Gemma 3 12B IT הוא מודל הראייה והשפה של Google בגודל 12B, המותאם להוראות. הוא משתייך למשפחת Gemma 3, המשלבת יצירת טקסט עם הבנת תמונות ואימון רב־לשוני. הסיומת IT בוחרת בצ׳קפוינט המותאם למילוי הוראות, ולא במודל שאומן מראש. התוצאה שלו היא טקסט: הסבר, סיכום, תשובה, טיוטה או קוד המבוססים על החומר הכתוב והחזותי שבבקשה.
מודל 12B משתמש בחלון ההקשר של המשפחה, הכולל 128K טוקנים ומשותף לקלט ולתשובה שנוצרת. הפלט משתמש בחלק שנותר אחרי הבקשה; הכרטיס אינו מעניק חלון פלט נוסף ועצמאי של 128K. תצוגות הבסיס של תמונות מנורמלות ל־896×896 ומיוצגות באמצעות 256 טוקנים חזותיים כל אחת. כשמכינים אוסף עמודים, שמרו על מזהי העמודים והקצו מקום לתוצאה. שאלו שאלה ממוקדת על התוכן הרלוונטי במקום להסתמך על חלון גדול שיבחר אוטומטית את הסוגיה הנכונה.
היצרן מדווח על 12 טריליון טוקנים של קדם־אימון בגודל זה. חומרי האימון כוללים מסמכי רשת רב־לשוניים, קוד, מתמטיקה ותמונות, עם כיסוי של יותר מ־140 שפות במשפחה. הדוח מתאר זיקוק ידע ומתכון משופר להתאמה להוראות באמצעות למידת חיזוק. שלבים אלה מכוונים למועילות, להסקה מתמטית ובקוד, למילוי הוראות ולאינטראקציה רב־לשונית. תקציב אימון נפרד וזהות צ׳קפוינט נפרדת אינם מוכיחים לבדם את איכותה של תשובה מסוימת, ולכן יש להשוות את הפלט למשימת המקור.
הארכיטקטורה משתמשת בטרנספורמר מסוג מפענח בלבד, עם קשב בשאילתות מקובצות ודפוס חוזר של חמש שכבות קשב מקומי לכל שכבת קשב גלובלי אחת. השכבות המקומיות משתמשות בטווח של 1,024 טוקנים, ואילו הקשב הגלובלי תומך בהקשר הארוך יותר. מקודד הראייה SigLIP, המשותף למודלי 4B, 12B ו־27B, ממיר תמונות לייצוגים שמודל השפה צורך. הטוקנייזר SentencePiece משמר תווי רווח, מפריד ספרות וכולל קידוד ברמת הבייט. הדבר רלוונטי כשצריך לשמר את עיצוב הקוד, את הכתיב המספרי או טקסט רב־לשוני.
תהליך הראייה כולל גם Pan and Scan: חיתוכים מותאמים שאינם חופפים מסייעים לשמר תוכן ממקורות רחבים או ברזולוציה גבוהה לפני שכל תצוגה מגיעה למקודד בעל הרזולוציה הקבועה. תצוגות נוספות משנות את החומר שמעובד. למסמך טכני, ספקו עמוד קריא ובמידת הצורך תצוגה ברורה של הטבלה או התרשים שעליהם נשאלת השאלה. שמרו על ההגדרה שסביב היחידה, הסמל או העמודה, כדי שקריאה חזותית מקומית לא תאבד את משמעותה.
פורמט ההנחיות המקורי של IT משתמש בתורות user ו־model, ואין בו תפקיד system נפרד. הציבו את התפקיד הרצוי, את כללי התשובה ואת המשימה בהנחיית user הראשונה, באמצעות כלי עיצוב הפורמט או המעבד המיועדים לשיחה בפועל. בקשה מקורית לניתוח מסמך יכולה להשוות שני תיאורי נוהל, להחזיר טבלה של דרישות תואמות ולזהות סתירות. תייגו את המקורות, ציינו לאיזו דרישה יש עדיפות ובקשו מהמודל להפריד בין העובדות שסופקו לבין הפרשנות שלו.
