Gemma 4 31B IT es la edición densa ajustada para seguir instrucciones de la familia abierta Gemma 4 de Google DeepMind. Google sitúa el modelo 31B en torno a la calidad del modelo y su adaptación a una tarea, mientras que la edición independiente 26B A4B utiliza una mezcla de expertos para mejorar la eficiencia de inferencia. Esta ficha trata de la edición 31B ajustada para seguir instrucciones que lleva ese nombre, no de sus pesos preentrenados ni de un derivado cuantizado.
La tabla oficial de arquitectura densa indica 30,7 mil millones de parámetros, 60 capas, una ventana deslizante de 1.024 tokens y un contexto de 256K tokens. La familia combina atención local de ventana deslizante con atención global, termina con una capa global y utiliza un codificador visual dedicado para este modelo. El perfil resultante está diseñado para entrada de texto e imágenes y salida de texto. Son hechos de la arquitectura del modelo; no fijan el tiempo de respuesta de una aplicación ni implican que admita el audio de otros tamaños de Gemma 4.
Su contexto de 256K tokens permite una tarea que combine una cantidad sustancial de texto con pruebas visuales. Las imágenes y el texto pueden intercalarse en una sola instrucción; el fabricante recomienda situar el contenido de imagen antes del texto relacionado para obtener los mejores resultados. Las tareas visuales incluyen detección de objetos, interpretación de páginas de documentos, comprensión de pantallas e interfaces, gráficos, OCR multilingüe, escritura a mano y señalamiento de ubicaciones. La salida es texto: contenido extraído, una explicación, código o una acción de herramienta propuesta.
La comprensión de vídeo procesa una secuencia de fotogramas. La ficha del modelo indica un máximo de 60 segundos cuando las imágenes se procesan a un fotograma por segundo. Prepara el episodio pertinente, conserva el orden de los fotogramas y proporciona una pregunta sobre la secuencia visible. Este perfil visual de 26B/31B no acepta audio; las capacidades de voz de las variantes Gemma 4 más pequeñas que sí admiten audio no se aplican aquí. Si la tarea necesita información hablada, añade su transcripción como texto.
El razonamiento configurable permite al modelo razonar antes de responder o dar una respuesta directa. Gemma 4 añade un rol system nativo junto a los roles user y assistant. El formato de instrucciones de Google activa el razonamiento mediante el token de control <|think|> en la instrucción del sistema y separa el canal de pensamiento de la respuesta final; su procesador documentado puede gestionar esa plantilla. En una conversación de varios turnos, conserva las respuestas finales anteriores en el historial y excluye los pensamientos anteriores salvo en los turnos de llamadas a herramientas, donde el fabricante indica que deben mantenerse.
Las llamadas nativas a funciones permiten utilizar herramientas de forma estructurada, y la descripción de lanzamiento de Google también documenta salida JSON estructurada. Define la tarea, la función disponible y el resultado esperado; la aplicación realiza la operación solicitada y devuelve su salida para el siguiente paso. Una tarea de programación puede pedir generación, finalización o corrección, mientras que un asistente visual puede utilizar el texto devuelto para explicar un gráfico o una pantalla. Una instrucción de llamada a función es distinta de una acción conectada que realmente se haya ejecutado.
La resolución variable de las imágenes se controla mediante el presupuesto de tokens visuales. Las opciones documentadas son 70, 140, 280, 560 y 1.120 tokens. Los presupuestos menores resultan adecuados para clasificación, textos descriptivos o secuencias de fotogramas; los mayores conservan más detalle para OCR, análisis de documentos y texto pequeño, con computación adicional. Decide si necesitas la escena general o las letras exactas antes de preparar la imagen. Un recorte claro de una etiqueta puede resultar más útil para una tarea de extracción que una petición sin precisar de inspeccionar todos los detalles de una página completa.
Google recomienda temperature 1.0, top-p 0.95 y top-k 64 como configuración de muestreo de la familia. La ficha del modelo distingue el entrenamiento en más de 140 idiomas de la compatibilidad de serie con más de 35 idiomas. Indica el idioma de respuesta y conserva explícitamente los nombres de dominio, los nombres de campos o las fórmulas en el encargo. La cifra 256K especifica el contexto; la ficha citada no establece un máximo universal de salida independiente para esta edición.
Para una tarea de documentos y código, proporciona la imagen de página pertinente, el requisito escrito y el fragmento de origen: «Lee las etiquetas, explica cómo difiere esta pantalla de la especificación y propone una corrección concreta del código proporcionado». Para un gráfico, pide que la respuesta separe los valores visibles de las tendencias inferidas. La ficha de Gemma señala límites relacionados con el lenguaje ambiguo, las tareas muy complejas y las afirmaciones factuales incorrectas o desactualizadas; por ello, adjunta los hechos autorizados que debe utilizar el resultado solicitado, en lugar de esperar que el conocimiento del entrenamiento los aporte.
