Gemini 3.5 Flash adalah profil model multimodal Flash Google untuk pemrograman dan pekerjaan agen yang berkelanjutan. Masukan yang didokumentasikan adalah teks, gambar, video, audio, dan PDF, dengan keluaran teks. Fokus tugas model mencakup pemrograman iteratif, eksplorasi solusi alternatif, serta rangkaian instruksi dan penggunaan alat yang lebih panjang. Edisi 3.5 menyediakan kontrol thinking, masukan multimodal, dan alur alat yang didokumentasikan.
Tugas pemrograman dapat menggabungkan persyaratan tertulis, berkas sumber yang relevan, dan tangkapan layar hasil yang diinginkan. Berikan perilaku yang diamati, perilaku yang diharapkan, dan batasan yang harus tetap utuh. Contoh arahannya: “Bandingkan tangkapan layar dengan teks komponen, identifikasi ketidaksesuaian dalam alur formulir, dan usulkan satu koreksi terarah. Jelaskan detail sumber mana yang mendasari perubahan.” Untuk tugas dokumen, berikan halaman yang relevan dan minta perbandingan terhadap persyaratan eksplisit, dengan referensi sumber untuk setiap temuan.
Edisi ini mendokumentasikan tingkat thinking minimal, low, medium, dan high. Medium adalah bawaan, berubah dari bawaan high pada Gemini 3 Flash Preview. Minimal sesuai untuk jawaban sederhana dan keputusan alat langsung tanpa menjamin penalaran sepenuhnya dinonaktifkan; low menargetkan tugas yang memerlukan lebih sedikit langkah; high menyediakan penalaran lebih mendalam untuk soal matematika, pemrograman, dan agen yang sulit. Google menyarankan penggunaan thinking_level untuk mengendalikan upaya dan mempertahankan pengaturan sampling bawaan, alih-alih mencoba memaksakan penalaran dengan mengubah temperature, top-p, atau top-k.
Perilaku utama model ini adalah mempertahankan konteks penalaran sepanjang tugas multigiliran. Alur Interactions Google membawa konteks tersebut secara otomatis; alur GenerateContent-nya memerlukan riwayat percakapan lengkap tanpa modifikasi, termasuk thought signatures. Hal ini mendukung penugasan debugging atau refactoring berkelanjutan, saat penalaran sebelumnya menjadi landasan langkah berikutnya. Pertahankan struktur percakapan sebenarnya, alih-alih mengubah setiap tindak lanjut menjadi prompt yang tidak berkaitan, dan jaga agar artefak akhir yang diminta tetap jelas selama pekerjaan berlangsung.
Kumpulan alat yang didokumentasikan mencakup Google Search, grounding dengan Google Maps, File Search, Code Execution, URL Context, dan Function Calling standar, dengan penggunaan alat gabungan dan Computer Use ditandai sebagai kemampuan pratinjau. Structured Outputs dapat menyediakan rekaman data dengan definisi tertentu. Berikan tujuan dan definisi parameter fungsi yang jelas: model memilih fungsi, sedangkan aplikasi yang terhubung menjalankan operasinya dan mengembalikan hasil. Google mewajibkan hasil fungsi cocok dengan panggilan sebelumnya berdasarkan identitas, nama, dan jumlah; hasil multimodal ditempatkan di dalam respons fungsi.
Tabel model API khususnya memberikan masukan maksimum 1,048,576 token dan keluaran maksimum 65,536 token. Riwayat percakapan dan media yang diberikan berkontribusi pada anggaran masukan. Caching dan pemrosesan batch didokumentasikan untuk profil ini, dengan opsi pemrosesan Flex dan Priority tambahan dalam tabel Google. Batas dan kemampuan ini menjelaskan edisi produsen; keduanya tidak mewajibkan jawaban memenuhi seluruh jendela keluaran atau menjadikan setiap alat diperlukan untuk suatu tugas.