השימושים המיועדים בכרטיס היצרן כוללים סיכום, סיוע בשיחה, חילוץ נתונים מתמונות, כתיבה ולמידה. להסבר רב־לשוני, ציינו את קהל היעד, את המונחים ואת רמת הפירוט. לשאלה על תמונה, הגדירו את העצמים או היחסים שיש לדון בהם ובקשו תצפיות התומכות בתשובה הסופית. בבקשת קוד, כללו את הפונקציה בפועל ואת ההתנהגות הצפויה; התוצאה יכולה להציע מימוש, ואילו יישום נפרד צריך להריץ ולבדוק אותו. הדוח מפרסם בנפרד גרסאות של המשפחה שעברו קוונטיזציה, ולכן אין להחליף בשקט את הזהות הזאת של 12B IT בצ׳קפוינט אחר שעבר קוונטיזציה כשמתעדים תוצאות.
היצרן מזהה מגבלות הנובעות מכיסוי האימון, מאי־דיוקים עובדתיים, מדקויות לשוניות וממשימות מורכבות ופתוחות. Google גם מזהירה שדפוס לשוני שנשמע סביר עלול להפיק תשובה שמחמיצה אילוץ יומיומי מהעולם האמיתי. פרטים חזותיים קטנים עלולים ללכת לאיבוד או להיקרא באופן שגוי, וגם קלט ארוך דורש סדרי עדיפויות ברורים. שמרו את העמודים המקוריים, אמתו תוויות וכמויות שחולצו ואמתו כל טקסט שנראה מובנה וביקשתם מהמודל להפיק, לפני שתשתמשו בו כנתונים. העריכו את מודל 12B IT המדויק בשאלות ובשפות מייצגות. תוצר סופי שימושי מציג תשובה המבוססת על המקור, את ההסקה הדרושה להבנתה ואת אי־הוודאות שנותרה, בלי להציג הסבר שנוצר כפעולת כלי שהושלמה או כאחזור ידע בזמן אמת.
", "aboutText": "Gemma 3 12B IT הוא מודל הראייה והשפה של Google בגודל 12B, המותאם להוראות. הוא משתייך למשפחת Gemma 3, המשלבת יצירת טקסט עם הבנת תמונות ואימון רב־לשוני. הסיומת IT בוחרת בצ׳קפוינט המותאם למילוי הוראות, ולא במודל שאומן מראש. התוצאה שלו היא טקסט: הסבר, סיכום, תשובה, טיוטה או קוד המבוססים על החומר הכתוב והחזותי שבבקשה.\n\nמודל 12B משתמש בחלון ההקשר של המשפחה, הכולל 128K טוקנים ומשותף לקלט ולתשובה שנוצרת. הפלט משתמש בחלק שנותר אחרי הבקשה; הכרטיס אינו מעניק חלון פלט נוסף ועצמאי של 128K. תצוגות הבסיס של תמונות מנורמלות ל־896×896 ומיוצגות באמצעות 256 טוקנים חזותיים כל אחת. כשמכינים אוסף עמודים, שמרו על מזהי העמודים והקצו מקום לתוצאה. שאלו שאלה ממוקדת על התוכן הרלוונטי במקום להסתמך על חלון גדול שיבחר אוטומטית את הסוגיה הנכונה.\n\nהיצרן מדווח על 12 טריליון טוקנים של קדם־אימון בגודל זה. חומרי האימון כוללים מסמכי רשת רב־לשוניים, קוד, מתמטיקה ותמונות, עם כיסוי של יותר מ־140 שפות במשפחה. הדוח מתאר זיקוק ידע ומתכון משופר להתאמה להוראות באמצעות למידת חיזוק. שלבים אלה מכוונים למועילות, להסקה מתמטית ובקוד, למילוי הוראות ולאינטראקציה רב־לשונית. תקציב אימון נפרד וזהות צ׳קפוינט נפרדת אינם מוכיחים לבדם את איכותה של תשובה מסוימת, ולכן יש להשוות את הפלט למשימת המקור.\n\nהארכיטקטורה משתמשת בטרנספורמר מסוג מפענח בלבד, עם קשב בשאילתות מקובצות ודפוס חוזר של חמש שכבות קשב מקומי לכל שכבת קשב גלובלי אחת. השכבות המקומיות משתמשות בטווח של 1,024 טוקנים, ואילו הקשב הגלובלי תומך בהקשר הארוך יותר. מקודד הראייה SigLIP, המשותף למודלי 4B, 12B ו־27B, ממיר תמונות לייצוגים שמודל השפה צורך. הטוקנייזר SentencePiece משמר תווי רווח, מפריד ספרות וכולל קידוד ברמת הבייט. הדבר רלוונטי כשצריך לשמר את עיצוב הקוד, את הכתיב המספרי או טקסט רב־לשוני.