Gemma 2 27B IT est l’édition de Gemma 2 de Google à 27 milliards de paramètres, ajustée pour suivre des instructions. Il s’agit d’un modèle de langage à poids ouverts et à décodeur seul, qui reçoit du texte et génère du texte, principalement en anglais. Ses tâches prévues comprennent les questions-réponses, la production de résumés, le raisonnement, la création littéraire et le travail lié au code. IT désigne la variante ajustée pour suivre des instructions, distincte du modèle préentraîné et des dérivés quantifiés séparément.
Le rapport technique documente un contexte de 8 192 jetons. Gemma 2 alterne entre une attention locale avec une fenêtre glissante de 4 096 jetons et une attention globale couvrant l’ensemble du contexte; l’architecture 27B comporte 46 couches et une attention à requêtes groupées. Ce sont des caractéristiques du modèle du producteur, plutôt que des réglages de longueur de réponse d’une application. Préparez un extrait source ciblé et laissez de l’espace pour la réponse et la conversation demandées, plutôt que de supposer les contextes beaucoup plus grands des générations Gemma ultérieures.
Le modèle de base 27B a été entraîné à partir de zéro sur 13 mille milliards de jetons de texte principalement anglais. Les sources documentées comprennent des documents Web, du code et du contenu mathématique ou scientifique. Le rapport distingue cet entraînement de la distillation utilisée pour les plus petits modèles de base 2B et 9B. L’ajustement aux instructions ajoute un entraînement supervisé sur des paires invite-réponse et un affinage fondé sur les préférences pour produire des réponses conversationnelles. Cela donne à l’édition IT un profil d’utilisation différent de la continuation d’un texte quelconque avec le modèle préentraîné.
Pour résumer un document, fournissez le passage et indiquez ce que le lecteur doit en tirer : des décisions, des exigences, une explication ou quelques points essentiels. Voici un exemple de consigne : « Résumez cette spécification pour un ingénieur du soutien. Préservez tous les noms de champs, distinguez les exigences explicites des exemples et énumérez les détails que le passage ne définit pas. » Si un fait doit provenir de la source, demandez la formulation pertinente ou une référence de section en plus de l’explication.
L’utilisation conversationnelle suit le gabarit de tours utilisateur/modèle de Gemma 2. La fiche de Google pour ce modèle exact montre comment maintenir le dialogue dans ce gabarit, avec des délimiteurs indiquant le début et la fin de chaque tour, afin qu’un suivi puisse s’appuyer sur la réponse précédente. Le format documenté diffère des nouveaux contrôles natifs de rôle système et de réflexion de Gemma 4. Une conversation pratique peut d’abord extraire les faits, puis demander une explication plus courte ou une ébauche de message, tout en préservant les noms et les conditions extraits.
Pour du code, incluez le fragment pertinent, le langage de programmation, le comportement observé et le résultat attendu. Demandez une explication, une correction proposée ou un exemple détaillé, avec une portée définie. Pour un raisonnement mathématique, écrivez le problème complet, les définitions des variables et les hypothèses sous forme de texte. Cette édition n’a pas d’entrée visuelle ou audio native : un problème photographié ou une explication orale doit d’abord être transcrit en texte. La sortie peut contenir du code ou une réponse mise en forme, mais ces formes textuelles n’établissent pas l’existence d’un mode dédié d’appel d’outils ou de sortie contrainte.
La fiche du modèle relève l’ambiguïté, le sarcasme, les instructions ouvertes complexes et l’exactitude factuelle parmi les domaines où les réponses peuvent être limitées. Pour une réponse fondée sur une source, fournissez le passage faisant autorité et demandez au modèle de signaler les renseignements absents. Pour une tâche de révision, précisez le public, le ton, les faits requis et les parties qui peuvent changer. Le livrable utile est, en anglais, une réponse ciblée, un résumé, une ébauche ou une explication de code que l’on peut comparer aux éléments et aux conditions fournis dans l’invite.
