Gemini 3.6 Flash est le profil multimodal polyvalent de Google pour la programmation, les tâches intellectuelles et l’exécution par agents. Il s’appuie sur Gemini 3.5 Flash en privilégiant de meilleures performances multimodales et une utilisation plus efficace des tokens. Le modèle accepte le texte, les images, l’audio, la vidéo et le PDF et renvoie du texte. Une tâche utile peut combiner du code, une capture d’écran et une exigence, ou comparer un graphique ou un plan visuel à des contraintes écrites pour produire une explication vérifiée ou une révision ciblée.
Le guide développeur met l’accent sur la réduction des étapes de raisonnement, des tours et des appels d’outils inutiles dans les tâches à plusieurs étapes, ainsi que sur des modifications plus ciblées. Pour un diagnostic, fournissez l’échec observé, la source pertinente et le comportement qui doit rester inchangé. Pour déboguer un graphique, demandez au modèle d’examiner pourquoi il affiche la mauvaise série, d’identifier la transformation de données concernée et de proposer une correction en conservant la mise en page environnante. Le résultat peut ensuite être comparé aux données d’entrée réelles et au comportement requis du graphique.
L’inspection initiale par du code est un comportement distinctif décrit pour 3.6. Le fabricant indique que le modèle examine plus souvent un problème avec du code de diagnostic avant d’effectuer des modifications. Cela peut aider une investigation complexe, mais le guide relève que ce comportement peut ajouter des étapes exploratoires aux travaux frontend courants. Précisez si la tâche nécessite une investigation, une modification simple ou une comparaison de design. Fournissez les informations qui rendent cette distinction claire et définissez les actions autorisées pour les outils de l’application connectée.
Le raisonnement spatial et multimodal est également mis en avant : interprétation de graphiques, conversion de plans visuels et mises en page web à plusieurs éléments. Fournissez la vue ou les pages pertinentes, identifiez ce qui doit être interprété et demandez les preuves étayant la conclusion. Pour une tâche de design, incluez des directives concrètes de mise en page et de style. Le fabricant note une orientation vers le code fonctionnel et indique que les évaluateurs préféraient parfois le style visuel des modèles précédents, ce qui rend des instructions visuelles explicites utiles. Vérifiez le résultat par rapport au diagramme réel ou aux exigences de design.
Medium est le niveau de réflexion par défaut documenté. Le tableau de réflexion de Google propre au modèle indique minimal, low, medium et high ; le guide de migration 3.6 utilise medium ou high dans ses exemples d’effort. La page exacte indique les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, URL context et les sorties structurées, avec Computer Use comme capacité en preview. Définissez clairement les entrées de fonction et le résultat requis. Une fonction sélectionnée par le modèle nécessite un résultat d’application réel avant qu’une réponse ultérieure puisse s’appuyer sur son résultat. Pour une analyse structurée, définissez le schéma et les preuves sources nécessaires pour chaque constat.
Le guide 3.6 modifie la préparation par rapport aux requêtes Gemini antérieures. Il rend obsolètes les réglages d’échantillonnage temperature, top-p et top-k, rejette un tour final model prérempli et recommande les instructions système ou les sorties structurées pour contrôler la réponse. Ses règles de réponse de fonction associent une réponse à son appel par identité et par nom, et la base Gemini 3 préserve les signatures de réflexion dans les usages à plusieurs tours. Pour poursuivre la conversation, transmettez l’historique pertinent non modifié et le résultat de l’outil plutôt que d’imiter le préfixe d’une réponse précédente.
La fiche native spécifie un contexte d’entrée allant jusqu’à 1M et une sortie textuelle de 64K ; le tableau API exact indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Comptez les instructions, l’historique et les médias dans le budget d’entrée et demandez une sortie adaptée à la tâche. La page du fabricant indique aussi le caching et les traitements par lots, Flex et Priority. Pour traiter des enregistrements indépendants, gardez leur identifiant et le format de résultat explicites. La sortie est un livrable textuel, même lorsque les preuves comprennent des photographies, de l’audio ou de la vidéo.
Les limites possibles comprennent les hallucinations et des lenteurs ou délais d’attente dépassés occasionnels. Sa limite de connaissances de mars 2026 inclut des domaines dont les connaissances restent limitées à janvier 2025 : joignez donc des éléments plus récents ou utilisez un flux d’ancrage documenté lorsque les faits actuels comptent. Vérifiez les calculs, les références de sources, les interprétations visuelles et les modifications proposées. La préparation distinctive de cette édition consiste en des instructions diagnostiques ciblées, un périmètre d’outils clair et des contraintes de design explicites, suivis de l’examen du résultat concret.
", "aboutText": "Gemini 3.6 Flash est le profil multimodal polyvalent de Google pour la programmation, les tâches intellectuelles et l’exécution par agents. Il s’appuie sur Gemini 3.5 Flash en privilégiant de meilleures performances multimodales et une utilisation plus efficace des tokens. Le modèle accepte le texte, les images, l’audio, la vidéo et le PDF et renvoie du texte. Une tâche utile peut combiner du code, une capture d’écran et une exigence, ou comparer un graphique ou un plan visuel à des contraintes écrites pour produire une explication vérifiée ou une révision ciblée.\n\nLe guide développeur met l’accent sur la réduction des étapes de raisonnement, des tours et des appels d’outils inutiles dans les tâches à plusieurs étapes, ainsi que sur des modifications plus ciblées. Pour un diagnostic, fournissez l’échec observé, la source pertinente et le comportement qui doit rester inchangé. Pour déboguer un graphique, demandez au modèle d’examiner pourquoi il affiche la mauvaise série, d’identifier la transformation de données concernée et de proposer une correction en conservant la mise en page environnante. Le résultat peut ensuite être comparé aux données d’entrée réelles et au comportement requis du graphique.\n\nL’inspection initiale par du code est un comportement distinctif décrit pour 3.6. Le fabricant indique que le modèle examine plus souvent un problème avec du code de diagnostic avant d’effectuer des modifications. Cela peut aider une investigation complexe, mais le guide relève que ce comportement peut ajouter des étapes exploratoires aux travaux frontend courants. Précisez si la tâche nécessite une investigation, une modification simple ou une comparaison de design. Fournissez les informations qui rendent cette distinction claire et définissez les actions autorisées pour les outils de l’application connectée.\n\nLe raisonnement spatial et multimodal est également mis en avant : interprétation de graphiques, conversion de plans visuels et mises en page web à plusieurs éléments. Fournissez la vue ou les pages pertinentes, identifiez ce qui doit être interprété et demandez les preuves étayant la conclusion. Pour une tâche de design, incluez des directives concrètes de mise en page et de style. Le fabricant note une orientation vers le code fonctionnel et indique que les évaluateurs préféraient parfois le style visuel des modèles précédents, ce qui rend des instructions visuelles explicites utiles. Vérifiez le résultat par rapport au diagramme réel ou aux exigences de design.\n\nMedium est le niveau de réflexion par défaut documenté. Le tableau de réflexion de Google propre au modèle indique minimal, low, medium et high ; le guide de migration 3.6 utilise medium ou high dans ses exemples d’effort. La page exacte indique les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, URL context et les sorties structurées, avec Computer Use comme capacité en preview. Définissez clairement les entrées de fonction et le résultat requis. Une fonction sélectionnée par le modèle nécessite un résultat d’application réel avant qu’une réponse ultérieure puisse s’appuyer sur son résultat. Pour une analyse structurée, définissez le schéma et les preuves sources nécessaires pour chaque constat.