gemini-3-pro-preview
Gemini 3 Pro Preview est le modèle de raisonnement multimodal de Google pour le texte, les images, l’audio, la vidéo et les PDF, avec une sortie textuelle. Sa grande capacité d’entrée, ses aptitudes en programmation et ses parcours avec outils conviennent à l’analyse détaillée, à la comparaison de documents et à l’exécution de tâches fondée sur des éléments vérifiables.
- Ailoot Ultra · Chat OpenAI
POST /v1/chat/completionsgemini-3-pro-preview - Ailoot Ultra · Messages Anthropic
POST /v1/messagesgemini-3-pro-preview
À propos du modèle
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 3 Pro Preview est le profil de préversion Gemini 3 Pro nommé par Google pour le raisonnement multimodal et la génération de texte. Il peut traiter du texte, des images, de l’audio, de la vidéo et des documents PDF, puis produire un résultat écrit. Ses usages prévus comprennent l’analyse complexe, la programmation avancée, le développement d’algorithmes et les tâches associant un ensemble de sources conséquent à une question précise.
Structure du modèle et des entrées
Gemini 3 Pro est un modèle à mélange parcimonieux d’experts, fondé sur des transformeurs, qui prend nativement en charge les entrées multimodales. Son architecture dirige chaque token vers un sous-ensemble d’experts sélectionné. C’est une caractéristique de conception du modèle, et non une commande permettant à l’utilisateur de choisir un expert précis ou de fixer une configuration de service.
Préparez les entrées en fonction des informations nécessaires à la tâche. Un document, une capture d’écran et un enregistrement audio peuvent apporter des éléments différents. Indiquez ce que contient chaque ressource et son rôle dans la réponse. La sortie reste textuelle ; comprendre des contenus visuels ou parlés ne fait pas de cette préversion un générateur d’images, de voix ou de vidéos.
Analyse multimodale
Utilisez les images pour les questions sur le contenu visible, l’audio pour les informations parlées ou acoustiques, et la vidéo pour une séquence dont les changements dans le temps importent. Joignez la ressource réelle à la question plutôt que de la décrire uniquement de mémoire. Lorsque vous comparez plusieurs ressources, identifiez-les clairement pour que la réponse puisse renvoyer à la bonne source.
Par exemple, une consigne d’analyse de produit peut réunir une spécification écrite, une capture d’écran de l’interface et une démonstration enregistrée. Demandez une comparaison séparant ce que promet la spécification de ce qui est visible ou audible dans les éléments fournis. Définissez le résultat attendu comme des constats, les observations qui les étayent et les questions non résolues.
Pour une tâche sur PDF, fournissez le document et désignez les sections ou affirmations à examiner. Une question utile demande une comparaison, une extraction ou une explication rattachée à la source, plutôt qu’un simple résumé général d’un gros fichier.
Contexte long et capacité de sortie
La spécification exacte de cette préversion indique une limite d’entrée de 1 048 576 tokens et une limite de sortie de 65 536 tokens. Le fabricant situe la limite des connaissances en janvier 2025 ; fournissez des éléments plus récents lorsque la question dépend d’événements ou d’informations ultérieurs. Ces capacités sont distinctes. Un vaste ensemble de sources peut être lu pour produire une réponse ciblée sans exiger que le modèle reproduise chaque partie de l’entrée.
Organisez les contenus longs pour rendre leur structure claire : titres des documents, limites de sections, chemins de code et question à laquelle la sortie doit répondre. Placez les exceptions et définitions pertinentes près des contenus qu’elles précisent. Si la tâche exige un rapport long, indiquez ses sections et les éléments attendus dans chacune.
Une grande fenêtre de contexte ne garantit ni une attention égale à tous les détails ni l’exactitude de toutes les conclusions. Google signale également une possible dégradation au fil des conversations à plusieurs tours ; réexaminez les faits sources importants et le contexte réutilisé à mesure que l’échange avance. Vérifiez les affirmations importantes de la réponse à partir des passages ou ressources qui les étayent.
