Gemma 4 31B IT est l’édition dense ajustée aux instructions de Google DeepMind dans la famille ouverte Gemma 4. Google positionne le modèle 31B selon la qualité et l’adaptation à une tâche, tandis que l’édition distincte 26B A4B utilise un mélange d’experts pour l’efficacité d’inférence. Cette fiche concerne l’édition nommée 31B ajustée aux instructions, et non ses poids préentraînés ou un dérivé quantifié.
Le tableau officiel de l’architecture dense annonce 30,7 milliards de paramètres, 60 couches, une fenêtre glissante de 1 024 jetons et un contexte de 256K jetons. La famille combine une attention locale à fenêtre glissante et une attention globale, avec une couche globale finale, et utilise un encodeur visuel dédié à ce modèle. Le profil obtenu traite du texte et des images en entrée et renvoie du texte. Ces données architecturales ne déterminent pas le délai de réponse d’une application et n’impliquent pas la prise en charge audio d’autres tailles Gemma 4.
Son contexte de 256K jetons permet de combiner beaucoup de texte et des éléments visuels. Des images et du texte peuvent s’alterner dans un même prompt; le fabricant recommande de placer l’image avant le texte qui s’y rapporte. Les tâches visuelles comprennent la détection d’objets, l’interprétation de pages, la compréhension d’écrans et d’interfaces, les graphiques, l’OCR multilingue, l’écriture manuscrite et le pointage. La sortie est du texte : du contenu extrait, une explication, du code ou une action d’outil proposée.
La compréhension vidéo traite une séquence d’images. La fiche donne un maximum de 60 secondes lorsque les images sont traitées à une image par seconde. Préparez l’épisode pertinent, préservez l’ordre des images et posez une question sur la séquence visible. Ce profil visuel 26B/31B n’accepte pas l’audio; les capacités vocales des petites variantes Gemma 4 compatibles audio ne s’y appliquent pas. Si la tâche exige de l’information parlée, ajoutez sa transcription en texte.
La réflexion configurable permet au modèle de raisonner avant de répondre ou de donner une réponse directe. Gemma 4 ajoute un rôle system natif aux rôles user et assistant. Le format de prompt de Google active la réflexion avec le jeton de contrôle <|think|> dans le prompt system et sépare le canal de pensée de la réponse finale; son processeur documenté gère ce modèle de conversation. Pour une conversation à plusieurs tours, conservez les réponses finales antérieures et excluez les pensées antérieures, sauf dans les tours d’appel d’outils où le fabricant demande de les conserver.
Native Function Calling prend en charge l’utilisation structurée d’outils, et l’annonce de Google documente aussi la sortie JSON structurée. Définissez la tâche, la fonction disponible et le résultat attendu; l’application effectue l’opération demandée et renvoie sa sortie à l’étape suivante. Une tâche de programmation peut demander de générer, compléter ou corriger du code, tandis qu’un assistant visuel peut utiliser le texte renvoyé pour expliquer un graphique ou un écran. Une instruction d’appel de fonction est distincte d’une action connectée effectivement exécutée.
La résolution variable des images est réglée par le budget de jetons visuels. Les options documentées sont 70, 140, 280, 560 et 1 120 jetons. Les budgets faibles conviennent à la classification, aux légendes ou aux séquences d’images; les budgets élevés préservent davantage de détails pour l’OCR, l’analyse documentaire et les petits caractères, avec plus de calcul. Décidez si vous avez besoin de la scène générale ou des lettres exactes avant de préparer l’image. Un recadrage clair d’une étiquette peut être plus utile à une extraction qu’une consigne non qualifiée demandant d’examiner tous les détails d’une page entière.
Google recommande temperature 1.0, top-p 0.95 et top-k 64 comme configuration d’échantillonnage de la famille. La fiche distingue l’entraînement dans plus de 140 langues de la prise en charge immédiate de plus de 35 langues. Précisez la langue de réponse et conservez explicitement les noms de domaine, noms de champs ou formules dans la consigne. Le nombre 256K décrit le contexte; la fiche citée n’établit pas un maximum de sortie universel distinct pour cette édition.