\n\nLe guide 3.6 modifie la préparation par rapport aux requêtes Gemini antérieures. Il rend obsolètes les réglages d’échantillonnage temperature, top-p et top-k, rejette un tour final model prérempli et recommande les instructions système ou les sorties structurées pour contrôler la réponse. Ses règles de réponse de fonction associent une réponse à son appel par identité et par nom, et la base Gemini 3 préserve les signatures de réflexion dans les usages à plusieurs tours. Pour poursuivre la conversation, transmettez l’historique pertinent non modifié et le résultat de l’outil plutôt que d’imiter le préfixe d’une réponse précédente.\n\nLa fiche native spécifie un contexte d’entrée allant jusqu’à 1M et une sortie textuelle de 64K ; le tableau API exact indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Comptez les instructions, l’historique et les médias dans le budget d’entrée et demandez une sortie adaptée à la tâche. La page du fabricant indique aussi le caching et les traitements par lots, Flex et Priority. Pour traiter des enregistrements indépendants, gardez leur identifiant et le format de résultat explicites. La sortie est un livrable textuel, même lorsque les preuves comprennent des photographies, de l’audio ou de la vidéo.\n\nLes limites possibles comprennent les hallucinations et des lenteurs ou délais d’attente dépassés occasionnels. Sa limite de connaissances de mars 2026 inclut des domaines dont les connaissances restent limitées à janvier 2025 : joignez donc des éléments plus récents ou utilisez un flux d’ancrage documenté lorsque les faits actuels comptent. Vérifiez les calculs, les références de sources, les interprétations visuelles et les modifications proposées. La préparation distinctive de cette édition consiste en des instructions diagnostiques ciblées, un périmètre d’outils clair et des contraintes de design explicites, suivis de l’examen du résultat concret.", "editorialOverlay": { "copy_fields": { "practical_html": "Exemple technique en anglais
Diagnose swapped chart series\n\nA chart receives [{month:'Jan', sales:20, returns:2}, {month:'Feb', sales:30, returns:3}], but its Sales series uses rows.map(r => r.returns). Identify the data-binding error and propose one correction. Keep the existing month labels and Returns series unchanged. Include a small assertion showing the expected Sales data without claiming the chart was rendered.One corrected series expression and a concrete assertion against the supplied data.Only the Sales binding changes, and its values come from sales rather than returns.gemini-3.6-flashGemini 3.6 Flash est le modèle textuel multimodal de Google pour la programmation, l’analyse spatiale et les agents à plusieurs étapes. Il privilégie l’inspection diagnostique, les modifications ciblées et la réduction des boucles d’exécution inutiles. Il accepte le texte, les images, l’audio, la vidéo et le PDF, avec des outils, des sorties structurées et une limite d’entrée de 1 048 576 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 3.6 Flash est le profil multimodal polyvalent de Google pour la programmation, les tâches intellectuelles et l’exécution par agents. Il s’appuie sur Gemini 3.5 Flash en privilégiant de meilleures performances multimodales et une utilisation plus efficace des tokens. Le modèle accepte le texte, les images, l’audio, la vidéo et le PDF et renvoie du texte. Une tâche utile peut combiner du code, une capture d’écran et une exigence, ou comparer un graphique ou un plan visuel à des contraintes écrites pour produire une explication vérifiée ou une révision ciblée.
Le guide développeur met l’accent sur la réduction des étapes de raisonnement, des tours et des appels d’outils inutiles dans les tâches à plusieurs étapes, ainsi que sur des modifications plus ciblées. Pour un diagnostic, fournissez l’échec observé, la source pertinente et le comportement qui doit rester inchangé. Pour déboguer un graphique, demandez au modèle d’examiner pourquoi il affiche la mauvaise série, d’identifier la transformation de données concernée et de proposer une correction en conservant la mise en page environnante. Le résultat peut ensuite être comparé aux données d’entrée réelles et au comportement requis du graphique.
L’inspection initiale par du code est un comportement distinctif décrit pour 3.6. Le fabricant indique que le modèle examine plus souvent un problème avec du code de diagnostic avant d’effectuer des modifications. Cela peut aider une investigation complexe, mais le guide relève que ce comportement peut ajouter des étapes exploratoires aux travaux frontend courants. Précisez si la tâche nécessite une investigation, une modification simple ou une comparaison de design. Fournissez les informations qui rendent cette distinction claire et définissez les actions autorisées pour les outils de l’application connectée.
Le raisonnement spatial et multimodal est également mis en avant : interprétation de graphiques, conversion de plans visuels et mises en page web à plusieurs éléments. Fournissez la vue ou les pages pertinentes, identifiez ce qui doit être interprété et demandez les preuves étayant la conclusion. Pour une tâche de design, incluez des directives concrètes de mise en page et de style. Le fabricant note une orientation vers le code fonctionnel et indique que les évaluateurs préféraient parfois le style visuel des modèles précédents, ce qui rend des instructions visuelles explicites utiles. Vérifiez le résultat par rapport au diagramme réel ou aux exigences de design.
Medium est le niveau de réflexion par défaut documenté. Le tableau de réflexion de Google propre au modèle indique minimal, low, medium et high ; le guide de migration 3.6 utilise medium ou high dans ses exemples d’effort. La page exacte indique les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, URL context et les sorties structurées, avec Computer Use comme capacité en preview. Définissez clairement les entrées de fonction et le résultat requis. Une fonction sélectionnée par le modèle nécessite un résultat d’application réel avant qu’une réponse ultérieure puisse s’appuyer sur son résultat. Pour une analyse structurée, définissez le schéma et les preuves sources nécessaires pour chaque constat.
Le guide 3.6 modifie la préparation par rapport aux requêtes Gemini antérieures. Il rend obsolètes les réglages d’échantillonnage temperature, top-p et top-k, rejette un tour final model prérempli et recommande les instructions système ou les sorties structurées pour contrôler la réponse. Ses règles de réponse de fonction associent une réponse à son appel par identité et par nom, et la base Gemini 3 préserve les signatures de réflexion dans les usages à plusieurs tours. Pour poursuivre la conversation, transmettez l’historique pertinent non modifié et le résultat de l’outil plutôt que d’imiter le préfixe d’une réponse précédente.
La fiche native spécifie un contexte d’entrée allant jusqu’à 1M et une sortie textuelle de 64K ; le tableau API exact indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Comptez les instructions, l’historique et les médias dans le budget d’entrée et demandez une sortie adaptée à la tâche. La page du fabricant indique aussi le caching et les traitements par lots, Flex et Priority. Pour traiter des enregistrements indépendants, gardez leur identifiant et le format de résultat explicites. La sortie est un livrable textuel, même lorsque les preuves comprennent des photographies, de l’audio ou de la vidéo.
Les limites possibles comprennent les hallucinations et des lenteurs ou délais d’attente dépassés occasionnels. Sa limite de connaissances de mars 2026 inclut des domaines dont les connaissances restent limitées à janvier 2025 : joignez donc des éléments plus récents ou utilisez un flux d’ancrage documenté lorsque les faits actuels comptent. Vérifiez les calculs, les références de sources, les interprétations visuelles et les modifications proposées. La préparation distinctive de cette édition consiste en des instructions diagnostiques ciblées, un périmètre d’outils clair et des contraintes de design explicites, suivis de l’examen du résultat concret.