Profil ini menghasilkan teks, bukan gambar atau audio, dan tidak menggunakan Live API. Panduan pengembangnya juga mengecualikan segmentasi gambar. Untuk pertanyaan visual, minta deskripsi, ekstraksi, atau interpretasi materi yang diberikan; untuk rekaman ucapan, minta hasil teks. Ketika jawaban bergantung pada informasi lebih baru, alur grounding pencarian yang didokumentasikan dapat menambahkan sumber di luar pengetahuan pelatihan. Nyatakan apakah informasi eksternal diperlukan dan bukti apa yang harus dipertahankan dalam jawaban akhir.
Untuk penugasan panjang yang berguna, definisikan hasil akhir dan kriteria penyelesaian sebelum langkah pertama. Tugas analisis dukungan dapat meminta tabel masalah yang diamati, kutipan pendukung, dan usulan balasan; tugas pemrograman dapat memerlukan perubahan terarah serta hasil validasi yang relevan. Lampirkan konteks sumber yang penting, tentukan tindakan alat yang diizinkan, dan minta jawaban akhir eksplisit yang memisahkan pekerjaan selesai dari pertanyaan yang masih memerlukan informasi. Hal ini mengubah alur kerja berkelanjutan model menjadi artefak teks, kode, atau terstruktur yang konkret.
", "aboutText": "Gemini 3.5 Flash adalah profil model multimodal Flash Google untuk pemrograman dan pekerjaan agen yang berkelanjutan. Masukan yang didokumentasikan adalah teks, gambar, video, audio, dan PDF, dengan keluaran teks. Fokus tugas model mencakup pemrograman iteratif, eksplorasi solusi alternatif, serta rangkaian instruksi dan penggunaan alat yang lebih panjang. Edisi 3.5 menyediakan kontrol thinking, masukan multimodal, dan alur alat yang didokumentasikan.\n\nTugas pemrograman dapat menggabungkan persyaratan tertulis, berkas sumber yang relevan, dan tangkapan layar hasil yang diinginkan. Berikan perilaku yang diamati, perilaku yang diharapkan, dan batasan yang harus tetap utuh. Contoh arahannya: “Bandingkan tangkapan layar dengan teks komponen, identifikasi ketidaksesuaian dalam alur formulir, dan usulkan satu koreksi terarah. Jelaskan detail sumber mana yang mendasari perubahan.” Untuk tugas dokumen, berikan halaman yang relevan dan minta perbandingan terhadap persyaratan eksplisit, dengan referensi sumber untuk setiap temuan.\n\nEdisi ini mendokumentasikan tingkat thinking minimal, low, medium, dan high. Medium adalah bawaan, berubah dari bawaan high pada Gemini 3 Flash Preview. Minimal sesuai untuk jawaban sederhana dan keputusan alat langsung tanpa menjamin penalaran sepenuhnya dinonaktifkan; low menargetkan tugas yang memerlukan lebih sedikit langkah; high menyediakan penalaran lebih mendalam untuk soal matematika, pemrograman, dan agen yang sulit. Google menyarankan penggunaan thinking_level untuk mengendalikan upaya dan mempertahankan pengaturan sampling bawaan, alih-alih mencoba memaksakan penalaran dengan mengubah temperature, top-p, atau top-k.\n\nPerilaku utama model ini adalah mempertahankan konteks penalaran sepanjang tugas multigiliran. Alur Interactions Google membawa konteks tersebut secara otomatis; alur GenerateContent-nya memerlukan riwayat percakapan lengkap tanpa modifikasi, termasuk thought signatures. Hal ini mendukung penugasan debugging atau refactoring berkelanjutan, saat penalaran sebelumnya menjadi landasan langkah berikutnya. Pertahankan struktur percakapan sebenarnya, alih-alih mengubah setiap tindak lanjut menjadi prompt yang tidak berkaitan, dan jaga agar artefak akhir yang diminta tetap jelas selama pekerjaan berlangsung.