Programmation et développement d’algorithmes
Les usages prévus par le producteur comprennent la programmation avancée et le travail algorithmique. Fournissez les sources pertinentes, les hypothèses sur l’environnement, l’échec observé et le comportement attendu. Pour un algorithme, définissez les entrées, la sortie voulue et les conditions concernant, par exemple, l’ordre, les doublons ou les données invalides.
Une consigne de débogage utile associe l’entrée qui échoue et l’erreur à la plus petite portion de code pertinente. Demandez un diagnostic et une modification ciblée, puis vérifiez que cette modification répond au comportement signalé. Du code généré accompagné de l’affirmation qu’il devrait fonctionner se distingue d’une implémentation exécutée et vérifiée.
Pour une question portant sur un dépôt plus vaste, utilisez la capacité d’entrée pour fournir les fichiers nécessaires avec des chemins clairement indiqués. Précisez si le livrable attendu est une explication, une proposition de correctif ou une analyse des solutions possibles afin de donner au résultat un objectif concret.
Outils, sources et résultats structurés
La spécification du producteur prend en charge les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche et le contexte d’URL. Ces fonctions ont des rôles distincts. Un appel de fonction décrit une opération à exécuter par une application ; le résultat d’outil apporte ensuite des éléments à l’étape suivante du modèle. L’exécution de code est un parcours avec outil, et non la garantie que tout code applicatif généré a déjà été testé.
L’ancrage par recherche et le contexte d’URL offrent des parcours orientés vers les sources, tandis que la recherche de fichiers s’appuie sur une collection préparée. Conservez les résultats d’outils et leurs liens avec les sources dans la réponse pour permettre l’examen des conclusions. Selon sa spécification, ce profil ne prend pas en charge l’utilisation d’un ordinateur ni l’ancrage Maps.
La prise en charge des sorties structurées permet d’exprimer un résultat selon un schéma défini. Précisez les champs et leur signification avant la génération, puis examinez le contenu autant que le format. Un objet structuré valide exige encore des vérifications factuelles et propres à la tâche.
Raisonnement, réutilisation et limites entre éditions
La réflexion est prise en charge par cette préversion. Pour un travail nécessitant plusieurs étapes de raisonnement, fournissez une tâche claire, des éléments pertinents et des contraintes explicites. Le résultat doit expliquer les hypothèses et la conclusion utile ; un raisonnement caché ou l’existence d’un mode de réflexion ne constitue pas en soi une vérification.
Le producteur mentionne aussi la mise en cache et le traitement par lots. Ces fonctions de traitement sont distinctes des capacités de contenu du modèle, et leur présence ne prouve ni qu’une requête donnée a été mise en cache ni qu’un résultat de lot est correct.
Distinguez Gemini 3 Pro Preview de Gemini 3.1 Pro Preview, de Gemini 3 Pro Image et des profils audio ou Live. Cette préversion produit du texte et sa spécification ne comprend ni génération d’images, ni génération audio, ni fonctionnement Live. Évaluez la réponse, le code ou le résultat structuré à partir des sources fournies et de la tâche visée.
Ailoot Ultra · Chat OpenAI POST /v1/chat/completions gemini-3-pro-preview
gemini-3-pro-previewPremiers pas
Gemini 3 Pro Preview est le modèle de raisonnement multimodal de Google pour le texte, les images, l’audio, la vidéo et les PDF, avec une sortie textuelle. Sa grande capacité d’entrée, ses aptitudes en programmation et ses parcours avec outils conviennent à l’analyse détaillée, à la comparaison de documents et à l’exécution de tâches fondée sur des éléments vérifiables.
