Gemma 3 27B IT הוא המהדורה בגודל 27B שעברה כוונון להוראות במשפחת Gemma 3 של Google. הוא משלב יצירת טקסט עם הבנת תמונות ונפרד מהצ׳קפוינט בגודל 27B שאומן מראש וממודלי IT הקטנים יותר בגודל 4B ו-12B. התוצאה היא טקסט: הסבר המבוסס על מקור, סיכום, טיוטת מסמך, תשובה או הצעת קוד. המודל שעבר כוונון להוראות נועד לעקוב אחרי שיחה ומשימה מבוקשת ולא לפעול רק כמודל השלמה גולמי.
כרטיס היצרן מציין לגודל הזה הקשר כולל של 128K טוקנים. הקלט והפלט חולקים את הקיבולת הזאת, כך שהתשובה שנוצרת משתמשת במקום שנותר אחרי הבקשה. אוסף גדול צריך לשמור על מזהי המקורות ועדיין להשאיר מקום לתוצאה המבוקשת. ממדי תמונות במתכונת הבסיסית מותאמים ל-896×896 ומקודדים ל-256 טוקנים חזותיים. לניתוח משולב של טקסט ותמונות, הסבירו איך תמונת עמוד, תרשים או צילום מסך קשורים למקורות הכתובים, כדי שלמודל תהיה שאלה עקבית אחת להשיב עליה.
תקציב האימון המקדים המדווח של מודל 27B הוא 14 טריליון טוקנים. נתוני המשפחה כוללים מסמכי רשת ביותר מ-140 שפות, קוד, מתמטיקה ותמונות. האימון משתמש בזיקוק ידע, ומתכון האימון המאוחר מוסיף ציות להוראות ויעדי למידת חיזוק למועילות, למתמטיקה, לקוד, להסקה ולהתנהגות רב-לשונית. העובדות האלה מתארות את תהליך פיתוח המודל של היצרן. הן אינן מחליפות בדיקת טענה שנוצרה מול המקור שלה או הרצת תוכנית מוצעת על הקלטים המיועדים.
הדוח הטכני מתאר טרנספורמר המבוסס על מפענח בלבד עם קשב לשאילתות מקובצות וחמש שכבות קשב מקומי לכל שכבה גלובלית. הטווח המקומי הוא 1,024 טוקנים, והשכבות הגלובליות מספקות את האינטראקציות של ההקשר הארוך יותר. מקודד התמונות SigLIP המשותף למשפחה מייצג קלטי ראייה עבור מודל השפה. הטוקנייזר SentencePiece משתמש בספרות מופרדות, בשמירת תווי רווח ובקידוד ברמת הבייט. שמרו על כתיב מספרי, הזחת קוד ומונחים בשפת המקור כשהם רלוונטיים לפרשנות.
לתמונות שאינן ריבועיות או לתמונות מפורטות, הדוח מתאר את Pan and Scan, שיכול להוסיף חיתוכים שאינם חופפים לפני התאמת ממדי התמונות למקודד הראייה. הדבר מסייע לשמור על תוכן קטן שהתאמה יחידה לריבוע עלולה לאבד, אבל תצורת העיבוד בפועל חשובה. משימת מחקר או מסמך טכני יכולה לספק גם עמוד מלא וגם פרט תרשים קריא, עם תוויות שמבהירות את הקשר ביניהם. בקשו מהתשובה לזהות את הערכים הנראים, את התנאי הטקסטואלי הרלוונטי ואת המסקנה הנתמכת בשניהם.
השתמשו בפורמט שיחת IT המקורי של היצרן עם תורות user ו-model. תור system נפרד אינו נתמך בפורמט הזה; שימו הוראות תפקיד ותשובה בהודעת user הראשונה והשתמשו במסלול העיצוב המיועד. לדוח ארוך, ציינו את השאלה, את הסעיפים שיש להשוות ואת כללי הקדימות אם המקורות סותרים זה את זה. דוגמה ליישום היא ליישב מפרט כתוב עם תרשים ולהחזיר טבלת דרישות, רשימת פערים ואת ההנחות הדרושות לפתרון מוצע.