", "aboutText": "Gemma 4 31B IT es la edición densa ajustada para seguir instrucciones de la familia abierta Gemma 4 de Google DeepMind. Google sitúa el modelo 31B en torno a la calidad del modelo y su adaptación a una tarea, mientras que la edición independiente 26B A4B utiliza una mezcla de expertos para mejorar la eficiencia de inferencia. Esta ficha trata de la edición 31B ajustada para seguir instrucciones que lleva ese nombre, no de sus pesos preentrenados ni de un derivado cuantizado.\n\nLa tabla oficial de arquitectura densa indica 30,7 mil millones de parámetros, 60 capas, una ventana deslizante de 1.024 tokens y un contexto de 256K tokens. La familia combina atención local de ventana deslizante con atención global, termina con una capa global y utiliza un codificador visual dedicado para este modelo. El perfil resultante está diseñado para entrada de texto e imágenes y salida de texto. Son hechos de la arquitectura del modelo; no fijan el tiempo de respuesta de una aplicación ni implican que admita el audio de otros tamaños de Gemma 4.\n\nSu contexto de 256K tokens permite una tarea que combine una cantidad sustancial de texto con pruebas visuales. Las imágenes y el texto pueden intercalarse en una sola instrucción; el fabricante recomienda situar el contenido de imagen antes del texto relacionado para obtener los mejores resultados. Las tareas visuales incluyen detección de objetos, interpretación de páginas de documentos, comprensión de pantallas e interfaces, gráficos, OCR multilingüe, escritura a mano y señalamiento de ubicaciones. La salida es texto: contenido extraído, una explicación, código o una acción de herramienta propuesta.\n\nLa comprensión de vídeo procesa una secuencia de fotogramas. La ficha del modelo indica un máximo de 60 segundos cuando las imágenes se procesan a un fotograma por segundo. Prepara el episodio pertinente, conserva el orden de los fotogramas y proporciona una pregunta sobre la secuencia visible. Este perfil visual de 26B/31B no acepta audio; las capacidades de voz de las variantes Gemma 4 más pequeñas que sí admiten audio no se aplican aquí. Si la tarea necesita información hablada, añade su transcripción como texto.\n\nEl razonamiento configurable permite al modelo razonar antes de responder o dar una respuesta directa. Gemma 4 añade un rol system nativo junto a los roles user y assistant. El formato de instrucciones de Google activa el razonamiento mediante el token de control <|think|> en la instrucción del sistema y separa el canal de pensamiento de la respuesta final; su procesador documentado puede gestionar esa plantilla. En una conversación de varios turnos, conserva las respuestas finales anteriores en el historial y excluye los pensamientos anteriores salvo en los turnos de llamadas a herramientas, donde el fabricante indica que deben mantenerse.\n\nLas llamadas nativas a funciones permiten utilizar herramientas de forma estructurada, y la descripción de lanzamiento de Google también documenta salida JSON estructurada. Define la tarea, la función disponible y el resultado esperado; la aplicación realiza la operación solicitada y devuelve su salida para el siguiente paso. Una tarea de programación puede pedir generación, finalización o corrección, mientras que un asistente visual puede utilizar el texto devuelto para explicar un gráfico o una pantalla. Una instrucción de llamada a función es distinta de una acción conectada que realmente se haya ejecutado.\n\nLa resolución variable de las imágenes se controla mediante el presupuesto de tokens visuales. Las opciones documentadas son 70, 140, 280, 560 y 1.120 tokens. Los presupuestos menores resultan adecuados para clasificación, textos descriptivos o secuencias de fotogramas; los mayores conservan más detalle para OCR, análisis de documentos y texto pequeño, con computación adicional. Decide si necesitas la escena general o las letras exactas antes de preparar la imagen. Un recorte claro de una etiqueta puede resultar más útil para una tarea de extracción que una petición sin precisar de inspeccionar todos los detalles de una página completa.\n\nGoogle recomienda temperature 1.0, top-p 0.95 y top-k 64 como configuración de muestreo de la familia. La ficha del modelo distingue el entrenamiento en más de 140 idiomas de la compatibilidad de serie con más de 35 idiomas. Indica el idioma de respuesta y conserva explícitamente los nombres de dominio, los nombres de campos o las fórmulas en el encargo. La cifra 256K especifica el contexto; la ficha citada no establece un máximo universal de salida independiente para esta edición.\n\nPara una tarea de documentos y código, proporciona la imagen de página pertinente, el requisito escrito y el fragmento de origen: «Lee las etiquetas, explica cómo difiere esta pantalla de la especificación y propone una corrección concreta del código proporcionado». Para un gráfico, pide que la respuesta separe los valores visibles de las tendencias inferidas. La ficha de Gemma señala límites relacionados con el lenguaje ambiguo, las tareas muy complejas y las afirmaciones factuales incorrectas o desactualizadas; por ello, adjunta los hechos autorizados que debe utilizar el resultado solicitado, en lugar de esperar que el conocimiento del entrenamiento los aporte.", "editorialOverlay": { "copy_fields": { "practical_html": "Ejemplo técnico en inglés