POST /v1/messagestext, imagetext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-3.6-flash | Par défaut— |
Champmessages | Typemessage[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champmessages[].role | Typestring | ExigenceObligatoire | Valeurs et limites user, assistant | Par défaut— |
Champmessages[].content | Typestring|content_block[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
Champsystem | Typestring|content_block[] | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champmax_tokens | Typeinteger | ExigenceObligatoire | Valeurs et limites Minimum: 1 La limite s’applique à: plafond exact du modèle ou de la fiche sélectionnés | Par défaut— |
Champstream | Typeboolean | ExigenceFacultatif | Valeurs et limites | Par défautfalse |
Champtemperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtop_p | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champstop_sequences | Typestring[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools | Typetool[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].name | Typestring | ExigenceFacultatif | Valeurs et limites S’applique lorsque: outil fourni | Par défaut— |
Champtools[].description | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtools[].input_schema | TypeJSON_schema | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champtool_choice | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champthinking.type | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champthinking.budget_tokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champoutput_config.effort | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champmetadata | Typeobject | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Champcache_control | Typeobject | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Texte · Texte UTF8
messages[].content ou bloc type=text
Texte + image
{type:image,source:{type:base64,media_type,data}} ou source type=url
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext, image |
Paramètrerequired | Contratmodel, messages, max_tokens |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Paramètretext_file_material | Contratcontenu UTF-8 réel inséré sous forme de texte ; les identifiants de fichiers et les URLs nécessitent une prise en charge exacte distincte |
Cycle de vie : exact retained published method
Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.
POST /v1/messagesAiloot 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 →
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot 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 |
|---|---|---|---|---|
| ConfigurationOpenAI Chat · Tarifs de base par token | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationOpenAI Chat · Palier 1 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationAnthropic Messages · Tarifs de base par token | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationAnthropic Messages · Palier 1 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.6-flash", "max_tokens": 1024, "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.6-flash", "max_tokens": 1024, "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image","source":{"type":"base64","media_type":mime,"data":b64}})\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/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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nimport anthropic\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = anthropic.Anthropic(base_url="https://api.ailoot.ai", api_key=os.environ["AILOOT_API_KEY"], max_retries=0)\nmsg = client.messages.create(\n model="gemini-3.6-flash",\n max_tokens=1024,\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(msg.to_dict(mode="json"))\nimport Anthropic from "@anthropic-ai/sdk";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new Anthropic({ baseURL: "https://api.ailoot.ai", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst msg = await client.messages.create({\n model: "gemini-3.6-flash",\n max_tokens: 1024,\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(msg);\nimport anthropic,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=anthropic.Anthropic(base_url="https://api.ailoot.ai",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.messages.stream(model='gemini-3.6-flash',max_tokens=1024,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_message()\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 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 gemini-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash est le modèle textuel multimodal de Google pour la programmation, l’analyse spatiale et les agents à plusieurs étapes. Il privilégie l’inspection diagnostique, les modifications ciblées et la réduction des boucles d’exécution inutiles. Il accepte le texte, les images, l’audio, la vidéo et le PDF, avec des outils, des sorties structurées et une limite d’entrée de 1 048 576 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 3.6 Flash est le profil multimodal polyvalent de Google pour la programmation, les tâches intellectuelles et l’exécution par agents. Il s’appuie sur Gemini 3.5 Flash en privilégiant de meilleures performances multimodales et une utilisation plus efficace des tokens. Le modèle accepte le texte, les images, l’audio, la vidéo et le PDF et renvoie du texte. Une tâche utile peut combiner du code, une capture d’écran et une exigence, ou comparer un graphique ou un plan visuel à des contraintes écrites pour produire une explication vérifiée ou une révision ciblée.
Le guide développeur met l’accent sur la réduction des étapes de raisonnement, des tours et des appels d’outils inutiles dans les tâches à plusieurs étapes, ainsi que sur des modifications plus ciblées. Pour un diagnostic, fournissez l’échec observé, la source pertinente et le comportement qui doit rester inchangé. Pour déboguer un graphique, demandez au modèle d’examiner pourquoi il affiche la mauvaise série, d’identifier la transformation de données concernée et de proposer une correction en conservant la mise en page environnante. Le résultat peut ensuite être comparé aux données d’entrée réelles et au comportement requis du graphique.
L’inspection initiale par du code est un comportement distinctif décrit pour 3.6. Le fabricant indique que le modèle examine plus souvent un problème avec du code de diagnostic avant d’effectuer des modifications. Cela peut aider une investigation complexe, mais le guide relève que ce comportement peut ajouter des étapes exploratoires aux travaux frontend courants. Précisez si la tâche nécessite une investigation, une modification simple ou une comparaison de design. Fournissez les informations qui rendent cette distinction claire et définissez les actions autorisées pour les outils de l’application connectée.
Le raisonnement spatial et multimodal est également mis en avant : interprétation de graphiques, conversion de plans visuels et mises en page web à plusieurs éléments. Fournissez la vue ou les pages pertinentes, identifiez ce qui doit être interprété et demandez les preuves étayant la conclusion. Pour une tâche de design, incluez des directives concrètes de mise en page et de style. Le fabricant note une orientation vers le code fonctionnel et indique que les évaluateurs préféraient parfois le style visuel des modèles précédents, ce qui rend des instructions visuelles explicites utiles. Vérifiez le résultat par rapport au diagramme réel ou aux exigences de design.
Medium est le niveau de réflexion par défaut documenté. Le tableau de réflexion de Google propre au modèle indique minimal, low, medium et high ; le guide de migration 3.6 utilise medium ou high dans ses exemples d’effort. La page exacte indique les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, URL context et les sorties structurées, avec Computer Use comme capacité en preview. Définissez clairement les entrées de fonction et le résultat requis. Une fonction sélectionnée par le modèle nécessite un résultat d’application réel avant qu’une réponse ultérieure puisse s’appuyer sur son résultat. Pour une analyse structurée, définissez le schéma et les preuves sources nécessaires pour chaque constat.
Le guide 3.6 modifie la préparation par rapport aux requêtes Gemini antérieures. Il rend obsolètes les réglages d’échantillonnage temperature, top-p et top-k, rejette un tour final model prérempli et recommande les instructions système ou les sorties structurées pour contrôler la réponse. Ses règles de réponse de fonction associent une réponse à son appel par identité et par nom, et la base Gemini 3 préserve les signatures de réflexion dans les usages à plusieurs tours. Pour poursuivre la conversation, transmettez l’historique pertinent non modifié et le résultat de l’outil plutôt que d’imiter le préfixe d’une réponse précédente.
La fiche native spécifie un contexte d’entrée allant jusqu’à 1M et une sortie textuelle de 64K ; le tableau API exact indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Comptez les instructions, l’historique et les médias dans le budget d’entrée et demandez une sortie adaptée à la tâche. La page du fabricant indique aussi le caching et les traitements par lots, Flex et Priority. Pour traiter des enregistrements indépendants, gardez leur identifiant et le format de résultat explicites. La sortie est un livrable textuel, même lorsque les preuves comprennent des photographies, de l’audio ou de la vidéo.
Les limites possibles comprennent les hallucinations et des lenteurs ou délais d’attente dépassés occasionnels. Sa limite de connaissances de mars 2026 inclut des domaines dont les connaissances restent limitées à janvier 2025 : joignez donc des éléments plus récents ou utilisez un flux d’ancrage documenté lorsque les faits actuels comptent. Vérifiez les calculs, les références de sources, les interprétations visuelles et les modifications proposées. La préparation distinctive de cette édition consiste en des instructions diagnostiques ciblées, un périmètre d’outils clair et des contraintes de design explicites, suivis de l’examen du résultat concret.