- Entrées acceptées
- Texte
- Résultats
- Texte
Disponible dans Ailoot · entrées et méthodes
Ailoot Ultra · Chat OpenAI POST /v1/chat/completions
- Entrée
text- Sortie
text- Format de sortie
- json ou SSE
| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-3-pro-preview | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Selon le modèle | Par défaut— |
Champmessages[].content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Conversation textuelle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Combinaisons d’éléments d’entrée
Texte · Texte UTF8
messages[].content
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages |
Paramètrematerial_types | Contrattext |
Paramètremessages | Contrattableau de messages avec une structure role/content |
Paramètrefile_material | Contratdocument UTF-8 réel inséré sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Alias de méthode : /chat/completions
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
Tarifs
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
- Mode rapide
- Non précisé Lorsque le mode rapide est sélectionné
- Mode Flex
- Non précisé Lorsque le mode flex est sélectionné
- Effort de raisonnement maximal
- Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)
- Tarification du cache explicite
- Non activé Lorsqu’un cache explicite est demandé
Tarifs Ailoot
Prix par configuration
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.004 / 1K tokens Sortie · Tokens en sortie $0.024 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Exemples de requêtes
Ailoot Ultra · Chat OpenAI
set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
python3 - <<'PY_REQUEST'
import json,os
from pathlib import Path
p=json.loads('{"model":"gemini-3-pro-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')
Path("request.json").write_text(json.dumps(p,ensure_ascii=False))
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \
-H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
r=json.loads(Path("result.json").read_text())
for x in r.get("choices",[]):
if x.get("message",{}).get("content"): print(x["message"]["content"])
PY_RESULT
from openai import OpenAI
import os
if not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")
client=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)
result=client.chat.completions.create(model="gemini-3-pro-preview", messages=[{"role":"user","content":"hello"}], stream=False)
import base64, json
from pathlib import Path
def save_result(data, stem="result"):
# Keep every field, including usage, IDs, reasoning and tool requests.
Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")
print(json.dumps(data, ensure_ascii=False, indent=2))
def save_blob(encoded, suffix, label):
raw = base64.b64decode(encoded, altchars=b"-_", validate=True)
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
file = Path(stem + "-" + label + "." + ext)
file.write_bytes(raw)
print("Saved", file)
for index, block in enumerate(data.get("content") or []):
print("Content", index, json.dumps(block, ensure_ascii=False))
for choice in data.get("choices") or []:
print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))
for index, item in enumerate(data.get("output") or []):
print("Output", index, json.dumps(item, ensure_ascii=False))
if item.get("type") == "image_generation_call" and item.get("result"):
save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))
for ci, candidate in enumerate(data.get("candidates") or []):
for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):
print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))
blob = part.get("inlineData") or part.get("inline_data")
if blob and blob.get("data"):
mime = blob.get("mimeType") or blob.get("mime_type")
suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")
save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))
save_result(result.to_dict(mode="json"))
Recevoir et enregistrer les résultats
Ailoot Ultra · Chat OpenAI
json ou SSE
Conserver tous les résultats terminés
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez chaque choix avec son contenu, ses appels d’outils et son raisonnement. En SSE, assemblez les deltas par index de choix et d’outil, puis conservez le motif final de terminaison et les données d’utilisation.
Si la réponse d’origine doit être vérifiée
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
Champs de la réponse
| Champ | Type |
|---|---|
Champchoices[].index | Typeinteger |
Champchoices[].message.content | Typestring|null |
Champchoices[].message.tool_calls | Typetool_call[] |
Champchoices[].message.reasoning_content | Typestring |
Champchoices[].message.reasoning_details | Typeobject|array |
Champchoices[].finish_reason | Typestring|null |
Champusage | Typeobject |
Erreurs et étapes suivantes
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Alias
Alias du modèle
Ailoot Ultra gemini-3-pro-preview
Alias des chemins de méthode
/chat/completions
ID d’appel associés
Ailoot Ultra · Messages Anthropic POST /v1/messages gemini-3-pro-preview
gemini-3-pro-previewPremiers pas
Gemini 3 Pro Preview est le modèle de raisonnement multimodal de Google pour le texte, les images, l’audio, la vidéo et les PDF, avec une sortie textuelle. Sa grande capacité d’entrée, ses aptitudes en programmation et ses parcours avec outils conviennent à l’analyse détaillée, à la comparaison de documents et à l’exécution de tâches fondée sur des éléments vérifiables.