\n\nתהליך הראייה כולל גם Pan and Scan: חיתוכים מותאמים שאינם חופפים מסייעים לשמר תוכן ממקורות רחבים או ברזולוציה גבוהה לפני שכל תצוגה מגיעה למקודד בעל הרזולוציה הקבועה. תצוגות נוספות משנות את החומר שמעובד. למסמך טכני, ספקו עמוד קריא ובמידת הצורך תצוגה ברורה של הטבלה או התרשים שעליהם נשאלת השאלה. שמרו על ההגדרה שסביב היחידה, הסמל או העמודה, כדי שקריאה חזותית מקומית לא תאבד את משמעותה.\n\nפורמט ההנחיות המקורי של IT משתמש בתורות user ו־model, ואין בו תפקיד system נפרד. הציבו את התפקיד הרצוי, את כללי התשובה ואת המשימה בהנחיית user הראשונה, באמצעות כלי עיצוב הפורמט או המעבד המיועדים לשיחה בפועל. בקשה מקורית לניתוח מסמך יכולה להשוות שני תיאורי נוהל, להחזיר טבלה של דרישות תואמות ולזהות סתירות. תייגו את המקורות, ציינו לאיזו דרישה יש עדיפות ובקשו מהמודל להפריד בין העובדות שסופקו לבין הפרשנות שלו.\n\nהשימושים המיועדים בכרטיס היצרן כוללים סיכום, סיוע בשיחה, חילוץ נתונים מתמונות, כתיבה ולמידה. להסבר רב־לשוני, ציינו את קהל היעד, את המונחים ואת רמת הפירוט. לשאלה על תמונה, הגדירו את העצמים או היחסים שיש לדון בהם ובקשו תצפיות התומכות בתשובה הסופית. בבקשת קוד, כללו את הפונקציה בפועל ואת ההתנהגות הצפויה; התוצאה יכולה להציע מימוש, ואילו יישום נפרד צריך להריץ ולבדוק אותו. הדוח מפרסם בנפרד גרסאות של המשפחה שעברו קוונטיזציה, ולכן אין להחליף בשקט את הזהות הזאת של 12B IT בצ׳קפוינט אחר שעבר קוונטיזציה כשמתעדים תוצאות.\n\nהיצרן מזהה מגבלות הנובעות מכיסוי האימון, מאי־דיוקים עובדתיים, מדקויות לשוניות וממשימות מורכבות ופתוחות. Google גם מזהירה שדפוס לשוני שנשמע סביר עלול להפיק תשובה שמחמיצה אילוץ יומיומי מהעולם האמיתי. פרטים חזותיים קטנים עלולים ללכת לאיבוד או להיקרא באופן שגוי, וגם קלט ארוך דורש סדרי עדיפויות ברורים. שמרו את העמודים המקוריים, אמתו תוויות וכמויות שחולצו ואמתו כל טקסט שנראה מובנה וביקשתם מהמודל להפיק, לפני שתשתמשו בו כנתונים. העריכו את מודל 12B IT המדויק בשאלות ובשפות מייצגות. תוצר סופי שימושי מציג תשובה המבוססת על המקור, את ההסקה הדרושה להבנתה ואת אי־הוודאות שנותרה, בלי להציג הסבר שנוצר כפעולת כלי שהושלמה או כאחזור ידע בזמן אמת.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.google/gemma-3-12b-itGemma 3 12B IT היא מהדורת Gemma 3 נפרדת המותאמת להוראות, ליצירת טקסט ולהבנת תמונות. השתמשו בה לשאלות על מסמכים, להסברים ולכתיבה רב־לשונית בהקשר משותף של 128K, תוך ציון מפורש של צ׳קפוינט 12B ושל פורמט השיחה המקורי שלה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Gemma 3 12B IT הוא מודל הראייה והשפה של Google בגודל 12B, המותאם להוראות. הוא משתייך למשפחת Gemma 3, המשלבת יצירת טקסט עם הבנת תמונות ואימון רב־לשוני. הסיומת IT בוחרת בצ׳קפוינט המותאם למילוי הוראות, ולא במודל שאומן מראש. התוצאה שלו היא טקסט: הסבר, סיכום, תשובה, טיוטה או קוד המבוססים על החומר הכתוב והחזותי שבבקשה.