Match a form to its written specification\n\nCompare this textual form specification and code. Spec: Email is required and uses email validation; nickname is optional. Code: <input name="email" type="text"><input name="nickname" required>. Return a discrepancy table and corrected HTML. Preserve both field names and add visible labels for each field.A spec-to-code discrepancy table and an editable HTML fragment with corrected attributes and labels.Check that only email is required, its type is email and each label points to its matching input.google/gemma-4-31b-itGemma 4 31B IT es el modelo denso de Google ajustado para seguir instrucciones y realizar razonamiento textual y visual. Su contexto de 256K, el razonamiento configurable, la comprensión de imágenes y vídeo mediante fotogramas y las llamadas nativas a funciones permiten tareas de código, documentos y agentes con salida de texto.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemma 4 31B IT es la edición densa ajustada para seguir instrucciones de la familia abierta Gemma 4 de Google DeepMind. Google sitúa el modelo 31B en torno a la calidad del modelo y su adaptación a una tarea, mientras que la edición independiente 26B A4B utiliza una mezcla de expertos para mejorar la eficiencia de inferencia. Esta ficha trata de la edición 31B ajustada para seguir instrucciones que lleva ese nombre, no de sus pesos preentrenados ni de un derivado cuantizado.
La tabla oficial de arquitectura densa indica 30,7 mil millones de parámetros, 60 capas, una ventana deslizante de 1.024 tokens y un contexto de 256K tokens. La familia combina atención local de ventana deslizante con atención global, termina con una capa global y utiliza un codificador visual dedicado para este modelo. El perfil resultante está diseñado para entrada de texto e imágenes y salida de texto. Son hechos de la arquitectura del modelo; no fijan el tiempo de respuesta de una aplicación ni implican que admita el audio de otros tamaños de Gemma 4.
Su contexto de 256K tokens permite una tarea que combine una cantidad sustancial de texto con pruebas visuales. Las imágenes y el texto pueden intercalarse en una sola instrucción; el fabricante recomienda situar el contenido de imagen antes del texto relacionado para obtener los mejores resultados. Las tareas visuales incluyen detección de objetos, interpretación de páginas de documentos, comprensión de pantallas e interfaces, gráficos, OCR multilingüe, escritura a mano y señalamiento de ubicaciones. La salida es texto: contenido extraído, una explicación, código o una acción de herramienta propuesta.
La comprensión de vídeo procesa una secuencia de fotogramas. La ficha del modelo indica un máximo de 60 segundos cuando las imágenes se procesan a un fotograma por segundo. Prepara el episodio pertinente, conserva el orden de los fotogramas y proporciona una pregunta sobre la secuencia visible. Este perfil visual de 26B/31B no acepta audio; las capacidades de voz de las variantes Gemma 4 más pequeñas que sí admiten audio no se aplican aquí. Si la tarea necesita información hablada, añade su transcripción como texto.
El razonamiento configurable permite al modelo razonar antes de responder o dar una respuesta directa. Gemma 4 añade un rol system nativo junto a los roles user y assistant. El formato de instrucciones de Google activa el razonamiento mediante el token de control <|think|> en la instrucción del sistema y separa el canal de pensamiento de la respuesta final; su procesador documentado puede gestionar esa plantilla. En una conversación de varios turnos, conserva las respuestas finales anteriores en el historial y excluye los pensamientos anteriores salvo en los turnos de llamadas a herramientas, donde el fabricante indica que deben mantenerse.
Las llamadas nativas a funciones permiten utilizar herramientas de forma estructurada, y la descripción de lanzamiento de Google también documenta salida JSON estructurada. Define la tarea, la función disponible y el resultado esperado; la aplicación realiza la operación solicitada y devuelve su salida para el siguiente paso. Una tarea de programación puede pedir generación, finalización o corrección, mientras que un asistente visual puede utilizar el texto devuelto para explicar un gráfico o una pantalla. Una instrucción de llamada a función es distinta de una acción conectada que realmente se haya ejecutado.
