Gemma 3 12B IT est le modèle vision-langage de Google ajusté pour suivre les instructions dans la catégorie de taille 12B. Il appartient à la famille Gemma 3, qui combine génération de texte, compréhension d’images et entraînement multilingue. Le suffixe IT sélectionne le checkpoint qui suit les instructions plutôt que le modèle préentraîné. Son résultat est du texte : une explication, un résumé, une réponse, un brouillon ou du code dérivé des éléments écrits et visuels d’une requête.
Le modèle 12B dispose du contexte de 128K tokens de la famille pour l’entrée et la réponse générée. La sortie utilise la portion restante après la requête ; la fiche n’accorde pas une seconde fenêtre de sortie indépendante de 128K. Les vues d’image de base sont normalisées à 896×896 et représentées chacune par 256 tokens visuels. Lorsque vous préparez un ensemble de pages, conservez leurs identifiants et réservez de la place pour le résultat. Posez une question précise sur le contenu pertinent plutôt que de compter sur une grande fenêtre pour sélectionner automatiquement le bon sujet.
Le fabricant rapporte 12 billions de tokens de préentraînement pour cette taille. Les données d’entraînement comprennent des documents web multilingues, du code, des mathématiques et des images, avec une couverture de plus de 140 langues dans la famille. Le rapport décrit la distillation des connaissances et une méthode améliorée d’ajustement aux instructions avec apprentissage par renforcement. Ces étapes visent l’utilité, le raisonnement mathématique et sur le code, le suivi des instructions et l’interaction multilingue. Un budget d’entraînement distinct et une identité de checkpoint ne suffisent pas à établir la qualité d’une réponse particulière : comparez donc la sortie à la tâche source.
L’architecture utilise un transformer à décodeur seul avec grouped-query attention et un motif répété de cinq couches d’attention locale pour une couche globale. Les couches locales utilisent une portée de 1 024 tokens, tandis que l’attention globale prend en charge le contexte plus long. Un encodeur visuel SigLIP, partagé par les modèles 4B, 12B et 27B, convertit les images en représentations traitées par le modèle de langage. Le tokenizer SentencePiece conserve les espaces, sépare les chiffres et inclut un encodage au niveau des octets. Cela compte lorsque la mise en forme du code, la notation numérique ou le texte multilingue doivent rester intacts.
Le traitement visuel inclut également Pan and Scan : des recadrages adaptatifs sans chevauchement aident à conserver le contenu des sources larges ou en haute résolution avant que chaque vue atteigne l’encodeur à résolution fixe. Des vues supplémentaires modifient les éléments traités. Pour un document technique, fournissez une page lisible et, si nécessaire, une vue claire du tableau ou du diagramme visé par la question. Préservez la définition environnante d’une unité, d’un symbole ou d’une colonne afin qu’une lecture visuelle locale ne perde pas son sens.
Le format de prompt IT natif utilise des tours user et model et ne possède pas de rôle system séparé. Placez le rôle souhaité, les règles de réponse et la tâche dans le premier prompt user, en utilisant le formateur ou le processeur désigné pour la conversation réelle. Une demande originale d’analyse documentaire peut comparer deux descriptions de procédure, renvoyer un tableau des exigences correspondantes et identifier les conflits. Identifiez les sources, indiquez quelle exigence est prioritaire et demandez au modèle de distinguer les faits fournis de son interprétation.
Les usages prévus dans la fiche du fabricant comprennent le résumé, l’assistance conversationnelle, l’extraction de données d’images, la rédaction et l’apprentissage. Pour une explication multilingue, précisez le lectorat cible, la terminologie et le niveau de détail. Pour une question sur une image, identifiez les objets ou les relations à discuter et demandez des observations étayant la réponse finale. Pour du code, incluez la fonction réelle et le comportement attendu ; le résultat peut proposer une implémentation, tandis qu’une application distincte doit l’exécuter et la vérifier. Le rapport publie séparément les variantes quantifiées de la famille : cette identité 12B IT ne doit donc pas être remplacée silencieusement par un autre checkpoint quantifié lors de l’enregistrement des résultats.
