Gemini 3 Pro Preview est le profil de préversion nommé Gemini 3 Pro de 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 renvoyer un résultat écrit. Les usages prévus comprennent l’analyse complexe, la programmation avancée, le développement d’algorithmes et les tâches qui combinent un ensemble substantiel de sources avec une question précise.
Gemini 3 Pro est un modèle à mélange parcimonieux d’experts fondé sur les transformeurs, avec prise en charge native des entrées multimodales. Son architecture achemine chaque jeton vers un sous-ensemble d’experts sélectionnés. Il s’agit d’une distinction de conception du modèle, et non d’une commande permettant à l’utilisateur de choisir un expert précis ou de fixer une configuration de service.
Préparez les entrées en fonction des renseignements nécessaires à la tâche. Un document, une capture d’écran et un enregistrement audio peuvent chacun apporter des éléments probants différents. Indiquez ce que contient chaque fichier et comment il doit contribuer à la réponse. La sortie demeure textuelle; comprendre du contenu visuel ou parlé ne fait pas de cette préversion un générateur d’images, de paroles ou de vidéos.
Utilisez les images pour les questions sur le contenu visible, l’audio pour les renseignements parlés ou acoustiques et la vidéo pour une séquence dont les changements dans le temps comptent. Joignez le fichier réel à la question plutôt que de le décrire seulement de mémoire. Si vous comparez plusieurs fichiers, identifiez-les clairement pour que la réponse puisse citer la bonne source.
Par exemple, une consigne d’analyse de produit peut combiner un cahier des charges écrit, une capture d’écran de l’interface et une démonstration enregistrée. Demandez une comparaison qui distingue les promesses du cahier des charges de ce qui est visible ou audible dans le contenu fourni. Définissez le résultat souhaité sous forme de constats, d’observations à l’appui et de questions non résolues.
Pour une tâche sur un PDF, fournissez le document et désignez les sections ou les affirmations à examiner. Une question utile demande une comparaison, une extraction ou une explication liée à la source, plutôt qu’un simple résumé général d’un gros fichier.
Les spécifications exactes de la préversion indiquent une limite d’entrée de 1 048 576 jetons et une limite de sortie de 65 536 jetons. Le fabricant situe la limite des connaissances à janvier 2025; fournissez des éléments plus récents lorsque la question dépend d’événements ou de renseignements ultérieurs. Ces capacités sont distinctes. Un grand ensemble de sources peut être lu pour produire une réponse ciblée sans que le modèle doive reproduire chaque partie de l’entrée.
Organisez les longs contenus de manière à rendre leur structure claire : titres des documents, limites des sections, chemins de fichiers de code et question à laquelle la sortie doit répondre. Gardez les exceptions et les définitions pertinentes près du contenu qu’elles précisent. Si la tâche exige un long rapport, indiquez ses sections et les éléments probants attendus dans chacune.
Une grande fenêtre de contexte ne garantit ni une attention égale à tous les détails ni l’exactitude de chaque conclusion. Google signale aussi une dégradation possible au fil des conversations à plusieurs tours; vérifiez les faits importants des sources et le contexte réutilisé à mesure que l’échange avance. Confrontez la réponse aux passages ou aux fichiers précis qui appuient ses affirmations importantes.
Les usages prévus par le fabricant comprennent la programmation avancée et le travail algorithmique. Fournissez le code pertinent, les hypothèses sur l’environnement, l’échec observé et le comportement attendu. Pour un algorithme, définissez l’entrée, la sortie souhaitée et les conditions, comme l’ordre, les doublons ou les données invalides.
Une bonne consigne de débogage associe l’entrée en échec et l’erreur à la plus petite portion de code pertinente. Demandez un diagnostic et une modification ciblée, puis vérifiez si la modification proposée corrige le comportement signalé. Du code généré et l’affirmation qu’il devrait fonctionner diffèrent 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 d’options afin de donner au résultat un objectif concret.
Les spécifications du fabricant pour cette préversion prennent en charge les appels de fonctions, l’exécution de code, la recherche de fichiers, l’ancrage dans les résultats de recherche et le contexte d’URL. Ces fonctions ont des rôles distincts. Un appel de fonction décrit une opération à exécuter par une application; un résultat d’outil fournit ensuite des éléments probants pour l’étape suivante du modèle. L’exécution de code est un processus avec outil, et non une garantie que du code applicatif généré arbitrairement a déjà été testé.