\n\nKumpulan alat yang didokumentasikan mencakup Google Search, grounding dengan Google Maps, File Search, Code Execution, URL Context, dan Function Calling standar, dengan penggunaan alat gabungan dan Computer Use ditandai sebagai kemampuan pratinjau. Structured Outputs dapat menyediakan rekaman data dengan definisi tertentu. Berikan tujuan dan definisi parameter fungsi yang jelas: model memilih fungsi, sedangkan aplikasi yang terhubung menjalankan operasinya dan mengembalikan hasil. Google mewajibkan hasil fungsi cocok dengan panggilan sebelumnya berdasarkan identitas, nama, dan jumlah; hasil multimodal ditempatkan di dalam respons fungsi.\n\nTabel model API khususnya memberikan masukan maksimum 1,048,576 token dan keluaran maksimum 65,536 token. Riwayat percakapan dan media yang diberikan berkontribusi pada anggaran masukan. Caching dan pemrosesan batch didokumentasikan untuk profil ini, dengan opsi pemrosesan Flex dan Priority tambahan dalam tabel Google. Batas dan kemampuan ini menjelaskan edisi produsen; keduanya tidak mewajibkan jawaban memenuhi seluruh jendela keluaran atau menjadikan setiap alat diperlukan untuk suatu tugas.\n\nProfil ini menghasilkan teks, bukan gambar atau audio, dan tidak menggunakan Live API. Panduan pengembangnya juga mengecualikan segmentasi gambar. Untuk pertanyaan visual, minta deskripsi, ekstraksi, atau interpretasi materi yang diberikan; untuk rekaman ucapan, minta hasil teks. Ketika jawaban bergantung pada informasi lebih baru, alur grounding pencarian yang didokumentasikan dapat menambahkan sumber di luar pengetahuan pelatihan. Nyatakan apakah informasi eksternal diperlukan dan bukti apa yang harus dipertahankan dalam jawaban akhir.\n\nUntuk penugasan panjang yang berguna, definisikan hasil akhir dan kriteria penyelesaian sebelum langkah pertama. Tugas analisis dukungan dapat meminta tabel masalah yang diamati, kutipan pendukung, dan usulan balasan; tugas pemrograman dapat memerlukan perubahan terarah serta hasil validasi yang relevan. Lampirkan konteks sumber yang penting, tentukan tindakan alat yang diizinkan, dan minta jawaban akhir eksplisit yang memisahkan pekerjaan selesai dari pertanyaan yang masih memerlukan informasi. Hal ini mengubah alur kerja berkelanjutan model menjadi artefak teks, kode, atau terstruktur yang konkret.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "3cd8c4a453925432c556977fe8b2c5d0104a8eaa60abf1ff59bc3e74513448a9", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "id", "methods": [ { "html": "gemini-3.5-flash-thinkingGemini 3.5 Flash menggabungkan pemahaman multimodal dengan penalaran untuk pemrograman dan tugas agen bertahap. Model ini menerima teks, gambar, video, audio, dan PDF serta menghasilkan teks, dengan keluaran terstruktur, alat, dan batas masukan 1,048,576 token dalam profil yang didokumentasikan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 3.5 Flash adalah profil model multimodal Flash Google untuk pemrograman dan pekerjaan agen yang berkelanjutan. Masukan yang didokumentasikan adalah teks, gambar, video, audio, dan PDF, dengan keluaran teks. Fokus tugas model mencakup pemrograman iteratif, eksplorasi solusi alternatif, serta rangkaian instruksi dan penggunaan alat yang lebih panjang. Edisi 3.5 menyediakan kontrol thinking, masukan multimodal, dan alur alat yang didokumentasikan.
Tugas pemrograman dapat menggabungkan persyaratan tertulis, berkas sumber yang relevan, dan tangkapan layar hasil yang diinginkan. Berikan perilaku yang diamati, perilaku yang diharapkan, dan batasan yang harus tetap utuh. Contoh arahannya: “Bandingkan tangkapan layar dengan teks komponen, identifikasi ketidaksesuaian dalam alur formulir, dan usulkan satu koreksi terarah. Jelaskan detail sumber mana yang mendasari perubahan.” Untuk tugas dokumen, berikan halaman yang relevan dan minta perbandingan terhadap persyaratan eksplisit, dengan referensi sumber untuk setiap temuan.