Pour un travail documentaire et de programmation, fournissez l’image de page pertinente, l’exigence écrite et le fragment source : « Lis les libellés, explique les écarts entre cet écran et la spécification et propose une correction ciblée du code fourni. » Pour un graphique, demandez à la réponse de distinguer les valeurs visibles d’une tendance déduite. La fiche Gemma mentionne des limites liées au langage ambigu, aux tâches très complexes et aux énoncés factuels erronés ou dépassés : joignez donc les faits faisant autorité à utiliser dans le résultat, au lieu de compter sur les connaissances d’entraînement.
", "aboutText": "Gemma 4 31B IT est l’édition dense ajustée aux instructions de Google DeepMind dans la famille ouverte Gemma 4. Google positionne le modèle 31B selon la qualité et l’adaptation à une tâche, tandis que l’édition distincte 26B A4B utilise un mélange d’experts pour l’efficacité d’inférence. Cette fiche concerne l’édition nommée 31B ajustée aux instructions, et non ses poids préentraînés ou un dérivé quantifié.\n\nLe tableau officiel de l’architecture dense annonce 30,7 milliards de paramètres, 60 couches, une fenêtre glissante de 1 024 jetons et un contexte de 256K jetons. La famille combine une attention locale à fenêtre glissante et une attention globale, avec une couche globale finale, et utilise un encodeur visuel dédié à ce modèle. Le profil obtenu traite du texte et des images en entrée et renvoie du texte. Ces données architecturales ne déterminent pas le délai de réponse d’une application et n’impliquent pas la prise en charge audio d’autres tailles Gemma 4.\n\nSon contexte de 256K jetons permet de combiner beaucoup de texte et des éléments visuels. Des images et du texte peuvent s’alterner dans un même prompt; le fabricant recommande de placer l’image avant le texte qui s’y rapporte. Les tâches visuelles comprennent la détection d’objets, l’interprétation de pages, la compréhension d’écrans et d’interfaces, les graphiques, l’OCR multilingue, l’écriture manuscrite et le pointage. La sortie est du texte : du contenu extrait, une explication, du code ou une action d’outil proposée.\n\nLa compréhension vidéo traite une séquence d’images. La fiche donne un maximum de 60 secondes lorsque les images sont traitées à une image par seconde. Préparez l’épisode pertinent, préservez l’ordre des images et posez une question sur la séquence visible. Ce profil visuel 26B/31B n’accepte pas l’audio; les capacités vocales des petites variantes Gemma 4 compatibles audio ne s’y appliquent pas. Si la tâche exige de l’information parlée, ajoutez sa transcription en texte.\n\nLa réflexion configurable permet au modèle de raisonner avant de répondre ou de donner une réponse directe. Gemma 4 ajoute un rôle system natif aux rôles user et assistant. Le format de prompt de Google active la réflexion avec le jeton de contrôle <|think|> dans le prompt system et sépare le canal de pensée de la réponse finale; son processeur documenté gère ce modèle de conversation. Pour une conversation à plusieurs tours, conservez les réponses finales antérieures et excluez les pensées antérieures, sauf dans les tours d’appel d’outils où le fabricant demande de les conserver.\n\nNative Function Calling prend en charge l’utilisation structurée d’outils, et l’annonce de Google documente aussi la sortie JSON structurée. Définissez la tâche, la fonction disponible et le résultat attendu; l’application effectue l’opération demandée et renvoie sa sortie à l’étape suivante. Une tâche de programmation peut demander de générer, compléter ou corriger du code, tandis qu’un assistant visuel peut utiliser le texte renvoyé pour expliquer un graphique ou un écran. Une instruction d’appel de fonction est distincte d’une action connectée effectivement exécutée.\n\nLa résolution variable des images est réglée par le budget de jetons visuels. Les options documentées sont 70, 140, 280, 560 et 1 120 jetons. Les budgets faibles conviennent à la classification, aux légendes ou aux séquences d’images; les budgets élevés préservent davantage de détails pour l’OCR, l’analyse documentaire et les petits caractères, avec plus de calcul. Décidez si vous avez besoin de la scène générale ou des lettres exactes avant de préparer l’image. Un recadrage clair d’une étiquette peut être plus utile à une extraction qu’une consigne non qualifiée demandant d’examiner tous les détails d’une page entière.