Gemma 2 27B IT es la edición de Gemma 2 de Google con 27 mil millones de parámetros, ajustada para seguir instrucciones. Es un modelo de lenguaje de pesos abiertos y arquitectura solo decodificador que recibe texto y genera texto, con especial atención al inglés. Sus tareas previstas incluyen responder preguntas, resumir, razonar, realizar escritura creativa y trabajar con código. IT identifica la variante ajustada para seguir instrucciones, distinta del modelo preentrenado y de los derivados cuantizados por separado.
El informe técnico documenta un contexto de 8192 tokens. Gemma 2 alterna atención local con una ventana deslizante de 4096 tokens y atención global que abarca todo el contexto; la arquitectura 27B tiene 46 capas y atención de consultas agrupadas. Estas son características del modelo del desarrollador, no ajustes de la longitud de respuesta de una aplicación. Prepara un fragmento de fuente acotado y deja espacio para la respuesta solicitada y la conversación, en lugar de dar por supuestos los contextos mucho más amplios de las generaciones posteriores de Gemma.
El modelo base 27B se entrenó desde cero con 13 billones de tokens de texto principalmente en inglés. Las fuentes documentadas incluyen documentos web, código y material matemático o científico. El informe distingue este entrenamiento de la destilación utilizada para los modelos base más pequeños, 2B y 9B. El ajuste para seguir instrucciones añade entrenamiento supervisado con pares de prompt y respuesta, así como un refinamiento basado en preferencias para obtener respuestas conversacionales. Esto da a la edición IT un perfil de uso diferente del de continuar texto arbitrario con el modelo preentrenado.
Para resumir un documento, proporciona el pasaje e indica qué necesita obtener el lector: decisiones, requisitos, una explicación o un breve conjunto de puntos clave. Un ejemplo de encargo sería: «Resume esta especificación para un ingeniero de soporte. Conserva todos los nombres de los campos, distingue los requisitos explícitos de los ejemplos y enumera los detalles que el pasaje no define». Si un dato debe proceder de la fuente, solicita la formulación pertinente o una referencia a la sección junto con la explicación.
El uso conversacional sigue la plantilla de turnos de usuario y modelo de Gemma 2. La ficha específica del modelo de Google muestra cómo mantener el diálogo en esa plantilla, con delimitadores que identifican el inicio y el final de cada turno, de modo que una pregunta posterior pueda apoyarse en la respuesta anterior. El formato documentado difiere del nuevo rol de sistema nativo y de los controles de razonamiento de Gemma 4. Una conversación práctica puede extraer primero los hechos y, después, solicitar una explicación más breve o el borrador de un mensaje, conservando los nombres y las condiciones extraídos.
Para trabajar con código, incluye el fragmento pertinente, el lenguaje de programación, el comportamiento observado y el resultado que esperas. Solicita una explicación, una corrección propuesta o un ejemplo resuelto, con un alcance definido. Para el razonamiento matemático, escribe como texto el problema completo, las definiciones de las variables y los supuestos. Esta edición no admite entrada visual ni de audio de forma nativa: primero hay que transcribir a texto un problema fotografiado o una explicación oral. La salida puede contener código o una respuesta con formato, pero esas formas textuales no acreditan la existencia de un modo específico de llamada a herramientas ni de salida restringida.
La ficha del modelo señala la ambigüedad, el sarcasmo, las instrucciones complejas de respuesta abierta y la exactitud factual como ámbitos en los que las respuestas pueden presentar limitaciones. Para obtener una respuesta basada en fuentes, proporciona el pasaje de una fuente autorizada y pide al modelo que indique dónde falta información. Para una tarea de edición, especifica el público, el tono, los hechos obligatorios y las partes que pueden cambiar. El entregable útil es una respuesta, un resumen, un borrador o una explicación de código en inglés, centrados en la tarea y que puedan contrastarse con el material y las condiciones proporcionados en el prompt.