Edisi ini mendokumentasikan tingkat thinking minimal, low, medium, dan high. Medium adalah bawaan, berubah dari bawaan high pada Gemini 3 Flash Preview. Minimal sesuai untuk jawaban sederhana dan keputusan alat langsung tanpa menjamin penalaran sepenuhnya dinonaktifkan; low menargetkan tugas yang memerlukan lebih sedikit langkah; high menyediakan penalaran lebih mendalam untuk soal matematika, pemrograman, dan agen yang sulit. Google menyarankan penggunaan thinking_level untuk mengendalikan upaya dan mempertahankan pengaturan sampling bawaan, alih-alih mencoba memaksakan penalaran dengan mengubah temperature, top-p, atau top-k.
Perilaku utama model ini adalah mempertahankan konteks penalaran sepanjang tugas multigiliran. Alur Interactions Google membawa konteks tersebut secara otomatis; alur GenerateContent-nya memerlukan riwayat percakapan lengkap tanpa modifikasi, termasuk thought signatures. Hal ini mendukung penugasan debugging atau refactoring berkelanjutan, saat penalaran sebelumnya menjadi landasan langkah berikutnya. Pertahankan struktur percakapan sebenarnya, alih-alih mengubah setiap tindak lanjut menjadi prompt yang tidak berkaitan, dan jaga agar artefak akhir yang diminta tetap jelas selama pekerjaan berlangsung.
Kumpulan alat yang didokumentasikan mencakup Google Search, grounding dengan Google Maps, File Search, Code Execution, URL Context, dan Function Calling standar, dengan penggunaan alat gabungan dan Computer Use ditandai sebagai kemampuan pratinjau. Structured Outputs dapat menyediakan rekaman data dengan definisi tertentu. Berikan tujuan dan definisi parameter fungsi yang jelas: model memilih fungsi, sedangkan aplikasi yang terhubung menjalankan operasinya dan mengembalikan hasil. Google mewajibkan hasil fungsi cocok dengan panggilan sebelumnya berdasarkan identitas, nama, dan jumlah; hasil multimodal ditempatkan di dalam respons fungsi.
Tabel model API khususnya memberikan masukan maksimum 1,048,576 token dan keluaran maksimum 65,536 token. Riwayat percakapan dan media yang diberikan berkontribusi pada anggaran masukan. Caching dan pemrosesan batch didokumentasikan untuk profil ini, dengan opsi pemrosesan Flex dan Priority tambahan dalam tabel Google. Batas dan kemampuan ini menjelaskan edisi produsen; keduanya tidak mewajibkan jawaban memenuhi seluruh jendela keluaran atau menjadikan setiap alat diperlukan untuk suatu tugas.
Profil ini menghasilkan teks, bukan gambar atau audio, dan tidak menggunakan Live API. Panduan pengembangnya juga mengecualikan segmentasi gambar. Untuk pertanyaan visual, minta deskripsi, ekstraksi, atau interpretasi materi yang diberikan; untuk rekaman ucapan, minta hasil teks. Ketika jawaban bergantung pada informasi lebih baru, alur grounding pencarian yang didokumentasikan dapat menambahkan sumber di luar pengetahuan pelatihan. Nyatakan apakah informasi eksternal diperlukan dan bukti apa yang harus dipertahankan dalam jawaban akhir.
Untuk penugasan panjang yang berguna, definisikan hasil akhir dan kriteria penyelesaian sebelum langkah pertama. Tugas analisis dukungan dapat meminta tabel masalah yang diamati, kutipan pendukung, dan usulan balasan; tugas pemrograman dapat memerlukan perubahan terarah serta hasil validasi yang relevan. Lampirkan konteks sumber yang penting, tentukan tindakan alat yang diizinkan, dan minta jawaban akhir eksplisit yang memisahkan pekerjaan selesai dari pertanyaan yang masih memerlukan informasi. Hal ini mengubah alur kerja berkelanjutan model menjadi artefak teks, kode, atau terstruktur yang konkret.