POST /v1/chat/completionstext, imagetext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-3.6-flash | 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 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— |
Texte · Texte UTF8
messages[].content
Texte + image
{type:image_url,image_url:{url,detail}}
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext, image |
Paramètrerequired | Contratmodel, messages |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Paramètretext_file_material | Contratcontenu UTF-8 réel inséré sous forme de texte ; les identifiants de fichiers et les URLs nécessitent une prise en charge exacte distincte |
Cycle de vie : exact retained published method
Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.
POST /v1/chat/completionsAiloot 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 →
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot 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 |
|---|---|---|---|---|
| ConfigurationOpenAI Chat · Tarifs de base par token | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationOpenAI Chat · Palier 1 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationAnthropic Messages · Tarifs de base par token | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationAnthropic Messages · Palier 1 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.6-flash", "messages": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["messages"]=[{"role":"user","content":"Summarize this material and quote supporting source passages.\\n\\n"+text}]\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 $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "gemini-3.6-flash", "messages": [{"role": "user", "content": [{"type": "text", "text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["messages"][0]["content"].append({"type":"image_url","image_url":{"url":"data:"+mime+";base64,"+b64}})\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\nprint(json.dumps(json.loads(Path("result.json").read_text()),ensure_ascii=False,indent=2))\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)\nresp = client.chat.completions.create(\n model="gemini-3.6-flash",\n messages=[{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}],\n)\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(resp.to_dict(mode="json"))\nimport OpenAI from "openai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst client = new OpenAI({ baseURL: "https://api.ailoot.ai/v1", apiKey: process.env.AILOOT_API_KEY, maxRetries: 0 });\nconst resp = await client.chat.completions.create({\n model: "gemini-3.6-flash",\n messages: [{ role: "user", content: "Explain the difference between an observation and a hypothesis in three sentences." }],\n});\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\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='gemini-3.6-flash',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 gemini-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash est le modèle textuel multimodal de Google pour la programmation, l’analyse spatiale et les agents à plusieurs étapes. Il privilégie l’inspection diagnostique, les modifications ciblées et la réduction des boucles d’exécution inutiles. Il accepte le texte, les images, l’audio, la vidéo et le PDF, avec des outils, des sorties structurées et une limite d’entrée de 1 048 576 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 3.6 Flash est le profil multimodal polyvalent de Google pour la programmation, les tâches intellectuelles et l’exécution par agents. Il s’appuie sur Gemini 3.5 Flash en privilégiant de meilleures performances multimodales et une utilisation plus efficace des tokens. Le modèle accepte le texte, les images, l’audio, la vidéo et le PDF et renvoie du texte. Une tâche utile peut combiner du code, une capture d’écran et une exigence, ou comparer un graphique ou un plan visuel à des contraintes écrites pour produire une explication vérifiée ou une révision ciblée.
Le guide développeur met l’accent sur la réduction des étapes de raisonnement, des tours et des appels d’outils inutiles dans les tâches à plusieurs étapes, ainsi que sur des modifications plus ciblées. Pour un diagnostic, fournissez l’échec observé, la source pertinente et le comportement qui doit rester inchangé. Pour déboguer un graphique, demandez au modèle d’examiner pourquoi il affiche la mauvaise série, d’identifier la transformation de données concernée et de proposer une correction en conservant la mise en page environnante. Le résultat peut ensuite être comparé aux données d’entrée réelles et au comportement requis du graphique.
L’inspection initiale par du code est un comportement distinctif décrit pour 3.6. Le fabricant indique que le modèle examine plus souvent un problème avec du code de diagnostic avant d’effectuer des modifications. Cela peut aider une investigation complexe, mais le guide relève que ce comportement peut ajouter des étapes exploratoires aux travaux frontend courants. Précisez si la tâche nécessite une investigation, une modification simple ou une comparaison de design. Fournissez les informations qui rendent cette distinction claire et définissez les actions autorisées pour les outils de l’application connectée.
Le raisonnement spatial et multimodal est également mis en avant : interprétation de graphiques, conversion de plans visuels et mises en page web à plusieurs éléments. Fournissez la vue ou les pages pertinentes, identifiez ce qui doit être interprété et demandez les preuves étayant la conclusion. Pour une tâche de design, incluez des directives concrètes de mise en page et de style. Le fabricant note une orientation vers le code fonctionnel et indique que les évaluateurs préféraient parfois le style visuel des modèles précédents, ce qui rend des instructions visuelles explicites utiles. Vérifiez le résultat par rapport au diagramme réel ou aux exigences de design.
Medium est le niveau de réflexion par défaut documenté. Le tableau de réflexion de Google propre au modèle indique minimal, low, medium et high ; le guide de migration 3.6 utilise medium ou high dans ses exemples d’effort. La page exacte indique les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, URL context et les sorties structurées, avec Computer Use comme capacité en preview. Définissez clairement les entrées de fonction et le résultat requis. Une fonction sélectionnée par le modèle nécessite un résultat d’application réel avant qu’une réponse ultérieure puisse s’appuyer sur son résultat. Pour une analyse structurée, définissez le schéma et les preuves sources nécessaires pour chaque constat.
Le guide 3.6 modifie la préparation par rapport aux requêtes Gemini antérieures. Il rend obsolètes les réglages d’échantillonnage temperature, top-p et top-k, rejette un tour final model prérempli et recommande les instructions système ou les sorties structurées pour contrôler la réponse. Ses règles de réponse de fonction associent une réponse à son appel par identité et par nom, et la base Gemini 3 préserve les signatures de réflexion dans les usages à plusieurs tours. Pour poursuivre la conversation, transmettez l’historique pertinent non modifié et le résultat de l’outil plutôt que d’imiter le préfixe d’une réponse précédente.
La fiche native spécifie un contexte d’entrée allant jusqu’à 1M et une sortie textuelle de 64K ; le tableau API exact indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Comptez les instructions, l’historique et les médias dans le budget d’entrée et demandez une sortie adaptée à la tâche. La page du fabricant indique aussi le caching et les traitements par lots, Flex et Priority. Pour traiter des enregistrements indépendants, gardez leur identifiant et le format de résultat explicites. La sortie est un livrable textuel, même lorsque les preuves comprennent des photographies, de l’audio ou de la vidéo.
Les limites possibles comprennent les hallucinations et des lenteurs ou délais d’attente dépassés occasionnels. Sa limite de connaissances de mars 2026 inclut des domaines dont les connaissances restent limitées à janvier 2025 : joignez donc des éléments plus récents ou utilisez un flux d’ancrage documenté lorsque les faits actuels comptent. Vérifiez les calculs, les références de sources, les interprétations visuelles et les modifications proposées. La préparation distinctive de cette édition consiste en des instructions diagnostiques ciblées, un périmètre d’outils clair et des contraintes de design explicites, suivis de l’examen du résultat concret.