מודל 12B משתמש בחלון ההקשר של המשפחה, הכולל 128K טוקנים ומשותף לקלט ולתשובה שנוצרת. הפלט משתמש בחלק שנותר אחרי הבקשה; הכרטיס אינו מעניק חלון פלט נוסף ועצמאי של 128K. תצוגות הבסיס של תמונות מנורמלות ל־896×896 ומיוצגות באמצעות 256 טוקנים חזותיים כל אחת. כשמכינים אוסף עמודים, שמרו על מזהי העמודים והקצו מקום לתוצאה. שאלו שאלה ממוקדת על התוכן הרלוונטי במקום להסתמך על חלון גדול שיבחר אוטומטית את הסוגיה הנכונה.
היצרן מדווח על 12 טריליון טוקנים של קדם־אימון בגודל זה. חומרי האימון כוללים מסמכי רשת רב־לשוניים, קוד, מתמטיקה ותמונות, עם כיסוי של יותר מ־140 שפות במשפחה. הדוח מתאר זיקוק ידע ומתכון משופר להתאמה להוראות באמצעות למידת חיזוק. שלבים אלה מכוונים למועילות, להסקה מתמטית ובקוד, למילוי הוראות ולאינטראקציה רב־לשונית. תקציב אימון נפרד וזהות צ׳קפוינט נפרדת אינם מוכיחים לבדם את איכותה של תשובה מסוימת, ולכן יש להשוות את הפלט למשימת המקור.
הארכיטקטורה משתמשת בטרנספורמר מסוג מפענח בלבד, עם קשב בשאילתות מקובצות ודפוס חוזר של חמש שכבות קשב מקומי לכל שכבת קשב גלובלי אחת. השכבות המקומיות משתמשות בטווח של 1,024 טוקנים, ואילו הקשב הגלובלי תומך בהקשר הארוך יותר. מקודד הראייה SigLIP, המשותף למודלי 4B, 12B ו־27B, ממיר תמונות לייצוגים שמודל השפה צורך. הטוקנייזר SentencePiece משמר תווי רווח, מפריד ספרות וכולל קידוד ברמת הבייט. הדבר רלוונטי כשצריך לשמר את עיצוב הקוד, את הכתיב המספרי או טקסט רב־לשוני.
תהליך הראייה כולל גם Pan and Scan: חיתוכים מותאמים שאינם חופפים מסייעים לשמר תוכן ממקורות רחבים או ברזולוציה גבוהה לפני שכל תצוגה מגיעה למקודד בעל הרזולוציה הקבועה. תצוגות נוספות משנות את החומר שמעובד. למסמך טכני, ספקו עמוד קריא ובמידת הצורך תצוגה ברורה של הטבלה או התרשים שעליהם נשאלת השאלה. שמרו על ההגדרה שסביב היחידה, הסמל או העמודה, כדי שקריאה חזותית מקומית לא תאבד את משמעותה.
פורמט ההנחיות המקורי של IT משתמש בתורות user ו־model, ואין בו תפקיד system נפרד. הציבו את התפקיד הרצוי, את כללי התשובה ואת המשימה בהנחיית user הראשונה, באמצעות כלי עיצוב הפורמט או המעבד המיועדים לשיחה בפועל. בקשה מקורית לניתוח מסמך יכולה להשוות שני תיאורי נוהל, להחזיר טבלה של דרישות תואמות ולזהות סתירות. תייגו את המקורות, ציינו לאיזו דרישה יש עדיפות ובקשו מהמודל להפריד בין העובדות שסופקו לבין הפרשנות שלו.
השימושים המיועדים בכרטיס היצרן כוללים סיכום, סיוע בשיחה, חילוץ נתונים מתמונות, כתיבה ולמידה. להסבר רב־לשוני, ציינו את קהל היעד, את המונחים ואת רמת הפירוט. לשאלה על תמונה, הגדירו את העצמים או היחסים שיש לדון בהם ובקשו תצפיות התומכות בתשובה הסופית. בבקשת קוד, כללו את הפונקציה בפועל ואת ההתנהגות הצפויה; התוצאה יכולה להציע מימוש, ואילו יישום נפרד צריך להריץ ולבדוק אותו. הדוח מפרסם בנפרד גרסאות של המשפחה שעברו קוונטיזציה, ולכן אין להחליף בשקט את הזהות הזאת של 12B IT בצ׳קפוינט אחר שעבר קוונטיזציה כשמתעדים תוצאות.