", "aboutText": "Gemma 2 27B IT est l’édition de Gemma 2 de Google à 27 milliards de paramètres, ajustée pour suivre des instructions. Il s’agit d’un modèle de langage à poids ouverts et à décodeur seul, qui reçoit du texte et génère du texte, principalement en anglais. Ses tâches prévues comprennent les questions-réponses, la production de résumés, le raisonnement, la création littéraire et le travail lié au code. IT désigne la variante ajustée pour suivre des instructions, distincte du modèle préentraîné et des dérivés quantifiés séparément.\n\nLe rapport technique documente un contexte de 8 192 jetons. Gemma 2 alterne entre une attention locale avec une fenêtre glissante de 4 096 jetons et une attention globale couvrant l’ensemble du contexte; l’architecture 27B comporte 46 couches et une attention à requêtes groupées. Ce sont des caractéristiques du modèle du producteur, plutôt que des réglages de longueur de réponse d’une application. Préparez un extrait source ciblé et laissez de l’espace pour la réponse et la conversation demandées, plutôt que de supposer les contextes beaucoup plus grands des générations Gemma ultérieures.\n\nLe modèle de base 27B a été entraîné à partir de zéro sur 13 mille milliards de jetons de texte principalement anglais. Les sources documentées comprennent des documents Web, du code et du contenu mathématique ou scientifique. Le rapport distingue cet entraînement de la distillation utilisée pour les plus petits modèles de base 2B et 9B. L’ajustement aux instructions ajoute un entraînement supervisé sur des paires invite-réponse et un affinage fondé sur les préférences pour produire des réponses conversationnelles. Cela donne à l’édition IT un profil d’utilisation différent de la continuation d’un texte quelconque avec le modèle préentraîné.\n\nPour résumer un document, fournissez le passage et indiquez ce que le lecteur doit en tirer : des décisions, des exigences, une explication ou quelques points essentiels. Voici un exemple de consigne : « Résumez cette spécification pour un ingénieur du soutien. Préservez tous les noms de champs, distinguez les exigences explicites des exemples et énumérez les détails que le passage ne définit pas. » Si un fait doit provenir de la source, demandez la formulation pertinente ou une référence de section en plus de l’explication.\n\nL’utilisation conversationnelle suit le gabarit de tours utilisateur/modèle de Gemma 2. La fiche de Google pour ce modèle exact montre comment maintenir le dialogue dans ce gabarit, avec des délimiteurs indiquant le début et la fin de chaque tour, afin qu’un suivi puisse s’appuyer sur la réponse précédente. Le format documenté diffère des nouveaux contrôles natifs de rôle système et de réflexion de Gemma 4. Une conversation pratique peut d’abord extraire les faits, puis demander une explication plus courte ou une ébauche de message, tout en préservant les noms et les conditions extraits.\n\nPour du code, incluez le fragment pertinent, le langage de programmation, le comportement observé et le résultat attendu. Demandez une explication, une correction proposée ou un exemple détaillé, avec une portée définie. Pour un raisonnement mathématique, écrivez le problème complet, les définitions des variables et les hypothèses sous forme de texte. Cette édition n’a pas d’entrée visuelle ou audio native : un problème photographié ou une explication orale doit d’abord être transcrit en texte. La sortie peut contenir du code ou une réponse mise en forme, mais ces formes textuelles n’établissent pas l’existence d’un mode dédié d’appel d’outils ou de sortie contrainte.\n\nLa fiche du modèle relève l’ambiguïté, le sarcasme, les instructions ouvertes complexes et l’exactitude factuelle parmi les domaines où les réponses peuvent être limitées. Pour une réponse fondée sur une source, fournissez le passage faisant autorité et demandez au modèle de signaler les renseignements absents. Pour une tâche de révision, précisez le public, le ton, les faits requis et les parties qui peuvent changer. Le livrable utile est, en anglais, une réponse ciblée, un résumé, une ébauche ou une explication de code que l’on peut comparer aux éléments et aux conditions fournis dans l’invite.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Explain a specification for support\n\nSummarize this specification for a support engineer: “retry_after is optional and measured in seconds. If absent, the client must not infer a retry time. Example: retry_after = 30. A failed request may include error_id.” Separate requirements from examples and list what the passage does not define. Keep field names unchanged.A short support note with requirements, examples and unspecified details in separate sections.Check that 30 seconds remains an example and that error_id is not described as mandatory.google/gemma-2-27b-itGemma 2 27B IT est le modèle uniquement textuel de Google ajusté pour suivre des instructions, destiné aux questions-réponses en anglais, aux résumés, à la rédaction et au raisonnement. Son contexte de 8 192 jetons et son format conversationnel conviennent aux tâches ciblées fondées sur des sources et aux explications de code.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemma 2 27B IT est l’édition de Gemma 2 de Google à 27 milliards de paramètres, ajustée pour suivre des instructions. Il s’agit d’un modèle de langage à poids ouverts et à décodeur seul, qui reçoit du texte et génère du texte, principalement en anglais. Ses tâches prévues comprennent les questions-réponses, la production de résumés, le raisonnement, la création littéraire et le travail lié au code. IT désigne la variante ajustée pour suivre des instructions, distincte du modèle préentraîné et des dérivés quantifiés séparément.