קטגוריות השימוש המיועדות כוללות כתיבה, סיכום, שיחה, חילוץ נתונים מתמונות וחקירה חינוכית או מחקרית. לניתוח קוד, ספקו את המודול בפועל, דוגמאות קלט ומגבלות ממשק, ולאחר מכן בקשו הסבר או שינוי מוצע הקשור לעובדות האלה. לכתיבה רב-לשונית, ציינו את הקהל ואת המונחים שחייבים להישאר ללא שינוי. לשאלה חזותית, בקשו הבחנות הקשורות לרכיבים בעלי שם במקום תיאור כללי של התמונה. צ׳קפוינטים שעברו קוונטיזציה במשפחה הם תוצרים נפרדים שפורסמו, ולכן שמרו את הזהות המדויקת של 27B IT ואת הגדרות העיבוד כשמשווים תוצאות.
היצרן מציין שמודלים יכולים לספק עובדות שגויות או מיושנות ולהתקשות בעמימות, בניואנסים ובהוראות פתוחות מאוד. Google מזהירה גם שדפוס שפה שנראה סביר יכול להפיק תשובה שמחמיצה מגבלה יומיומית מהעולם האמיתי. יותר הקשר מועיל רק כשהתנאים הרלוונטיים ברורים. השאירו את המקורות המקוריים זמינים, אמתו נתונים וחישובים שחולצו ובדקו כל תשובה שנראית מובנית לפני עיבודה כרשומה. הסבר המבוסס על כמה מקורות צריך להבחין בין ראיות שסופקו, פרשנות ומידע חסר. הפרופיל הזה של 27B תומך במשימת הסקה מוכנה של טקסט ותמונות; כל אחזור מידע, הפעלת כלי או עדכון עובדות שמבצע יישום דורשים ראיות שהוחזרו להם בפועל, ולא מסקנה המבוססת רק על פלט שוטף.
", "aboutText": "Gemma 3 27B IT הוא המהדורה בגודל 27B שעברה כוונון להוראות במשפחת Gemma 3 של Google. הוא משלב יצירת טקסט עם הבנת תמונות ונפרד מהצ׳קפוינט בגודל 27B שאומן מראש וממודלי IT הקטנים יותר בגודל 4B ו-12B. התוצאה היא טקסט: הסבר המבוסס על מקור, סיכום, טיוטת מסמך, תשובה או הצעת קוד. המודל שעבר כוונון להוראות נועד לעקוב אחרי שיחה ומשימה מבוקשת ולא לפעול רק כמודל השלמה גולמי.\n\nכרטיס היצרן מציין לגודל הזה הקשר כולל של 128K טוקנים. הקלט והפלט חולקים את הקיבולת הזאת, כך שהתשובה שנוצרת משתמשת במקום שנותר אחרי הבקשה. אוסף גדול צריך לשמור על מזהי המקורות ועדיין להשאיר מקום לתוצאה המבוקשת. ממדי תמונות במתכונת הבסיסית מותאמים ל-896×896 ומקודדים ל-256 טוקנים חזותיים. לניתוח משולב של טקסט ותמונות, הסבירו איך תמונת עמוד, תרשים או צילום מסך קשורים למקורות הכתובים, כדי שלמודל תהיה שאלה עקבית אחת להשיב עליה.\n\nתקציב האימון המקדים המדווח של מודל 27B הוא 14 טריליון טוקנים. נתוני המשפחה כוללים מסמכי רשת ביותר מ-140 שפות, קוד, מתמטיקה ותמונות. האימון משתמש בזיקוק ידע, ומתכון האימון המאוחר מוסיף ציות להוראות ויעדי למידת חיזוק למועילות, למתמטיקה, לקוד, להסקה ולהתנהגות רב-לשונית. העובדות האלה מתארות את תהליך פיתוח המודל של היצרן. הן אינן מחליפות בדיקת טענה שנוצרה מול המקור שלה או הרצת תוכנית מוצעת על הקלטים המיועדים.