A Gemini 3.1 Pro Preview összetett anyagokkal és több egymást követő döntést igénylő feladatokkal végzett munkára szolgál. A Google a szoftvermérnöki munkát, az eszközhasználatot és a tényszerű válaszok következetességét emeli ki. A modell segít nagy adatkészleteket, teljes szoftvertárakat és olyan feladatokat elemezni, amelyekben szöveg kapcsolódik vizuális vagy hanganyagokhoz.
A Google jellemzői között szöveg, kép, videó, hang és PDF szerepel. Az Ailoot API jelenlegi katalógusában a szöveges metódusokhoz szöveg és kép szerepel bemenetként, szöveg kimenetként. A videó, a hang és a PDF nem része e bemeneti készletnek. A hosszú kontextus legfeljebb 1 048 576 bemeneti tokent, a szöveges válasz legfeljebb 65 536 kimeneti tokent fogad be. A képek és a hang megértése nem jelenti azok generálását: e verzió kimenete szöveges marad.
A Thinking további ráfordítást biztosít a belső gondolkodáshoz. A Google által leírt alapmodell-módban a szokásos szint high; elérhető a low, a medium és a high. Ezen értékek a Google alapmodelljét írják le; az Ailoot API-n keresztüli módot és vezérlési lehetőséget a választott metódus és modellváltozat határozza meg. A fő felhasználások közé tartozik az összetett programozás, az algoritmusfejlesztés, a stratégiai tervezés és a megoldás lépésenkénti javítása. Ez különösen akkor hasznos, amikor több összefüggő követelményt kell figyelembe venni, és vissza kell térni a köztes eredményekhez.
A modell képességei között függvényhívás, kódfuttatás és strukturált válaszok szerepelnek. Támogatott a kontextusgyorsítótárazás, a keresési forrásokra alapozás, a Google Maps és a webcímek tartalmának használata; kötegelt feldolgozás is rendelkezésre áll. E készlet lehetővé teszi olyan folyamat felépítését, amelyben a modell adatokat elemez, kiválasztja a következő eszközt, és előállítja a végeredményt. Minden eszköz tényleges elérhetősége a modell használati metódusától függ.
A kártya a gemini-3.1-pro-preview előzetes verzióra vonatkozik. Alapja a Gemini 3 Pro. A gyártó külön megjelöli a gemini-3.1-pro-preview-customtools változatot, amely parancsértelmezőt és egyedi eszközöket használó folyamatokhoz készült. Eszközválasztási prioritásai és viselkedési sajátosságai nem a szokásos Preview-verzió tulajdonságai.
A modellnél megmaradnak az alapvonal általános korlátai: a válaszok kitalált információkat tartalmazhatnak, egyes kérések pedig lassan futhatnak vagy időtúllépéssel zárulhatnak. A többlépéses gondolkodás, a nagy kontextus és az adathozzáférés segíti az összetett feladatok feldolgozását, de nem tesz minden generált következtetést ellenőrzött ténnyé.
", "aboutText": "A Gemini 3.1 Pro Preview összetett anyagokkal és több egymást követő döntést igénylő feladatokkal végzett munkára szolgál. A Google a szoftvermérnöki munkát, az eszközhasználatot és a tényszerű válaszok következetességét emeli ki. A modell segít nagy adatkészleteket, teljes szoftvertárakat és olyan feladatokat elemezni, amelyekben szöveg kapcsolódik vizuális vagy hanganyagokhoz.\n\n### Milyen anyagokat ért meg a modell?\n\nA Google jellemzői között **szöveg, kép, videó, hang és PDF** szerepel. Az Ailoot API jelenlegi katalógusában a szöveges metódusokhoz **szöveg és kép** szerepel bemenetként, szöveg kimenetként. A videó, a hang és a PDF nem része e bemeneti készletnek. A hosszú kontextus legfeljebb **1 048 576 bemeneti tokent**, a szöveges válasz legfeljebb **65 536 kimeneti tokent** fogad be. A képek és a hang megértése nem jelenti azok generálását: e verzió kimenete szöveges marad.\n\n### Gondolkodás és lépésenkénti munka\n\nA Thinking további ráfordítást biztosít a belső gondolkodáshoz. A Google által leírt alapmodell-módban a szokásos szint `high`; elérhető a `low`, a `medium` és a `high`. Ezen értékek a Google alapmodelljét írják le; az Ailoot API-n keresztüli módot és vezérlési lehetőséget a választott metódus és modellváltozat határozza meg. A fő felhasználások közé tartozik az összetett programozás, az algoritmusfejlesztés, a stratégiai tervezés és a megoldás lépésenkénti javítása. Ez különösen akkor hasznos, amikor több összefüggő követelményt kell figyelembe venni, és vissza kell térni a köztes eredményekhez.