POST /v1/chat/completionstexttext| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-3.5-flash-thinking | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan Item minimum: 1 | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan Bergantung pada model | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanOpsional | Nilai & batasan Berlaku jika: Percakapan teks | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF8
messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages |
Parametermaterial_types | Kontraktext |
Parametermessages | Kontrakarray pesan dengan struktur role/content |
Parameterfile_material | Kontrakdokumen UTF-8 yang sebenarnya dimasukkan sebagai teks apa adanya; ID file tidak disimpulkan |
Parameteroptional_controls | Kontrakstream |
Parametercontrol_scope | KontrakPercakapan teks; stream adalah nilai boolean dengan false sebagai bawaan. |
Parameteroutput_modalities | Kontraktext |
Parameterhosted_operations | Kontrakfalse |
Parametermultimodal_input_binding | Kontraknull |
Alias metode: /chat/completions
Siklus hidup: synchronous_or_streamed
Kirim ID model yang tepat bersama messages.
Panjang konteks bukan batas keluaran.
File teks dapat menyediakan teks apa adanya; masukan gambar/audio/objek file memerlukan pengikatan yang tepat.
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.003 / 1K token Keluaran · Token keluaran $0.018 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json,os\nfrom pathlib import Path\np=json.loads('{"model":"gemini-3.5-flash-thinking","messages":[{"role":"user","content":"hello"}],"stream":false}')\n\nPath("request.json").write_text(json.dumps(p,ensure_ascii=False))\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/chat/completions \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\nr=json.loads(Path("result.json").read_text())\nfor x in r.get("choices",[]):\n if x.get("message",{}).get("content"): print(x["message"]["content"])\nPY_RESULT\nfrom openai import OpenAI\nimport os\n\nif not os.environ.get("AILOOT_API_KEY", "").strip(): raise SystemExit("Set AILOOT_API_KEY before making a request")\nclient=OpenAI(base_url="https://api.ailoot.ai/v1",api_key=os.environ["AILOOT_API_KEY"],max_retries=0)\nresult=client.chat.completions.create(model="gemini-3.5-flash-thinking", messages=[{"role":"user","content":"hello"}], stream=False)\nimport base64, json\nfrom pathlib import Path\n\ndef save_result(data, stem="result"):\n # Keep every field, including usage, IDs, reasoning and tool requests.\n Path(stem + ".json").write_text(json.dumps(data, ensure_ascii=False, indent=2), encoding="utf-8")\n print(json.dumps(data, ensure_ascii=False, indent=2))\n def save_blob(encoded, suffix, label):\n raw = base64.b64decode(encoded, altchars=b"-_", validate=True)\n ext = "png" if raw.startswith(b"\\x89PNG\\r\\n\\x1a\\n") else "jpg" if raw.startswith(b"\\xff\\xd8") else "webp" if raw[:4] == b"RIFF" and raw[8:12] == b"WEBP" else suffix\n file = Path(stem + "-" + label + "." + ext)\n file.write_bytes(raw)\n print("Saved", file)\n for index, block in enumerate(data.get("content") or []):\n print("Content", index, json.dumps(block, ensure_ascii=False))\n for choice in data.get("choices") or []:\n print("Choice", choice.get("index"), json.dumps(choice.get("message", choice.get("delta", {})), ensure_ascii=False))\n for index, item in enumerate(data.get("output") or []):\n print("Output", index, json.dumps(item, ensure_ascii=False))\n if item.get("type") == "image_generation_call" and item.get("result"):\n