Le fabricant identifie des limites liées à la couverture d’entraînement, aux inexactitudes factuelles, aux nuances linguistiques et aux tâches ouvertes complexes. Google avertit aussi qu’un schéma linguistique plausible peut produire une réponse qui manque une contrainte courante du monde réel. De petits détails visuels peuvent être perdus ou mal lus, et les entrées longues exigent toujours des priorités claires. Conservez les pages originales, vérifiez les libellés et les quantités extraits, puis validez tout texte demandé d’apparence structurée avant de l’utiliser comme données. Évaluez le modèle 12B IT exact sur des questions et des langues représentatives. Un livrable final utile présente la réponse fondée sur les sources, le raisonnement nécessaire pour la comprendre et l’incertitude restante, sans présenter une explication générée comme une action d’outil accomplie ou une recherche de connaissances en direct.
", "aboutText": "Gemma 3 12B IT est le modèle vision-langage de Google ajusté pour suivre les instructions dans la catégorie de taille 12B. Il appartient à la famille Gemma 3, qui combine génération de texte, compréhension d’images et entraînement multilingue. Le suffixe IT sélectionne le checkpoint qui suit les instructions plutôt que le modèle préentraîné. Son résultat est du texte : une explication, un résumé, une réponse, un brouillon ou du code dérivé des éléments écrits et visuels d’une requête.\n\nLe modèle 12B dispose du contexte de 128K tokens de la famille pour l’entrée et la réponse générée. La sortie utilise la portion restante après la requête ; la fiche n’accorde pas une seconde fenêtre de sortie indépendante de 128K. Les vues d’image de base sont normalisées à 896×896 et représentées chacune par 256 tokens visuels. Lorsque vous préparez un ensemble de pages, conservez leurs identifiants et réservez de la place pour le résultat. Posez une question précise sur le contenu pertinent plutôt que de compter sur une grande fenêtre pour sélectionner automatiquement le bon sujet.\n\nLe fabricant rapporte 12 billions de tokens de préentraînement pour cette taille. Les données d’entraînement comprennent des documents web multilingues, du code, des mathématiques et des images, avec une couverture de plus de 140 langues dans la famille. Le rapport décrit la distillation des connaissances et une méthode améliorée d’ajustement aux instructions avec apprentissage par renforcement. Ces étapes visent l’utilité, le raisonnement mathématique et sur le code, le suivi des instructions et l’interaction multilingue. Un budget d’entraînement distinct et une identité de checkpoint ne suffisent pas à établir la qualité d’une réponse particulière : comparez donc la sortie à la tâche source.\n\nL’architecture utilise un transformer à décodeur seul avec grouped-query attention et un motif répété de cinq couches d’attention locale pour une couche globale. Les couches locales utilisent une portée de 1 024 tokens, tandis que l’attention globale prend en charge le contexte plus long. Un encodeur visuel SigLIP, partagé par les modèles 4B, 12B et 27B, convertit les images en représentations traitées par le modèle de langage. Le tokenizer SentencePiece conserve les espaces, sépare les chiffres et inclut un encodage au niveau des octets. Cela compte lorsque la mise en forme du code, la notation numérique ou le texte multilingue doivent rester intacts.\n\nLe traitement visuel inclut également Pan and Scan : des recadrages adaptatifs sans chevauchement aident à conserver le contenu des sources larges ou en haute résolution avant que chaque vue atteigne l’encodeur à résolution fixe. Des vues supplémentaires modifient les éléments traités. Pour un document technique, fournissez une page lisible et, si nécessaire, une vue claire du tableau ou du diagramme visé par la question. Préservez la définition environnante d’une unité, d’un symbole ou d’une colonne afin qu’une lecture visuelle locale ne perde pas son sens.\n\nLe format de prompt IT natif utilise des tours user et model et ne possède pas de rôle system séparé. Placez le rôle souhaité, les règles de réponse et la tâche dans le premier prompt user, en utilisant le formateur ou le processeur désigné pour la conversation réelle. Une demande originale d’analyse documentaire peut comparer deux descriptions de procédure, renvoyer un tableau des exigences correspondantes et identifier les conflits. Identifiez les sources, indiquez quelle exigence est prioritaire et demandez au modèle de distinguer les faits fournis de son interprétation.