היצרן מזהה מגבלות הנובעות מכיסוי האימון, מאי־דיוקים עובדתיים, מדקויות לשוניות וממשימות מורכבות ופתוחות. Google גם מזהירה שדפוס לשוני שנשמע סביר עלול להפיק תשובה שמחמיצה אילוץ יומיומי מהעולם האמיתי. פרטים חזותיים קטנים עלולים ללכת לאיבוד או להיקרא באופן שגוי, וגם קלט ארוך דורש סדרי עדיפויות ברורים. שמרו את העמודים המקוריים, אמתו תוויות וכמויות שחולצו ואמתו כל טקסט שנראה מובנה וביקשתם מהמודל להפיק, לפני שתשתמשו בו כנתונים. העריכו את מודל 12B IT המדויק בשאלות ובשפות מייצגות. תוצר סופי שימושי מציג תשובה המבוססת על המקור, את ההסקה הדרושה להבנתה ואת אי־הוודאות שנותרה, בלי להציג הסבר שנוצר כפעולת כלי שהושלמה או כאחזור ידע בזמן אמת.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות google/gemma-3-12b-it | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות מספר פריטים מזערי: 1 | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות דוגמאות: system, user, assistant, tool, function תנאים: התפקידים האלה מיוצגים במפורש בטיפוסי התאימות בקוד המקור; מערך התפקידים המדויק נשאר ייחודי לכל מודל. תלוי במודל | ברירת מחדל— |
שדהmessages[].content | סוגstring|content_part[]|null | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_calls | סוגtool_call[] | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].tool_call_id | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: role=tool; השתמשו במזהה שהוחזר בפועל | ברירת מחדל— |
שדהmessages[].name | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].reasoning_content | סוגstring | דרישהרשות | ערכים ומגבלות חל כאשר: החזירו בהמשך את ההנמקה שהתקבלה בפועל כאשר המודל הזה משתמש בה | ברירת מחדל— |
שדהmessages[].reasoning_details | סוגobject|array | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהmax_completion_tokens | סוגinteger | דרישהרשות | ערכים ומגבלות מינימום: 1 תלוי במודל | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
שדהstream_options.include_usage | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtemperature | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtop_p | סוגnumber | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהstop | סוגstring|string[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools | סוגfunction_tool[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהtools[].type | סוגstring | דרישהרשות | ערכים ומגבלות function תלוי במודל | ברירת מחדל— |
שדהtools[].function.name | סוגstring | דרישהחובה | ערכים ומגבלות חל כאשר: סופק כלי פונקציה | ברירת מחדל— |
שדהtools[].function.description | סוגstring | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtools[].function.parameters | סוגJSON_schema | דרישהרשות | ערכים ומגבלות | ברירת מחדל— |
שדהtool_choice | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהparallel_tool_calls | סוגboolean | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהresponse_format | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning_effort | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהreasoning | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהservice_tier | סוגstring | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהinstructions | סוגstring | דרישהרשות | ערכים ומגבלות שדה תאימות | ברירת מחדל— |
שדהfunctions | סוגfunction[] | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהfunction_call | סוגstring|object | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהprompt_cache_options | סוגobject | דרישהרשות | ערכים ומגבלות תלוי במודל | ברירת מחדל— |
שדהmodalities | סוגstring[] | דרישהרשות | ערכים ומגבלות text | ברירת מחדל— |
שדהprovider | סוגobject | דרישהרשות | ערכים ומגבלות תנאים: provider.options נדחה במסלול הטקסט הזה של Ultra | ברירת מחדל— |
שדהcache_control.ttl | סוגstring | דרישהרשות | ערכים ומגבלות תנאים: 1h נדחה במיקומים המשמשים בפועל למטמון הנחיות | ברירת מחדל— |
טקסט · טקסט UTF8
messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages |
פרמטרmaterial_types | מפרטtext |
פרמטרmessages | מפרטמערך הודעות במבנה role/content |
פרמטרfile_material | מפרטמסמך UTF-8 בפועל מוכנס כטקסט מילולי; לא מוסק מזהה קובץ |
פרמטרoptional_controls | מפרטstream, temperature, top_p, stop, max_tokens, max_completion_tokens, reasoning, response_format, tools, tool_choice |
פרמטרcontrol_scope | מפרטייחודי למודל; כלי פונקציות של המשתמש שונים מכלים מתארחים |
פרמטרoutput_modalities | מפרטtext |
פרמטרhosted_operations | מפרטfalse |
פרמטרmultimodal_input_binding | מפרטnull |
מחזור חיים: synchronous_or_streamed
שלחו את מזהה המודל המדויק עם messages.