L’ancrage dans les résultats de recherche et le contexte d’URL permettent des processus centrés sur les sources, tandis que la recherche de fichiers utilise une collection de fichiers préparée. Conservez les résultats des outils et leurs liens avec les sources dans la réponse pour permettre l’examen d’une conclusion. Selon ses spécifications, ce profil ne prend en charge ni l’utilisation d’un ordinateur ni l’ancrage dans Maps.
La prise en charge des sorties structurées permet d’exprimer un résultat selon un schéma défini. Précisez les champs et leur sens avant la génération, puis vérifiez aussi bien le contenu que le format. Un objet structuré valide exige encore une vérification factuelle et propre à la tâche.
Cette préversion prend en charge la réflexion. Pour un travail qui exige plusieurs étapes de raisonnement, fournissez une tâche claire, des éléments probants 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 fabricant indique aussi la prise en charge de la mise en cache et du traitement par lots. Ce sont des fonctions de traitement distinctes des capacités de contenu du modèle; leur présence ne prouve ni qu’une requête particulière a été mise en cache ni qu’un résultat de lot est exact.
Distinguez Gemini 3 Pro Preview de Gemini 3.1 Pro Preview, de Gemini 3 Pro Image et des profils audio ou Live. La sortie de cette préversion est textuelle, et ses spécifications ne comprennent pas la génération d’images, la génération audio ou le fonctionnement Live. Évaluez la réponse, le code ou le résultat structuré renvoyé à partir des sources fournies et de la tâche prévue.
", "aboutText": "Gemini 3 Pro Preview est le profil de préversion nommé Gemini 3 Pro de 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 renvoyer un résultat écrit. Les usages prévus comprennent l’analyse complexe, la programmation avancée, le développement d’algorithmes et les tâches qui combinent un ensemble substantiel de sources avec une question précise.\n\n### Modèle et structure des entrées\n\nGemini 3 Pro est un modèle à mélange parcimonieux d’experts fondé sur les transformeurs, avec prise en charge native des entrées multimodales. Son architecture achemine chaque jeton vers un sous-ensemble d’experts sélectionnés. Il s’agit d’une distinction de conception du modèle, et non d’une commande permettant à l’utilisateur de choisir un expert précis ou de fixer une configuration de service.\n\nPréparez les entrées en fonction des renseignements nécessaires à la tâche. Un document, une capture d’écran et un enregistrement audio peuvent chacun apporter des éléments probants différents. Indiquez ce que contient chaque fichier et comment il doit contribuer à la réponse. La sortie demeure textuelle; comprendre du contenu visuel ou parlé ne fait pas de cette préversion un générateur d’images, de paroles ou de vidéos.\n\n### Analyse multimodale\n\nUtilisez les images pour les questions sur le contenu visible, l’audio pour les renseignements parlés ou acoustiques et la vidéo pour une séquence dont les changements dans le temps comptent. Joignez le fichier réel à la question plutôt que de le décrire seulement de mémoire. Si vous comparez plusieurs fichiers, identifiez-les clairement pour que la réponse puisse citer la bonne source.\n\nPar exemple, une consigne d’analyse de produit peut combiner un cahier des charges écrit, une capture d’écran de l’interface et une démonstration enregistrée. Demandez une comparaison qui distingue les promesses du cahier des charges de ce qui est visible ou audible dans le contenu fourni. Définissez le résultat souhaité sous forme de constats, d’observations à l’appui et de questions non résolues.\n\nPour une tâche sur un PDF, fournissez le document et désignez les sections ou les affirmations à examiner. Une question utile demande une comparaison, une extraction ou une explication liée à la source, plutôt qu’un simple résumé général d’un gros fichier.\n\n### Contexte long et capacité de sortie\n\nLes spécifications exactes de la préversion indiquent une limite d’entrée de 1 048 576 jetons et une limite de sortie de 65 536 jetons. Le fabricant situe la limite des connaissances à janvier 2025; fournissez des éléments plus récents lorsque la question dépend d’événements ou de renseignements ultérieurs. Ces capacités sont distinctes. Un grand ensemble de sources peut être lu pour produire une réponse ciblée sans que le modèle doive reproduire chaque partie de l’entrée.\n\nOrganisez les longs contenus de manière à rendre leur structure claire : titres des documents, limites des sections, chemins de fichiers de code et question à laquelle la sortie doit répondre. Gardez les exceptions et les définitions pertinentes près du contenu qu’elles précisent. Si la tâche exige un long rapport, indiquez ses sections et les éléments probants attendus dans chacune.