Le rapport technique documente un contexte de 8 192 jetons. Gemma 2 alterne entre une attention locale avec une fenêtre glissante de 4 096 jetons et une attention globale couvrant l’ensemble du contexte; l’architecture 27B comporte 46 couches et une attention à requêtes groupées. Ce sont des caractéristiques du modèle du producteur, plutôt que des réglages de longueur de réponse d’une application. Préparez un extrait source ciblé et laissez de l’espace pour la réponse et la conversation demandées, plutôt que de supposer les contextes beaucoup plus grands des générations Gemma ultérieures.
Le modèle de base 27B a été entraîné à partir de zéro sur 13 mille milliards de jetons de texte principalement anglais. Les sources documentées comprennent des documents Web, du code et du contenu mathématique ou scientifique. Le rapport distingue cet entraînement de la distillation utilisée pour les plus petits modèles de base 2B et 9B. L’ajustement aux instructions ajoute un entraînement supervisé sur des paires invite-réponse et un affinage fondé sur les préférences pour produire des réponses conversationnelles. Cela donne à l’édition IT un profil d’utilisation différent de la continuation d’un texte quelconque avec le modèle préentraîné.
Pour résumer un document, fournissez le passage et indiquez ce que le lecteur doit en tirer : des décisions, des exigences, une explication ou quelques points essentiels. Voici un exemple de consigne : « Résumez cette spécification pour un ingénieur du soutien. Préservez tous les noms de champs, distinguez les exigences explicites des exemples et énumérez les détails que le passage ne définit pas. » Si un fait doit provenir de la source, demandez la formulation pertinente ou une référence de section en plus de l’explication.
L’utilisation conversationnelle suit le gabarit de tours utilisateur/modèle de Gemma 2. La fiche de Google pour ce modèle exact montre comment maintenir le dialogue dans ce gabarit, avec des délimiteurs indiquant le début et la fin de chaque tour, afin qu’un suivi puisse s’appuyer sur la réponse précédente. Le format documenté diffère des nouveaux contrôles natifs de rôle système et de réflexion de Gemma 4. Une conversation pratique peut d’abord extraire les faits, puis demander une explication plus courte ou une ébauche de message, tout en préservant les noms et les conditions extraits.
Pour du code, incluez le fragment pertinent, le langage de programmation, le comportement observé et le résultat attendu. Demandez une explication, une correction proposée ou un exemple détaillé, avec une portée définie. Pour un raisonnement mathématique, écrivez le problème complet, les définitions des variables et les hypothèses sous forme de texte. Cette édition n’a pas d’entrée visuelle ou audio native : un problème photographié ou une explication orale doit d’abord être transcrit en texte. La sortie peut contenir du code ou une réponse mise en forme, mais ces formes textuelles n’établissent pas l’existence d’un mode dédié d’appel d’outils ou de sortie contrainte.
