminar. Las salidas estructuradas definen un resultado legible por máquina. Las funciones deben tener una finalidad y una definición de parámetros claras: el modelo puede solicitar una función, mientras que la aplicación conectada realiza la operación y devuelve su resultado. Conserva las identidades de las funciones y el material realmente devuelto entre turnos. Una respuesta final útil explica qué pruebas respaldan la corrección propuesta o el valor extraído.
La guía de migración a 3.8 utiliza controles de nivel de razonamiento en lugar de la configuración heredada del presupuesto de razonamiento y aconseja eliminar los parámetros de muestreo obsoletos y los turnos de modelo prerrellenados. También exige conservar las firmas de razonamiento en el flujo de trabajo sin estado correspondiente y vincular las respuestas de las funciones con sus llamadas por identidad y nombre. Estos detalles importan al continuar una tarea de varios pasos: el siguiente turno necesita el contexto anterior real, en lugar de una versión reescrita que pierda el resultado de la herramienta o la firma. Mantén explícitos la pregunta y el resultado solicitado en el nuevo turno del usuario.
Para trabajar con conocimiento multimodal, identifica las páginas pertinentes del documento, el gráfico, el intervalo de audio o el evento del vídeo e indica cómo deben contribuir a la respuesta. Una comparación de documentos puede solicitar una tabla de diferencias con pasajes de las fuentes; una pregunta sobre un gráfico puede pedir los valores visibles y la conclusión que respaldan. Un análisis de vídeo puede solicitar una descripción de los acontecimientos que justifican un hallazgo. El modelo devuelve texto a partir de estas entradas. Las imágenes generadas, la voz y la interacción de audio Live corresponden a perfiles de modelo independientes.
Sus límites en Gemini API son de 1 048 576 tokens de entrada y 65 536 tokens de salida, que corresponden al contexto de hasta 1M y a la salida de texto de 64K del modelo nativo. Las instrucciones, el historial de conversación y los medios proporcionados consumen contexto de entrada, y el razonamiento o un entregable final extenso deben caber en el límite de salida documentado. Google también incluye almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority para este perfil del desarrollador. Para elementos independientes, conserva un identificador estable de cada elemento y un formato de salida explícito, de modo que cada resultado siga vinculado a su fuente.
Las posibles limitaciones incluyen alucinaciones, lentitud ocasional o tiempos de espera agotados y un mayor consumo de tokens con niveles de esfuerzo más altos. Su fecha de corte de conocimiento es marzo de 2026, aunque algunos ámbitos siguen limitados a enero de 2025. Proporciona pruebas actuales o utiliza las herramientas de fundamentación documentadas cuando la tarea dependa de información posterior. Contrasta las citas de fuentes, los cálculos y el código propuesto con las entradas reales y los resultados de ejecución. El entregable final útil debe distinguir un hallazgo respaldado de una cuestión sin resolver, sin dar por supuesto que una respuesta fluida acredita el resultado solicitado.
", "aboutText": "Gemini 3.8 Flash es el modelo de Google con salida de texto para trabajos continuados de ingeniería de software, agentes de varios pasos y flujos de trabajo complejos basados en conocimiento. Se basa en Gemini 3.7 Flash, con mejoras en ingeniería de software y trabajo de conocimiento mediante agentes. Acepta texto, imágenes, audio, vídeo y PDF, por lo que una tarea puede combinar un objetivo escrito con el material real necesario para resolverla. El resultado útil es un cambio de código, un análisis explicado, una respuesta escrita o un registro estructurado.\n\nPara una tarea de programación, proporciona el requisito, los archivos pertinentes, el comportamiento observado y las restricciones que deben conservarse. Una captura de pantalla puede mostrar la interfaz deseada, mientras que los registros o un ejemplo reproducible muestran el fallo. Para una tarea de depuración, pide al modelo que rastree una discrepancia entre el estado visible de un formulario y su valor almacenado, identifique la ruta de código responsable y proponga una corrección acotada. Mantén claro el entregable final previsto para que una secuencia más larga de investigación y uso de herramientas siga teniendo una condición de finalización concreta.\n\nPara trabajos de mayor duración, utiliza pasos de razonamiento más pequeños, llamadas iterativas a herramientas y comprobaciones de los resultados intermedios. Los niveles de razonamiento bajo, medio y alto controlan la cantidad de razonamiento; medio es la opción predeterminada documentada. El nivel bajo es adecuado para un borrador rápido o un análisis acotado, mientras que el alto está destinado a tareas difíciles de matemáticas, programación o varios pasos. Gemini 3.8 Flash no admite el nivel de razonamiento mínimo. Por tanto, una tarea prolongada de depuración y una extracción sencilla de campos necesitan distintas opciones de razonamiento, en lugar del mismo ajuste para todas las solicitudes.