POST /v1beta/models/{model}:generateContenttext, imagetext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champpath.model | Typestring | ExigenceObligatoire | Valeurs et limites gemini-3.6-flash | Par défaut— |
Champcontents | Typecontent[] | ExigenceObligatoire | Valeurs et limites Nombre minimal d’éléments: 1 | Par défaut— |
Champcontents[].role | Typestring | ExigenceFacultatif | Valeurs et limites user, model | Par défaut— |
Champcontents[].parts | Typepart[] | ExigenceObligatoire | Valeurs et limites | Par défaut— |
ChampsystemInstruction | Typecontent | ExigenceFacultatif | Valeurs et limites | Par défaut— |
ChampgenerationConfig.maxOutputTokens | Typeinteger | ExigenceFacultatif | Valeurs et limites Minimum: 1 Selon le modèle | Par défaut— |
ChampgenerationConfig.temperature | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.topP | Typenumber | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.topK | Typeinteger | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.stopSequences | Typestring[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.thinkingConfig.includeThoughts | Typeboolean | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampgenerationConfig.thinkingConfig.thinkingBudget | Typeinteger | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
Champtools[].functionDeclarations | Typefunction_declaration[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChamptoolConfig.functionCallingConfig.mode | Typestring | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampsafetySettings | Typeobject[] | ExigenceFacultatif | Valeurs et limites Selon le modèle | Par défaut— |
ChampsessionId | Typestring | ExigenceFacultatif | Valeurs et limites | Par défaut— |
Texte · Texte UTF8
contents[].parts[].text
Texte + image
parts[].inlineData={mimeType,data}
| Paramètre | Contrat |
|---|---|
Paramètrematerial_types | Contrattext, image |
Paramètrerequired | Contratcontents |
Paramètreoptional_controls | Contratnull |
Paramètrecontent_type | Contratapplication/json |
Paramètretext_file_material | Contratcontenu UTF-8 réel inséré sous forme de texte ; les identifiants de fichiers et les URLs nécessitent une prise en charge exacte distincte |
Cycle de vie : exact retained published method
Les structures des méthodes et les identifiants sont exacts ; la capacité du fournisseur est distincte de l’admission.
POST /v1beta/models/{model}:generateContentAiloot 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 →
Les barèmes de référence du modèle ne modifient ni la sélection de méthode, ni les devis, ni les coûts. Les frais actifs utilisent les tarifs de la méthode Ailoot 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 |
|---|---|---|---|---|
| ConfigurationOpenAI Chat · Tarifs de base par token | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationOpenAI Chat · Palier 1 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationAnthropic Messages · Tarifs de base par token | Barème tarifaireTarif de base | Tokens de contexte, plus de— | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
| ConfigurationAnthropic Messages · Palier 1 selon la longueur de la requête | Barème tarifaire— | Tokens de contexte, plus de0 | Tokens de contexte, jusqu’à la limite incluseSans borne supérieure | Coût Entrée · Tokens en entrée $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 source-material file}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": []}')\nf=Path(os.environ["AILOOT_TEXT_FILE"])\nif not f.is_file():raise SystemExit("Choose your actual UTF-8 source material")\ntext=f.read_text(encoding="utf-8")\nif not text.strip():raise SystemExit("Source material must contain text")\np["contents"]=[{"role":"user","parts":[{"text":"Summarize this material and quote supporting source passages.\\n\\n"+text}]}]\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.6-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nset -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_IMAGE_FILE:?Set your actual PNG JPEG or WebP image}"\nexport AILOOT_IMAGE_FILE\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"contents": [{"role": "user", "parts": [{"text": "Read labels and numbers in this image; flag unreadable text."}]}]}')\nimport base64\nf=Path(os.environ["AILOOT_IMAGE_FILE"])\nif not f.is_file():raise SystemExit("Choose an actual PNG JPEG or WebP image")\nraw=f.read_bytes()\nmime="image/png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "image/jpeg" if raw.startswith(b"\\xff\\xd8") else "image/webp" if raw[:4]==b"RIFF" and raw[8:12]==b"WEBP" else None\nif not mime:raise SystemExit("Use PNG JPEG or WebP")\nb64=base64.b64encode(raw).decode()\np["contents"][0]["parts"].append({"inlineData":{"mimeType":mime,"data":b64}})\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1beta/models/gemini-3.6-flash:generateContent \\\n -H "x-goog-api-key: $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\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(json.loads(Path("result.json").read_text(encoding="utf-8")))\nPY_RESULT\nfrom google import genai\nfrom google.genai import types\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient = genai.Client(\n api_key=os.environ["AILOOT_API_KEY"],\n http_options=types.HttpOptions(base_url="https://api.ailoot.ai"),\n)\nresp = client.models.generate_content(model="gemini-3.6-flash", contents="Explain the difference between an observation and a hypothesis 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(resp.to_json_dict())\nimport { GoogleGenAI } from "@google/genai";\n\nif (!process.env.AILOOT_API_KEY?.trim()) throw new Error("Set AILOOT_API_KEY before making a request");\nconst ai = new GoogleGenAI({ apiKey: process.env.AILOOT_API_KEY, httpOptions: { baseUrl: "https://api.ailoot.ai" } });\nconst resp = await ai.models.generateContent({ model: "gemini-3.6-flash", contents: "Explain the difference between an observation and a hypothesis in three sentences." });\nimport { writeFileSync } from "node:fs";\n\nfunction saveResult(data, stem = "result") {\n writeFileSync(stem + ".json", JSON.stringify(data, null, 2));\n console.log(JSON.stringify(data, null, 2));\n const saveBlob = (encoded, suffix, label) => {\n const raw = Buffer.from(encoded, "base64");\n const ext = raw.subarray(0,8).equals(Buffer.from([137,80,78,71,13,10,26,10])) ? "png" : raw[0]===255 && raw[1]===216 ? "jpg" : raw.subarray(0,4).toString()==="RIFF" && raw.subarray(8,12).toString()==="WEBP" ? "webp" : suffix;\n const file = `${stem}-${label}.${ext}`;\n writeFileSync(file, raw); console.log("Saved", file);\n };\n for (const [i, block] of (data.content || []).entries()) console.log("Content", i, JSON.stringify(block));\n for (const choice of data.choices || []) console.log("Choice", choice.index, JSON.stringify(choice.message || choice.delta || {}));\n for (const [i, item] of (data.output || []).entries()) {\n console.log("Output", i, JSON.stringify(item));\n if (item.type === "image_generation_call" && item.result) saveBlob(item.result, item.output_format || "bin", `output-${i}`);\n }\n for (const [ci, candidate] of (data.candidates || []).entries()) {\n for (const [pi, part] of (candidate.content?.parts || []).entries()) {\n console.log("Candidate/part", ci, pi, JSON.stringify(part));\n const blob = part.inlineData || part.inline_data;\n if (blob?.data) {\n const mime = blob.mimeType || blob.mime_type;\n const suffix = ({"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"})[mime] || "bin";\n saveBlob(blob.data, suffix, `candidate-${ci}-part-${pi}`);\n }\n }\n }\n}\n\nsaveResult(resp);\nfrom google import genai\nfrom google.genai import types\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=genai.Client(api_key=os.environ["AILOOT_API_KEY"],http_options=types.HttpOptions(base_url="https://api.ailoot.ai"))\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\ncount=0\nwith Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for chunk in client.models.generate_content_stream(model='gemini-3.6-flash',contents="Explain observations and hypotheses in three sentences."):\n payload=chunk.to_json_dict()\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n save_result(payload,"stream-chunk-"+str(count))\n count+=1\njson ou streaming pris en charge
Conservez chaque réponse, fichier et partie de contenu renvoyés dans leur intégralité.
Conservez tous les candidats et toutes les parties, y compris les appels de fonctions, les signatures de raisonnement et les données d’utilisation ; assemblez les fragments du flux dans l’ordre.