La fiche du modèle relève l’ambiguïté, le sarcasme, les instructions ouvertes complexes et l’exactitude factuelle parmi les domaines où les réponses peuvent être limitées. Pour une réponse fondée sur une source, fournissez le passage faisant autorité et demandez au modèle de signaler les renseignements absents. Pour une tâche de révision, précisez le public, le ton, les faits requis et les parties qui peuvent changer. Le livrable utile est, en anglais, une réponse ciblée, un résumé, une ébauche ou une explication de code que l’on peut comparer aux éléments et aux conditions fournis dans l’invite.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemma-2-27b-it | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites Exemples : system, user, assistant, tool, function Conditions: Ces rôles sont explicitement représentés par les types de compatibilité du code source ; l’ensemble exact des rôles reste propre à chaque modèle. Selon le modèle | Par défaut— |
Champmessages[].content | Typestring|content_part[]|null | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_calls | Typetool_call[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].tool_call_id | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: role=tool ; utilisez l’ID réellement renvoyé | Par défaut— |
Champmessages[].name | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmessages[].reasoning_content | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: Réinjectez le raisonnement réellement renvoyé lorsque ce modèle l’utilise | Par défaut— |
Champmessages[].reasoning_details | Typeobject|array | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champmax_completion_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champstream_options.include_usage | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop | Typestring|string[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typefunction_tool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].type | Typestring | ExigenceFacultatif | Valeurs et limites function Selon le modèle | Par défaut— |
Champtools[].function.name | Typestring | ExigenceObligatoire | Valeurs et limites S’applique lorsque: Fonction fournie comme outil | Par défaut— |
Champtools[].function.description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].function.parameters | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champparallel_tool_calls | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champresponse_format | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning_effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champreasoning | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champservice_tier | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champinstructions | Typestring | ExigenceFacultatif | Valeurs et limites Champ de compatibilité | Par défaut— |
Champfunctions | Typefunction[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champfunction_call | Typestring|object | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champprompt_cache_options | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmodalities | Typestring[] | ExigenceFacultatif | Valeurs et limites text | Par défaut— |
Champprovider | Typeobject | ExigenceFacultatif | Valeurs et limites Conditions: provider.options est refusé sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: La valeur 1h est refusée là où le cache des prompts est configuré | Par défaut— |
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, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
Paramètrecontrol_scope | ContratPropre au modèle ; les outils de fonctions de l’utilisateur diffèrent des outils hébergés |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0013 / 1K jetons Sortie · Jetons en sortie $0.0013 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0013 / 1K jetons Sortie · Jetons en sortie $0.0013 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-2-27b-it", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemma-2-27b-it',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemma-2-27b-it',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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 google/gemma-2-27b-it
Utilisez les chemins de méthode indiqués ci-dessus.
google/gemma-2-27b-itGemma 2 27B IT est le modèle uniquement textuel de Google ajusté pour suivre des instructions, destiné aux questions-réponses en anglais, aux résumés, à la rédaction et au raisonnement. Son contexte de 8 192 jetons et son format conversationnel conviennent aux tâches ciblées fondées sur des sources et aux explications de code.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemma 2 27B IT est l’édition de Gemma 2 de Google à 27 milliards de paramètres, ajustée pour suivre des instructions. Il s’agit d’un modèle de langage à poids ouverts et à décodeur seul, qui reçoit du texte et génère du texte, principalement en anglais. Ses tâches prévues comprennent les questions-réponses, la production de résumés, le raisonnement, la création littéraire et le travail lié au code. IT désigne la variante ajustée pour suivre des instructions, distincte du modèle préentraîné et des dérivés quantifiés séparément.
Le rapport technique documente un contexte de 8 192 jetons. Gemma 2 alterne entre une attention locale avec une fenêtre glissante de 4 096 jetons et une attention globale couvrant l’ensemble du contexte; l’architecture 27B comporte 46 couches et une attention à requêtes groupées. Ce sont des caractéristiques du modèle du producteur, plutôt que des réglages de longueur de réponse d’une application. Préparez un extrait source ciblé et laissez de l’espace pour la réponse et la conversation demandées, plutôt que de supposer les contextes beaucoup plus grands des générations Gemma ultérieures.