\n\nLas herramientas documentadas incluyen llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Google Maps y contexto de URL, mientras que Computer Use figura como una capacidad en versión preliminar. Las salidas estructuradas definen un resultado legible por máquina. Las funciones deben tener una finalidad y una definición de parámetros claras: el modelo puede solicitar una función, mientras que la aplicación conectada realiza la operación y devuelve su resultado. Conserva las identidades de las funciones y el material realmente devuelto entre turnos. Una respuesta final útil explica qué pruebas respaldan la corrección propuesta o el valor extraído.\n\nLa guía de migración a 3.8 utiliza controles de nivel de razonamiento en lugar de la configuración heredada del presupuesto de razonamiento y aconseja eliminar los parámetros de muestreo obsoletos y los turnos de modelo prerrellenados. También exige conservar las firmas de razonamiento en el flujo de trabajo sin estado correspondiente y vincular las respuestas de las funciones con sus llamadas por identidad y nombre. Estos detalles importan al continuar una tarea de varios pasos: el siguiente turno necesita el contexto anterior real, en lugar de una versión reescrita que pierda el resultado de la herramienta o la firma. Mantén explícitos la pregunta y el resultado solicitado en el nuevo turno del usuario.\n\nPara trabajar con conocimiento multimodal, identifica las páginas pertinentes del documento, el gráfico, el intervalo de audio o el evento del vídeo e indica cómo deben contribuir a la respuesta. Una comparación de documentos puede solicitar una tabla de diferencias con pasajes de las fuentes; una pregunta sobre un gráfico puede pedir los valores visibles y la conclusión que respaldan. Un análisis de vídeo puede solicitar una descripción de los acontecimientos que justifican un hallazgo. El modelo devuelve texto a partir de estas entradas. Las imágenes generadas, la voz y la interacción de audio Live corresponden a perfiles de modelo independientes.\n\nSus límites en Gemini API son de 1 048 576 tokens de entrada y 65 536 tokens de salida, que corresponden al contexto de hasta 1M y a la salida de texto de 64K del modelo nativo. Las instrucciones, el historial de conversación y los medios proporcionados consumen contexto de entrada, y el razonamiento o un entregable final extenso deben caber en el límite de salida documentado. Google también incluye almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority para este perfil del desarrollador. Para elementos independientes, conserva un identificador estable de cada elemento y un formato de salida explícito, de modo que cada resultado siga vinculado a su fuente.\n\nLas posibles limitaciones incluyen alucinaciones, lentitud ocasional o tiempos de espera agotados y un mayor consumo de tokens con niveles de esfuerzo más altos. Su fecha de corte de conocimiento es marzo de 2026, aunque algunos ámbitos siguen limitados a enero de 2025. Proporciona pruebas actuales o utiliza las herramientas de fundamentación documentadas cuando la tarea dependa de información posterior. Contrasta las citas de fuentes, los cálculos y el código propuesto con las entradas reales y los resultados de ejecución. El entregable final útil debe distinguir un hallazgo respaldado de una cuestión sin resolver, sin dar por supuesto que una respuesta fluida acredita el resultado solicitado.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "2ff690e9855aa3f8d93eda813f62b71c8588041280dab46e2689d7b74d99c597", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "es", "methods": [ { "html": "google/gemini-3.8-flash:batchGemini 3.8 Flash es el modelo multimodal de uso general de Google para trabajos continuados de ingeniería de software, agentes y tareas complejas de conocimiento. Acepta texto, imágenes, audio, vídeo y PDF, devuelve texto y ofrece niveles de razonamiento bajo, medio o alto, con herramientas y salida estructurada. Sus límites documentados de entrada/salida son de 1 048 576/65 536 tokens.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemini 3.8 Flash es el modelo de Google con salida de texto para trabajos continuados de ingeniería de software, agentes de varios pasos y flujos de trabajo complejos basados en conocimiento. Se basa en Gemini 3.7 Flash, con mejoras en ingeniería de software y trabajo de conocimiento mediante agentes. Acepta texto, imágenes, audio, vídeo y PDF, por lo que una tarea puede combinar un objetivo escrito con el material real necesario para resolverla. El resultado útil es un cambio de código, un análisis explicado, una respuesta escrita o un registro estructurado.
Para una tarea de programación, proporciona el requisito, los archivos pertinentes, el comportamiento observado y las restricciones que deben conservarse. Una captura de pantalla puede mostrar la interfaz deseada, mientras que los registros o un ejemplo reproducible muestran el fallo. Para una tarea de depuración, pide al modelo que rastree una discrepancia entre el estado visible de un formulario y su valor almacenado, identifique la ruta de código responsable y proponga una corrección acotada. Mantén claro el entregable final previsto para que una secuencia más larga de investigación y uso de herramientas siga teniendo una condición de finalización concreta.