", "aboutText": "Gemma 2 27B IT es la edición de Gemma 2 de Google con 27 mil millones de parámetros, ajustada para seguir instrucciones. Es un modelo de lenguaje de pesos abiertos y arquitectura solo decodificador que recibe texto y genera texto, con especial atención al inglés. Sus tareas previstas incluyen responder preguntas, resumir, razonar, realizar escritura creativa y trabajar con código. IT identifica la variante ajustada para seguir instrucciones, distinta del modelo preentrenado y de los derivados cuantizados por separado.\n\nEl informe técnico documenta un contexto de 8192 tokens. Gemma 2 alterna atención local con una ventana deslizante de 4096 tokens y atención global que abarca todo el contexto; la arquitectura 27B tiene 46 capas y atención de consultas agrupadas. Estas son características del modelo del desarrollador, no ajustes de la longitud de respuesta de una aplicación. Prepara un fragmento de fuente acotado y deja espacio para la respuesta solicitada y la conversación, en lugar de dar por supuestos los contextos mucho más amplios de las generaciones posteriores de Gemma.\n\nEl modelo base 27B se entrenó desde cero con 13 billones de tokens de texto principalmente en inglés. Las fuentes documentadas incluyen documentos web, código y material matemático o científico. El informe distingue este entrenamiento de la destilación utilizada para los modelos base más pequeños, 2B y 9B. El ajuste para seguir instrucciones añade entrenamiento supervisado con pares de prompt y respuesta, así como un refinamiento basado en preferencias para obtener respuestas conversacionales. Esto da a la edición IT un perfil de uso diferente del de continuar texto arbitrario con el modelo preentrenado.\n\nPara resumir un documento, proporciona el pasaje e indica qué necesita obtener el lector: decisiones, requisitos, una explicación o un breve conjunto de puntos clave. Un ejemplo de encargo sería: «Resume esta especificación para un ingeniero de soporte. Conserva todos los nombres de los campos, distingue los requisitos explícitos de los ejemplos y enumera los detalles que el pasaje no define». Si un dato debe proceder de la fuente, solicita la formulación pertinente o una referencia a la sección junto con la explicación.\n\nEl uso conversacional sigue la plantilla de turnos de usuario y modelo de Gemma 2. La ficha específica del modelo de Google muestra cómo mantener el diálogo en esa plantilla, con delimitadores que identifican el inicio y el final de cada turno, de modo que una pregunta posterior pueda apoyarse en la respuesta anterior. El formato documentado difiere del nuevo rol de sistema nativo y de los controles de razonamiento de Gemma 4. Una conversación práctica puede extraer primero los hechos y, después, solicitar una explicación más breve o el borrador de un mensaje, conservando los nombres y las condiciones extraídos.\n\nPara trabajar con código, incluye el fragmento pertinente, el lenguaje de programación, el comportamiento observado y el resultado que esperas. Solicita una explicación, una corrección propuesta o un ejemplo resuelto, con un alcance definido. Para el razonamiento matemático, escribe como texto el problema completo, las definiciones de las variables y los supuestos. Esta edición no admite entrada visual ni de audio de forma nativa: primero hay que transcribir a texto un problema fotografiado o una explicación oral. La salida puede contener código o una respuesta con formato, pero esas formas textuales no acreditan la existencia de un modo específico de llamada a herramientas ni de salida restringida.\n\nLa ficha del modelo señala la ambigüedad, el sarcasmo, las instrucciones complejas de respuesta abierta y la exactitud factual como ámbitos en los que las respuestas pueden presentar limitaciones. Para obtener una respuesta basada en fuentes, proporciona el pasaje de una fuente autorizada y pide al modelo que indique dónde falta información. Para una tarea de edición, especifica el público, el tono, los hechos obligatorios y las partes que pueden cambiar. El entregable útil es una respuesta, un resumen, un borrador o una explicación de código en inglés, centrados en la tarea y que puedan contrastarse con el material y las condiciones proporcionados en el prompt.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Explain a specification for support\n\nSummarize this specification for a support engineer: “retry_after is optional and measured in seconds. If absent, the client must not infer a retry time. Example: retry_after = 30. A failed request may include error_id.” Separate requirements from examples and list what the passage does not define. Keep field names unchanged.A short support note with requirements, examples and unspecified details in separate sections.Check that 30 seconds remains an example and that error_id is not described as mandatory.google/gemma-2-27b-itGemma 2 27B IT es el modelo de Google ajustado para seguir instrucciones y exclusivamente textual, destinado a responder preguntas, resumir, redactar y razonar en inglés. Su contexto de 8192 tokens y su formato conversacional son adecuados para tareas acotadas basadas en fuentes y explicaciones de código.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemma 2 27B IT es la edición de Gemma 2 de Google con 27 mil millones de parámetros, ajustada para seguir instrucciones. Es un modelo de lenguaje de pesos abiertos y arquitectura solo decodificador que recibe texto y genera texto, con especial atención al inglés. Sus tareas previstas incluyen responder preguntas, resumir, razonar, realizar escritura creativa y trabajar con código. IT identifica la variante ajustada para seguir instrucciones, distinta del modelo preentrenado y de los derivados cuantizados por separado.