La resolución variable de las imágenes se controla mediante el presupuesto de tokens visuales. Las opciones documentadas son 70, 140, 280, 560 y 1.120 tokens. Los presupuestos menores resultan adecuados para clasificación, textos descriptivos o secuencias de fotogramas; los mayores conservan más detalle para OCR, análisis de documentos y texto pequeño, con computación adicional. Decide si necesitas la escena general o las letras exactas antes de preparar la imagen. Un recorte claro de una etiqueta puede resultar más útil para una tarea de extracción que una petición sin precisar de inspeccionar todos los detalles de una página completa.
Google recomienda temperature 1.0, top-p 0.95 y top-k 64 como configuración de muestreo de la familia. La ficha del modelo distingue el entrenamiento en más de 140 idiomas de la compatibilidad de serie con más de 35 idiomas. Indica el idioma de respuesta y conserva explícitamente los nombres de dominio, los nombres de campos o las fórmulas en el encargo. La cifra 256K especifica el contexto; la ficha citada no establece un máximo universal de salida independiente para esta edición.
Para una tarea de documentos y código, proporciona la imagen de página pertinente, el requisito escrito y el fragmento de origen: «Lee las etiquetas, explica cómo difiere esta pantalla de la especificación y propone una corrección concreta del código proporcionado». Para un gráfico, pide que la respuesta separe los valores visibles de las tendencias inferidas. La ficha de Gemma señala límites relacionados con el lenguaje ambiguo, las tareas muy complejas y las afirmaciones factuales incorrectas o desactualizadas; por ello, adjunta los hechos autorizados que debe utilizar el resultado solicitado, en lugar de esperar que el conocimiento del entrenamiento los aporte.
POST /v1/chat/completionstexttext| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemma-4-31b-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 $0.0002 / 1K tokens Salida · Tokens de salida $0.00068 / 1K tokens Entrada · Lectura de caché $0.0002 / 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 $0.0002 / 1K tokens Salida · Tokens de salida $0.00068 / 1K tokens Entrada · Lectura de caché $0.0002 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-4-31b-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-4-31b-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-4-31b-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-4-31b-it
Usa las rutas de método indicadas arriba.
google/gemma-4-31b-itGemma 4 31B IT es el modelo denso de Google ajustado para seguir instrucciones y realizar razonamiento textual y visual. Su contexto de 256K, el razonamiento configurable, la comprensión de imágenes y vídeo mediante fotogramas y las llamadas nativas a funciones permiten tareas de código, documentos y agentes con salida de texto.
Esta descripción cubre las capacidades del modelo. Las entradas, salidas y opciones disponibles en Ailoot se indican a continuación para el método seleccionado.
Gemma 4 31B IT es la edición densa ajustada para seguir instrucciones de la familia abierta Gemma 4 de Google DeepMind. Google sitúa el modelo 31B en torno a la calidad del modelo y su adaptación a una tarea, mientras que la edición independiente 26B A4B utiliza una mezcla de expertos para mejorar la eficiencia de inferencia. Esta ficha trata de la edición 31B ajustada para seguir instrucciones que lleva ese nombre, no de sus pesos preentrenados ni de un derivado cuantizado.
La tabla oficial de arquitectura densa indica 30,7 mil millones de parámetros, 60 capas, una ventana deslizante de 1.024 tokens y un contexto de 256K tokens. La familia combina atención local de ventana deslizante con atención global, termina con una capa global y utiliza un codificador visual dedicado para este modelo. El perfil resultante está diseñado para entrada de texto e imágenes y salida de texto. Son hechos de la arquitectura del modelo; no fijan el tiempo de respuesta de una aplicación ni implican que admita el audio de otros tamaños de Gemma 4.
Su contexto de 256K tokens permite una tarea que combine una cantidad sustancial de texto con pruebas visuales. Las imágenes y el texto pueden intercalarse en una sola instrucción; el fabricante recomienda situar el contenido de imagen antes del texto relacionado para obtener los mejores resultados. Las tareas visuales incluyen detección de objetos, interpretación de páginas de documentos, comprensión de pantallas e interfaces, gráficos, OCR multilingüe, escritura a mano y señalamiento de ubicaciones. La salida es texto: contenido extraído, una explicación, código o una acción de herramienta propuesta.
