Gemini 3 Pro Preview est le profil d’aperçu 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 pour produire un résultat écrit. Ses usages prévus comprennent l’analyse complexe, la programmation avancée, le développement d’algorithmes et les tâches associant un ensemble substantiel de sources à 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 dirige chaque token vers un sous-ensemble d’experts sélectionnés. Cette caractéristique relève de la conception du modèle ; ce n’est pas une commande permettant à l’utilisateur de choisir un expert ou de fixer une configuration de service.
Préparez les entrées en fonction des informations nécessaires à la tâche. Un document, une capture d’écran et un enregistrement audio peuvent apporter des preuves différentes. Indiquez ce que contient chaque élément et comment il doit contribuer à la réponse. La sortie reste textuelle ; comprendre des contenus visuels ou parlés ne fait pas de cet aperçu un générateur d’images, de parole ou de vidéo.
Utilisez les images pour les questions portant sur le contenu visible, l’audio pour les informations parlées ou acoustiques et la vidéo pour une séquence dont l’évolution dans le temps est importante. Joignez l’élément réel à la question au lieu de le décrire uniquement de mémoire. Pour comparer plusieurs éléments, attribuez-leur des étiquettes claires afin que la réponse puisse renvoyer à la bonne source.
Par exemple, un brief d’analyse produit peut combiner une spécification écrite, une capture de l’interface et une démonstration enregistrée. Demandez une comparaison distinguant ce que promet la spécification de ce qui est visible ou audible dans les éléments fournis. Définissez le résultat souhaité sous forme de constats, d’observations justificatives et de questions non résolues.
Pour une tâche sur PDF, fournissez le document et indiquez les sections ou affirmations à examiner. Une question utile demande une comparaison, une extraction ou une explication reliée à la source, plutôt qu’un simple résumé général d’un gros fichier.
La spécification précise de cet aperçu indique une limite d’entrée de 1 048 576 tokens et une limite de sortie de 65 536 tokens. Le fabricant donne janvier 2025 comme date limite des connaissances ; fournissez des preuves plus récentes si la question dépend d’événements ou d’informations ultérieurs. Ces budgets sont distincts. Un vaste ensemble de sources peut être lu pour produire une réponse ciblée sans reproduire chaque partie de l’entrée.
Organisez les documents longs pour rendre leur structure claire : titres des documents, limites des sections, chemins du code et question à laquelle la sortie doit répondre. Gardez les exceptions et définitions pertinentes près du contenu qu’elles précisent. Si la tâche exige un rapport long, indiquez ses sections et les preuves attendues dans chacune.
Une grande fenêtre de contexte ne garantit ni une attention égale à chaque détail, ni l’exactitude de chaque conclusion. Google signale aussi une possible dégradation au fil des conversations à plusieurs tours ; vérifiez les faits importants des sources et le contexte réutilisé à mesure que l’échange progresse. Confrontez la réponse aux passages ou éléments précis qui étayent ses principales affirmations.
Les usages prévus par le fabricant comprennent la programmation avancée et les travaux algorithmiques. Fournissez le code pertinent, les hypothèses sur l’environnement, l’échec constaté et le comportement attendu. Pour une tâche algorithmique, définissez l’entrée, la sortie souhaitée et les conditions relatives notamment à l’ordre, aux doublons ou aux données invalides.
Un bon brief de débogage associe l’entrée défaillante et l’erreur à la plus petite portion pertinente du code. Demandez un diagnostic et une modification ciblée, puis examinez si la modification proposée corrige le comportement signalé. Du code généré et l’affirmation qu’il devrait fonctionner ne sont pas équivalents à une implémentation exécutée et vérifiée.
Pour une question portant sur un dépôt plus important, utilisez le budget d’entrée pour fournir les fichiers nécessaires avec des chemins clairement indiqués. Précisez si le livrable souhaité est une explication, un correctif proposé ou une analyse d’alternatives afin de donner un objectif concret au résultat.
La spécification du fabricant pour cet aperçu prend en charge les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche et le contexte d’URL. Ces fonctions ont des rôles distincts. Un appel de fonction décrit une opération que l’application doit exécuter ; le résultat de l’outil apporte ensuite des éléments probants pour l’étape suivante du modèle. L’exécution de code est un flux d’outils, pas la garantie qu’un code applicatif généré quelconque a déjà été testé.