\n\nA modell képességei között függvényhívás, kódfuttatás és strukturált válaszok szerepelnek. Támogatott a kontextusgyorsítótárazás, a keresési forrásokra alapozás, a Google Maps és a webcímek tartalmának használata; kötegelt feldolgozás is rendelkezésre áll. E készlet lehetővé teszi olyan folyamat felépítését, amelyben a modell adatokat elemez, kiválasztja a következő eszközt, és előállítja a végeredményt. Minden eszköz tényleges elérhetősége a modell használati metódusától függ.\n\n### Verzió és sajátosságok\n\nA kártya a `gemini-3.1-pro-preview` előzetes verzióra vonatkozik. Alapja a Gemini 3 Pro. A gyártó külön megjelöli a `gemini-3.1-pro-preview-customtools` változatot, amely parancsértelmezőt és egyedi eszközöket használó folyamatokhoz készült. Eszközválasztási prioritásai és viselkedési sajátosságai nem a szokásos Preview-verzió tulajdonságai.\n\nA modellnél megmaradnak az alapvonal általános korlátai: a válaszok kitalált információkat tartalmazhatnak, egyes kérések pedig lassan futhatnak vagy időtúllépéssel zárulhatnak. A többlépéses gondolkodás, a nagy kontextus és az adathozzáférés segíti az összetett feladatok feldolgozását, de nem tesz minden generált következtetést ellenőrzött ténnyé.", "editorialOverlay": { "copy_fields": { "practical_html": "Technikai példa angolul
Plan a dependency-constrained move\n\nA lab move has these constraints: archive samples before unplugging the freezer; test the backup freezer before moving samples; restore temperature monitoring before accepting new samples. Staff propose unplugging first to save time. Produce an ordered checklist, flag the unsafe proposed step and specify evidence needed before accepting new samples. Use only the supplied constraints.An ordered checklist, one identified conflict and an acceptance-evidence item.The checklist must place backup testing and sample protection before unplugging and monitoring before intake.gemini-3.1-pro-highA Google multimodális modellje összetett programozási feladatokhoz, nagy anyagok elemzéséhez és pontos többlépéses eszközös munkához.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Gemini 3.1 Pro Preview összetett anyagokkal és több egymást követő döntést igénylő feladatokkal végzett munkára szolgál. A Google a szoftvermérnöki munkát, az eszközhasználatot és a tényszerű válaszok következetességét emeli ki. A modell segít nagy adatkészleteket, teljes szoftvertárakat és olyan feladatokat elemezni, amelyekben szöveg kapcsolódik vizuális vagy hanganyagokhoz.
A Google jellemzői között szöveg, kép, videó, hang és PDF szerepel. Az Ailoot API jelenlegi katalógusában a szöveges metódusokhoz szöveg és kép szerepel bemenetként, szöveg kimenetként. A videó, a hang és a PDF nem része e bemeneti készletnek. A hosszú kontextus legfeljebb 1 048 576 bemeneti tokent, a szöveges válasz legfeljebb 65 536 kimeneti tokent fogad be. A képek és a hang megértése nem jelenti azok generálását: e verzió kimenete szöveges marad.
A Thinking további ráfordítást biztosít a belső gondolkodáshoz. A Google által leírt alapmodell-módban a szokásos szint high; elérhető a low, a medium és a high. Ezen értékek a Google alapmodelljét írják le; az Ailoot API-n keresztüli módot és vezérlési lehetőséget a választott metódus és modellváltozat határozza meg. A fő felhasználások közé tartozik az összetett programozás, az algoritmusfejlesztés, a stratégiai tervezés és a megoldás lépésenkénti javítása. Ez különösen akkor hasznos, amikor több összefüggő követelményt kell figyelembe venni, és vissza kell térni a köztes eredményekhez.
A modell képességei között függvényhívás, kódfuttatás és strukturált válaszok szerepelnek. Támogatott a kontextusgyorsítótárazás, a keresési forrásokra alapozás, a Google Maps és a webcímek tartalmának használata; kötegelt feldolgozás is rendelkezésre áll. E készlet lehetővé teszi olyan folyamat felépítését, amelyben a modell adatokat elemez, kiválasztja a következő eszközt, és előállítja a végeredményt. Minden eszköz tényleges elérhetősége a modell használati metódusától függ.