\n\nהדוח הטכני מתאר טרנספורמר המבוסס על מפענח בלבד עם קשב לשאילתות מקובצות וחמש שכבות קשב מקומי לכל שכבה גלובלית. הטווח המקומי הוא 1,024 טוקנים, והשכבות הגלובליות מספקות את האינטראקציות של ההקשר הארוך יותר. מקודד התמונות SigLIP המשותף למשפחה מייצג קלטי ראייה עבור מודל השפה. הטוקנייזר SentencePiece משתמש בספרות מופרדות, בשמירת תווי רווח ובקידוד ברמת הבייט. שמרו על כתיב מספרי, הזחת קוד ומונחים בשפת המקור כשהם רלוונטיים לפרשנות.\n\nלתמונות שאינן ריבועיות או לתמונות מפורטות, הדוח מתאר את Pan and Scan, שיכול להוסיף חיתוכים שאינם חופפים לפני התאמת ממדי התמונות למקודד הראייה. הדבר מסייע לשמור על תוכן קטן שהתאמה יחידה לריבוע עלולה לאבד, אבל תצורת העיבוד בפועל חשובה. משימת מחקר או מסמך טכני יכולה לספק גם עמוד מלא וגם פרט תרשים קריא, עם תוויות שמבהירות את הקשר ביניהם. בקשו מהתשובה לזהות את הערכים הנראים, את התנאי הטקסטואלי הרלוונטי ואת המסקנה הנתמכת בשניהם.\n\nהשתמשו בפורמט שיחת IT המקורי של היצרן עם תורות user ו-model. תור system נפרד אינו נתמך בפורמט הזה; שימו הוראות תפקיד ותשובה בהודעת user הראשונה והשתמשו במסלול העיצוב המיועד. לדוח ארוך, ציינו את השאלה, את הסעיפים שיש להשוות ואת כללי הקדימות אם המקורות סותרים זה את זה. דוגמה ליישום היא ליישב מפרט כתוב עם תרשים ולהחזיר טבלת דרישות, רשימת פערים ואת ההנחות הדרושות לפתרון מוצע.\n\nקטגוריות השימוש המיועדות כוללות כתיבה, סיכום, שיחה, חילוץ נתונים מתמונות וחקירה חינוכית או מחקרית. לניתוח קוד, ספקו את המודול בפועל, דוגמאות קלט ומגבלות ממשק, ולאחר מכן בקשו הסבר או שינוי מוצע הקשור לעובדות האלה. לכתיבה רב-לשונית, ציינו את הקהל ואת המונחים שחייבים להישאר ללא שינוי. לשאלה חזותית, בקשו הבחנות הקשורות לרכיבים בעלי שם במקום תיאור כללי של התמונה. צ׳קפוינטים שעברו קוונטיזציה במשפחה הם תוצרים נפרדים שפורסמו, ולכן שמרו את הזהות המדויקת של 27B IT ואת הגדרות העיבוד כשמשווים תוצאות.\n\nהיצרן מציין שמודלים יכולים לספק עובדות שגויות או מיושנות ולהתקשות בעמימות, בניואנסים ובהוראות פתוחות מאוד. Google מזהירה גם שדפוס שפה שנראה סביר יכול להפיק תשובה שמחמיצה מגבלה יומיומית מהעולם האמיתי. יותר הקשר מועיל רק כשהתנאים הרלוונטיים ברורים. השאירו את המקורות המקוריים זמינים, אמתו נתונים וחישובים שחולצו ובדקו כל תשובה שנראית מובנית לפני עיבודה כרשומה. הסבר המבוסס על כמה מקורות צריך להבחין בין ראיות שסופקו, פרשנות ומידע חסר. הפרופיל הזה של 27B תומך במשימת הסקה מוכנה של טקסט ותמונות; כל אחזור מידע, הפעלת כלי או עדכון עובדות שמבצע יישום דורשים ראיות שהוחזרו להם בפועל, ולא מסקנה המבוססת רק על פלט שוטף.", "editorialOverlay": { "copy_fields": { "practical_html": "דוגמה טכנית באנגלית