\n\nUne grande fenêtre de contexte ne garantit ni une attention égale à tous les détails ni l’exactitude de chaque conclusion. Google signale aussi une dégradation possible au fil des conversations à plusieurs tours; vérifiez les faits importants des sources et le contexte réutilisé à mesure que l’échange avance. Confrontez la réponse aux passages ou aux fichiers précis qui appuient ses affirmations importantes.\n\n### Programmation et développement d’algorithmes\n\nLes usages prévus par le fabricant comprennent la programmation avancée et le travail algorithmique. Fournissez le code pertinent, les hypothèses sur l’environnement, l’échec observé et le comportement attendu. Pour un algorithme, définissez l’entrée, la sortie souhaitée et les conditions, comme l’ordre, les doublons ou les données invalides.\n\nUne bonne consigne de débogage associe l’entrée en échec et l’erreur à la plus petite portion de code pertinente. Demandez un diagnostic et une modification ciblée, puis vérifiez si la modification proposée corrige le comportement signalé. Du code généré et l’affirmation qu’il devrait fonctionner diffèrent d’une implémentation exécutée et vérifiée.\n\nPour 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 d’options afin de donner au résultat un objectif concret.\n\n### Outils, sources et résultats structurés\n\nLes spécifications du fabricant pour cette préversion prennent en charge les appels de fonctions, l’exécution de code, la recherche de fichiers, l’ancrage dans les résultats de recherche et le contexte d’URL. Ces fonctions ont des rôles distincts. Un appel de fonction décrit une opération à exécuter par une application; un résultat d’outil fournit ensuite des éléments probants pour l’étape suivante du modèle. L’exécution de code est un processus avec outil, et non une garantie que du code applicatif généré arbitrairement a déjà été testé.\n\nL’ancrage dans les résultats de recherche et le contexte d’URL permettent des processus centrés sur les sources, tandis que la recherche de fichiers utilise une collection de fichiers préparée. Conservez les résultats des outils et leurs liens avec les sources dans la réponse pour permettre l’examen d’une conclusion. Selon ses spécifications, ce profil ne prend en charge ni l’utilisation d’un ordinateur ni l’ancrage dans Maps.\n\nLa prise en charge des sorties structurées permet d’exprimer un résultat selon un schéma défini. Précisez les champs et leur sens avant la génération, puis vérifiez aussi bien le contenu que le format. Un objet structuré valide exige encore une vérification factuelle et propre à la tâche.\n\n### Raisonnement, réutilisation et limites entre éditions\n\nCette préversion prend en charge la réflexion. Pour un travail qui exige plusieurs étapes de raisonnement, fournissez une tâche claire, des éléments probants 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.\n\nLe fabricant indique aussi la prise en charge de la mise en cache et du traitement par lots. Ce sont des fonctions de traitement distinctes des capacités de contenu du modèle; leur présence ne prouve ni qu’une requête particulière a été mise en cache ni qu’un résultat de lot est exact.\n\nDistinguez Gemini 3 Pro Preview de Gemini 3.1 Pro Preview, de Gemini 3 Pro Image et des profils audio ou Live. La sortie de cette préversion est textuelle, et ses spécifications ne comprennent pas la génération d’images, la génération audio ou le fonctionnement Live. Évaluez la réponse, le code ou le résultat structuré renvoyé à partir des sources fournies et de la tâche prévue.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "1b681276bdbf5a1bdf015ee2c600e325df6bb67da19067be79a7fc3d1a173950", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ca", "methods": [ { "html": "gemini-3-pro-previewGemini 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 fonctions de programmation et les processus avec outils qu’il prend en charge conviennent à l’analyse détaillée, à la comparaison de documents et à l’exécution de tâches fondée sur des éléments probants.
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 nommé Gemini 3 Pro de 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 renvoyer un résultat écrit. Les usages prévus comprennent l’analyse complexe, la programmation avancée, le développement d’algorithmes et les tâches qui combinent un ensemble substantiel de sources avec une question précise.
Gemini 3 Pro est un modèle à mélange parcimonieux d’experts fondé sur les transformeurs, avec prise en charge native des entrées multimodales. Son architecture achemine chaque jeton vers un sous-ensemble d’experts sélectionnés. Il s’agit d’une distinction de conception du modèle, et non d’une commande permettant à l’utilisateur de choisir un expert précis ou de fixer une configuration de service.