La comprensión de vídeo procesa una secuencia de fotogramas. La ficha del modelo indica un máximo de 60 segundos cuando las imágenes se procesan a un fotograma por segundo. Prepara el episodio pertinente, conserva el orden de los fotogramas y proporciona una pregunta sobre la secuencia visible. Este perfil visual de 26B/31B no acepta audio; las capacidades de voz de las variantes Gemma 4 más pequeñas que sí admiten audio no se aplican aquí. Si la tarea necesita información hablada, añade su transcripción como texto.
El razonamiento configurable permite al modelo razonar antes de responder o dar una respuesta directa. Gemma 4 añade un rol system nativo junto a los roles user y assistant. El formato de instrucciones de Google activa el razonamiento mediante el token de control <|think|> en la instrucción del sistema y separa el canal de pensamiento de la respuesta final; su procesador documentado puede gestionar esa plantilla. En una conversación de varios turnos, conserva las respuestas finales anteriores en el historial y excluye los pensamientos anteriores salvo en los turnos de llamadas a herramientas, donde el fabricante indica que deben mantenerse.
Las llamadas nativas a funciones permiten utilizar herramientas de forma estructurada, y la descripción de lanzamiento de Google también documenta salida JSON estructurada. Define la tarea, la función disponible y el resultado esperado; la aplicación realiza la operación solicitada y devuelve su salida para el siguiente paso. Una tarea de programación puede pedir generación, finalización o corrección, mientras que un asistente visual puede utilizar el texto devuelto para explicar un gráfico o una pantalla. Una instrucción de llamada a función es distinta de una acción conectada que realmente se haya ejecutado.
La resolución variable de las imágenes se controla mediante el presupuesto de tokens visuales. Las opciones documentadas son 70, 140, 280, 560 y 1.120 tokens. Los presupuestos menores resultan adecuados para clasificación, textos descriptivos o secuencias de fotogramas; los mayores conservan más detalle para OCR, análisis de documentos y texto pequeño, con computación adicional. Decide si necesitas la escena general o las letras exactas antes de preparar la imagen. Un recorte claro de una etiqueta puede resultar más útil para una tarea de extracción que una petición sin precisar de inspeccionar todos los detalles de una página completa.
Google recomienda temperature 1.0, top-p 0.95 y top-k 64 como configuración de muestreo de la familia. La ficha del modelo distingue el entrenamiento en más de 140 idiomas de la compatibilidad de serie con más de 35 idiomas. Indica el idioma de respuesta y conserva explícitamente los nombres de dominio, los nombres de campos o las fórmulas en el encargo. La cifra 256K especifica el contexto; la ficha citada no establece un máximo universal de salida independiente para esta edición.
Para una tarea de documentos y código, proporciona la imagen de página pertinente, el requisito escrito y el fragmento de origen: «Lee las etiquetas, explica cómo difiere esta pantalla de la especificación y propone una corrección concreta del código proporcionado». Para un gráfico, pide que la respuesta separe los valores visibles de las tendencias inferidas. La ficha de Gemma señala límites relacionados con el lenguaje ambiguo, las tareas muy complejas y las afirmaciones factuales incorrectas o desactualizadas; por ello, adjunta los hechos autorizados que debe utilizar el resultado solicitado, en lugar de esperar que el conocimiento del entrenamiento los aporte.
POST /v1/messagestextjson, sse| Campo | Tipo | Requisito | Valores y límites | Predeterminado |
|---|---|---|---|---|
Campomodel | Tipostring | RequisitoObligatorio | Valores y límites google/gemma-4-31b-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 $0.0002 / 1K tokens Salida · Tokens de salida $0.00068 / 1K tokens Entrada · Lectura de caché $0.0002 / 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 $0.0002 / 1K tokens Salida · Tokens de salida $0.00068 / 1K tokens Entrada · Lectura de caché $0.0002 / 1K tokens Entrada · Escritura en caché — / 1K tokens Entrada · Escritura en caché, 1 hora — / 1K tokens |
Ailoot reserva un importe estimado antes de la solicitud. Tras obtener el resultado, liquida el cargo definitivo según el uso medido. En las respuestas en flujo, la liquidación usa el registro de uso final. Cómo funcionan la reserva y la liquidación →
{\n "model": "google/gemma-4-31b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-4-31b-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-4-31b-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-4-31b-it
Usa las rutas de método indicadas arriba.
Ejemplo técnico en inglés
Match a form to its written specification\n\nCompare this textual form specification and code. Spec: Email is required and uses email validation; nickname is optional. Code: <input name="email" type="text"><input name="nickname" required>. Return a discrepancy table and corrected HTML. Preserve both field names and add visible labels for each field.A spec-to-code discrepancy table and an editable HTML fragment with corrected attributes and labels.Check that only email is required, its type is email and each label points to its matching input.