El informe técnico documenta un contexto de 8192 tokens. Gemma 2 alterna atención local con una ventana deslizante de 4096 tokens y atención global que abarca todo el contexto; la arquitectura 27B tiene 46 capas y atención de consultas agrupadas. Estas son características del modelo del desarrollador, no ajustes de la longitud de respuesta de una aplicación. Prepara un fragmento de fuente acotado y deja espacio para la respuesta solicitada y la conversación, en lugar de dar por supuestos los contextos mucho más amplios de las generaciones posteriores de Gemma.
El modelo base 27B se entrenó desde cero con 13 billones de tokens de texto principalmente en inglés. Las fuentes documentadas incluyen documentos web, código y material matemático o científico. El informe distingue este entrenamiento de la destilación utilizada para los modelos base más pequeños, 2B y 9B. El ajuste para seguir instrucciones añade entrenamiento supervisado con pares de prompt y respuesta, así como un refinamiento basado en preferencias para obtener respuestas conversacionales. Esto da a la edición IT un perfil de uso diferente del de continuar texto arbitrario con el modelo preentrenado.
Para resumir un documento, proporciona el pasaje e indica qué necesita obtener el lector: decisiones, requisitos, una explicación o un breve conjunto de puntos clave. Un ejemplo de encargo sería: «Resume esta especificación para un ingeniero de soporte. Conserva todos los nombres de los campos, distingue los requisitos explícitos de los ejemplos y enumera los detalles que el pasaje no define». Si un dato debe proceder de la fuente, solicita la formulación pertinente o una referencia a la sección junto con la explicación.
El uso conversacional sigue la plantilla de turnos de usuario y modelo de Gemma 2. La ficha específica del modelo de Google muestra cómo mantener el diálogo en esa plantilla, con delimitadores que identifican el inicio y el final de cada turno, de modo que una pregunta posterior pueda apoyarse en la respuesta anterior. El formato documentado difiere del nuevo rol de sistema nativo y de los controles de razonamiento de Gemma 4. Una conversación práctica puede extraer primero los hechos y, después, solicitar una explicación más breve o el borrador de un mensaje, conservando los nombres y las condiciones extraídos.
Para trabajar con código, incluye el fragmento pertinente, el lenguaje de programación, el comportamiento observado y el resultado que esperas. Solicita una explicación, una corrección propuesta o un ejemplo resuelto, con un alcance definido. Para el razonamiento matemático, escribe como texto el problema completo, las definiciones de las variables y los supuestos. Esta edición no admite entrada visual ni de audio de forma nativa: primero hay que transcribir a texto un problema fotografiado o una explicación oral. La salida puede contener código o una respuesta con formato, pero esas formas textuales no acreditan la existencia de un modo específico de llamada a herramientas ni de salida restringida.
La ficha del modelo señala la ambigüedad, el sarcasmo, las instrucciones complejas de respuesta abierta y la exactitud factual como ámbitos en los que las respuestas pueden presentar limitaciones. Para obtener una respuesta basada en fuentes, proporciona el pasaje de una fuente autorizada y pide al modelo que indique dónde falta información. Para una tarea de edición, especifica el público, el tono, los hechos obligatorios y las partes que pueden cambiar. El entregable útil es una respuesta, un resumen, un borrador o una explicación de código en inglés, centrados en la tarea y que puedan contrastarse con el material y las condiciones proporcionados en el prompt.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemma-2-27b-it | 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 $0.0013 / 1K tokens Salida · Tokens de salida $0.0013 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0013 / 1K tokens Salida · Tokens de salida $0.0013 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-2-27b-it", "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/gemma-2-27b-it',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/gemma-2-27b-it',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 google/gemma-2-27b-it
Usa las rutas de método indicadas arriba.
google/gemma-2-27b-itGemma 2 27B IT es el modelo de Google ajustado para seguir instrucciones y exclusivamente textual, destinado a responder preguntas, resumir, redactar y razonar en inglés. Su contexto de 8192 tokens y su formato conversacional son adecuados para tareas acotadas basadas en fuentes y explicaciones de código.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemma 2 27B IT es la edición de Gemma 2 de Google con 27 mil millones de parámetros, ajustada para seguir instrucciones. Es un modelo de lenguaje de pesos abiertos y arquitectura solo decodificador que recibe texto y genera texto, con especial atención al inglés. Sus tareas previstas incluyen responder preguntas, resumir, razonar, realizar escritura creativa y trabajar con código. IT identifica la variante ajustada para seguir instrucciones, distinta del modelo preentrenado y de los derivados cuantizados por separado.