Préparez les entrées en fonction des renseignements nécessaires à la tâche. Un document, une capture d’écran et un enregistrement audio peuvent chacun apporter des éléments probants différents. Indiquez ce que contient chaque fichier et comment il doit contribuer à la réponse. La sortie demeure textuelle; comprendre du contenu visuel ou parlé ne fait pas de cette préversion un générateur d’images, de paroles ou de vidéos.
Utilisez les images pour les questions sur le contenu visible, l’audio pour les renseignements parlés ou acoustiques et la vidéo pour une séquence dont les changements dans le temps comptent. Joignez le fichier réel à la question plutôt que de le décrire seulement de mémoire. Si vous comparez plusieurs fichiers, identifiez-les clairement pour que la réponse puisse citer la bonne source.
Par exemple, une consigne d’analyse de produit peut combiner un cahier des charges écrit, une capture d’écran de l’interface et une démonstration enregistrée. Demandez une comparaison qui distingue les promesses du cahier des charges de ce qui est visible ou audible dans le contenu fourni. Définissez le résultat souhaité sous forme de constats, d’observations à l’appui et de questions non résolues.
Pour une tâche sur un PDF, fournissez le document et désignez les sections ou les affirmations à examiner. Une question utile demande une comparaison, une extraction ou une explication liée à la source, plutôt qu’un simple résumé général d’un gros fichier.
Les spécifications exactes de la préversion indiquent une limite d’entrée de 1 048 576 jetons et une limite de sortie de 65 536 jetons. Le fabricant situe la limite des connaissances à janvier 2025; fournissez des éléments plus récents lorsque la question dépend d’événements ou de renseignements ultérieurs. Ces capacités sont distinctes. Un grand ensemble de sources peut être lu pour produire une réponse ciblée sans que le modèle doive reproduire chaque partie de l’entrée.
Organisez les longs contenus de manière à rendre leur structure claire : titres des documents, limites des sections, chemins de fichiers de code et question à laquelle la sortie doit répondre. Gardez les exceptions et les définitions pertinentes près du contenu qu’elles précisent. Si la tâche exige un long rapport, indiquez ses sections et les éléments probants attendus dans chacune.
Une grande fenêtre de contexte ne garantit ni une attention égale à tous les détails ni l’exactitude de chaque conclusion. Google signale aussi une dégradation possible au fil des conversations à plusieurs tours; vérifiez les faits importants des sources et le contexte réutilisé à mesure que l’échange avance. Confrontez la réponse aux passages ou aux fichiers précis qui appuient ses affirmations importantes.
Les usages prévus par le fabricant comprennent la programmation avancée et le travail algorithmique. Fournissez le code pertinent, les hypothèses sur l’environnement, l’échec observé et le comportement attendu. Pour un algorithme, définissez l’entrée, la sortie souhaitée et les conditions, comme l’ordre, les doublons ou les données invalides.
Une bonne consigne de débogage associe l’entrée en échec et l’erreur à la plus petite portion de code pertinente. Demandez un diagnostic et une modification ciblée, puis vérifiez si la modification proposée corrige le comportement signalé. Du code généré et l’affirmation qu’il devrait fonctionner diffèrent 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 d’options afin de donner au résultat un objectif concret.
Les spécifications du fabricant pour cette préversion prennent en charge les appels de fonctions, l’exécution de code, la recherche de fichiers, l’ancrage dans les résultats de recherche et le contexte d’URL. Ces fonctions ont des rôles distincts. Un appel de fonction décrit une opération à exécuter par une application; un résultat d’outil fournit ensuite des éléments probants pour l’étape suivante du modèle. L’exécution de code est un processus avec outil, et non une garantie que du code applicatif généré arbitrairement a déjà été testé.
L’ancrage dans les résultats de recherche et le contexte d’URL permettent des processus centrés sur les sources, tandis que la recherche de fichiers utilise une collection de fichiers préparée. Conservez les résultats des outils et leurs liens avec les sources dans la réponse pour permettre l’examen d’une conclusion. Selon ses spécifications, ce profil ne prend en charge ni l’utilisation d’un ordinateur ni l’ancrage dans Maps.
La prise en charge des sorties structurées permet d’exprimer un résultat selon un schéma défini. Précisez les champs et leur sens avant la génération, puis vérifiez aussi bien le contenu que le format. Un objet structuré valide exige encore une vérification factuelle et propre à la tâche.