Reconcile two written specification sources\n\nReconcile these sources. SPEC-1: the controller has four outputs, each rated 2 A; total current must not exceed 5 A. NOTE-2: connect four 2 A loads simultaneously. Produce a requirement table and a discrepancy note. Suggest a clarification question rather than silently treating the per-output rating as the permitted total.A source-labelled requirement table, the conflicting proposed load and a targeted clarification question.The answer distinguishes the 2 A individual rating from the 5 A aggregate limit and notices the 8 A proposal.google/gemma-3-27b-itGemma 3 27B IT הוא המודל בגודל 27B שעבר כוונון להוראות במשפחת Gemma 3 של Google. הוא מקבל טקסט ותמונות ומפיק טקסט לניתוח מקורות ארוכים, לכתיבה, לקוד ולשאלות חזותיות, עם הקשר משותף של 128K והכיסוי הרב-לשוני של המשפחה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Gemma 3 27B IT הוא המהדורה בגודל 27B שעברה כוונון להוראות במשפחת Gemma 3 של Google. הוא משלב יצירת טקסט עם הבנת תמונות ונפרד מהצ׳קפוינט בגודל 27B שאומן מראש וממודלי IT הקטנים יותר בגודל 4B ו-12B. התוצאה היא טקסט: הסבר המבוסס על מקור, סיכום, טיוטת מסמך, תשובה או הצעת קוד. המודל שעבר כוונון להוראות נועד לעקוב אחרי שיחה ומשימה מבוקשת ולא לפעול רק כמודל השלמה גולמי.
כרטיס היצרן מציין לגודל הזה הקשר כולל של 128K טוקנים. הקלט והפלט חולקים את הקיבולת הזאת, כך שהתשובה שנוצרת משתמשת במקום שנותר אחרי הבקשה. אוסף גדול צריך לשמור על מזהי המקורות ועדיין להשאיר מקום לתוצאה המבוקשת. ממדי תמונות במתכונת הבסיסית מותאמים ל-896×896 ומקודדים ל-256 טוקנים חזותיים. לניתוח משולב של טקסט ותמונות, הסבירו איך תמונת עמוד, תרשים או צילום מסך קשורים למקורות הכתובים, כדי שלמודל תהיה שאלה עקבית אחת להשיב עליה.
תקציב האימון המקדים המדווח של מודל 27B הוא 14 טריליון טוקנים. נתוני המשפחה כוללים מסמכי רשת ביותר מ-140 שפות, קוד, מתמטיקה ותמונות. האימון משתמש בזיקוק ידע, ומתכון האימון המאוחר מוסיף ציות להוראות ויעדי למידת חיזוק למועילות, למתמטיקה, לקוד, להסקה ולהתנהגות רב-לשונית. העובדות האלה מתארות את תהליך פיתוח המודל של היצרן. הן אינן מחליפות בדיקת טענה שנוצרה מול המקור שלה או הרצת תוכנית מוצעת על הקלטים המיועדים.
הדוח הטכני מתאר טרנספורמר המבוסס על מפענח בלבד עם קשב לשאילתות מקובצות וחמש שכבות קשב מקומי לכל שכבה גלובלית. הטווח המקומי הוא 1,024 טוקנים, והשכבות הגלובליות מספקות את האינטראקציות של ההקשר הארוך יותר. מקודד התמונות SigLIP המשותף למשפחה מייצג קלטי ראייה עבור מודל השפה. הטוקנייזר SentencePiece משתמש בספרות מופרדות, בשמירת תווי רווח ובקידוד ברמת הבייט. שמרו על כתיב מספרי, הזחת קוד ומונחים בשפת המקור כשהם רלוונטיים לפרשנות.