Le modèle de base 27B a été entraîné à partir de zéro sur 13 mille milliards de jetons de texte principalement anglais. Les sources documentées comprennent des documents Web, du code et du contenu mathématique ou scientifique. Le rapport distingue cet entraînement de la distillation utilisée pour les plus petits modèles de base 2B et 9B. L’ajustement aux instructions ajoute un entraînement supervisé sur des paires invite-réponse et un affinage fondé sur les préférences pour produire des réponses conversationnelles. Cela donne à l’édition IT un profil d’utilisation différent de la continuation d’un texte quelconque avec le modèle préentraîné.
Pour résumer un document, fournissez le passage et indiquez ce que le lecteur doit en tirer : des décisions, des exigences, une explication ou quelques points essentiels. Voici un exemple de consigne : « Résumez cette spécification pour un ingénieur du soutien. Préservez tous les noms de champs, distinguez les exigences explicites des exemples et énumérez les détails que le passage ne définit pas. » Si un fait doit provenir de la source, demandez la formulation pertinente ou une référence de section en plus de l’explication.
L’utilisation conversationnelle suit le gabarit de tours utilisateur/modèle de Gemma 2. La fiche de Google pour ce modèle exact montre comment maintenir le dialogue dans ce gabarit, avec des délimiteurs indiquant le début et la fin de chaque tour, afin qu’un suivi puisse s’appuyer sur la réponse précédente. Le format documenté diffère des nouveaux contrôles natifs de rôle système et de réflexion de Gemma 4. Une conversation pratique peut d’abord extraire les faits, puis demander une explication plus courte ou une ébauche de message, tout en préservant les noms et les conditions extraits.
Pour du code, incluez le fragment pertinent, le langage de programmation, le comportement observé et le résultat attendu. Demandez une explication, une correction proposée ou un exemple détaillé, avec une portée définie. Pour un raisonnement mathématique, écrivez le problème complet, les définitions des variables et les hypothèses sous forme de texte. Cette édition n’a pas d’entrée visuelle ou audio native : un problème photographié ou une explication orale doit d’abord être transcrit en texte. La sortie peut contenir du code ou une réponse mise en forme, mais ces formes textuelles n’établissent pas l’existence d’un mode dédié d’appel d’outils ou de sortie contrainte.
La fiche du modèle relève l’ambiguïté, le sarcasme, les instructions ouvertes complexes et l’exactitude factuelle parmi les domaines où les réponses peuvent être limitées. Pour une réponse fondée sur une source, fournissez le passage faisant autorité et demandez au modèle de signaler les renseignements absents. Pour une tâche de révision, précisez le public, le ton, les faits requis et les parties qui peuvent changer. Le livrable utile est, en anglais, une réponse ciblée, un résumé, une ébauche ou une explication de code que l’on peut comparer aux éléments et aux conditions fournis dans l’invite.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemma-2-27b-it | 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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Jetons de contexte, plus de | Jetons de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des jetons | Barème tarifaireTarif de base | Jetons de contexte, plus de— | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0013 / 1K jetons Sortie · Jetons en sortie $0.0013 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Jetons de contexte, plus de0 | Jetons de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Jetons en entrée $0.0013 / 1K jetons Sortie · Jetons en sortie $0.0013 / 1K jetons Entrée · Lecture du cache — / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "google/gemma-2-27b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-2-27b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-2-27b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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 google/gemma-2-27b-it
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Explain a specification for support\n\nSummarize this specification for a support engineer: “retry_after is optional and measured in seconds. If absent, the client must not infer a retry time. Example: retry_after = 30. A failed request may include error_id.” Separate requirements from examples and list what the passage does not define. Keep field names unchanged.A short support note with requirements, examples and unspecified details in separate sections.Check that 30 seconds remains an example and that error_id is not described as mandatory.