Cette préversion prend en charge la réflexion. Pour un travail qui exige plusieurs étapes de raisonnement, fournissez une tâche claire, des éléments probants 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 fabricant indique aussi la prise en charge de la mise en cache et du traitement par lots. Ce sont des fonctions de traitement distinctes des capacités de contenu du modèle; leur présence ne prouve ni qu’une requête particulière a été mise en cache ni qu’un résultat de lot est exact.
Distinguez Gemini 3 Pro Preview de Gemini 3.1 Pro Preview, de Gemini 3 Pro Image et des profils audio ou Live. La sortie de cette préversion est textuelle, et ses spécifications ne comprennent pas la génération d’images, la génération audio ou le fonctionnement Live. Évaluez la réponse, le code ou le résultat structuré renvoyé à partir des sources fournies et de la tâche prévue.
POST /v1/chat/completionstexttext| 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 |
Texte · Texte UTF8
messages[].content
| 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 comme texte littéral ; aucun ID 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’ID 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/objet fichier nécessitent une liaison exacte.
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3-pro-preview","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3-pro-preview", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson ou SSE
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, et conservez le motif final d’arrêt et les données d’utilisation.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| 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 |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions
gemini-3-pro-previewGemini 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 fonctions de programmation et les processus avec outils qu’il prend en charge conviennent à l’analyse détaillée, à la comparaison de documents et à l’exécution de tâches fondée sur des éléments probants.
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 nommé Gemini 3 Pro de 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 renvoyer un résultat écrit. Les usages prévus comprennent l’analyse complexe, la programmation avancée, le développement d’algorithmes et les tâches qui combinent un ensemble substantiel de sources avec une question précise.
Gemini 3 Pro est un modèle à mélange parcimonieux d’experts fondé sur les transformeurs, avec prise en charge native des entrées multimodales. Son architecture achemine chaque jeton vers un sous-ensemble d’experts sélectionnés. Il s’agit d’une distinction de conception du modèle, et non d’une commande permettant à l’utilisateur de choisir un expert précis ou de fixer une configuration de service.
Préparez les entrées en fonction des renseignements nécessaires à la tâche. Un document, une capture d’écran et un enregistrement audio peuvent chacun apporter des éléments probants différents. Indiquez ce que contient chaque fichier et comment il doit contribuer à la réponse. La sortie demeure textuelle; comprendre du contenu visuel ou parlé ne fait pas de cette préversion un générateur d’images, de paroles ou de vidéos.
Utilisez les images pour les questions sur le contenu visible, l’audio pour les renseignements parlés ou acoustiques et la vidéo pour une séquence dont les changements dans le temps comptent. Joignez le fichier réel à la question plutôt que de le décrire seulement de mémoire. Si vous comparez plusieurs fichiers, identifiez-les clairement pour que la réponse puisse citer la bonne source.
Par exemple, une consigne d’analyse de produit peut combiner un cahier des charges écrit, une capture d’écran de l’interface et une démonstration enregistrée. Demandez une comparaison qui distingue les promesses du cahier des charges de ce qui est visible ou audible dans le contenu fourni. Définissez le résultat souhaité sous forme de constats, d’observations à l’appui et de questions non résolues.
Pour une tâche sur un PDF, fournissez le document et désignez les sections ou les affirmations à examiner. Une question utile demande une comparaison, une extraction ou une explication liée à la source, plutôt qu’un simple résumé général d’un gros fichier.
Les spécifications exactes de la préversion indiquent une limite d’entrée de 1 048 576 jetons et une limite de sortie de 65 536 jetons. Le fabricant situe la limite des connaissances à janvier 2025; fournissez des éléments plus récents lorsque la question dépend d’événements ou de renseignements ultérieurs. Ces capacités sont distinctes. Un grand ensemble de sources peut être lu pour produire une réponse ciblée sans que le modèle doive reproduire chaque partie de l’entrée.
Organisez les longs contenus de manière à rendre leur structure claire : titres des documents, limites des sections, chemins de fichiers de code et question à laquelle la sortie doit répondre. Gardez les exceptions et les définitions pertinentes près du contenu qu’elles précisent. Si la tâche exige un long rapport, indiquez ses sections et les éléments probants attendus dans chacune.