- Entrées acceptées
- Texte
- Résultats
- json · sse
Disponible dans Ailoot · entrées et méthodes
Ailoot Ultra · Messages Anthropic POST /v1/messages
- Entrée
text- Sortie
json,sse- Format de sortie
- JSON ou SSE
| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-3-pro-preview | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Combinaisons d’éléments d’entrée
Texte · Texte UTF-8
chaîne messages[].content
Paramètres et cycle de vie de la méthode
| Paramètre | Contrat |
|---|---|
Paramètrecontent_type | Contratapplication/json |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratstream |
Paramètrematerial_types | Contrattext |
Paramètretext_file_material | ContratLisez le document UTF-8 réel et placez son texte dans l’entrée indiquée ou dans la chaîne de contenu du message. |
Cycle de vie : synchronous_or_streamed
Tarifs
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
- Mode rapide
- Non précisé Lorsque le mode rapide est sélectionné
- Mode Flex
- Non précisé Lorsque le mode flex est sélectionné
- Effort de raisonnement maximal
- Non précisé Lorsque l’effort de raisonnement maximal utilise l’ajustement par défaut (default)
- Tarification du cache explicite
- Non activé Lorsqu’un cache explicite est demandé
Tarifs Ailoot
Prix par configuration
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.004 / 1K tokens Sortie · Tokens en sortie $0.024 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
Exemples de requêtes
Ailoot Ultra · Messages Anthropic
{
"model": "gemini-3-pro-preview",
"max_tokens": 128,
"messages": [
{
"role": "user",
"content": "Summarize the incident report."
}
],
"stream": false
}set -eu
: "${AILOOT_API_KEY:?Set your Ailoot API key}"
: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"
export AILOOT_TEXT_FILE
python3 - <<'PY_REQUEST'
import json, os
from pathlib import Path
source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
raise SystemExit('Choose a document containing text')
payload = {'model': 'gemini-3-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
Path('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')
PY_REQUEST
curl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \
-H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \
--data-binary @request.json -D response-headers.txt -o result.json
python3 - <<'PY_RESULT'
import json
from pathlib import Path
result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
PY_RESULT
import json, os
from pathlib import Path
source_file = Path(os.environ['AILOOT_TEXT_FILE'])
if not source_file.is_file():
raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')
text = source_file.read_text(encoding='utf-8')
if not text.strip():
raise SystemExit('Choose a document containing text')
payload = {'model': 'gemini-3-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}
payload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\n\n' + text
from urllib.request import Request, urlopen
from urllib.error import HTTPError
api_key = os.environ['AILOOT_API_KEY']
if not api_key.strip():
raise SystemExit('Set AILOOT_API_KEY before making a request')
headers = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}
headers['x-api-key'] = api_key
request = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')
try:
with urlopen(request, timeout=120) as response:
raw = response.read()
Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')
except HTTPError as error:
Path('result.json').write_bytes(error.read())
Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')
raise
Path('result.json').write_bytes(raw)
import json
from pathlib import Path
result = json.loads(Path('result.json').read_text(encoding='utf-8'))
print(json.dumps(result, ensure_ascii=False, indent=2))
Recevoir et enregistrer les résultats
Ailoot Ultra · Messages Anthropic
JSON ou SSE
Conserver tous les résultats terminés
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les identifiants réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Si la réponse d’origine doit être vérifiée
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles n’est fournie.
Champs de la réponse
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
Erreurs et étapes suivantes
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Alias
Alias du modèle
Ailoot Ultra gemini-3-pro-preview
Alias des chemins de méthode
/chat/completions
ID d’appel associés
FAQ · gemini-3-pro-preview
- Quelles entrées et quels résultats sont disponibles ?
POST /v1/chat/completions·gemini-3-pro-preview:text→textPOST /v1/messages·gemini-3-pro-preview:text→json,sse- Quels champs la requête utilise-t-elle ?
POST /v1/chat/completions·gemini-3-pro-preview:model,messages,streamPOST /v1/messages·gemini-3-pro-preview:model,messages,max_tokens,stream- Quelles limites s’appliquent ?
POST /v1/chat/completions·gemini-3-pro-preview:messages.min_items:1