\n\nGoogle recommande temperature 1.0, top-p 0.95 et top-k 64 comme configuration d’échantillonnage de la famille. La fiche distingue l’entraînement dans plus de 140 langues de la prise en charge immédiate de plus de 35 langues. Précisez la langue de réponse et conservez explicitement les noms de domaine, noms de champs ou formules dans la consigne. Le nombre 256K décrit le contexte; la fiche citée n’établit pas un maximum de sortie universel distinct pour cette édition.\n\nPour un travail documentaire et de programmation, fournissez l’image de page pertinente, l’exigence écrite et le fragment source : « Lis les libellés, explique les écarts entre cet écran et la spécification et propose une correction ciblée du code fourni. » Pour un graphique, demandez à la réponse de distinguer les valeurs visibles d’une tendance déduite. La fiche Gemma mentionne des limites liées au langage ambigu, aux tâches très complexes et aux énoncés factuels erronés ou dépassés : joignez donc les faits faisant autorité à utiliser dans le résultat, au lieu de compter sur les connaissances d’entraînement.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Match a form to its written specification\n\nCompare this textual form specification and code. Spec: Email is required and uses email validation; nickname is optional. Code: <input name="email" type="text"><input name="nickname" required>. Return a discrepancy table and corrected HTML. Preserve both field names and add visible labels for each field.A spec-to-code discrepancy table and an editable HTML fragment with corrected attributes and labels.Check that only email is required, its type is email and each label points to its matching input.google/gemma-4-31b-itGemma 4 31B IT est le modèle dense de Google ajusté pour suivre les instructions, destiné au raisonnement textuel et visuel. Son contexte de 256K, son raisonnement configurable, la compréhension des images et des vidéos par séquences d’images et l’appel natif de fonctions permettent les tâches de programmation, de traitement de documents et de travail avec des agents, avec une sortie textuelle.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemma 4 31B IT est l’édition dense ajustée aux instructions de Google DeepMind dans la famille ouverte Gemma 4. Google positionne le modèle 31B selon la qualité et l’adaptation à une tâche, tandis que l’édition distincte 26B A4B utilise un mélange d’experts pour l’efficacité d’inférence. Cette fiche concerne l’édition nommée 31B ajustée aux instructions, et non ses poids préentraînés ou un dérivé quantifié.
Le tableau officiel de l’architecture dense annonce 30,7 milliards de paramètres, 60 couches, une fenêtre glissante de 1 024 jetons et un contexte de 256K jetons. La famille combine une attention locale à fenêtre glissante et une attention globale, avec une couche globale finale, et utilise un encodeur visuel dédié à ce modèle. Le profil obtenu traite du texte et des images en entrée et renvoie du texte. Ces données architecturales ne déterminent pas le délai de réponse d’une application et n’impliquent pas la prise en charge audio d’autres tailles Gemma 4.
Son contexte de 256K jetons permet de combiner beaucoup de texte et des éléments visuels. Des images et du texte peuvent s’alterner dans un même prompt; le fabricant recommande de placer l’image avant le texte qui s’y rapporte. Les tâches visuelles comprennent la détection d’objets, l’interprétation de pages, la compréhension d’écrans et d’interfaces, les graphiques, l’OCR multilingue, l’écriture manuscrite et le pointage. La sortie est du texte : du contenu extrait, une explication, du code ou une action d’outil proposée.
La compréhension vidéo traite une séquence d’images. La fiche donne un maximum de 60 secondes lorsque les images sont traitées à une image par seconde. Préparez l’épisode pertinent, préservez l’ordre des images et posez une question sur la séquence visible. Ce profil visuel 26B/31B n’accepte pas l’audio; les capacités vocales des petites variantes Gemma 4 compatibles audio ne s’y appliquent pas. Si la tâche exige de l’information parlée, ajoutez sa transcription en texte.
La réflexion configurable permet au modèle de raisonner avant de répondre ou de donner une réponse directe. Gemma 4 ajoute un rôle system natif aux rôles user et assistant. Le format de prompt de Google active la réflexion avec le jeton de contrôle <|think|> dans le prompt system et sépare le canal de pensée de la réponse finale; son processeur documenté gère ce modèle de conversation. Pour une conversation à plusieurs tours, conservez les réponses finales antérieures et excluez les pensées antérieures, sauf dans les tours d’appel d’outils où le fabricant demande de les conserver.