save_blob(item["result"], item.get("output_format") or "bin", "output-" + str(index))\n for ci, candidate in enumerate(data.get("candidates") or []):\n for pi, part in enumerate((candidate.get("content") or {}).get("parts") or []):\n print("Candidate/part", ci, pi, json.dumps(part, ensure_ascii=False))\n blob = part.get("inlineData") or part.get("inline_data")\n if blob and blob.get("data"):\n mime = blob.get("mimeType") or blob.get("mime_type")\n suffix = {"image/png":"png", "image/jpeg":"jpg", "image/webp":"webp", "audio/wav":"wav", "audio/mpeg":"mp3", "video/mp4":"mp4"}.get(mime, "bin")\n save_blob(blob["data"], suffix, "candidate-" + str(ci) + "-part-" + str(pi))\n\nsave_result(result.to_dict(mode="json"))\njson atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan setiap alternatif jawaban beserta konten, panggilan alat, dan penalarannya. Dalam SSE, gabungkan delta menurut indeks alternatif jawaban/alat, lalu pertahankan alasan penghentian akhir dan data penggunaan.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomchoices[].index | Jenisinteger |
Kolomchoices[].message.content | Jenisstring|null |
Kolomchoices[].message.tool_calls | Jenistool_call[] |
Kolomchoices[].message.reasoning_content | Jenisstring |
Kolomchoices[].message.reasoning_details | Jenisobject|array |
Kolomchoices[].finish_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gemini-3.5-flash-thinking
/chat/completions
gemini-3.5-flash-thinkingGemini 3.5 Flash menggabungkan pemahaman multimodal dengan penalaran untuk pemrograman dan tugas agen bertahap. Model ini menerima teks, gambar, video, audio, dan PDF serta menghasilkan teks, dengan keluaran terstruktur, alat, dan batas masukan 1,048,576 token dalam profil yang didokumentasikan.
Deskripsi ini mencakup kemampuan model. Masukan, keluaran, dan opsi yang tersedia di Ailoot tercantum di bawah untuk metode yang dipilih.
Gemini 3.5 Flash adalah profil model multimodal Flash Google untuk pemrograman dan pekerjaan agen yang berkelanjutan. Masukan yang didokumentasikan adalah teks, gambar, video, audio, dan PDF, dengan keluaran teks. Fokus tugas model mencakup pemrograman iteratif, eksplorasi solusi alternatif, serta rangkaian instruksi dan penggunaan alat yang lebih panjang. Edisi 3.5 menyediakan kontrol thinking, masukan multimodal, dan alur alat yang didokumentasikan.
Tugas pemrograman dapat menggabungkan persyaratan tertulis, berkas sumber yang relevan, dan tangkapan layar hasil yang diinginkan. Berikan perilaku yang diamati, perilaku yang diharapkan, dan batasan yang harus tetap utuh. Contoh arahannya: “Bandingkan tangkapan layar dengan teks komponen, identifikasi ketidaksesuaian dalam alur formulir, dan usulkan satu koreksi terarah. Jelaskan detail sumber mana yang mendasari perubahan.” Untuk tugas dokumen, berikan halaman yang relevan dan minta perbandingan terhadap persyaratan eksplisit, dengan referensi sumber untuk setiap temuan.
Edisi ini mendokumentasikan tingkat thinking minimal, low, medium, dan high. Medium adalah bawaan, berubah dari bawaan high pada Gemini 3 Flash Preview. Minimal sesuai untuk jawaban sederhana dan keputusan alat langsung tanpa menjamin penalaran sepenuhnya dinonaktifkan; low menargetkan tugas yang memerlukan lebih sedikit langkah; high menyediakan penalaran lebih mendalam untuk soal matematika, pemrograman, dan agen yang sulit. Google menyarankan penggunaan thinking_level untuk mengendalikan upaya dan mempertahankan pengaturan sampling bawaan, alih-alih mencoba memaksakan penalaran dengan mengubah temperature, top-p, atau top-k.