\n\nLes usages prévus dans la fiche du fabricant comprennent le résumé, l’assistance conversationnelle, l’extraction de données d’images, la rédaction et l’apprentissage. Pour une explication multilingue, précisez le lectorat cible, la terminologie et le niveau de détail. Pour une question sur une image, identifiez les objets ou les relations à discuter et demandez des observations étayant la réponse finale. Pour du code, incluez la fonction réelle et le comportement attendu ; le résultat peut proposer une implémentation, tandis qu’une application distincte doit l’exécuter et la vérifier. Le rapport publie séparément les variantes quantifiées de la famille : cette identité 12B IT ne doit donc pas être remplacée silencieusement par un autre checkpoint quantifié lors de l’enregistrement des résultats.\n\nLe fabricant identifie des limites liées à la couverture d’entraînement, aux inexactitudes factuelles, aux nuances linguistiques et aux tâches ouvertes complexes. Google avertit aussi qu’un schéma linguistique plausible peut produire une réponse qui manque une contrainte courante du monde réel. De petits détails visuels peuvent être perdus ou mal lus, et les entrées longues exigent toujours des priorités claires. Conservez les pages originales, vérifiez les libellés et les quantités extraits, puis validez tout texte demandé d’apparence structurée avant de l’utiliser comme données. Évaluez le modèle 12B IT exact sur des questions et des langues représentatives. Un livrable final utile présente la réponse fondée sur les sources, le raisonnement nécessaire pour la comprendre et l’incertitude restante, sans présenter une explication générée comme une action d’outil accomplie ou une recherche de connaissances en direct.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.google/gemma-3-12b-itGemma 3 12B IT est une édition distincte de Gemma 3 ajustée pour suivre les instructions, destinée à la génération de texte et à la compréhension d’images. Utilisez-la pour interroger des documents, expliquer et rédiger dans plusieurs langues avec un contexte partagé de 128K, en conservant explicitement le checkpoint 12B et son format de conversation natif.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemma 3 12B IT est le modèle vision-langage de Google ajusté pour suivre les instructions dans la catégorie de taille 12B. Il appartient à la famille Gemma 3, qui combine génération de texte, compréhension d’images et entraînement multilingue. Le suffixe IT sélectionne le checkpoint qui suit les instructions plutôt que le modèle préentraîné. Son résultat est du texte : une explication, un résumé, une réponse, un brouillon ou du code dérivé des éléments écrits et visuels d’une requête.
Le modèle 12B dispose du contexte de 128K tokens de la famille pour l’entrée et la réponse générée. La sortie utilise la portion restante après la requête ; la fiche n’accorde pas une seconde fenêtre de sortie indépendante de 128K. Les vues d’image de base sont normalisées à 896×896 et représentées chacune par 256 tokens visuels. Lorsque vous préparez un ensemble de pages, conservez leurs identifiants et réservez de la place pour le résultat. Posez une question précise sur le contenu pertinent plutôt que de compter sur une grande fenêtre pour sélectionner automatiquement le bon sujet.
Le fabricant rapporte 12 billions de tokens de préentraînement pour cette taille. Les données d’entraînement comprennent des documents web multilingues, du code, des mathématiques et des images, avec une couverture de plus de 140 langues dans la famille. Le rapport décrit la distillation des connaissances et une méthode améliorée d’ajustement aux instructions avec apprentissage par renforcement. Ces étapes visent l’utilité, le raisonnement mathématique et sur le code, le suivi des instructions et l’interaction multilingue. Un budget d’entraînement distinct et une identité de checkpoint ne suffisent pas à établir la qualité d’une réponse particulière : comparez donc la sortie à la tâche source.
L’architecture utilise un transformer à décodeur seul avec grouped-query attention et un motif répété de cinq couches d’attention locale pour une couche globale. Les couches locales utilisent une portée de 1 024 tokens, tandis que l’attention globale prend en charge le contexte plus long. Un encodeur visuel SigLIP, partagé par les modèles 4B, 12B et 27B, convertit les images en représentations traitées par le modèle de langage. Le tokenizer SentencePiece conserve les espaces, sépare les chiffres et inclut un encodage au niveau des octets. Cela compte lorsque la mise en forme du code, la notation numérique ou le texte multilingue doivent rester intacts.
Le traitement visuel inclut également Pan and Scan : des recadrages adaptatifs sans chevauchement aident à conserver le contenu des sources larges ou en haute résolution avant que chaque vue atteigne l’encodeur à résolution fixe. Des vues supplémentaires modifient les éléments traités. Pour un document technique, fournissez une page lisible et, si nécessaire, une vue claire du tableau ou du diagramme visé par la question. Préservez la définition environnante d’une unité, d’un symbole ou d’une colonne afin qu’une lecture visuelle locale ne perde pas son sens.