A kártya a gemini-3.1-pro-preview előzetes verzióra vonatkozik. Alapja a Gemini 3 Pro. A gyártó külön megjelöli a gemini-3.1-pro-preview-customtools változatot, amely parancsértelmezőt és egyedi eszközöket használó folyamatokhoz készült. Eszközválasztási prioritásai és viselkedési sajátosságai nem a szokásos Preview-verzió tulajdonságai.
A modellnél megmaradnak az alapvonal általános korlátai: a válaszok kitalált információkat tartalmazhatnak, egyes kérések pedig lassan futhatnak vagy időtúllépéssel zárulhatnak. A többlépéses gondolkodás, a nagy kontextus és az adathozzáférés segíti az összetett feladatok feldolgozását, de nem tesz minden generált következtetést ellenőrzött ténnyé.
POST /v1/messagestext, imagetext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőmodel | Típusstring | KövetelményKötelező | Értékek és korlátok gemini-3.1-pro-high | Alapértelmezett— |
Mezőmessages | Típusmessage[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőmessages[].role | Típusstring | KövetelményKötelező | Értékek és korlátok user, assistant | Alapértelmezett— |
Mezőmessages[].content | Típusstring|content_block[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
Mezősystem | Típusstring|content_block[] | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőmax_tokens | Típusinteger | KövetelményKötelező | Értékek és korlátok Minimum: 1 A korlát erre vonatkozik: a kiválasztott modell/kártya pontos felső korlátja | Alapértelmezett— |
Mezőstream | Típusboolean | KövetelményOpcionális | Értékek és korlátok | Alapértelmezettfalse |
Mezőtemperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtop_p | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőstop_sequences | Típusstring[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools | Típustool[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].name | Típusstring | KövetelményOpcionális | Értékek és korlátok Akkor alkalmazandó, ha: Eszköz megadva | Alapértelmezett— |
Mezőtools[].description | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtools[].input_schema | TípusJSON_schema | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőtool_choice | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőthinking.type | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőthinking.budget_tokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőoutput_config.effort | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőmetadata | Típusobject | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Mezőcache_control | Típusobject | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Szöveg · UTF8 szöveg
messages[].content vagy type=text blokk
Szöveg + kép
{type:image,source:{type:base64,media_type,data}} vagy type=url típusú forrás
| Paraméter | Szerződés |
|---|---|
Paramétermaterial_types | Szerződéstext, image |
Paraméterrequired | Szerződésmodel, messages, max_tokens |
Paraméteroptional_controls | Szerződésnull |
Paramétercontent_type | Szerződésapplication/json |
Paramétertext_file_material | Szerződésa tényleges UTF-8 tartalom szövegként beillesztve; a fájlazonosítók/URLs külön, pontos támogatást igényelnek |
Életciklus: exact retained published method
A metódusok szerkezete és azonosítói pontosak; a beszállítói képesség különbözik a kérelmek befogadásától.
POST /v1/messages| A kérés mérete, tokenben | Bemenet | Kimenet | Gyorsítótár olvasása | Írás a gyorsítótárba | Gyorsítótár 5 perc | Gyorsítótár 1 óra |
|---|---|---|---|---|---|---|
| A kérés mérete, tokenben(0; 200 000] | Bemenet0,002 USD | Kimenet0,012 USD | Gyorsítótár olvasása0,0002 USD | Írás a gyorsítótárbaAlapdíjtétel: — | Gyorsítótár 5 percAlapdíjtétel: — | Gyorsítótár 1 óraAlapdíjtétel: — |
| A kérés mérete, tokenben(200 000; ∞) | Bemenet0,004 USD | Kimenet0,018 USD | Gyorsítótár olvasása0,0004 USD | Írás a gyorsítótárbaAlapdíjtétel: — | Gyorsítótár 5 percAlapdíjtétel: — | Gyorsítótár 1 óraAlapdíjtétel: — |
Díjak USD / 1K token egységben. Ha nincs megadva díjtétel, a metódus alapdíja öröklődik; a «—» azt jelenti, hogy nincs megadva alapdíj.
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
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-3.1-pro-high", "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-3.1-pro-high", "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-3.1-pro-high",\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-3.1-pro-high",\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-3.1-pro-high',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 vagy SSE
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes tartalomblokkot, a gondolkodási tartalom aláírásait és a tényleges eszközhasználati ID-kat. Állítsa össze az összes SSE-blokk részleges frissítését; az első szövegblokk nem a teljes kimenet.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
Mezőid | Típusstring |
Mezőmodel | Típusstring |
Mezőcontent[] | Típustext|thinking|tool_use|other content block |
Mezőstop_reason | Típusstring|null |
Mezőusage | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot gemini-3.1-pro-high
Használja a fent látható metódusútvonalakat.
gemini-3.1-pro-highA Google multimodális modellje összetett programozási feladatokhoz, nagy anyagok elemzéséhez és pontos többlépéses eszközös munkához.