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 |
|---|---|
ChampresponseId | Typestring |
ChampmodelVersion | Typestring |
Champcandidates[].content.parts[] | Typetext|inlineData|functionCall|other part |
Champcandidates[].finishReason | Typestring |
ChampusageMetadata | 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 gemini-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash est le modèle textuel multimodal de Google pour la programmation, l’analyse spatiale et les agents à plusieurs étapes. Il privilégie l’inspection diagnostique, les modifications ciblées et la réduction des boucles d’exécution inutiles. Il accepte le texte, les images, l’audio, la vidéo et le PDF, avec des outils, des sorties structurées et une limite d’entrée de 1 048 576 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 3.6 Flash est le profil multimodal polyvalent de Google pour la programmation, les tâches intellectuelles et l’exécution par agents. Il s’appuie sur Gemini 3.5 Flash en privilégiant de meilleures performances multimodales et une utilisation plus efficace des tokens. Le modèle accepte le texte, les images, l’audio, la vidéo et le PDF et renvoie du texte. Une tâche utile peut combiner du code, une capture d’écran et une exigence, ou comparer un graphique ou un plan visuel à des contraintes écrites pour produire une explication vérifiée ou une révision ciblée.
Le guide développeur met l’accent sur la réduction des étapes de raisonnement, des tours et des appels d’outils inutiles dans les tâches à plusieurs étapes, ainsi que sur des modifications plus ciblées. Pour un diagnostic, fournissez l’échec observé, la source pertinente et le comportement qui doit rester inchangé. Pour déboguer un graphique, demandez au modèle d’examiner pourquoi il affiche la mauvaise série, d’identifier la transformation de données concernée et de proposer une correction en conservant la mise en page environnante. Le résultat peut ensuite être comparé aux données d’entrée réelles et au comportement requis du graphique.
L’inspection initiale par du code est un comportement distinctif décrit pour 3.6. Le fabricant indique que le modèle examine plus souvent un problème avec du code de diagnostic avant d’effectuer des modifications. Cela peut aider une investigation complexe, mais le guide relève que ce comportement peut ajouter des étapes exploratoires aux travaux frontend courants. Précisez si la tâche nécessite une investigation, une modification simple ou une comparaison de design. Fournissez les informations qui rendent cette distinction claire et définissez les actions autorisées pour les outils de l’application connectée.
Le raisonnement spatial et multimodal est également mis en avant : interprétation de graphiques, conversion de plans visuels et mises en page web à plusieurs éléments. Fournissez la vue ou les pages pertinentes, identifiez ce qui doit être interprété et demandez les preuves étayant la conclusion. Pour une tâche de design, incluez des directives concrètes de mise en page et de style. Le fabricant note une orientation vers le code fonctionnel et indique que les évaluateurs préféraient parfois le style visuel des modèles précédents, ce qui rend des instructions visuelles explicites utiles. Vérifiez le résultat par rapport au diagramme réel ou aux exigences de design.
Medium est le niveau de réflexion par défaut documenté. Le tableau de réflexion de Google propre au modèle indique minimal, low, medium et high ; le guide de migration 3.6 utilise medium ou high dans ses exemples d’effort. La page exacte indique les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, URL context et les sorties structurées, avec Computer Use comme capacité en preview. Définissez clairement les entrées de fonction et le résultat requis. Une fonction sélectionnée par le modèle nécessite un résultat d’application réel avant qu’une réponse ultérieure puisse s’appuyer sur son résultat. Pour une analyse structurée, définissez le schéma et les preuves sources nécessaires pour chaque constat.
Le guide 3.6 modifie la préparation par rapport aux requêtes Gemini antérieures. Il rend obsolètes les réglages d’échantillonnage temperature, top-p et top-k, rejette un tour final model prérempli et recommande les instructions système ou les sorties structurées pour contrôler la réponse. Ses règles de réponse de fonction associent une réponse à son appel par identité et par nom, et la base Gemini 3 préserve les signatures de réflexion dans les usages à plusieurs tours. Pour poursuivre la conversation, transmettez l’historique pertinent non modifié et le résultat de l’outil plutôt que d’imiter le préfixe d’une réponse précédente.
La fiche native spécifie un contexte d’entrée allant jusqu’à 1M et une sortie textuelle de 64K ; le tableau API exact indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Comptez les instructions, l’historique et les médias dans le budget d’entrée et demandez une sortie adaptée à la tâche. La page du fabricant indique aussi le caching et les traitements par lots, Flex et Priority. Pour traiter des enregistrements indépendants, gardez leur identifiant et le format de résultat explicites. La sortie est un livrable textuel, même lorsque les preuves comprennent des photographies, de l’audio ou de la vidéo.
Les limites possibles comprennent les hallucinations et des lenteurs ou délais d’attente dépassés occasionnels. Sa limite de connaissances de mars 2026 inclut des domaines dont les connaissances restent limitées à janvier 2025 : joignez donc des éléments plus récents ou utilisez un flux d’ancrage documenté lorsque les faits actuels comptent. Vérifiez les calculs, les références de sources, les interprétations visuelles et les modifications proposées. La préparation distinctive de cette édition consiste en des instructions diagnostiques ciblées, un périmètre d’outils clair et des contraintes de design explicites, suivis de l’examen du résultat concret.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-3.6-flash | 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.
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 $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 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 $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.6-flash","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-3.6-flash", 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 gemini-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
gemini-3.6-flashGemini 3.6 Flash est le modèle textuel multimodal de Google pour la programmation, l’analyse spatiale et les agents à plusieurs étapes. Il privilégie l’inspection diagnostique, les modifications ciblées et la réduction des boucles d’exécution inutiles. Il accepte le texte, les images, l’audio, la vidéo et le PDF, avec des outils, des sorties structurées et une limite d’entrée de 1 048 576 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 3.6 Flash est le profil multimodal polyvalent de Google pour la programmation, les tâches intellectuelles et l’exécution par agents. Il s’appuie sur Gemini 3.5 Flash en privilégiant de meilleures performances multimodales et une utilisation plus efficace des tokens. Le modèle accepte le texte, les images, l’audio, la vidéo et le PDF et renvoie du texte. Une tâche utile peut combiner du code, une capture d’écran et une exigence, ou comparer un graphique ou un plan visuel à des contraintes écrites pour produire une explication vérifiée ou une révision ciblée.
Le guide développeur met l’accent sur la réduction des étapes de raisonnement, des tours et des appels d’outils inutiles dans les tâches à plusieurs étapes, ainsi que sur des modifications plus ciblées. Pour un diagnostic, fournissez l’échec observé, la source pertinente et le comportement qui doit rester inchangé. Pour déboguer un graphique, demandez au modèle d’examiner pourquoi il affiche la mauvaise série, d’identifier la transformation de données concernée et de proposer une correction en conservant la mise en page environnante. Le résultat peut ensuite être comparé aux données d’entrée réelles et au comportement requis du graphique.
L’inspection initiale par du code est un comportement distinctif décrit pour 3.6. Le fabricant indique que le modèle examine plus souvent un problème avec du code de diagnostic avant d’effectuer des modifications. Cela peut aider une investigation complexe, mais le guide relève que ce comportement peut ajouter des étapes exploratoires aux travaux frontend courants. Précisez si la tâche nécessite une investigation, une modification simple ou une comparaison de design. Fournissez les informations qui rendent cette distinction claire et définissez les actions autorisées pour les outils de l’application connectée.