אורך ההקשר אינו תקרת פלט.
קובץ טקסט יכול לספק טקסט מילולי; קלטי תמונה/אודיו/אובייקט קובץ דורשים קישור מדויק.
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0001 / 1K טוקנים פלט · טוקני פלט $0.0003 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0001 / 1K טוקנים פלט · טוקני פלט $0.0003 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-12b-it", "messages": [{"role": "user", "content": "Explain the difference between an observation and a hypothesis in three sentences."}]}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model='google/gemma-3-12b-it',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}])\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\nfrom openai import OpenAI\nimport os\nfrom pathlib import Path\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nwith client.chat.completions.stream(model='google/gemma-3-12b-it',messages=[{"role":"user","content":"Explain observations and hypotheses in three sentences."}]) as stream:\n with Path("stream-events.jsonl").open("w",encoding="utf-8") as log:\n for event in stream:\n payload=event.to_dict(mode="json")\n log.write(json.dumps(payload,ensure_ascii=False)+"\\n"); log.flush()\n print(json.dumps(payload,ensure_ascii=False))\n final=stream.get_final_completion()\n save_result(final.to_dict(mode="json"),"stream-result")\njson או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו כל בחירה ואת התוכן, קריאות הכלים וההנמקה שלה. ב-SSE הרכיבו עדכונים לפי אינדקס הבחירה/הכלי ושמרו את סיבת הסיום הסופית ואת השימוש.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהchoices[].index | סוגinteger |
שדהchoices[].message.content | סוגstring|null |
שדהchoices[].message.tool_calls | סוגtool_call[] |
שדהchoices[].message.reasoning_content | סוגstring |
שדהchoices[].message.reasoning_details | סוגobject|array |
שדהchoices[].finish_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra google/gemma-3-12b-it
השתמשו בנתיבי השיטות המוצגים למעלה.
google/gemma-3-12b-itGemma 3 12B IT היא מהדורת Gemma 3 נפרדת המותאמת להוראות, ליצירת טקסט ולהבנת תמונות. השתמשו בה לשאלות על מסמכים, להסברים ולכתיבה רב־לשונית בהקשר משותף של 128K, תוך ציון מפורש של צ׳קפוינט 12B ושל פורמט השיחה המקורי שלה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Gemma 3 12B IT הוא מודל הראייה והשפה של Google בגודל 12B, המותאם להוראות. הוא משתייך למשפחת Gemma 3, המשלבת יצירת טקסט עם הבנת תמונות ואימון רב־לשוני. הסיומת IT בוחרת בצ׳קפוינט המותאם למילוי הוראות, ולא במודל שאומן מראש. התוצאה שלו היא טקסט: הסבר, סיכום, תשובה, טיוטה או קוד המבוססים על החומר הכתוב והחזותי שבבקשה.
מודל 12B משתמש בחלון ההקשר של המשפחה, הכולל 128K טוקנים ומשותף לקלט ולתשובה שנוצרת. הפלט משתמש בחלק שנותר אחרי הבקשה; הכרטיס אינו מעניק חלון פלט נוסף ועצמאי של 128K. תצוגות הבסיס של תמונות מנורמלות ל־896×896 ומיוצגות באמצעות 256 טוקנים חזותיים כל אחת. כשמכינים אוסף עמודים, שמרו על מזהי העמודים והקצו מקום לתוצאה. שאלו שאלה ממוקדת על התוכן הרלוונטי במקום להסתמך על חלון גדול שיבחר אוטומטית את הסוגיה הנכונה.
היצרן מדווח על 12 טריליון טוקנים של קדם־אימון בגודל זה. חומרי האימון כוללים מסמכי רשת רב־לשוניים, קוד, מתמטיקה ותמונות, עם כיסוי של יותר מ־140 שפות במשפחה. הדוח מתאר זיקוק ידע ומתכון משופר להתאמה להוראות באמצעות למידת חיזוק. שלבים אלה מכוונים למועילות, להסקה מתמטית ובקוד, למילוי הוראות ולאינטראקציה רב־לשונית. תקציב אימון נפרד וזהות צ׳קפוינט נפרדת אינם מוכיחים לבדם את איכותה של תשובה מסוימת, ולכן יש להשוות את הפלט למשימת המקור.