Perilaku utama model ini adalah mempertahankan konteks penalaran sepanjang tugas multigiliran. Alur Interactions Google membawa konteks tersebut secara otomatis; alur GenerateContent-nya memerlukan riwayat percakapan lengkap tanpa modifikasi, termasuk thought signatures. Hal ini mendukung penugasan debugging atau refactoring berkelanjutan, saat penalaran sebelumnya menjadi landasan langkah berikutnya. Pertahankan struktur percakapan sebenarnya, alih-alih mengubah setiap tindak lanjut menjadi prompt yang tidak berkaitan, dan jaga agar artefak akhir yang diminta tetap jelas selama pekerjaan berlangsung.
Kumpulan alat yang didokumentasikan mencakup Google Search, grounding dengan Google Maps, File Search, Code Execution, URL Context, dan Function Calling standar, dengan penggunaan alat gabungan dan Computer Use ditandai sebagai kemampuan pratinjau. Structured Outputs dapat menyediakan rekaman data dengan definisi tertentu. Berikan tujuan dan definisi parameter fungsi yang jelas: model memilih fungsi, sedangkan aplikasi yang terhubung menjalankan operasinya dan mengembalikan hasil. Google mewajibkan hasil fungsi cocok dengan panggilan sebelumnya berdasarkan identitas, nama, dan jumlah; hasil multimodal ditempatkan di dalam respons fungsi.
Tabel model API khususnya memberikan masukan maksimum 1,048,576 token dan keluaran maksimum 65,536 token. Riwayat percakapan dan media yang diberikan berkontribusi pada anggaran masukan. Caching dan pemrosesan batch didokumentasikan untuk profil ini, dengan opsi pemrosesan Flex dan Priority tambahan dalam tabel Google. Batas dan kemampuan ini menjelaskan edisi produsen; keduanya tidak mewajibkan jawaban memenuhi seluruh jendela keluaran atau menjadikan setiap alat diperlukan untuk suatu tugas.
Profil ini menghasilkan teks, bukan gambar atau audio, dan tidak menggunakan Live API. Panduan pengembangnya juga mengecualikan segmentasi gambar. Untuk pertanyaan visual, minta deskripsi, ekstraksi, atau interpretasi materi yang diberikan; untuk rekaman ucapan, minta hasil teks. Ketika jawaban bergantung pada informasi lebih baru, alur grounding pencarian yang didokumentasikan dapat menambahkan sumber di luar pengetahuan pelatihan. Nyatakan apakah informasi eksternal diperlukan dan bukti apa yang harus dipertahankan dalam jawaban akhir.
Untuk penugasan panjang yang berguna, definisikan hasil akhir dan kriteria penyelesaian sebelum langkah pertama. Tugas analisis dukungan dapat meminta tabel masalah yang diamati, kutipan pendukung, dan usulan balasan; tugas pemrograman dapat memerlukan perubahan terarah serta hasil validasi yang relevan. Lampirkan konteks sumber yang penting, tentukan tindakan alat yang diizinkan, dan minta jawaban akhir eksplisit yang memisahkan pekerjaan selesai dari pertanyaan yang masih memerlukan informasi. Hal ini mengubah alur kerja berkelanjutan model menjadi artefak teks, kode, atau terstruktur yang konkret.
POST /v1/messagestextjson, sse| Kolom | Jenis | Persyaratan | Nilai & batasan | Bawaan |
|---|---|---|---|---|
Kolommodel | Jenisstring | PersyaratanWajib | Nilai & batasan gemini-3.5-flash-thinking | Bawaan— |
Kolommessages | Jenismessage[] | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommessages[].role | Jenisstring | PersyaratanWajib | Nilai & batasan user, assistant | Bawaan— |
Kolommessages[].content | Jenisstring | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolommax_tokens | Jenisinteger | PersyaratanWajib | Nilai & batasan | Bawaan— |
Kolomstream | Jenisboolean | PersyaratanOpsional | Nilai & batasan | Bawaanfalse |
Teks · Teks UTF-8
string messages[].content
| Parameter | Kontrak |
|---|---|
Parametercontent_type | Kontrakapplication/json |
Parameterrequired | Kontrakmodel, messages, max_tokens |
Parameteroptional_controls | Kontrakstream |
Parametermaterial_types | Kontraktext |
Parametertext_file_material | KontrakBaca dokumen UTF-8 yang sebenarnya dan masukkan teksnya ke string masukan atau konten pesan yang ditunjukkan. |
Siklus hidup: synchronous_or_streamed
Referensi tarif tidak menambah opsi permintaan. Parameter yang didukung tercantum pada metode yang dipilih.