Le raisonnement spatial et multimodal est également mis en avant : interprétation de graphiques, conversion de plans visuels et mises en page web à plusieurs éléments. Fournissez la vue ou les pages pertinentes, identifiez ce qui doit être interprété et demandez les preuves étayant la conclusion. Pour une tâche de design, incluez des directives concrètes de mise en page et de style. Le fabricant note une orientation vers le code fonctionnel et indique que les évaluateurs préféraient parfois le style visuel des modèles précédents, ce qui rend des instructions visuelles explicites utiles. Vérifiez le résultat par rapport au diagramme réel ou aux exigences de design.
Medium est le niveau de réflexion par défaut documenté. Le tableau de réflexion de Google propre au modèle indique minimal, low, medium et high ; le guide de migration 3.6 utilise medium ou high dans ses exemples d’effort. La page exacte indique les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, URL context et les sorties structurées, avec Computer Use comme capacité en preview. Définissez clairement les entrées de fonction et le résultat requis. Une fonction sélectionnée par le modèle nécessite un résultat d’application réel avant qu’une réponse ultérieure puisse s’appuyer sur son résultat. Pour une analyse structurée, définissez le schéma et les preuves sources nécessaires pour chaque constat.
Le guide 3.6 modifie la préparation par rapport aux requêtes Gemini antérieures. Il rend obsolètes les réglages d’échantillonnage temperature, top-p et top-k, rejette un tour final model prérempli et recommande les instructions système ou les sorties structurées pour contrôler la réponse. Ses règles de réponse de fonction associent une réponse à son appel par identité et par nom, et la base Gemini 3 préserve les signatures de réflexion dans les usages à plusieurs tours. Pour poursuivre la conversation, transmettez l’historique pertinent non modifié et le résultat de l’outil plutôt que d’imiter le préfixe d’une réponse précédente.
La fiche native spécifie un contexte d’entrée allant jusqu’à 1M et une sortie textuelle de 64K ; le tableau API exact indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Comptez les instructions, l’historique et les médias dans le budget d’entrée et demandez une sortie adaptée à la tâche. La page du fabricant indique aussi le caching et les traitements par lots, Flex et Priority. Pour traiter des enregistrements indépendants, gardez leur identifiant et le format de résultat explicites. La sortie est un livrable textuel, même lorsque les preuves comprennent des photographies, de l’audio ou de la vidéo.
Les limites possibles comprennent les hallucinations et des lenteurs ou délais d’attente dépassés occasionnels. Sa limite de connaissances de mars 2026 inclut des domaines dont les connaissances restent limitées à janvier 2025 : joignez donc des éléments plus récents ou utilisez un flux d’ancrage documenté lorsque les faits actuels comptent. Vérifiez les calculs, les références de sources, les interprétations visuelles et les modifications proposées. La préparation distinctive de cette édition consiste en des instructions diagnostiques ciblées, un périmètre d’outils clair et des contraintes de design explicites, suivis de l’examen du résultat concret.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites gemini-3.6-flash | 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 $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 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 $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "gemini-3.6-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3.6-flash', '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-3.6-flash', '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 gemini-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
google/gemini-3.6-flashGemini 3.6 Flash est le modèle textuel multimodal de Google pour la programmation, l’analyse spatiale et les agents à plusieurs étapes. Il privilégie l’inspection diagnostique, les modifications ciblées et la réduction des boucles d’exécution inutiles. Il accepte le texte, les images, l’audio, la vidéo et le PDF, avec des outils, des sorties structurées et une limite d’entrée de 1 048 576 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 3.6 Flash est le profil multimodal polyvalent de Google pour la programmation, les tâches intellectuelles et l’exécution par agents. Il s’appuie sur Gemini 3.5 Flash en privilégiant de meilleures performances multimodales et une utilisation plus efficace des tokens. Le modèle accepte le texte, les images, l’audio, la vidéo et le PDF et renvoie du texte. Une tâche utile peut combiner du code, une capture d’écran et une exigence, ou comparer un graphique ou un plan visuel à des contraintes écrites pour produire une explication vérifiée ou une révision ciblée.
Le guide développeur met l’accent sur la réduction des étapes de raisonnement, des tours et des appels d’outils inutiles dans les tâches à plusieurs étapes, ainsi que sur des modifications plus ciblées. Pour un diagnostic, fournissez l’échec observé, la source pertinente et le comportement qui doit rester inchangé. Pour déboguer un graphique, demandez au modèle d’examiner pourquoi il affiche la mauvaise série, d’identifier la transformation de données concernée et de proposer une correction en conservant la mise en page environnante. Le résultat peut ensuite être comparé aux données d’entrée réelles et au comportement requis du graphique.
L’inspection initiale par du code est un comportement distinctif décrit pour 3.6. Le fabricant indique que le modèle examine plus souvent un problème avec du code de diagnostic avant d’effectuer des modifications. Cela peut aider une investigation complexe, mais le guide relève que ce comportement peut ajouter des étapes exploratoires aux travaux frontend courants. Précisez si la tâche nécessite une investigation, une modification simple ou une comparaison de design. Fournissez les informations qui rendent cette distinction claire et définissez les actions autorisées pour les outils de l’application connectée.
Le raisonnement spatial et multimodal est également mis en avant : interprétation de graphiques, conversion de plans visuels et mises en page web à plusieurs éléments. Fournissez la vue ou les pages pertinentes, identifiez ce qui doit être interprété et demandez les preuves étayant la conclusion. Pour une tâche de design, incluez des directives concrètes de mise en page et de style. Le fabricant note une orientation vers le code fonctionnel et indique que les évaluateurs préféraient parfois le style visuel des modèles précédents, ce qui rend des instructions visuelles explicites utiles. Vérifiez le résultat par rapport au diagramme réel ou aux exigences de design.
Medium est le niveau de réflexion par défaut documenté. Le tableau de réflexion de Google propre au modèle indique minimal, low, medium et high ; le guide de migration 3.6 utilise medium ou high dans ses exemples d’effort. La page exacte indique les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, URL context et les sorties structurées, avec Computer Use comme capacité en preview. Définissez clairement les entrées de fonction et le résultat requis. Une fonction sélectionnée par le modèle nécessite un résultat d’application réel avant qu’une réponse ultérieure puisse s’appuyer sur son résultat. Pour une analyse structurée, définissez le schéma et les preuves sources nécessaires pour chaque constat.
Le guide 3.6 modifie la préparation par rapport aux requêtes Gemini antérieures. Il rend obsolètes les réglages d’échantillonnage temperature, top-p et top-k, rejette un tour final model prérempli et recommande les instructions système ou les sorties structurées pour contrôler la réponse. Ses règles de réponse de fonction associent une réponse à son appel par identité et par nom, et la base Gemini 3 préserve les signatures de réflexion dans les usages à plusieurs tours. Pour poursuivre la conversation, transmettez l’historique pertinent non modifié et le résultat de l’outil plutôt que d’imiter le préfixe d’une réponse précédente.
La fiche native spécifie un contexte d’entrée allant jusqu’à 1M et une sortie textuelle de 64K ; le tableau API exact indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Comptez les instructions, l’historique et les médias dans le budget d’entrée et demandez une sortie adaptée à la tâche. La page du fabricant indique aussi le caching et les traitements par lots, Flex et Priority. Pour traiter des enregistrements indépendants, gardez leur identifiant et le format de résultat explicites. La sortie est un livrable textuel, même lorsque les preuves comprennent des photographies, de l’audio ou de la vidéo.