L’ancrage par recherche et le contexte d’URL proposent des flux centrés sur les sources, tandis que la recherche dans les fichiers utilise une collection préparée. Conservez les résultats des outils et les associations aux sources avec la réponse pour permettre l’examen des conclusions. Selon sa spécification, ce profil ne prend en charge ni l’utilisation d’un ordinateur, ni l’ancrage Google Maps.
La prise en charge des sorties structurées permet d’exprimer un résultat selon un schéma défini. Précisez les champs et leur signification avant la génération, puis vérifiez le contenu et le format. Un objet structuré valide exige toujours une vérification factuelle et propre à la tâche.
La réflexion est prise en charge par cet aperçu. Utilisez une tâche claire, des éléments pertinents et des contraintes explicites pour les travaux exigeant plusieurs étapes de raisonnement. 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 mentionne aussi la mise en cache et le traitement par lots. Ces fonctions de traitement sont distinctes des capacités de contenu du modèle ; leur présence ne prouve ni qu’une requête donnée a été mise en cache, ni qu’un résultat de lot est correct.
Distinguez Gemini 3 Pro Preview de Gemini 3.1 Pro Preview, Gemini 3 Pro Image et des profils audio ou Live. La sortie de cet aperçu est textuelle et sa spécification ne comprend ni génération d’images, ni génération audio, ni fonctionnement Live. Évaluez la réponse, le code ou le résultat structuré retourné au regard des sources fournies et de la tâche prévue.
", "aboutText": "Gemini 3 Pro Preview est le profil d’aperçu 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 pour produire un résultat écrit. Ses usages prévus comprennent l’analyse complexe, la programmation avancée, le développement d’algorithmes et les tâches associant un ensemble substantiel de sources à 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 dirige chaque token vers un sous-ensemble d’experts sélectionnés. Cette caractéristique relève de la conception du modèle ; ce n’est pas une commande permettant à l’utilisateur de choisir un expert ou de fixer une configuration de service.\n\nPréparez les entrées en fonction des informations nécessaires à la tâche. Un document, une capture d’écran et un enregistrement audio peuvent apporter des preuves différentes. Indiquez ce que contient chaque élément et comment il doit contribuer à la réponse. La sortie reste textuelle ; comprendre des contenus visuels ou parlés ne fait pas de cet aperçu un générateur d’images, de parole ou de vidéo.\n\n### Analyse multimodale\n\nUtilisez les images pour les questions portant sur le contenu visible, l’audio pour les informations parlées ou acoustiques et la vidéo pour une séquence dont l’évolution dans le temps est importante. Joignez l’élément réel à la question au lieu de le décrire uniquement de mémoire. Pour comparer plusieurs éléments, attribuez-leur des étiquettes claires afin que la réponse puisse renvoyer à la bonne source.\n\nPar exemple, un brief d’analyse produit peut combiner une spécification écrite, une capture de l’interface et une démonstration enregistrée. Demandez une comparaison distinguant ce que promet la spécification de ce qui est visible ou audible dans les éléments fournis. Définissez le résultat souhaité sous forme de constats, d’observations justificatives et de questions non résolues.\n\nPour une tâche sur PDF, fournissez le document et indiquez les sections ou affirmations à examiner. Une question utile demande une comparaison, une extraction ou une explication reliée à la source, plutôt qu’un simple résumé général d’un gros fichier.\n\n### Contexte long et budget de sortie\n\nLa spécification précise de cet aperçu indique une limite d’entrée de 1 048 576 tokens et une limite de sortie de 65 536 tokens. Le fabricant donne janvier 2025 comme date limite des connaissances ; fournissez des preuves plus récentes si la question dépend d’événements ou d’informations ultérieurs. Ces budgets sont distincts. Un vaste ensemble de sources peut être lu pour produire une réponse ciblée sans reproduire chaque partie de l’entrée.\n\nOrganisez les documents longs pour rendre leur structure claire : titres des documents, limites des sections, chemins du code et question à laquelle la sortie doit répondre. Gardez les exceptions et définitions pertinentes près du contenu qu’elles précisent. Si la tâche exige un rapport long, indiquez ses sections et les preuves attendues dans chacune.