Le format de prompt IT natif utilise des tours user et model et ne possède pas de rôle system séparé. Placez le rôle souhaité, les règles de réponse et la tâche dans le premier prompt user, en utilisant le formateur ou le processeur désigné pour la conversation réelle. Une demande originale d’analyse documentaire peut comparer deux descriptions de procédure, renvoyer un tableau des exigences correspondantes et identifier les conflits. Identifiez les sources, indiquez quelle exigence est prioritaire et demandez au modèle de distinguer les faits fournis de son interprétation.
Les usages prévus dans la fiche du fabricant comprennent le résumé, l’assistance conversationnelle, l’extraction de données d’images, la rédaction et l’apprentissage. Pour une explication multilingue, précisez le lectorat cible, la terminologie et le niveau de détail. Pour une question sur une image, identifiez les objets ou les relations à discuter et demandez des observations étayant la réponse finale. Pour du code, incluez la fonction réelle et le comportement attendu ; le résultat peut proposer une implémentation, tandis qu’une application distincte doit l’exécuter et la vérifier. Le rapport publie séparément les variantes quantifiées de la famille : cette identité 12B IT ne doit donc pas être remplacée silencieusement par un autre checkpoint quantifié lors de l’enregistrement des résultats.
Le fabricant identifie des limites liées à la couverture d’entraînement, aux inexactitudes factuelles, aux nuances linguistiques et aux tâches ouvertes complexes. Google avertit aussi qu’un schéma linguistique plausible peut produire une réponse qui manque une contrainte courante du monde réel. De petits détails visuels peuvent être perdus ou mal lus, et les entrées longues exigent toujours des priorités claires. Conservez les pages originales, vérifiez les libellés et les quantités extraits, puis validez tout texte demandé d’apparence structurée avant de l’utiliser comme données. Évaluez le modèle 12B IT exact sur des questions et des langues représentatives. Un livrable final utile présente la réponse fondée sur les sources, le raisonnement nécessaire pour la comprendre et l’incertitude restante, sans présenter une explication générée comme une action d’outil accomplie ou une recherche de connaissances en direct.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemma-3-12b-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’identifiant 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: outil de fonction fourni | 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 rejeté sur cette route textuelle Ultra | Par défaut— |
Champcache_control.ttl | Typestring | ExigenceFacultatif | Valeurs et limites Conditions: 1h est rejeté dans les emplacements réels du cache de prompt | 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 sous forme de texte littéral ; aucun identifiant 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’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.
Associez chaque coût aux conditions indiquées. Utilisez un seul tarif pour chaque ensemble de configurations alternatives.
| Configuration | Barème tarifaire | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0001 / 1K tokens Sortie · Tokens en sortie $0.0003 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0001 / 1K tokens Sortie · Tokens en sortie $0.0003 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-12b-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-3-12b-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-3-12b-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, 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 google/gemma-3-12b-it
Utilisez les chemins de méthode indiqués ci-dessus.
google/gemma-3-12b-itGemma 3 12B IT est une édition distincte de Gemma 3 ajustée pour suivre les instructions, destinée à la génération de texte et à la compréhension d’images. Utilisez-la pour interroger des documents, expliquer et rédiger dans plusieurs langues avec un contexte partagé de 128K, en conservant explicitement le checkpoint 12B et son format de conversation natif.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemma 3 12B IT est le modèle vision-langage de Google ajusté pour suivre les instructions dans la catégorie de taille 12B. Il appartient à la famille Gemma 3, qui combine génération de texte, compréhension d’images et entraînement multilingue. Le suffixe IT sélectionne le checkpoint qui suit les instructions plutôt que le modèle préentraîné. Son résultat est du texte : une explication, un résumé, une réponse, un brouillon ou du code dérivé des éléments écrits et visuels d’une requête.
Le modèle 12B dispose du contexte de 128K tokens de la famille pour l’entrée et la réponse générée. La sortie utilise la portion restante après la requête ; la fiche n’accorde pas une seconde fenêtre de sortie indépendante de 128K. Les vues d’image de base sont normalisées à 896×896 et représentées chacune par 256 tokens visuels. Lorsque vous préparez un ensemble de pages, conservez leurs identifiants et réservez de la place pour le résultat. Posez une question précise sur le contenu pertinent plutôt que de compter sur une grande fenêtre pour sélectionner automatiquement le bon sujet.
Le fabricant rapporte 12 billions de tokens de préentraînement pour cette taille. Les données d’entraînement comprennent des documents web multilingues, du code, des mathématiques et des images, avec une couverture de plus de 140 langues dans la famille. Le rapport décrit la distillation des connaissances et une méthode améliorée d’ajustement aux instructions avec apprentissage par renforcement. Ces étapes visent l’utilité, le raisonnement mathématique et sur le code, le suivi des instructions et l’interaction multilingue. Un budget d’entraînement distinct et une identité de checkpoint ne suffisent pas à établir la qualité d’une réponse particulière : comparez donc la sortie à la tâche source.
L’architecture utilise un transformer à décodeur seul avec grouped-query attention et un motif répété de cinq couches d’attention locale pour une couche globale. Les couches locales utilisent une portée de 1 024 tokens, tandis que l’attention globale prend en charge le contexte plus long. Un encodeur visuel SigLIP, partagé par les modèles 4B, 12B et 27B, convertit les images en représentations traitées par le modèle de langage. Le tokenizer SentencePiece conserve les espaces, sépare les chiffres et inclut un encodage au niveau des octets. Cela compte lorsque la mise en forme du code, la notation numérique ou le texte multilingue doivent rester intacts.
Le traitement visuel inclut également Pan and Scan : des recadrages adaptatifs sans chevauchement aident à conserver le contenu des sources larges ou en haute résolution avant que chaque vue atteigne l’encodeur à résolution fixe. Des vues supplémentaires modifient les éléments traités. Pour un document technique, fournissez une page lisible et, si nécessaire, une vue claire du tableau ou du diagramme visé par la question. Préservez la définition environnante d’une unité, d’un symbole ou d’une colonne afin qu’une lecture visuelle locale ne perde pas son sens.
Le format de prompt IT natif utilise des tours user et model et ne possède pas de rôle system séparé. Placez le rôle souhaité, les règles de réponse et la tâche dans le premier prompt user, en utilisant le formateur ou le processeur désigné pour la conversation réelle. Une demande originale d’analyse documentaire peut comparer deux descriptions de procédure, renvoyer un tableau des exigences correspondantes et identifier les conflits. Identifiez les sources, indiquez quelle exigence est prioritaire et demandez au modèle de distinguer les faits fournis de son interprétation.
Les usages prévus dans la fiche du fabricant comprennent le résumé, l’assistance conversationnelle, l’extraction de données d’images, la rédaction et l’apprentissage. Pour une explication multilingue, précisez le lectorat cible, la terminologie et le niveau de détail. Pour une question sur une image, identifiez les objets ou les relations à discuter et demandez des observations étayant la réponse finale. Pour du code, incluez la fonction réelle et le comportement attendu ; le résultat peut proposer une implémentation, tandis qu’une application distincte doit l’exécuter et la vérifier. Le rapport publie séparément les variantes quantifiées de la famille : cette identité 12B IT ne doit donc pas être remplacée silencieusement par un autre checkpoint quantifié lors de l’enregistrement des résultats.
Le fabricant identifie des limites liées à la couverture d’entraînement, aux inexactitudes factuelles, aux nuances linguistiques et aux tâches ouvertes complexes. Google avertit aussi qu’un schéma linguistique plausible peut produire une réponse qui manque une contrainte courante du monde réel. De petits détails visuels peuvent être perdus ou mal lus, et les entrées longues exigent toujours des priorités claires. Conservez les pages originales, vérifiez les libellés et les quantités extraits, puis validez tout texte demandé d’apparence structurée avant de l’utiliser comme données. Évaluez le modèle 12B IT exact sur des questions et des langues représentatives. Un livrable final utile présente la réponse fondée sur les sources, le raisonnement nécessaire pour la comprendre et l’incertitude restante, sans présenter une explication générée comme une action d’outil accomplie ou une recherche de connaissances en direct.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemma-3-12b-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 | Tokens de contexte, plus de | Tokens de contexte, jusqu’à la limite incluse | Coût |
|---|---|---|---|---|
| ConfigurationTarifs de base des tokens | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0001 / 1K tokens Sortie · Tokens en sortie $0.0003 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationPalier 1 de longueur de requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0001 / 1K tokens Sortie · Tokens en sortie $0.0003 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "google/gemma-3-12b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3-12b-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-3-12b-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 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 google/gemma-3-12b-it
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.