El informe técnico documenta un contexto de 8192 tokens. Gemma 2 alterna atención local con una ventana deslizante de 4096 tokens y atención global que abarca todo el contexto; la arquitectura 27B tiene 46 capas y atención de consultas agrupadas. Estas son características del modelo del desarrollador, no ajustes de la longitud de respuesta de una aplicación. Prepara un fragmento de fuente acotado y deja espacio para la respuesta solicitada y la conversación, en lugar de dar por supuestos los contextos mucho más amplios de las generaciones posteriores de Gemma.
El modelo base 27B se entrenó desde cero con 13 billones de tokens de texto principalmente en inglés. Las fuentes documentadas incluyen documentos web, código y material matemático o científico. El informe distingue este entrenamiento de la destilación utilizada para los modelos base más pequeños, 2B y 9B. El ajuste para seguir instrucciones añade entrenamiento supervisado con pares de prompt y respuesta, así como un refinamiento basado en preferencias para obtener respuestas conversacionales. Esto da a la edición IT un perfil de uso diferente del de continuar texto arbitrario con el modelo preentrenado.
Para resumir un documento, proporciona el pasaje e indica qué necesita obtener el lector: decisiones, requisitos, una explicación o un breve conjunto de puntos clave. Un ejemplo de encargo sería: «Resume esta especificación para un ingeniero de soporte. Conserva todos los nombres de los campos, distingue los requisitos explícitos de los ejemplos y enumera los detalles que el pasaje no define». Si un dato debe proceder de la fuente, solicita la formulación pertinente o una referencia a la sección junto con la explicación.
El uso conversacional sigue la plantilla de turnos de usuario y modelo de Gemma 2. La ficha específica del modelo de Google muestra cómo mantener el diálogo en esa plantilla, con delimitadores que identifican el inicio y el final de cada turno, de modo que una pregunta posterior pueda apoyarse en la respuesta anterior. El formato documentado difiere del nuevo rol de sistema nativo y de los controles de razonamiento de Gemma 4. Una conversación práctica puede extraer primero los hechos y, después, solicitar una explicación más breve o el borrador de un mensaje, conservando los nombres y las condiciones extraídos.
Para trabajar con código, incluye el fragmento pertinente, el lenguaje de programación, el comportamiento observado y el resultado que esperas. Solicita una explicación, una corrección propuesta o un ejemplo resuelto, con un alcance definido. Para el razonamiento matemático, escribe como texto el problema completo, las definiciones de las variables y los supuestos. Esta edición no admite entrada visual ni de audio de forma nativa: primero hay que transcribir a texto un problema fotografiado o una explicación oral. La salida puede contener código o una respuesta con formato, pero esas formas textuales no acreditan la existencia de un modo específico de llamada a herramientas ni de salida restringida.
La ficha del modelo señala la ambigüedad, el sarcasmo, las instrucciones complejas de respuesta abierta y la exactitud factual como ámbitos en los que las respuestas pueden presentar limitaciones. Para obtener una respuesta basada en fuentes, proporciona el pasaje de una fuente autorizada y pide al modelo que indique dónde falta información. Para una tarea de edición, especifica el público, el tono, los hechos obligatorios y las partes que pueden cambiar. El entregable útil es una respuesta, un resumen, un borrador o una explicación de código en inglés, centrados en la tarea y que puedan contrastarse con el material y las condiciones proporcionados en el prompt.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemma-2-27b-it | 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 $0.0013 / 1K tokens Salida · Tokens de salida $0.0013 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
| ConfiguraciónTramo 1 por longitud de la solicitud | Tabla de tarifas— | Tokens de contexto, más de0 | Tokens de contexto, hasta inclusiveSin límite superior | Cargo Entrada · Tokens de entrada $0.0013 / 1K tokens Salida · Tokens de salida $0.0013 / 1K tokens Entrada · Lectura de caché — / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "google/gemma-2-27b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/gemma-2-27b-it', '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/gemma-2-27b-it', '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 google/gemma-2-27b-it
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Explain a specification for support\n\nSummarize this specification for a support engineer: “retry_after is optional and measured in seconds. If absent, the client must not infer a retry time. Example: retry_after = 30. A failed request may include error_id.” Separate requirements from examples and list what the passage does not define. Keep field names unchanged.A short support note with requirements, examples and unspecified details in separate sections.Check that 30 seconds remains an example and that error_id is not described as mandatory.