הארכיטקטורה משתמשת בטרנספורמר מסוג מפענח בלבד, עם קשב בשאילתות מקובצות ודפוס חוזר של חמש שכבות קשב מקומי לכל שכבת קשב גלובלי אחת. השכבות המקומיות משתמשות בטווח של 1,024 טוקנים, ואילו הקשב הגלובלי תומך בהקשר הארוך יותר. מקודד הראייה SigLIP, המשותף למודלי 4B, 12B ו־27B, ממיר תמונות לייצוגים שמודל השפה צורך. הטוקנייזר SentencePiece משמר תווי רווח, מפריד ספרות וכולל קידוד ברמת הבייט. הדבר רלוונטי כשצריך לשמר את עיצוב הקוד, את הכתיב המספרי או טקסט רב־לשוני.
תהליך הראייה כולל גם Pan and Scan: חיתוכים מותאמים שאינם חופפים מסייעים לשמר תוכן ממקורות רחבים או ברזולוציה גבוהה לפני שכל תצוגה מגיעה למקודד בעל הרזולוציה הקבועה. תצוגות נוספות משנות את החומר שמעובד. למסמך טכני, ספקו עמוד קריא ובמידת הצורך תצוגה ברורה של הטבלה או התרשים שעליהם נשאלת השאלה. שמרו על ההגדרה שסביב היחידה, הסמל או העמודה, כדי שקריאה חזותית מקומית לא תאבד את משמעותה.
פורמט ההנחיות המקורי של IT משתמש בתורות user ו־model, ואין בו תפקיד system נפרד. הציבו את התפקיד הרצוי, את כללי התשובה ואת המשימה בהנחיית user הראשונה, באמצעות כלי עיצוב הפורמט או המעבד המיועדים לשיחה בפועל. בקשה מקורית לניתוח מסמך יכולה להשוות שני תיאורי נוהל, להחזיר טבלה של דרישות תואמות ולזהות סתירות. תייגו את המקורות, ציינו לאיזו דרישה יש עדיפות ובקשו מהמודל להפריד בין העובדות שסופקו לבין הפרשנות שלו.
השימושים המיועדים בכרטיס היצרן כוללים סיכום, סיוע בשיחה, חילוץ נתונים מתמונות, כתיבה ולמידה. להסבר רב־לשוני, ציינו את קהל היעד, את המונחים ואת רמת הפירוט. לשאלה על תמונה, הגדירו את העצמים או היחסים שיש לדון בהם ובקשו תצפיות התומכות בתשובה הסופית. בבקשת קוד, כללו את הפונקציה בפועל ואת ההתנהגות הצפויה; התוצאה יכולה להציע מימוש, ואילו יישום נפרד צריך להריץ ולבדוק אותו. הדוח מפרסם בנפרד גרסאות של המשפחה שעברו קוונטיזציה, ולכן אין להחליף בשקט את הזהות הזאת של 12B IT בצ׳קפוינט אחר שעבר קוונטיזציה כשמתעדים תוצאות.
היצרן מזהה מגבלות הנובעות מכיסוי האימון, מאי־דיוקים עובדתיים, מדקויות לשוניות וממשימות מורכבות ופתוחות. Google גם מזהירה שדפוס לשוני שנשמע סביר עלול להפיק תשובה שמחמיצה אילוץ יומיומי מהעולם האמיתי. פרטים חזותיים קטנים עלולים ללכת לאיבוד או להיקרא באופן שגוי, וגם קלט ארוך דורש סדרי עדיפויות ברורים. שמרו את העמודים המקוריים, אמתו תוויות וכמויות שחולצו ואמתו כל טקסט שנראה מובנה וביקשתם מהמודל להפיק, לפני שתשתמשו בו כנתונים. העריכו את מודל 12B IT המדויק בשאלות ובשפות מייצגות. תוצר סופי שימושי מציג תשובה המבוססת על המקור, את ההסקה הדרושה להבנתה ואת אי־הוודאות שנותרה, בלי להציג הסבר שנוצר כפעולת כלי שהושלמה או כאחזור ידע בזמן אמת.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות google/gemma-3-12b-it | ברירת מחדל— |
שדהmessages | סוגmessage[] | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmessages[].role | סוגstring | דרישהחובה | ערכים ומגבלות user, assistant | ברירת מחדל— |
שדהmessages[].content | סוגstring | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהmax_tokens | סוגinteger | דרישהחובה | ערכים ומגבלות | ברירת מחדל— |
שדהstream | סוגboolean | דרישהרשות | ערכים ומגבלות | ברירת מחדלfalse |
טקסט · טקסט UTF-8
מחרוזת messages[].content
| פרמטר | מפרט |
|---|---|
פרמטרcontent_type | מפרטapplication/json |
פרמטרrequired | מפרטmodel, messages, max_tokens |
פרמטרoptional_controls | מפרטstream |
פרמטרmaterial_types | מפרטtext |
פרמטרtext_file_material | מפרטקראו את מסמך UTF-8 בפועל והכניסו את הטקסט שלו לקלט שצוין או למחרוזת תוכן ההודעה. |
מחזור חיים: synchronous_or_streamed
מידע תעריפים אינו מוסיף אפשרויות לבקשה. הפרמטרים הנתמכים מפורטים בשיטה שנבחרה.