\n\nUne grande fenêtre de contexte ne garantit ni une attention égale à chaque détail, ni l’exactitude de chaque conclusion. Google signale aussi une possible dégradation au fil des conversations à plusieurs tours ; vérifiez les faits importants des sources et le contexte réutilisé à mesure que l’échange progresse. Confrontez la réponse aux passages ou éléments précis qui étayent ses principales affirmations.\n\n### Programmation et développement d’algorithmes\n\nLes usages prévus par le fabricant comprennent la programmation avancée et les travaux algorithmiques. Fournissez le code pertinent, les hypothèses sur l’environnement, l’échec constaté et le comportement attendu. Pour une tâche algorithmique, définissez l’entrée, la sortie souhaitée et les conditions relatives notamment à l’ordre, aux doublons ou aux données invalides.\n\nUn bon brief de débogage associe l’entrée défaillante et l’erreur à la plus petite portion pertinente du code. Demandez un diagnostic et une modification ciblée, puis examinez si la modification proposée corrige le comportement signalé. Du code généré et l’affirmation qu’il devrait fonctionner ne sont pas équivalents à une implémentation exécutée et vérifiée.\n\nPour une question portant sur un dépôt plus important, utilisez le budget d’entrée pour fournir les fichiers nécessaires avec des chemins clairement indiqués. Précisez si le livrable souhaité est une explication, un correctif proposé ou une analyse d’alternatives afin de donner un objectif concret au résultat.\n\n### Outils, sources et résultats structurés\n\nLa spécification du fabricant pour cet aperçu prend en charge les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche et le contexte d’URL. Ces fonctions ont des rôles distincts. Un appel de fonction décrit une opération que l’application doit exécuter ; le résultat de l’outil apporte ensuite des éléments probants pour l’étape suivante du modèle. L’exécution de code est un flux d’outils, pas la garantie qu’un code applicatif généré quelconque a déjà été testé.\n\nL’ancrage par recherche et le contexte d’URL proposent des flux centrés sur les sources, tandis que la recherche dans les fichiers utilise une collection préparée. Conservez les résultats des outils et les associations aux sources avec la réponse pour permettre l’examen des conclusions. Selon sa spécification, ce profil ne prend en charge ni l’utilisation d’un ordinateur, ni l’ancrage Google Maps.\n\nLa prise en charge des sorties structurées permet d’exprimer un résultat selon un schéma défini. Précisez les champs et leur signification avant la génération, puis vérifiez le contenu et le format. Un objet structuré valide exige toujours une vérification factuelle et propre à la tâche.\n\n### Raisonnement, réutilisation et limites entre éditions\n\nLa réflexion est prise en charge par cet aperçu. Utilisez une tâche claire, des éléments pertinents et des contraintes explicites pour les travaux exigeant plusieurs étapes de raisonnement. 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 mentionne aussi la mise en cache et le traitement par lots. Ces fonctions de traitement sont distinctes des capacités de contenu du modèle ; leur présence ne prouve ni qu’une requête donnée a été mise en cache, ni qu’un résultat de lot est correct.\n\nDistinguez Gemini 3 Pro Preview de Gemini 3.1 Pro Preview, Gemini 3 Pro Image et des profils audio ou Live. La sortie de cet aperçu est textuelle et sa spécification ne comprend ni génération d’images, ni génération audio, ni fonctionnement Live. Évaluez la réponse, le code ou le résultat structuré retourné au regard des sources fournies et de la tâche prévue.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "9e0976cf3a8b7a541393d9354d79fa7d6180f229dcf735733986978f22cc0144", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "fr-ch", "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. Son important budget d’entrée, ses capacités de programmation et ses flux d’outils 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 d’aperçu 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 pour produire un résultat écrit. Ses usages prévus comprennent l’analyse complexe, la programmation avancée, le développement d’algorithmes et les tâches associant un ensemble substantiel de sources à 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 dirige chaque token vers un sous-ensemble d’experts sélectionnés. Cette caractéristique relève de la conception du modèle ; ce n’est pas une commande permettant à l’utilisateur de choisir un expert ou de fixer une configuration de service.