לתמונות שאינן ריבועיות או לתמונות מפורטות, הדוח מתאר את Pan and Scan, שיכול להוסיף חיתוכים שאינם חופפים לפני התאמת ממדי התמונות למקודד הראייה. הדבר מסייע לשמור על תוכן קטן שהתאמה יחידה לריבוע עלולה לאבד, אבל תצורת העיבוד בפועל חשובה. משימת מחקר או מסמך טכני יכולה לספק גם עמוד מלא וגם פרט תרשים קריא, עם תוויות שמבהירות את הקשר ביניהם. בקשו מהתשובה לזהות את הערכים הנראים, את התנאי הטקסטואלי הרלוונטי ואת המסקנה הנתמכת בשניהם.
השתמשו בפורמט שיחת IT המקורי של היצרן עם תורות user ו-model. תור system נפרד אינו נתמך בפורמט הזה; שימו הוראות תפקיד ותשובה בהודעת user הראשונה והשתמשו במסלול העיצוב המיועד. לדוח ארוך, ציינו את השאלה, את הסעיפים שיש להשוות ואת כללי הקדימות אם המקורות סותרים זה את זה. דוגמה ליישום היא ליישב מפרט כתוב עם תרשים ולהחזיר טבלת דרישות, רשימת פערים ואת ההנחות הדרושות לפתרון מוצע.
קטגוריות השימוש המיועדות כוללות כתיבה, סיכום, שיחה, חילוץ נתונים מתמונות וחקירה חינוכית או מחקרית. לניתוח קוד, ספקו את המודול בפועל, דוגמאות קלט ומגבלות ממשק, ולאחר מכן בקשו הסבר או שינוי מוצע הקשור לעובדות האלה. לכתיבה רב-לשונית, ציינו את הקהל ואת המונחים שחייבים להישאר ללא שינוי. לשאלה חזותית, בקשו הבחנות הקשורות לרכיבים בעלי שם במקום תיאור כללי של התמונה. צ׳קפוינטים שעברו קוונטיזציה במשפחה הם תוצרים נפרדים שפורסמו, ולכן שמרו את הזהות המדויקת של 27B IT ואת הגדרות העיבוד כשמשווים תוצאות.
היצרן מציין שמודלים יכולים לספק עובדות שגויות או מיושנות ולהתקשות בעמימות, בניואנסים ובהוראות פתוחות מאוד. Google מזהירה גם שדפוס שפה שנראה סביר יכול להפיק תשובה שמחמיצה מגבלה יומיומית מהעולם האמיתי. יותר הקשר מועיל רק כשהתנאים הרלוונטיים ברורים. השאירו את המקורות המקוריים זמינים, אמתו נתונים וחישובים שחולצו ובדקו כל תשובה שנראית מובנית לפני עיבודה כרשומה. הסבר המבוסס על כמה מקורות צריך להבחין בין ראיות שסופקו, פרשנות ומידע חסר. הפרופיל הזה של 27B תומך במשימת הסקה מוכנה של טקסט ותמונות; כל אחזור מידע, הפעלת כלי או עדכון עובדות שמבצע יישום דורשים ראיות שהוחזרו להם בפועל, ולא מסקנה המבוססת רק על פלט שוטף.
POST /v1/chat/completionstexttext| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות google/gemma-3-27b-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 $0.00016 / 1K טוקנים פלט · טוקני פלט $0.0007 / 1K טוקנים קלט · קריאה מהמטמון $0.00008 / 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 $0.00016 / 1K טוקנים פלט · טוקני פלט $0.0007 / 1K טוקנים קלט · קריאה מהמטמון $0.00008 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model": "google/gemma-3-27b-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-3-27b-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-3-27b-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-3-27b-it
השתמשו בנתיבי השיטות המוצגים למעלה.
google/gemma-3-27b-itGemma 3 27B IT הוא המודל בגודל 27B שעבר כוונון להוראות במשפחת Gemma 3 של Google. הוא מקבל טקסט ותמונות ומפיק טקסט לניתוח מקורות ארוכים, לכתיבה, לקוד ולשאלות חזותיות, עם הקשר משותף של 128K והכיסוי הרב-לשוני של המשפחה.