Ez a leírás a modell képességeit ismerteti. Az Ailootban elérhető bemenetek, kimenetek és lehetőségek alább, a kiválasztott metódusnál láthatók.
A Gemini 3.1 Pro Preview összetett anyagokkal és több egymást követő döntést igénylő feladatokkal végzett munkára szolgál. A Google a szoftvermérnöki munkát, az eszközhasználatot és a tényszerű válaszok következetességét emeli ki. A modell segít nagy adatkészleteket, teljes szoftvertárakat és olyan feladatokat elemezni, amelyekben szöveg kapcsolódik vizuális vagy hanganyagokhoz.
A Google jellemzői között szöveg, kép, videó, hang és PDF szerepel. Az Ailoot API jelenlegi katalógusában a szöveges metódusokhoz szöveg és kép szerepel bemenetként, szöveg kimenetként. A videó, a hang és a PDF nem része e bemeneti készletnek. A hosszú kontextus legfeljebb 1 048 576 bemeneti tokent, a szöveges válasz legfeljebb 65 536 kimeneti tokent fogad be. A képek és a hang megértése nem jelenti azok generálását: e verzió kimenete szöveges marad.
A Thinking további ráfordítást biztosít a belső gondolkodáshoz. A Google által leírt alapmodell-módban a szokásos szint high; elérhető a low, a medium és a high. Ezen értékek a Google alapmodelljét írják le; az Ailoot API-n keresztüli módot és vezérlési lehetőséget a választott metódus és modellváltozat határozza meg. A fő felhasználások közé tartozik az összetett programozás, az algoritmusfejlesztés, a stratégiai tervezés és a megoldás lépésenkénti javítása. Ez különösen akkor hasznos, amikor több összefüggő követelményt kell figyelembe venni, és vissza kell térni a köztes eredményekhez.
A modell képességei között függvényhívás, kódfuttatás és strukturált válaszok szerepelnek. Támogatott a kontextusgyorsítótárazás, a keresési forrásokra alapozás, a Google Maps és a webcímek tartalmának használata; kötegelt feldolgozás is rendelkezésre áll. E készlet lehetővé teszi olyan folyamat felépítését, amelyben a modell adatokat elemez, kiválasztja a következő eszközt, és előállítja a végeredményt. Minden eszköz tényleges elérhetősége a modell használati metódusától függ.
A kártya a gemini-3.1-pro-preview előzetes verzióra vonatkozik. Alapja a Gemini 3 Pro. A gyártó külön megjelöli a gemini-3.1-pro-preview-customtools változatot, amely parancsértelmezőt és egyedi eszközöket használó folyamatokhoz készült. Eszközválasztási prioritásai és viselkedési sajátosságai nem a szokásos Preview-verzió tulajdonságai.
A modellnél megmaradnak az alapvonal általános korlátai: a válaszok kitalált információkat tartalmazhatnak, egyes kérések pedig lassan futhatnak vagy időtúllépéssel zárulhatnak. A többlépéses gondolkodás, a nagy kontextus és az adathozzáférés segíti az összetett feladatok feldolgozását, de nem tesz minden generált következtetést ellenőrzött ténnyé.