Préparez les entrées en fonction des informations nécessaires à la tâche. Un document, une capture d’écran et un enregistrement audio peuvent apporter des preuves différentes. Indiquez ce que contient chaque élément et comment il doit contribuer à la réponse. La sortie reste textuelle ; comprendre des contenus visuels ou parlés ne fait pas de cet aperçu un générateur d’images, de parole ou de vidéo.
Utilisez les images pour les questions portant sur le contenu visible, l’audio pour les informations parlées ou acoustiques et la vidéo pour une séquence dont l’évolution dans le temps est importante. Joignez l’élément réel à la question au lieu de le décrire uniquement de mémoire. Pour comparer plusieurs éléments, attribuez-leur des étiquettes claires afin que la réponse puisse renvoyer à la bonne source.
Par exemple, un brief d’analyse produit peut combiner une spécification écrite, une capture de l’interface et une démonstration enregistrée. Demandez une comparaison distinguant ce que promet la spécification de ce qui est visible ou audible dans les éléments fournis. Définissez le résultat souhaité sous forme de constats, d’observations justificatives et de questions non résolues.
Pour une tâche sur PDF, fournissez le document et indiquez les sections ou affirmations à examiner. Une question utile demande une comparaison, une extraction ou une explication reliée à la source, plutôt qu’un simple résumé général d’un gros fichier.
La spécification précise de cet aperçu indique une limite d’entrée de 1 048 576 tokens et une limite de sortie de 65 536 tokens. Le fabricant donne janvier 2025 comme date limite des connaissances ; fournissez des preuves plus récentes si la question dépend d’événements ou d’informations ultérieurs. Ces budgets sont distincts. Un vaste ensemble de sources peut être lu pour produire une réponse ciblée sans reproduire chaque partie de l’entrée.
Organisez les documents longs pour rendre leur structure claire : titres des documents, limites des sections, chemins du code et question à laquelle la sortie doit répondre. Gardez les exceptions et définitions pertinentes près du contenu qu’elles précisent. Si la tâche exige un rapport long, indiquez ses sections et les preuves attendues dans chacune.
Une grande fenêtre de contexte ne garantit ni une attention égale à chaque détail, ni l’exactitude de chaque conclusion. Google signale aussi une possible dégradation au fil des conversations à plusieurs tours ; vérifiez les faits importants des sources et le contexte réutilisé à mesure que l’échange progresse. Confrontez la réponse aux passages ou éléments précis qui étayent ses principales affirmations.
Les usages prévus par le fabricant comprennent la programmation avancée et les travaux algorithmiques. Fournissez le code pertinent, les hypothèses sur l’environnement, l’échec constaté et le comportement attendu. Pour une tâche algorithmique, définissez l’entrée, la sortie souhaitée et les conditions relatives notamment à l’ordre, aux doublons ou aux données invalides.
Un bon brief de débogage associe l’entrée défaillante et l’erreur à la plus petite portion pertinente du code. Demandez un diagnostic et une modification ciblée, puis examinez si la modification proposée corrige le comportement signalé. Du code généré et l’affirmation qu’il devrait fonctionner ne sont pas équivalents à une implémentation exécutée et vérifiée.
Pour une question portant sur un dépôt plus important, utilisez le budget d’entrée pour fournir les fichiers nécessaires avec des chemins clairement indiqués. Précisez si le livrable souhaité est une explication, un correctif proposé ou une analyse d’alternatives afin de donner un objectif concret au résultat.
La spécification du fabricant pour cet aperçu prend en charge les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche et le contexte d’URL. Ces fonctions ont des rôles distincts. Un appel de fonction décrit une opération que l’application doit exécuter ; le résultat de l’outil apporte ensuite des éléments probants pour l’étape suivante du modèle. L’exécution de code est un flux d’outils, pas la garantie qu’un code applicatif généré quelconque a déjà été testé.
L’ancrage par recherche et le contexte d’URL proposent des flux centrés sur les sources, tandis que la recherche dans les fichiers utilise une collection préparée. Conservez les résultats des outils et les associations aux sources avec la réponse pour permettre l’examen des conclusions. Selon sa spécification, ce profil ne prend en charge ni l’utilisation d’un ordinateur, ni l’ancrage Google Maps.