Native Function Calling prend en charge l’utilisation structurée d’outils, et l’annonce de Google documente aussi la sortie JSON structurée. Définissez la tâche, la fonction disponible et le résultat attendu; l’application effectue l’opération demandée et renvoie sa sortie à l’étape suivante. Une tâche de programmation peut demander de générer, compléter ou corriger du code, tandis qu’un assistant visuel peut utiliser le texte renvoyé pour expliquer un graphique ou un écran. Une instruction d’appel de fonction est distincte d’une action connectée effectivement exécutée.
La résolution variable des images est réglée par le budget de jetons visuels. Les options documentées sont 70, 140, 280, 560 et 1 120 jetons. Les budgets faibles conviennent à la classification, aux légendes ou aux séquences d’images; les budgets élevés préservent davantage de détails pour l’OCR, l’analyse documentaire et les petits caractères, avec plus de calcul. Décidez si vous avez besoin de la scène générale ou des lettres exactes avant de préparer l’image. Un recadrage clair d’une étiquette peut être plus utile à une extraction qu’une consigne non qualifiée demandant d’examiner tous les détails d’une page entière.
Google recommande temperature 1.0, top-p 0.95 et top-k 64 comme configuration d’échantillonnage de la famille. La fiche distingue l’entraînement dans plus de 140 langues de la prise en charge immédiate de plus de 35 langues. Précisez la langue de réponse et conservez explicitement les noms de domaine, noms de champs ou formules dans la consigne. Le nombre 256K décrit le contexte; la fiche citée n’établit pas un maximum de sortie universel distinct pour cette édition.
Pour un travail documentaire et de programmation, fournissez l’image de page pertinente, l’exigence écrite et le fragment source : « Lis les libellés, explique les écarts entre cet écran et la spécification et propose une correction ciblée du code fourni. » Pour un graphique, demandez à la réponse de distinguer les valeurs visibles d’une tendance déduite. La fiche Gemma mentionne des limites liées au langage ambigu, aux tâches très complexes et aux énoncés factuels erronés ou dépassés : joignez donc les faits faisant autorité à utiliser dans le résultat, au lieu de compter sur les connaissances d’entraînement.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemma-4-31b-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 $0.0002 / 1K jetons Sortie · Jetons en sortie $0.00068 / 1K jetons Entrée · Lecture du cache $0.0002 / 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 $0.0002 / 1K jetons Sortie · Jetons en sortie $0.00068 / 1K jetons Entrée · Lecture du cache $0.0002 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-4-31b-it", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemma-4-31b-it',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemma-4-31b-it',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson 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-4-31b-it
Utilisez les chemins de méthode indiqués ci-dessus.
google/gemma-4-31b-itGemma 4 31B IT est le modèle dense de Google ajusté pour suivre les instructions, destiné au raisonnement textuel et visuel. Son contexte de 256K, son raisonnement configurable, la compréhension des images et des vidéos par séquences d’images et l’appel natif de fonctions permettent les tâches de programmation, de traitement de documents et de travail avec des agents, avec une sortie textuelle.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemma 4 31B IT est l’édition dense ajustée aux instructions de Google DeepMind dans la famille ouverte Gemma 4. Google positionne le modèle 31B selon la qualité et l’adaptation à une tâche, tandis que l’édition distincte 26B A4B utilise un mélange d’experts pour l’efficacité d’inférence. Cette fiche concerne l’édition nommée 31B ajustée aux instructions, et non ses poids préentraînés ou un dérivé quantifié.
Le tableau officiel de l’architecture dense annonce 30,7 milliards de paramètres, 60 couches, une fenêtre glissante de 1 024 jetons et un contexte de 256K jetons. La famille combine une attention locale à fenêtre glissante et une attention globale, avec une couche globale finale, et utilise un encodeur visuel dédié à ce modèle. Le profil obtenu traite du texte et des images en entrée et renvoie du texte. Ces données architecturales ne déterminent pas le délai de réponse d’une application et n’impliquent pas la prise en charge audio d’autres tailles Gemma 4.
Son contexte de 256K jetons permet de combiner beaucoup de texte et des éléments visuels. Des images et du texte peuvent s’alterner dans un même prompt; le fabricant recommande de placer l’image avant le texte qui s’y rapporte. Les tâches visuelles comprennent la détection d’objets, l’interprétation de pages, la compréhension d’écrans et d’interfaces, les graphiques, l’OCR multilingue, l’écriture manuscrite et le pointage. La sortie est du texte : du contenu extrait, une explication, du code ou une action d’outil proposée.