התיאור הזה מציג את יכולות המודל. הקלט, הפלט והאפשרויות הזמינים ב-Ailoot מפורטים בהמשך לפי השיטה שנבחרה.
Gemma 3 27B IT הוא המהדורה בגודל 27B שעברה כוונון להוראות במשפחת Gemma 3 של Google. הוא משלב יצירת טקסט עם הבנת תמונות ונפרד מהצ׳קפוינט בגודל 27B שאומן מראש וממודלי IT הקטנים יותר בגודל 4B ו-12B. התוצאה היא טקסט: הסבר המבוסס על מקור, סיכום, טיוטת מסמך, תשובה או הצעת קוד. המודל שעבר כוונון להוראות נועד לעקוב אחרי שיחה ומשימה מבוקשת ולא לפעול רק כמודל השלמה גולמי.
כרטיס היצרן מציין לגודל הזה הקשר כולל של 128K טוקנים. הקלט והפלט חולקים את הקיבולת הזאת, כך שהתשובה שנוצרת משתמשת במקום שנותר אחרי הבקשה. אוסף גדול צריך לשמור על מזהי המקורות ועדיין להשאיר מקום לתוצאה המבוקשת. ממדי תמונות במתכונת הבסיסית מותאמים ל-896×896 ומקודדים ל-256 טוקנים חזותיים. לניתוח משולב של טקסט ותמונות, הסבירו איך תמונת עמוד, תרשים או צילום מסך קשורים למקורות הכתובים, כדי שלמודל תהיה שאלה עקבית אחת להשיב עליה.
תקציב האימון המקדים המדווח של מודל 27B הוא 14 טריליון טוקנים. נתוני המשפחה כוללים מסמכי רשת ביותר מ-140 שפות, קוד, מתמטיקה ותמונות. האימון משתמש בזיקוק ידע, ומתכון האימון המאוחר מוסיף ציות להוראות ויעדי למידת חיזוק למועילות, למתמטיקה, לקוד, להסקה ולהתנהגות רב-לשונית. העובדות האלה מתארות את תהליך פיתוח המודל של היצרן. הן אינן מחליפות בדיקת טענה שנוצרה מול המקור שלה או הרצת תוכנית מוצעת על הקלטים המיועדים.
הדוח הטכני מתאר טרנספורמר המבוסס על מפענח בלבד עם קשב לשאילתות מקובצות וחמש שכבות קשב מקומי לכל שכבה גלובלית. הטווח המקומי הוא 1,024 טוקנים, והשכבות הגלובליות מספקות את האינטראקציות של ההקשר הארוך יותר. מקודד התמונות SigLIP המשותף למשפחה מייצג קלטי ראייה עבור מודל השפה. הטוקנייזר SentencePiece משתמש בספרות מופרדות, בשמירת תווי רווח ובקידוד ברמת הבייט. שמרו על כתיב מספרי, הזחת קוד ומונחים בשפת המקור כשהם רלוונטיים לפרשנות.
לתמונות שאינן ריבועיות או לתמונות מפורטות, הדוח מתאר את Pan and Scan, שיכול להוסיף חיתוכים שאינם חופפים לפני התאמת ממדי התמונות למקודד הראייה. הדבר מסייע לשמור על תוכן קטן שהתאמה יחידה לריבוע עלולה לאבד, אבל תצורת העיבוד בפועל חשובה. משימת מחקר או מסמך טכני יכולה לספק גם עמוד מלא וגם פרט תרשים קריא, עם תוויות שמבהירות את הקשר ביניהם. בקשו מהתשובה לזהות את הערכים הנראים, את התנאי הטקסטואלי הרלוונטי ואת המסקנה הנתמכת בשניהם.