התאימו כל חיוב לתנאים המוצגים. השתמשו בתעריף אחד לכל קבוצה של תצורות חלופיות.
| תצורה | טבלת תעריפים | טוקנים בהקשר, יותר מ- | טוקנים בהקשר, עד וכולל | חיוב |
|---|---|---|---|---|
| תצורהתעריפי הבסיס לטוקנים | טבלת תעריפיםתעריף בסיס | טוקנים בהקשר, יותר מ-— | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0001 / 1K טוקנים פלט · טוקני פלט $0.0003 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
| תצורהרמת אורך בקשה 1 | טבלת תעריפים— | טוקנים בהקשר, יותר מ-0 | טוקנים בהקשר, עד וכוללללא גבול עליון | חיוב קלט · טוקני קלט $0.0001 / 1K טוקנים פלט · טוקני פלט $0.0003 / 1K טוקנים קלט · קריאה מהמטמון — / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "google/gemma-3-12b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-3-12b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'google/gemma-3-12b-it', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nfrom urllib.request import Request, urlopen\nfrom urllib.error import HTTPError\n\napi_key = os.environ['AILOOT_API_KEY']\nif not api_key.strip():\n raise SystemExit('Set AILOOT_API_KEY before making a request')\nheaders = {'x-api-key': 'PLACEHOLDER_KEY', 'anthropic-version': '2023-06-01', 'Content-Type': 'application/json'}\nheaders['x-api-key'] = api_key\nrequest = Request('https://api.ailoot.ai/v1/messages', data=json.dumps(payload, ensure_ascii=False).encode('utf-8'), headers=headers, method='POST')\ntry:\n with urlopen(request, timeout=120) as response:\n raw = response.read()\n Path('response-headers.txt').write_text(str(response.headers), encoding='utf-8')\nexcept HTTPError as error:\n Path('result.json').write_bytes(error.read())\n Path('response-headers.txt').write_text(str(error.headers), encoding='utf-8')\n raise\nPath('result.json').write_bytes(raw)\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nJSON או SSE
שמרו כל תגובה מלאה, קובץ ומקטע תוכן שהוחזרו.
שמרו את כל בלוקי התוכן, חתימות החשיבה ומזהי השימוש בכלים בפועל. הרכיבו את כל עדכוני הבלוקים של SSE; בלוק הטקסט הראשון אינו הפלט המלא.
שמרו מזהי בקשות/תגובות וכותרות. לא מסופק URL כללי לאחזור משימת טקסט.
| שדה | סוג |
|---|---|
שדהid | סוגstring |
שדהmodel | סוגstring |
שדהcontent[] | סוגtext|thinking|tool_use|other content block |
שדהstop_reason | סוגstring|null |
שדהusage | סוגobject |
| תגובה | תנאי | השלב הבא |
|---|---|---|
תגובה400 · invalid_request_error | תנאישדות נדרשים, ייצוג חומר או ערך פרמטר שאינם תקינים | השלב הבאתקנו את השדות שצוינו לפני בקשת יצירה חדשה. |
Ailoot Ultra google/gemma-3-12b-it
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Explain an experiment to a learner\n\nExplain this class experiment to a 12-year-old in plain English. Two identical cups contain 200 ml of water at the same starting temperature. One is wrapped in wool; the other is uncovered. After 20 minutes the wrapped cup is warmer. Give the conclusion, what was controlled, and one improvement. Do not invent temperatures.Three short labelled parts: conclusion, controlled conditions and one practical improvement.The explanation distinguishes slowing heat loss from creating heat and preserves the given quantities without new measurements.