La compréhension vidéo traite une séquence d’images. La fiche donne un maximum de 60 secondes lorsque les images sont traitées à une image par seconde. Préparez l’épisode pertinent, préservez l’ordre des images et posez une question sur la séquence visible. Ce profil visuel 26B/31B n’accepte pas l’audio; les capacités vocales des petites variantes Gemma 4 compatibles audio ne s’y appliquent pas. Si la tâche exige de l’information parlée, ajoutez sa transcription en texte.
La réflexion configurable permet au modèle de raisonner avant de répondre ou de donner une réponse directe. Gemma 4 ajoute un rôle system natif aux rôles user et assistant. Le format de prompt de Google active la réflexion avec le jeton de contrôle <|think|> dans le prompt system et sépare le canal de pensée de la réponse finale; son processeur documenté gère ce modèle de conversation. Pour une conversation à plusieurs tours, conservez les réponses finales antérieures et excluez les pensées antérieures, sauf dans les tours d’appel d’outils où le fabricant demande de les conserver.
Native Function Calling prend en charge l’utilisation structurée d’outils, et l’annonce de Google documente aussi la sortie JSON structurée. Définissez la tâche, la fonction disponible et le résultat attendu; l’application effectue l’opération demandée et renvoie sa sortie à l’étape suivante. Une tâche de programmation peut demander de générer, compléter ou corriger du code, tandis qu’un assistant visuel peut utiliser le texte renvoyé pour expliquer un graphique ou un écran. Une instruction d’appel de fonction est distincte d’une action connectée effectivement exécutée.
La résolution variable des images est réglée par le budget de jetons visuels. Les options documentées sont 70, 140, 280, 560 et 1 120 jetons. Les budgets faibles conviennent à la classification, aux légendes ou aux séquences d’images; les budgets élevés préservent davantage de détails pour l’OCR, l’analyse documentaire et les petits caractères, avec plus de calcul. Décidez si vous avez besoin de la scène générale ou des lettres exactes avant de préparer l’image. Un recadrage clair d’une étiquette peut être plus utile à une extraction qu’une consigne non qualifiée demandant d’examiner tous les détails d’une page entière.
Google recommande temperature 1.0, top-p 0.95 et top-k 64 comme configuration d’échantillonnage de la famille. La fiche distingue l’entraînement dans plus de 140 langues de la prise en charge immédiate de plus de 35 langues. Précisez la langue de réponse et conservez explicitement les noms de domaine, noms de champs ou formules dans la consigne. Le nombre 256K décrit le contexte; la fiche citée n’établit pas un maximum de sortie universel distinct pour cette édition.
Pour un travail documentaire et de programmation, fournissez l’image de page pertinente, l’exigence écrite et le fragment source : « Lis les libellés, explique les écarts entre cet écran et la spécification et propose une correction ciblée du code fourni. » Pour un graphique, demandez à la réponse de distinguer les valeurs visibles d’une tendance déduite. La fiche Gemma mentionne des limites liées au langage ambigu, aux tâches très complexes et aux énoncés factuels erronés ou dépassés : joignez donc les faits faisant autorité à utiliser dans le résultat, au lieu de compter sur les connaissances d’entraînement.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemma-4-31b-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 $0.0002 / 1K jetons Sortie · Jetons en sortie $0.00068 / 1K jetons Entrée · Lecture du cache $0.0002 / 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 $0.0002 / 1K jetons Sortie · Jetons en sortie $0.00068 / 1K jetons Entrée · Lecture du cache $0.0002 / 1K jetons Entrée · Écriture dans le cache — / 1K jetons Entrée · Écriture dans le cache, 1 h — / 1K jetons |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "google/gemma-4-31b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-4-31b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-4-31b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON 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-4-31b-it
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Match a form to its written specification\n\nCompare this textual form specification and code. Spec: Email is required and uses email validation; nickname is optional. Code: <input name="email" type="text"><input name="nickname" required>. Return a discrepancy table and corrected HTML. Preserve both field names and add visible labels for each field.A spec-to-code discrepancy table and an editable HTML fragment with corrected attributes and labels.Check that only email is required, its type is email and each label points to its matching input.