POST /v1beta/models/{model}:generateContenttext, imagetext| Mező | Típus | Követelmény | Értékek és korlátok | Alapértelmezett |
|---|---|---|---|---|
Mezőpath.model | Típusstring | KövetelményKötelező | Értékek és korlátok gemini-3.1-pro-high | Alapértelmezett— |
Mezőcontents | Típuscontent[] | KövetelményKötelező | Értékek és korlátok Minimális elemszám: 1 | Alapértelmezett— |
Mezőcontents[].role | Típusstring | KövetelményOpcionális | Értékek és korlátok user, model | Alapértelmezett— |
Mezőcontents[].parts | Típuspart[] | KövetelményKötelező | Értékek és korlátok | Alapértelmezett— |
MezősystemInstruction | Típuscontent | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
MezőgenerationConfig.maxOutputTokens | Típusinteger | KövetelményOpcionális | Értékek és korlátok Minimum: 1 Modelltől függ | Alapértelmezett— |
MezőgenerationConfig.temperature | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
MezőgenerationConfig.topP | Típusnumber | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
MezőgenerationConfig.topK | Típusinteger | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
MezőgenerationConfig.stopSequences | Típusstring[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
MezőgenerationConfig.thinkingConfig.includeThoughts | Típusboolean | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
MezőgenerationConfig.thinkingConfig.thinkingBudget | Típusinteger | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
Mezőtools[].functionDeclarations | Típusfunction_declaration[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
MezőtoolConfig.functionCallingConfig.mode | Típusstring | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
MezősafetySettings | Típusobject[] | KövetelményOpcionális | Értékek és korlátok Modelltől függ | Alapértelmezett— |
MezősessionId | Típusstring | KövetelményOpcionális | Értékek és korlátok | Alapértelmezett— |
Szöveg · UTF8 szöveg
contents[].parts[].text
Szöveg + kép
parts[].inlineData={mimeType,data}
| Paraméter | Szerződés |
|---|---|
Paramétermaterial_types | Szerződéstext, image |
Paraméterrequired | Szerződéscontents |
Paraméteroptional_controls | Szerződésnull |
Paramétercontent_type | Szerződésapplication/json |
Paramétertext_file_material | Szerződésa tényleges UTF-8 tartalom szövegként beillesztve; a fájlazonosítók/URLs külön, pontos támogatást igényelnek |
Életciklus: exact retained published method
A metódusok szerkezete és azonosítói pontosak; a beszállítói képesség különbözik a kérelmek befogadásától.
POST /v1beta/models/{model}:generateContent| A kérés mérete, tokenben | Bemenet | Kimenet | Gyorsítótár olvasása | Írás a gyorsítótárba | Gyorsítótár 5 perc | Gyorsítótár 1 óra |
|---|---|---|---|---|---|---|
| A kérés mérete, tokenben(0; 200 000] | Bemenet0,002 USD | Kimenet0,012 USD | Gyorsítótár olvasása0,0002 USD | Írás a gyorsítótárbaAlapdíjtétel: — | Gyorsítótár 5 percAlapdíjtétel: — | Gyorsítótár 1 óraAlapdíjtétel: — |
| A kérés mérete, tokenben(200 000; ∞) | Bemenet0,004 USD | Kimenet0,018 USD | Gyorsítótár olvasása0,0004 USD | Írás a gyorsítótárbaAlapdíjtétel: — | Gyorsítótár 5 percAlapdíjtétel: — | Gyorsítótár 1 óraAlapdíjtétel: — |
Díjak USD / 1K token egységben. Ha nincs megadva díjtétel, a metódus alapdíja öröklődik; a «—» azt jelenti, hogy nincs megadva alapdíj.
Az Ailoot a kérés előtt becsült összeget foglal le. Az eredmény után a mért használat alapján elszámolja a végső díjat. Folyamatos átvitel esetén a végső használati rekordot használja. A foglalás és az elszámolás működése →
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-3.1-pro-high: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-3.1-pro-high: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-3.1-pro-high", 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-3.1-pro-high", 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-3.1-pro-high',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 vagy támogatott folyamatos átvitel
Őrizzen meg minden teljes visszaadott választ, fájlt és tartalomrészt.
Őrizze meg az összes válaszjelöltet és tartalomrészt, beleértve a függvényhívásokat, a gondolkodási tartalom aláírásait és a használati adatokat; a folyamatos átvitel darabjait sorrendben állítsa össze.
Őrizze meg a kérés-/válaszazonosítókat és a fejléceket. Nincs megadva általános URL a szöveges feladatok lekéréséhez.
| Mező | Típus |
|---|---|
MezőresponseId | Típusstring |
MezőmodelVersion | Típusstring |
Mezőcandidates[].content.parts[] | Típustext|inlineData|functionCall|other part |
Mezőcandidates[].finishReason | Típusstring |
MezőusageMetadata | Típusobject |
| Válasz | Feltétel | Következő lépés |
|---|---|---|
Válasz400 · invalid_request_error | FeltételÉrvénytelen kötelező mezők, az anyag érvénytelen reprezentációja vagy érvénytelen paraméterérték | Következő lépésJavítsa a jelzett mezőket egy új létrehozási kérés előtt. |
Ailoot gemini-3.1-pro-high
Használja a fent látható metódusútvonalakat.
Technikai példa angolul
Plan a dependency-constrained move\n\nA lab move has these constraints: archive samples before unplugging the freezer; test the backup freezer before moving samples; restore temperature monitoring before accepting new samples. Staff propose unplugging first to save time. Produce an ordered checklist, flag the unsafe proposed step and specify evidence needed before accepting new samples. Use only the supplied constraints.An ordered checklist, one identified conflict and an acceptance-evidence item.The checklist must place backup testing and sample protection before unplugging and monitoring before intake.