Une grande fenêtre de contexte ne garantit ni une attention égale à tous les détails ni l’exactitude de chaque conclusion. Google signale aussi une dégradation possible au fil des conversations à plusieurs tours; vérifiez les faits importants des sources et le contexte réutilisé à mesure que l’échange avance. Confrontez la réponse aux passages ou aux fichiers précis qui appuient ses affirmations importantes.
Les usages prévus par le fabricant comprennent la programmation avancée et le travail algorithmique. Fournissez le code pertinent, les hypothèses sur l’environnement, l’échec observé et le comportement attendu. Pour un algorithme, définissez l’entrée, la sortie souhaitée et les conditions, comme l’ordre, les doublons ou les données invalides.
Une bonne consigne de débogage associe l’entrée en échec et l’erreur à la plus petite portion de code pertinente. Demandez un diagnostic et une modification ciblée, puis vérifiez si la modification proposée corrige le comportement signalé. Du code généré et l’affirmation qu’il devrait fonctionner diffèrent 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 d’options afin de donner au résultat un objectif concret.
Les spécifications du fabricant pour cette préversion prennent en charge les appels de fonctions, l’exécution de code, la recherche de fichiers, l’ancrage dans les résultats de recherche et le contexte d’URL. Ces fonctions ont des rôles distincts. Un appel de fonction décrit une opération à exécuter par une application; un résultat d’outil fournit ensuite des éléments probants pour l’étape suivante du modèle. L’exécution de code est un processus avec outil, et non une garantie que du code applicatif généré arbitrairement a déjà été testé.
L’ancrage dans les résultats de recherche et le contexte d’URL permettent des processus centrés sur les sources, tandis que la recherche de fichiers utilise une collection de fichiers préparée. Conservez les résultats des outils et leurs liens avec les sources dans la réponse pour permettre l’examen d’une conclusion. Selon ses spécifications, ce profil ne prend en charge ni l’utilisation d’un ordinateur ni l’ancrage dans Maps.
La prise en charge des sorties structurées permet d’exprimer un résultat selon un schéma défini. Précisez les champs et leur sens avant la génération, puis vérifiez aussi bien le contenu que le format. Un objet structuré valide exige encore une vérification factuelle et propre à la tâche.
Cette préversion prend en charge la réflexion. Pour un travail qui exige plusieurs étapes de raisonnement, fournissez une tâche claire, des éléments probants 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 fabricant indique aussi la prise en charge de la mise en cache et du traitement par lots. Ce sont des fonctions de traitement distinctes des capacités de contenu du modèle; leur présence ne prouve ni qu’une requête particulière a été mise en cache ni qu’un résultat de lot est exact.
Distinguez Gemini 3 Pro Preview de Gemini 3.1 Pro Preview, de Gemini 3 Pro Image et des profils audio ou Live. La sortie de cette préversion est textuelle, et ses spécifications ne comprennent pas la génération d’images, la génération audio ou le fonctionnement Live. Évaluez la réponse, le code ou le résultat structuré renvoyé à partir des sources fournies et de la tâche prévue.
POST /v1/messagestextjson, 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 |
Texte · Texte UTF-8
Chaîne messages[].content
| 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
Les tarifs n’ajoutent pas d’options de requête. Les paramètres pris en charge figurent dans la méthode sélectionnée.
| Configuration | Barème tarifaire | Coût |
|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Coût Entrée · Jetons en entrée $0.004 / 1K jetons Sortie · Jetons en sortie $0.024 / 1K jetons Entrée · Lecture du cache $0 / 1K jetons Entrée · Écriture dans le cache $0 / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "gemini-3-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3-pro-preview', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3-pro-preview', '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 ou SSE
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les blocs de contenu, les signatures de raisonnement et les ID réels d’utilisation d’outils. Assemblez tous les deltas de blocs SSE ; un premier bloc de texte ne constitue pas la sortie complète.
Conservez les ID et les en-têtes de requête/réponse. Aucune URL générique de récupération de tâche textuelle n’est fournie.
| Champ | Type |
|---|---|
Champid | Typestring |
Champmodel | Typestring |
Champcontent[] | Typetext|thinking|tool_use|other content block |
Champstop_reason | Typestring|null |
Champusage | Typeobject |
| Réponse | Condition | Étape suivante |
|---|---|---|
Réponse400 · invalid_request_error | ConditionChamps obligatoires, représentation des éléments fournis ou valeur de paramètre invalides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions