Gemma 3 4B IT est l’édition de taille 4B ajustée au suivi des consignes de la famille vision-langage Gemma 3 de Google. IT désigne la version adaptée pour suivre les consignes utilisateur et les tours de conversation, plutôt que le checkpoint préentraîné servant de base à un entraînement complémentaire. Le modèle reçoit du texte et des images et génère du texte : une réponse, un résumé, une explication, un brouillon ou du code. Son entrée visuelle prend en charge les questions sur les images et pages de documents fournies ; la sortie n’est pas une nouvelle image générée.
La fiche du modèle attribue à l’édition 4B un contexte de 128K tokens partagé entre la requête et la réponse générée. La capacité de sortie restante correspond au contexte total après déduction de l’entrée, et non à un budget de sortie indépendant supplémentaire de 128K. Son traitement de base des images les normalise en 896×896 et encode chaque vue en 256 tokens visuels. Pour un assistant ciblé, fournissez la note ou l’image pertinente, une question claire et le résultat concis souhaité. Conservez le texte source avec la réponse afin de vérifier un nom, une date ou un libellé extrait.
Les données d’entraînement de la famille couvrent des textes web dans plus de 140 langues, du code, des mathématiques et des images. Le fabricant annonce quatre mille milliards de tokens de préentraînement pour le modèle 4B. Le rapport technique décrit une distillation pendant le préentraînement et l’ajustement aux consignes, suivie d’un post-entraînement fondé sur l’apprentissage par renforcement pour améliorer l’utilité, le raisonnement, le code, les mathématiques et le suivi des consignes. Ces éléments sont des caractéristiques d’entraînement de cette taille et de cette famille, et non une garantie que chaque réponse est correcte ou qu’un autre checkpoint Gemma se comporte de manière identique.
L’architecture est un transformeur à décodeur seul avec attention à requêtes groupées, intercalant cinq couches d’attention locale pour chaque couche d’attention globale. L’attention locale couvre 1,024 tokens, tandis que les couches globales gèrent le contexte plus large. Un encodeur visuel SigLIP partagé transforme les informations d’image en entrées pour le modèle linguistique. Le tokenizer repose sur SentencePiece, avec séparation des chiffres, préservation des espaces et encodage au niveau des octets. Utilisez les décomptes de tokens du tokenizer réel pour préparer une longue entrée, et conservez l’indentation et les identifiants du code lorsqu’ils portent du sens.
Le rapport décrit Pan and Scan pour les images dont la forme ou les détails ne survivent pas à un simple redimensionnement carré. Ce traitement peut créer des vues supplémentaires sans chevauchement, redimensionnées pour l’encodeur visuel. Il a ses propres conséquences sur les entrées et le calcul. Pour une capture d’écran contenant de petits libellés, identifiez la zone d’intérêt et fournissez une vue lisible plutôt que de vous fier à une minuscule image de l’écran entier. Pour plusieurs images, identifiez leurs rôles et demandez une réponse reliée à la bonne source.
Le format natif de conversation IT du fabricant utilise des tours user et model, avec des frontières de tour explicites. Il ne prend pas en charge de rôle system natif séparé ; placez les consignes de rôle et de formatage dans le prompt user initial. Utilisez le formateur ou processeur correspondant plutôt que de traiter le checkpoint IT comme une simple complétion textuelle. Pour un exemple de note d’assistance, précisez le lecteur visé, les faits à préserver et le ton, puis demandez une courte réponse ainsi que toute question non résolue. Pour une extraction visuelle, définissez les champs et la manière de représenter une valeur illisible.
Les usages prévus de Gemma comprennent la rédaction, le résumé, l’assistance conversationnelle, l’extraction de données d’images et l’exploration pédagogique. Un workflow ciblé avec le modèle 4B peut transformer une note de service en liste d’actions, expliquer un schéma visible ou répondre à une question sur un passage fourni. Demandez un résultat facile à inspecter : une explication liée à des éléments nommés ou un petit relevé comportant des champs étayés par les sources. Toute recherche via un outil ou exécution de code appartient à l’application environnante ; générer une instruction ayant la forme d’un appel d’outil est différent de mener à terme une opération externe.
Le fabricant signale des limites liées à la couverture de l’entraînement, aux nuances linguistiques, aux erreurs factuelles et à la complexité des tâches ouvertes. Google avertit aussi qu’un schéma linguistique plausible peut produire une réponse qui ignore une contrainte courante du monde réel. Les images peuvent également perdre des détails importants lors du redimensionnement, et un contexte long ne clarifie pas une question insuffisamment définie. Vérifiez le résultat par rapport aux éléments d’origine, validez les champs structurés demandés et contrôlez indépendamment les calculs ou le code proposé. Évaluez le modèle 4B IT exact sur les langues et types de documents réels de la tâche. Distinguez sa taille, son identité IT et sa configuration de traitement des variantes Gemma 12B, 27B et plus récentes lors de l’enregistrement des résultats.
", "aboutText": "Gemma 3 4B IT est l’édition de taille 4B ajustée au suivi des consignes de la famille vision-langage Gemma 3 de Google. IT désigne la version adaptée pour suivre les consignes utilisateur et les tours de conversation, plutôt que le checkpoint préentraîné servant de base à un entraînement complémentaire. Le modèle reçoit du texte et des images et génère du texte : une réponse, un résumé, une explication, un brouillon ou du code. Son entrée visuelle prend en charge les questions sur les images et pages de documents fournies ; la sortie n’est pas une nouvelle image générée.\n\nLa fiche du modèle attribue à l’édition 4B un contexte de 128K tokens partagé entre la requête et la réponse générée. La capacité de sortie restante correspond au contexte total après déduction de l’entrée, et non à un budget de sortie indépendant supplémentaire de 128K. Son traitement de base des images les normalise en 896×896 et encode chaque vue en 256 tokens visuels. Pour un assistant ciblé, fournissez la note ou l’image pertinente, une question claire et le résultat concis souhaité. Conservez le texte source avec la réponse afin de vérifier un nom, une date ou un libellé extrait.\n\nLes données d’entraînement de la famille couvrent des textes web dans plus de 140 langues, du code, des mathématiques et des images. Le fabricant annonce quatre mille milliards de tokens de préentraînement pour le modèle 4B. Le rapport technique décrit une distillation pendant le préentraînement et l’ajustement aux consignes, suivie d’un post-entraînement fondé sur l’apprentissage par renforcement pour améliorer l’utilité, le raisonnement, le code, les mathématiques et le suivi des consignes. Ces éléments sont des caractéristiques d’entraînement de cette taille et de cette famille, et non une garantie que chaque réponse est correcte ou qu’un autre checkpoint Gemma se comporte de manière identique.\n\nL’architecture est un transformeur à décodeur seul avec attention à requêtes groupées, intercalant cinq couches d’attention locale pour chaque couche d’attention globale. L’attention locale couvre 1,024 tokens, tandis que les couches globales gèrent le contexte plus large. Un encodeur visuel SigLIP partagé transforme les informations d’image en entrées pour le modèle linguistique. Le tokenizer repose sur SentencePiece, avec séparation des chiffres, préservation des espaces et encodage au niveau des octets. Utilisez les décomptes de tokens du tokenizer réel pour préparer une longue entrée, et conservez l’indentation et les identifiants du code lorsqu’ils portent du sens.\n\nLe rapport décrit Pan and Scan pour les images dont la forme ou les détails ne survivent pas à un simple redimensionnement carré. Ce traitement peut créer des vues supplémentaires sans chevauchement, redimensionnées pour l’encodeur visuel. Il a ses propres conséquences sur les entrées et le calcul. Pour une capture d’écran contenant de petits libellés, identifiez la zone d’intérêt et fournissez une vue lisible plutôt que de vous fier à une minuscule image de l’écran entier. Pour plusieurs images, identifiez leurs rôles et demandez une réponse reliée à la bonne source.\n\nLe format natif de conversation IT du fabricant utilise des tours user et model, avec des frontières de tour explicites. Il ne prend pas en charge de rôle system natif séparé ; placez les consignes de rôle et de formatage dans le prompt user initial. Utilisez le formateur ou processeur correspondant plutôt que de traiter le checkpoint IT comme une simple complétion textuelle. Pour un exemple de note d’assistance, précisez le lecteur visé, les faits à préserver et le ton, puis demandez une courte réponse ainsi que toute question non résolue. Pour une extraction visuelle, définissez les champs et la manière de représenter une valeur illisible.\n\nLes usages prévus de Gemma comprennent la rédaction, le résumé, l’assistance conversationnelle, l’extraction de données d’images et l’exploration pédagogique. Un workflow ciblé avec le modèle 4B peut transformer une note de service en liste d’actions, expliquer un schéma visible ou répondre à une question sur un passage fourni. Demandez un résultat facile à inspecter : une explication liée à des éléments nommés ou un petit relevé comportant des champs étayés par les sources. Toute recherche via un outil ou exécution de code appartient à l’application environnante ; générer une instruction ayant la forme d’un appel d’outil est différent de mener à terme une opération externe.\n\nLe fabricant signale des limites liées à la couverture de l’entraînement, aux nuances linguistiques, aux erreurs factuelles et à la complexité des tâches ouvertes. Google avertit aussi qu’un schéma linguistique plausible peut produire une réponse qui ignore une contrainte courante du monde réel. Les images peuvent également perdre des détails importants lors du redimensionnement, et un contexte long ne clarifie pas une question insuffisamment définie. Vérifiez le résultat par rapport aux éléments d’origine, validez les champs structurés demandés et contrôlez indépendamment les calculs ou le code proposé. Évaluez le modèle 4B IT exact sur les langues et types de documents réels de la tâche. Distinguez sa taille, son identité IT et sa configuration de traitement des variantes Gemma 12B, 27B et plus récentes lors de l’enregistrement des résultats.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Explain a seed-growth note\n\nExplain this class note to a ten-year-old: 'Seeds need water and a suitable temperature to germinate. Light requirements differ between species.' Use three short sentences and one question the class could investigate. Preserve the species qualification rather than saying all seeds need light to germinate.A child-friendly three-sentence explanation followed by one investigation question.The explanation must retain the distinction between water, temperature and species-dependent light.google/gemma-3-4b-itGemma 3 4B IT est le modèle textuel et visuel de taille 4B de Google, ajusté pour suivre les instructions. Il génère du texte pour les questions, les synthèses, la rédaction et l’analyse visuelle, avec un contexte partagé de 128K et une prise en charge de plus de 140 langues dans la famille.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemma 3 4B IT est l’édition de taille 4B ajustée au suivi des consignes de la famille vision-langage Gemma 3 de Google. IT désigne la version adaptée pour suivre les consignes utilisateur et les tours de conversation, plutôt que le checkpoint préentraîné servant de base à un entraînement complémentaire. Le modèle reçoit du texte et des images et génère du texte : une réponse, un résumé, une explication, un brouillon ou du code. Son entrée visuelle prend en charge les questions sur les images et pages de documents fournies ; la sortie n’est pas une nouvelle image générée.
La fiche du modèle attribue à l’édition 4B un contexte de 128K tokens partagé entre la requête et la réponse générée. La capacité de sortie restante correspond au contexte total après déduction de l’entrée, et non à un budget de sortie indépendant supplémentaire de 128K. Son traitement de base des images les normalise en 896×896 et encode chaque vue en 256 tokens visuels. Pour un assistant ciblé, fournissez la note ou l’image pertinente, une question claire et le résultat concis souhaité. Conservez le texte source avec la réponse afin de vérifier un nom, une date ou un libellé extrait.
Les données d’entraînement de la famille couvrent des textes web dans plus de 140 langues, du code, des mathématiques et des images. Le fabricant annonce quatre mille milliards de tokens de préentraînement pour le modèle 4B. Le rapport technique décrit une distillation pendant le préentraînement et l’ajustement aux consignes, suivie d’un post-entraînement fondé sur l’apprentissage par renforcement pour améliorer l’utilité, le raisonnement, le code, les mathématiques et le suivi des consignes. Ces éléments sont des caractéristiques d’entraînement de cette taille et de cette famille, et non une garantie que chaque réponse est correcte ou qu’un autre checkpoint Gemma se comporte de manière identique.
L’architecture est un transformeur à décodeur seul avec attention à requêtes groupées, intercalant cinq couches d’attention locale pour chaque couche d’attention globale. L’attention locale couvre 1,024 tokens, tandis que les couches globales gèrent le contexte plus large. Un encodeur visuel SigLIP partagé transforme les informations d’image en entrées pour le modèle linguistique. Le tokenizer repose sur SentencePiece, avec séparation des chiffres, préservation des espaces et encodage au niveau des octets. Utilisez les décomptes de tokens du tokenizer réel pour préparer une longue entrée, et conservez l’indentation et les identifiants du code lorsqu’ils portent du sens.
Le rapport décrit Pan and Scan pour les images dont la forme ou les détails ne survivent pas à un simple redimensionnement carré. Ce traitement peut créer des vues supplémentaires sans chevauchement, redimensionnées pour l’encodeur visuel. Il a ses propres conséquences sur les entrées et le calcul. Pour une capture d’écran contenant de petits libellés, identifiez la zone d’intérêt et fournissez une vue lisible plutôt que de vous fier à une minuscule image de l’écran entier. Pour plusieurs images, identifiez leurs rôles et demandez une réponse reliée à la bonne source.
Le format natif de conversation IT du fabricant utilise des tours user et model, avec des frontières de tour explicites. Il ne prend pas en charge de rôle system natif séparé ; placez les consignes de rôle et de formatage dans le prompt user initial. Utilisez le formateur ou processeur correspondant plutôt que de traiter le checkpoint IT comme une simple complétion textuelle. Pour un exemple de note d’assistance, précisez le lecteur visé, les faits à préserver et le ton, puis demandez une courte réponse ainsi que toute question non résolue. Pour une extraction visuelle, définissez les champs et la manière de représenter une valeur illisible.
Les usages prévus de Gemma comprennent la rédaction, le résumé, l’assistance conversationnelle, l’extraction de données d’images et l’exploration pédagogique. Un workflow ciblé avec le modèle 4B peut transformer une note de service en liste d’actions, expliquer un schéma visible ou répondre à une question sur un passage fourni. Demandez un résultat facile à inspecter : une explication liée à des éléments nommés ou un petit relevé comportant des champs étayés par les sources. Toute recherche via un outil ou exécution de code appartient à l’application environnante ; générer une instruction ayant la forme d’un appel d’outil est différent de mener à terme une opération externe.
Le fabricant signale des limites liées à la couverture de l’entraînement, aux nuances linguistiques, aux erreurs factuelles et à la complexité des tâches ouvertes. Google avertit aussi qu’un schéma linguistique plausible peut produire une réponse qui ignore une contrainte courante du monde réel. Les images peuvent également perdre des détails importants lors du redimensionnement, et un contexte long ne clarifie pas une question insuffisamment définie. Vérifiez le résultat par rapport aux éléments d’origine, validez les champs structurés demandés et contrôlez indépendamment les calculs ou le code proposé. Évaluez le modèle 4B IT exact sur les langues et types de documents réels de la tâche. Distinguez sa taille, son identité IT et sa configuration de traitement des variantes Gemma 12B, 27B et plus récentes lors de l’enregistrement des résultats.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemma-3-4b-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 $0.0002 / 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 $0.0002 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-4b-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-3-4b-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-3-4b-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-3-4b-it
Utilisez les chemins de méthode indiqués ci-dessus.
google/gemma-3-4b-itGemma 3 4B IT est le modèle textuel et visuel de taille 4B de Google, ajusté pour suivre les instructions. Il génère du texte pour les questions, les synthèses, la rédaction et l’analyse visuelle, avec un contexte partagé de 128K et une prise en charge de plus de 140 langues dans la famille.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemma 3 4B IT est l’édition de taille 4B ajustée au suivi des consignes de la famille vision-langage Gemma 3 de Google. IT désigne la version adaptée pour suivre les consignes utilisateur et les tours de conversation, plutôt que le checkpoint préentraîné servant de base à un entraînement complémentaire. Le modèle reçoit du texte et des images et génère du texte : une réponse, un résumé, une explication, un brouillon ou du code. Son entrée visuelle prend en charge les questions sur les images et pages de documents fournies ; la sortie n’est pas une nouvelle image générée.
La fiche du modèle attribue à l’édition 4B un contexte de 128K tokens partagé entre la requête et la réponse générée. La capacité de sortie restante correspond au contexte total après déduction de l’entrée, et non à un budget de sortie indépendant supplémentaire de 128K. Son traitement de base des images les normalise en 896×896 et encode chaque vue en 256 tokens visuels. Pour un assistant ciblé, fournissez la note ou l’image pertinente, une question claire et le résultat concis souhaité. Conservez le texte source avec la réponse afin de vérifier un nom, une date ou un libellé extrait.
Les données d’entraînement de la famille couvrent des textes web dans plus de 140 langues, du code, des mathématiques et des images. Le fabricant annonce quatre mille milliards de tokens de préentraînement pour le modèle 4B. Le rapport technique décrit une distillation pendant le préentraînement et l’ajustement aux consignes, suivie d’un post-entraînement fondé sur l’apprentissage par renforcement pour améliorer l’utilité, le raisonnement, le code, les mathématiques et le suivi des consignes. Ces éléments sont des caractéristiques d’entraînement de cette taille et de cette famille, et non une garantie que chaque réponse est correcte ou qu’un autre checkpoint Gemma se comporte de manière identique.
L’architecture est un transformeur à décodeur seul avec attention à requêtes groupées, intercalant cinq couches d’attention locale pour chaque couche d’attention globale. L’attention locale couvre 1,024 tokens, tandis que les couches globales gèrent le contexte plus large. Un encodeur visuel SigLIP partagé transforme les informations d’image en entrées pour le modèle linguistique. Le tokenizer repose sur SentencePiece, avec séparation des chiffres, préservation des espaces et encodage au niveau des octets. Utilisez les décomptes de tokens du tokenizer réel pour préparer une longue entrée, et conservez l’indentation et les identifiants du code lorsqu’ils portent du sens.
Le rapport décrit Pan and Scan pour les images dont la forme ou les détails ne survivent pas à un simple redimensionnement carré. Ce traitement peut créer des vues supplémentaires sans chevauchement, redimensionnées pour l’encodeur visuel. Il a ses propres conséquences sur les entrées et le calcul. Pour une capture d’écran contenant de petits libellés, identifiez la zone d’intérêt et fournissez une vue lisible plutôt que de vous fier à une minuscule image de l’écran entier. Pour plusieurs images, identifiez leurs rôles et demandez une réponse reliée à la bonne source.
Le format natif de conversation IT du fabricant utilise des tours user et model, avec des frontières de tour explicites. Il ne prend pas en charge de rôle system natif séparé ; placez les consignes de rôle et de formatage dans le prompt user initial. Utilisez le formateur ou processeur correspondant plutôt que de traiter le checkpoint IT comme une simple complétion textuelle. Pour un exemple de note d’assistance, précisez le lecteur visé, les faits à préserver et le ton, puis demandez une courte réponse ainsi que toute question non résolue. Pour une extraction visuelle, définissez les champs et la manière de représenter une valeur illisible.
Les usages prévus de Gemma comprennent la rédaction, le résumé, l’assistance conversationnelle, l’extraction de données d’images et l’exploration pédagogique. Un workflow ciblé avec le modèle 4B peut transformer une note de service en liste d’actions, expliquer un schéma visible ou répondre à une question sur un passage fourni. Demandez un résultat facile à inspecter : une explication liée à des éléments nommés ou un petit relevé comportant des champs étayés par les sources. Toute recherche via un outil ou exécution de code appartient à l’application environnante ; générer une instruction ayant la forme d’un appel d’outil est différent de mener à terme une opération externe.
Le fabricant signale des limites liées à la couverture de l’entraînement, aux nuances linguistiques, aux erreurs factuelles et à la complexité des tâches ouvertes. Google avertit aussi qu’un schéma linguistique plausible peut produire une réponse qui ignore une contrainte courante du monde réel. Les images peuvent également perdre des détails importants lors du redimensionnement, et un contexte long ne clarifie pas une question insuffisamment définie. Vérifiez le résultat par rapport aux éléments d’origine, validez les champs structurés demandés et contrôlez indépendamment les calculs ou le code proposé. Évaluez le modèle 4B IT exact sur les langues et types de documents réels de la tâche. Distinguez sa taille, son identité IT et sa configuration de traitement des variantes Gemma 12B, 27B et plus récentes lors de l’enregistrement des résultats.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemma-3-4b-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 $0.0002 / 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 $0.0002 / 1K tokens Entrée · Lecture du cache — / 1K tokens Entrée · Écriture dans le cache — / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "google/gemma-3-4b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3-4b-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-3-4b-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-3-4b-it
Utilisez les chemins de méthode indiqués ci-dessus.
Exemple technique en anglais
Explain a seed-growth note\n\nExplain this class note to a ten-year-old: 'Seeds need water and a suitable temperature to germinate. Light requirements differ between species.' Use three short sentences and one question the class could investigate. Preserve the species qualification rather than saying all seeds need light to germinate.A child-friendly three-sentence explanation followed by one investigation question.The explanation must retain the distinction between water, temperature and species-dependent light.