השתמשו בפורמט שיחת IT המקורי של היצרן עם תורות user ו-model. תור system נפרד אינו נתמך בפורמט הזה; שימו הוראות תפקיד ותשובה בהודעת user הראשונה והשתמשו במסלול העיצוב המיועד. לדוח ארוך, ציינו את השאלה, את הסעיפים שיש להשוות ואת כללי הקדימות אם המקורות סותרים זה את זה. דוגמה ליישום היא ליישב מפרט כתוב עם תרשים ולהחזיר טבלת דרישות, רשימת פערים ואת ההנחות הדרושות לפתרון מוצע.
קטגוריות השימוש המיועדות כוללות כתיבה, סיכום, שיחה, חילוץ נתונים מתמונות וחקירה חינוכית או מחקרית. לניתוח קוד, ספקו את המודול בפועל, דוגמאות קלט ומגבלות ממשק, ולאחר מכן בקשו הסבר או שינוי מוצע הקשור לעובדות האלה. לכתיבה רב-לשונית, ציינו את הקהל ואת המונחים שחייבים להישאר ללא שינוי. לשאלה חזותית, בקשו הבחנות הקשורות לרכיבים בעלי שם במקום תיאור כללי של התמונה. צ׳קפוינטים שעברו קוונטיזציה במשפחה הם תוצרים נפרדים שפורסמו, ולכן שמרו את הזהות המדויקת של 27B IT ואת הגדרות העיבוד כשמשווים תוצאות.
היצרן מציין שמודלים יכולים לספק עובדות שגויות או מיושנות ולהתקשות בעמימות, בניואנסים ובהוראות פתוחות מאוד. Google מזהירה גם שדפוס שפה שנראה סביר יכול להפיק תשובה שמחמיצה מגבלה יומיומית מהעולם האמיתי. יותר הקשר מועיל רק כשהתנאים הרלוונטיים ברורים. השאירו את המקורות המקוריים זמינים, אמתו נתונים וחישובים שחולצו ובדקו כל תשובה שנראית מובנית לפני עיבודה כרשומה. הסבר המבוסס על כמה מקורות צריך להבחין בין ראיות שסופקו, פרשנות ומידע חסר. הפרופיל הזה של 27B תומך במשימת הסקה מוכנה של טקסט ותמונות; כל אחזור מידע, הפעלת כלי או עדכון עובדות שמבצע יישום דורשים ראיות שהוחזרו להם בפועל, ולא מסקנה המבוססת רק על פלט שוטף.
POST /v1/messagestextjson, sse| שדה | סוג | דרישה | ערכים ומגבלות | ברירת מחדל |
|---|---|---|---|---|
שדהmodel | סוגstring | דרישהחובה | ערכים ומגבלות google/gemma-3-27b-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 $0.00016 / 1K טוקנים פלט · טוקני פלט $0.0007 / 1K טוקנים קלט · קריאה מהמטמון $0.00008 / 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 $0.00016 / 1K טוקנים פלט · טוקני פלט $0.0007 / 1K טוקנים קלט · קריאה מהמטמון $0.00008 / 1K טוקנים קלט · כתיבה למטמון — / 1K טוקנים קלט · כתיבה למטמון, 1 שעה — / 1K טוקנים |
לפני הבקשה Ailoot משריינת סכום משוער. לאחר קבלת התוצאה היא מסדירה את החיוב הסופי לפי השימוש המדוד. הסדרת חיוב בהזרמה משתמשת ברשומת השימוש הסופית. איך פועלים שריון הסכום והסדרת החיוב →
{\n "model": "google/gemma-3-27b-it",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${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-3-27b-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-3-27b-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-3-27b-it
השתמשו בנתיבי השיטות המוצגים למעלה.
דוגמה טכנית באנגלית
Reconcile two written specification sources\n\nReconcile these sources. SPEC-1: the controller has four outputs, each rated 2 A; total current must not exceed 5 A. NOTE-2: connect four 2 A loads simultaneously. Produce a requirement table and a discrepancy note. Suggest a clarification question rather than silently treating the per-output rating as the permitted total.A source-labelled requirement table, the conflicting proposed load and a targeted clarification question.The answer distinguishes the 2 A individual rating from the 5 A aggregate limit and notices the 8 A proposal.