La prise en charge des sorties structurées permet d’exprimer un résultat selon un schéma défini. Précisez les champs et leur signification avant la génération, puis vérifiez le contenu et le format. Un objet structuré valide exige toujours une vérification factuelle et propre à la tâche.
La réflexion est prise en charge par cet aperçu. Utilisez une tâche claire, des éléments pertinents et des contraintes explicites pour les travaux exigeant plusieurs étapes de raisonnement. 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 mentionne aussi la mise en cache et le traitement par lots. Ces fonctions de traitement sont distinctes des capacités de contenu du modèle ; leur présence ne prouve ni qu’une requête donnée a été mise en cache, ni qu’un résultat de lot est correct.
Distinguez Gemini 3 Pro Preview de Gemini 3.1 Pro Preview, Gemini 3 Pro Image et des profils audio ou Live. La sortie de cet aperçu est textuelle et sa spécification ne comprend ni génération d’images, ni génération audio, ni fonctionnement Live. Évaluez la réponse, le code ou le résultat structuré retourné au regard 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 sous forme de texte littéral ; aucun identifiant de fichier déduit |
Paramètreoptional_controls | Contratstream |
Paramètrecontrol_scope | ContratConversation textuelle ; stream est un booléen dont la valeur par défaut est false. |
Paramètreoutput_modalities | Contrattext |
Paramètrehosted_operations | Contratfalse |
Paramètremultimodal_input_binding | Contratnull |
Alias de méthode : /chat/completions
Cycle de vie : synchronous_or_streamed
Envoyez l’identifiant exact du modèle avec messages.
La longueur du contexte n’est pas un plafond de sortie.
Un fichier texte peut fournir du texte littéral ; les entrées image/audio/objets fichier nécessitent une liaison exacte.
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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.004 / 1K tokens Sortie · Tokens en sortie $0.024 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${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, puis conservez le motif final de terminaison et les données d’utilisation.
Conservez les identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | 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. Son important budget d’entrée, ses capacités de programmation et ses flux d’outils 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 d’aperçu 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 pour produire un résultat écrit. Ses usages prévus comprennent l’analyse complexe, la programmation avancée, le développement d’algorithmes et les tâches associant un ensemble substantiel de sources à 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 dirige chaque token vers un sous-ensemble d’experts sélectionnés. Cette caractéristique relève de la conception du modèle ; ce n’est pas une commande permettant à l’utilisateur de choisir un expert ou de fixer une configuration de service.
Préparez les entrées en fonction des informations nécessaires à la tâche. Un document, une capture d’écran et un enregistrement audio peuvent apporter des preuves différentes. Indiquez ce que contient chaque élément et comment il doit contribuer à la réponse. La sortie reste textuelle ; comprendre des contenus visuels ou parlés ne fait pas de cet aperçu un générateur d’images, de parole ou de vidéo.
Utilisez les images pour les questions portant sur le contenu visible, l’audio pour les informations parlées ou acoustiques et la vidéo pour une séquence dont l’évolution dans le temps est importante. Joignez l’élément réel à la question au lieu de le décrire uniquement de mémoire. Pour comparer plusieurs éléments, attribuez-leur des étiquettes claires afin que la réponse puisse renvoyer à la bonne source.
Par exemple, un brief d’analyse produit peut combiner une spécification écrite, une capture de l’interface et une démonstration enregistrée. Demandez une comparaison distinguant ce que promet la spécification de ce qui est visible ou audible dans les éléments fournis. Définissez le résultat souhaité sous forme de constats, d’observations justificatives et de questions non résolues.
Pour une tâche sur PDF, fournissez le document et indiquez les sections ou affirmations à examiner. Une question utile demande une comparaison, une extraction ou une explication reliée à la source, plutôt qu’un simple résumé général d’un gros fichier.
La spécification précise de cet aperçu indique une limite d’entrée de 1 048 576 tokens et une limite de sortie de 65 536 tokens. Le fabricant donne janvier 2025 comme date limite des connaissances ; fournissez des preuves plus récentes si la question dépend d’événements ou d’informations ultérieurs. Ces budgets sont distincts. Un vaste ensemble de sources peut être lu pour produire une réponse ciblée sans reproduire chaque partie de l’entrée.