| Konfigurasi | Jadwal tarif | Biaya |
|---|---|---|
| KonfigurasiTarif dasar token | Jadwal tarifTarif dasar | Biaya Masukan · Token masukan $0.003 / 1K token Keluaran · Token keluaran $0.018 / 1K token Masukan · Pembacaan cache $0 / 1K token Masukan · Penulisan cache $0 / 1K token Masukan · Penulisan cache, 1 jam — / 1K token |
Ailoot mencadangkan perkiraan dana sebelum permintaan. Setelah hasil diterima, tagihan akhir diselesaikan berdasarkan penggunaan yang terukur. Penyelesaian tagihan streaming menggunakan catatan penggunaan akhir. Cara kerja cadangan dan penyelesaian tagihan →
{\n "model": "gemini-3.5-flash-thinking",\n "max_tokens": 128,\n "messages": [\n {\n "role": "user",\n "content": "Summarize the incident report."\n }\n ],\n "stream": false\n}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\n: "${AILOOT_TEXT_FILE:?Set your actual UTF-8 document}"\nexport AILOOT_TEXT_FILE\npython3 - <<'PY_REQUEST'\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.5-flash-thinking', 'max_tokens': 128, 'messages': [{'role': 'user', 'content': 'Summarize the incident report.'}]}\npayload['messages'][0]['content'] = 'Summarize this material and quote supporting source passages.\\n\\n' + text\nPath('request.json').write_text(json.dumps(payload, ensure_ascii=False), encoding='utf-8')\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/messages \\\n -H "x-api-key: $AILOOT_API_KEY" -H 'anthropic-version: 2023-06-01' -H 'Content-Type: application/json' \\\n --data-binary @request.json -D response-headers.txt -o result.json\npython3 - <<'PY_RESULT'\nimport json\nfrom pathlib import Path\n\nresult = json.loads(Path('result.json').read_text(encoding='utf-8'))\nprint(json.dumps(result, ensure_ascii=False, indent=2))\nPY_RESULT\nimport json, os\nfrom pathlib import Path\n\nsource_file = Path(os.environ['AILOOT_TEXT_FILE'])\nif not source_file.is_file():\n raise SystemExit('Set AILOOT_TEXT_FILE to your actual UTF-8 document')\ntext = source_file.read_text(encoding='utf-8')\nif not text.strip():\n raise SystemExit('Choose a document containing text')\npayload = {'model': 'gemini-3.5-flash-thinking', '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 atau SSE
Simpan setiap respons lengkap, berkas, dan bagian konten yang dikembalikan.
Simpan semua blok konten, tanda tangan penalaran, dan ID penggunaan alat yang sebenarnya. Gabungkan semua delta blok SSE; blok teks pertama bukan keseluruhan keluaran.
Simpan ID permintaan/respons dan header. URL umum untuk pengambilan tugas teks tidak disediakan.
| Kolom | Jenis |
|---|---|
Kolomid | Jenisstring |
Kolommodel | Jenisstring |
Kolomcontent[] | Jenistext|thinking|tool_use|other content block |
Kolomstop_reason | Jenisstring|null |
Kolomusage | Jenisobject |
| Respons | Kondisi | Langkah berikutnya |
|---|---|---|
Respons400 · invalid_request_error | KondisiBidang wajib, representasi materi, atau nilai parameter tidak valid | Langkah berikutnyaPerbaiki bidang yang ditunjukkan sebelum permintaan pembuatan baru. |
Ailoot Ultra gemini-3.5-flash-thinking
/chat/completions