Les limites possibles comprennent les hallucinations et des lenteurs ou délais d’attente dépassés occasionnels. Sa limite de connaissances de mars 2026 inclut des domaines dont les connaissances restent limitées à janvier 2025 : joignez donc des éléments plus récents ou utilisez un flux d’ancrage documenté lorsque les faits actuels comptent. Vérifiez les calculs, les références de sources, les interprétations visuelles et les modifications proposées. La préparation distinctive de cette édition consiste en des instructions diagnostiques ciblées, un périmètre d’outils clair et des contraintes de design explicites, suivis de l’examen du résultat concret.
POST /v1/chat/completionstexttext| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemini-3.6-flash | 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 $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 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 $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemini-3.6-flash", "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/gemini-3.6-flash',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/gemini-3.6-flash',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 gemini-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
google/gemini-3.6-flashGemini 3.6 Flash est le modèle textuel multimodal de Google pour la programmation, l’analyse spatiale et les agents à plusieurs étapes. Il privilégie l’inspection diagnostique, les modifications ciblées et la réduction des boucles d’exécution inutiles. Il accepte le texte, les images, l’audio, la vidéo et le PDF, avec des outils, des sorties structurées et une limite d’entrée de 1 048 576 tokens.
Cette description présente les capacités du modèle. Les entrées, sorties et options disponibles dans Ailoot pour la méthode sélectionnée figurent ci-dessous.
Gemini 3.6 Flash est le profil multimodal polyvalent de Google pour la programmation, les tâches intellectuelles et l’exécution par agents. Il s’appuie sur Gemini 3.5 Flash en privilégiant de meilleures performances multimodales et une utilisation plus efficace des tokens. Le modèle accepte le texte, les images, l’audio, la vidéo et le PDF et renvoie du texte. Une tâche utile peut combiner du code, une capture d’écran et une exigence, ou comparer un graphique ou un plan visuel à des contraintes écrites pour produire une explication vérifiée ou une révision ciblée.
Le guide développeur met l’accent sur la réduction des étapes de raisonnement, des tours et des appels d’outils inutiles dans les tâches à plusieurs étapes, ainsi que sur des modifications plus ciblées. Pour un diagnostic, fournissez l’échec observé, la source pertinente et le comportement qui doit rester inchangé. Pour déboguer un graphique, demandez au modèle d’examiner pourquoi il affiche la mauvaise série, d’identifier la transformation de données concernée et de proposer une correction en conservant la mise en page environnante. Le résultat peut ensuite être comparé aux données d’entrée réelles et au comportement requis du graphique.
L’inspection initiale par du code est un comportement distinctif décrit pour 3.6. Le fabricant indique que le modèle examine plus souvent un problème avec du code de diagnostic avant d’effectuer des modifications. Cela peut aider une investigation complexe, mais le guide relève que ce comportement peut ajouter des étapes exploratoires aux travaux frontend courants. Précisez si la tâche nécessite une investigation, une modification simple ou une comparaison de design. Fournissez les informations qui rendent cette distinction claire et définissez les actions autorisées pour les outils de l’application connectée.
Le raisonnement spatial et multimodal est également mis en avant : interprétation de graphiques, conversion de plans visuels et mises en page web à plusieurs éléments. Fournissez la vue ou les pages pertinentes, identifiez ce qui doit être interprété et demandez les preuves étayant la conclusion. Pour une tâche de design, incluez des directives concrètes de mise en page et de style. Le fabricant note une orientation vers le code fonctionnel et indique que les évaluateurs préféraient parfois le style visuel des modèles précédents, ce qui rend des instructions visuelles explicites utiles. Vérifiez le résultat par rapport au diagramme réel ou aux exigences de design.
Medium est le niveau de réflexion par défaut documenté. Le tableau de réflexion de Google propre au modèle indique minimal, low, medium et high ; le guide de migration 3.6 utilise medium ou high dans ses exemples d’effort. La page exacte indique les appels de fonctions, l’exécution de code, la recherche dans les fichiers, l’ancrage par recherche, l’ancrage Maps, URL context et les sorties structurées, avec Computer Use comme capacité en preview. Définissez clairement les entrées de fonction et le résultat requis. Une fonction sélectionnée par le modèle nécessite un résultat d’application réel avant qu’une réponse ultérieure puisse s’appuyer sur son résultat. Pour une analyse structurée, définissez le schéma et les preuves sources nécessaires pour chaque constat.
Le guide 3.6 modifie la préparation par rapport aux requêtes Gemini antérieures. Il rend obsolètes les réglages d’échantillonnage temperature, top-p et top-k, rejette un tour final model prérempli et recommande les instructions système ou les sorties structurées pour contrôler la réponse. Ses règles de réponse de fonction associent une réponse à son appel par identité et par nom, et la base Gemini 3 préserve les signatures de réflexion dans les usages à plusieurs tours. Pour poursuivre la conversation, transmettez l’historique pertinent non modifié et le résultat de l’outil plutôt que d’imiter le préfixe d’une réponse précédente.
La fiche native spécifie un contexte d’entrée allant jusqu’à 1M et une sortie textuelle de 64K ; le tableau API exact indique 1 048 576 tokens d’entrée et 65 536 tokens de sortie. Comptez les instructions, l’historique et les médias dans le budget d’entrée et demandez une sortie adaptée à la tâche. La page du fabricant indique aussi le caching et les traitements par lots, Flex et Priority. Pour traiter des enregistrements indépendants, gardez leur identifiant et le format de résultat explicites. La sortie est un livrable textuel, même lorsque les preuves comprennent des photographies, de l’audio ou de la vidéo.
Les limites possibles comprennent les hallucinations et des lenteurs ou délais d’attente dépassés occasionnels. Sa limite de connaissances de mars 2026 inclut des domaines dont les connaissances restent limitées à janvier 2025 : joignez donc des éléments plus récents ou utilisez un flux d’ancrage documenté lorsque les faits actuels comptent. Vérifiez les calculs, les références de sources, les interprétations visuelles et les modifications proposées. La préparation distinctive de cette édition consiste en des instructions diagnostiques ciblées, un périmètre d’outils clair et des contraintes de design explicites, suivis de l’examen du résultat concret.
POST /v1/messagestextjson, sse| Champ | Type | Exigence | Valeurs et limites | Par défaut |
|---|---|---|---|---|
Champmodel | Typestring | ExigenceObligatoire | Valeurs et limites google/gemini-3.6-flash | 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 $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 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 $0.0015 / 1K tokens Sortie · Tokens en sortie $0.0075 / 1K tokens Entrée · Lecture du cache $0.00015 / 1K tokens Entrée · Écriture dans le cache $0.0000833333333333334 / 1K tokens Entrée · Écriture dans le cache, 1 h — / 1K tokens |
Ailoot réserve un montant estimé avant une requête. Après le résultat, le montant final est débité selon l’utilisation mesurée. Pour le streaming, le montant final à débiter est calculé à partir du relevé final d’utilisation. Fonctionnement de la réservation et du débit →
{\n "model": "google/gemini-3.6-flash",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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/gemini-3.6-flash', '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/gemini-3.6-flash', '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 gemini-3.6-flash
Ailoot Ultra gemini-3.6-flash, google/gemini-3.6-flash
/chat/completions
Exemple technique en anglais
Diagnose swapped chart series\n\nA chart receives [{month:'Jan', sales:20, returns:2}, {month:'Feb', sales:30, returns:3}], but its Sales series uses rows.map(r => r.returns). Identify the data-binding error and propose one correction. Keep the existing month labels and Returns series unchanged. Include a small assertion showing the expected Sales data without claiming the chart was rendered.One corrected series expression and a concrete assertion against the supplied data.Only the Sales binding changes, and its values come from sales rather than returns.