Organisez les documents longs pour rendre leur structure claire : titres des documents, limites des sections, chemins du code et question à laquelle la sortie doit répondre. Gardez les exceptions et définitions pertinentes près du contenu qu’elles précisent. Si la tâche exige un rapport long, indiquez ses sections et les preuves attendues dans chacune.
Une grande fenêtre de contexte ne garantit ni une attention égale à chaque détail, ni l’exactitude de chaque conclusion. Google signale aussi une possible dégradation au fil des conversations à plusieurs tours ; vérifiez les faits importants des sources et le contexte réutilisé à mesure que l’échange progresse. Confrontez la réponse aux passages ou éléments précis qui étayent ses principales affirmations.
Les usages prévus par le fabricant comprennent la programmation avancée et les travaux algorithmiques. Fournissez le code pertinent, les hypothèses sur l’environnement, l’échec constaté et le comportement attendu. Pour une tâche algorithmique, définissez l’entrée, la sortie souhaitée et les conditions relatives notamment à l’ordre, aux doublons ou aux données invalides.
Un bon brief de débogage associe l’entrée défaillante et l’erreur à la plus petite portion pertinente du code. Demandez un diagnostic et une modification ciblée, puis examinez si la modification proposée corrige le comportement signalé. Du code généré et l’affirmation qu’il devrait fonctionner ne sont pas équivalents à une implémentation exécutée et vérifiée.
Pour une question portant sur un dépôt plus important, utilisez le budget d’entrée pour fournir les fichiers nécessaires avec des chemins clairement indiqués. Précisez si le livrable souhaité est une explication, un correctif proposé ou une analyse d’alternatives afin de donner un objectif concret au résultat.
La spécification du fabricant pour cet aperçu prend en charge les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche et le contexte d’URL. Ces fonctions ont des rôles distincts. Un appel de fonction décrit une opération que l’application doit exécuter ; le résultat de l’outil apporte ensuite des éléments probants pour l’étape suivante du modèle. L’exécution de code est un flux d’outils, pas la garantie qu’un code applicatif généré quelconque a déjà été testé.
L’ancrage par recherche et le contexte d’URL proposent des flux centrés sur les sources, tandis que la recherche dans les fichiers utilise une collection préparée. Conservez les résultats des outils et les associations aux sources avec la réponse pour permettre l’examen des conclusions. Selon sa spécification, ce profil ne prend en charge ni l’utilisation d’un ordinateur, ni l’ancrage Google Maps.
La prise en charge des sorties structurées permet d’exprimer un résultat selon un schéma défini. Précisez les champs et leur signification avant la génération, puis vérifiez le contenu et le format. Un objet structuré valide exige toujours une vérification factuelle et propre à la tâche.
La réflexion est prise en charge par cet aperçu. Utilisez une tâche claire, des éléments pertinents et des contraintes explicites pour les travaux exigeant plusieurs étapes de raisonnement. 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 mentionne aussi la mise en cache et le traitement par lots. Ces fonctions de traitement sont distinctes des capacités de contenu du modèle ; leur présence ne prouve ni qu’une requête donnée a été mise en cache, ni qu’un résultat de lot est correct.
Distinguez Gemini 3 Pro Preview de Gemini 3.1 Pro Preview, Gemini 3 Pro Image et des profils audio ou Live. La sortie de cet aperçu est textuelle et sa spécification ne comprend ni génération d’images, ni génération audio, ni fonctionnement Live. Évaluez la réponse, le code ou le résultat structuré retourné au regard 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 tokens | Barème tarifaireTarif de base | Coût Entrée · Tokens en entrée $0.004 / 1K tokens Sortie · Tokens en sortie $0.024 / 1K tokens Entrée · Lecture du cache $0 / 1K tokens Entrée · Écriture dans le cache $0 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "gemini-3-pro-preview",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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 identifiants 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 identifiants de requête et de réponse ainsi que les en-têtes. Aucune URL générique de récupération des tâches textuelles 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 contenus ou valeur de paramètre non valides | Étape suivanteCorrigez les champs indiqués avant une nouvelle requête de création. |
Ailoot Ultra gemini-3-pro-preview
/chat/completions