Para trabajos de mayor duración, utiliza pasos de razonamiento más pequeños, llamadas iterativas a herramientas y comprobaciones de los resultados intermedios. Los niveles de razonamiento bajo, medio y alto controlan la cantidad de razonamiento; medio es la opción predeterminada documentada. El nivel bajo es adecuado para un borrador rápido o un análisis acotado, mientras que el alto está destinado a tareas difíciles de matemáticas, programación o varios pasos. Gemini 3.8 Flash no admite el nivel de razonamiento mínimo. Por tanto, una tarea prolongada de depuración y una extracción sencilla de campos necesitan distintas opciones de razonamiento, en lugar del mismo ajuste para todas las solicitudes.
Las herramientas documentadas incluyen llamadas a funciones, ejecución de código, búsqueda de archivos, fundamentación mediante búsquedas, fundamentación con Google Maps y contexto de URL, mientras que Computer Use figura como una capacidad en versión preliminar. Las salidas estructuradas definen un resultado legible por máquina. Las funciones deben tener una finalidad y una definición de parámetros claras: el modelo puede solicitar una función, mientras que la aplicación conectada realiza la operación y devuelve su resultado. Conserva las identidades de las funciones y el material realmente devuelto entre turnos. Una respuesta final útil explica qué pruebas respaldan la corrección propuesta o el valor extraído.
La guía de migración a 3.8 utiliza controles de nivel de razonamiento en lugar de la configuración heredada del presupuesto de razonamiento y aconseja eliminar los parámetros de muestreo obsoletos y los turnos de modelo prerrellenados. También exige conservar las firmas de razonamiento en el flujo de trabajo sin estado correspondiente y vincular las respuestas de las funciones con sus llamadas por identidad y nombre. Estos detalles importan al continuar una tarea de varios pasos: el siguiente turno necesita el contexto anterior real, en lugar de una versión reescrita que pierda el resultado de la herramienta o la firma. Mantén explícitos la pregunta y el resultado solicitado en el nuevo turno del usuario.
Para trabajar con conocimiento multimodal, identifica las páginas pertinentes del documento, el gráfico, el intervalo de audio o el evento del vídeo e indica cómo deben contribuir a la respuesta. Una comparación de documentos puede solicitar una tabla de diferencias con pasajes de las fuentes; una pregunta sobre un gráfico puede pedir los valores visibles y la conclusión que respaldan. Un análisis de vídeo puede solicitar una descripción de los acontecimientos que justifican un hallazgo. El modelo devuelve texto a partir de estas entradas. Las imágenes generadas, la voz y la interacción de audio Live corresponden a perfiles de modelo independientes.
Sus límites en Gemini API son de 1 048 576 tokens de entrada y 65 536 tokens de salida, que corresponden al contexto de hasta 1M y a la salida de texto de 64K del modelo nativo. Las instrucciones, el historial de conversación y los medios proporcionados consumen contexto de entrada, y el razonamiento o un entregable final extenso deben caber en el límite de salida documentado. Google también incluye almacenamiento en caché, procesamiento por lotes y procesamiento Flex y Priority para este perfil del desarrollador. Para elementos independientes, conserva un identificador estable de cada elemento y un formato de salida explícito, de modo que cada resultado siga vinculado a su fuente.
Las posibles limitaciones incluyen alucinaciones, lentitud ocasional o tiempos de espera agotados y un mayor consumo de tokens con niveles de esfuerzo más altos. Su fecha de corte de conocimiento es marzo de 2026, aunque algunos ámbitos siguen limitados a enero de 2025. Proporciona pruebas actuales o utiliza las herramientas de fundamentación documentadas cuando la tarea dependa de información posterior. Contrasta las citas de fuentes, los cálculos y el código propuesto con las entradas reales y los resultados de ejecución. El entregable final útil debe distinguir un hallazgo respaldado de una cuestión sin resolver, sin dar por supuesto que una respuesta fluida acredita el resultado solicitado.
POST /v1/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-3.8-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-3.8-flash:batch, google/gemini-3.8-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 $0.00075 / 1K tokens Salida · Tokens de salida $0.00375 / 1K tokens Entrada · Lectura de caché $0.000075 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 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 $0.00075 / 1K tokens Salida · Tokens de salida $0.00375 / 1K tokens Entrada · Lectura de caché $0.000075 / 1K tokens Entrada · Escritura en caché $0.0000833333333333334 / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${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-3.8-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-3.8-flash:batch', 'google/gemini-3.8-flash']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"google/gemini-3.8-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-3.8-flash:batch
Usa las rutas de método indicadas arriba.